（本文作者系阿博茨科技CTO刘铁锋）

“数据中台”概念自阿里提出以来，逐渐成为技术发展的趋势。由数据中台衍生出的“DT时代”、“中台战略”、“大中台，小前台”等概念取代了之前单一的“大数据”，被赋予先进的业务架构模式、业务创新念模式、业务管理模式等内涵。各行各业都在积极探讨和实践自家的“数据中台”如何落地，期待充分拥抱数据而带来的红利。

然而实际构建过程中，该不该上，应该如何分阶段落地数据中台，如何结合自身情况做好数据、技术、业务、应用的划分，却很容易进坑。有从数据治理角度探讨的，认为数据中台的核心基础就是数据治理。有从业务梳理角度探讨的，认为建设好数据中台，需要建立数据规范、梳理业务流程等等。也有从技术的角度来探讨，自身如何构建技术平台，迭代提升效率。

阿博茨根据为客户提供服务的经验，总结了数据中台的常见误区和避坑原则：

误区1: 直接对标阿里，盲目抄作业

数据中台为谁而建？数据中台解决的核心问题是什么？数据中台带来的直接收益是什么？不结合自身实际业务情况，直接对标阿里，容易直接入坑。

首先我们来看阿里最开始的思考： 很多人把数据比作“石油”，马老师（马云）也说过，阿里巴巴要成为全球电子商务的“水电煤”。我们现在搭建的数据中台，就是希望扮演“发电厂”的角色。”

“我们知道，电力的发展可以分为几个阶段，最开始一些有能力的企业自己发电，后来出现新的工业产能，有的企业电用不完，有的却不够用，这时候国家机构就出来了，这些机构去搭建国家级的电网，不管是核能发电，还是风力发电、水力发电，最大程度地保障不同群体的用电需求。”

“我们数据中台也是这样一个运转思路，我们落到实处是一个倒三角形，从下往上分为四个部分——”

“第一是数据技术。没有数据中台的时候，不管是阿里内部还是各商家，大家都有自己的数据中心、机房、小数据库。但当数据积累到一定体量后，这方面的成本会非常高，而且数据之间的质量和标准不一样，导致效率不高等问题。因此，我们需要通过数据技术，对海量数据进行采集、计算、存储、加工，同时统一标准和口径。”

“第二是数据资产。数据中台把阿里系的数据统一之后，会形成标准数据，再进行存储，形成大数据资产层，进而保证为集团各业务和商家提供高效服务。”

“第三和第四都是数据服务，包括服务商家和服务小二。例如生意参谋和阿里指数，就是数据中台中面向商家端提供的数据服务。”

“数据中台服务阿里，更多是在为各位商家服务。平台会确保大家在使用数据的过程中，口径、标准、时效性、效率都有保障，能有更高的可靠性和稳定性。”

相信这段话已经非常清楚地描述了最原始的”数据中台”的构想。

阿里巴巴的数据中台是 面向阿里上面成千上万的商家而服务，是为了这些商家而建设的。

解决的核心问题是保证商家使用数据的口径、标准、 时效性、效率、 可靠性和稳定性。

企业得有“石油”（数据），有“发电体系”（数据产生价值的应用和场景）需求，有“过剩”才有建“国家电网”（数据中台）的需求。

数据中台的建设也是因人而异，因企业而异。

  避坑自查：

企业的业务经营是否有大量业务数据产生？

企业业务数据的价值在哪里？

企业业务数据价值应用和场景是什么？

数据中台是否能帮助业务形成正向改进闭环？

误区2:阿里的痛，就是我的痛

阿里的“痛”，真正是自身企业的“痛”吗？

企业构建数据中台之前，核心需要确认的问题在自身的痛点到底在哪里，为怎样的业务类型？为哪些用户？为怎样的使用场景？

绝大部分的企业的规模、需求和痛点和阿里的需求不在同一规模上。因此，同样是构建数据中台，各自的重点确各不相同。直接照搬阿里的数据中台的理念，犹如刻舟求剑。“你”说的都对，但“我”够不上。

盲目把阿里的痛，带入为自己的痛，也是挖坑方式之一。

避坑自查：

基于以上角度的对标，能有效帮助厘清自身痛点。

误区3: 贪多求全，重点不明。

阿里构建的技术中台，就是标准的数据中台建设方案吗？答案当然不是。

阿里构建的技术中台，解决的是阿里面临的数据规模和挑战，而企业面临的问题，是自身业务发展的问题。关键在于需要解决的核心问题在哪里。

能力需求一样，但是解决问题的层面不一样。理念一样，阿里构建的是航空母舰，面向星辰大海。对企业来说，同样是需要船，但面对是海、江、湖还是就是小水坑，这才是企业构建数据中台的真实挑战。也就是说，构建中台不完全是技术能力问题，而是看菜下饭，灵活针对企业实际需求而调整定制的选择重点的问题。

盲目对标阿里的数据中台系统，容易调入贪多求全、重点不明的坑中。

避坑自查：

误区4: 基建不足、匆忙上马。

数据中台的核心在于将石油（数据），放到发电厂（数据中台），产生电（数据访问能力），满足生产需要（服务客户）。企业自身是否有石油（数据），是否需要构建发电厂（数据中台），电（数据访问能力）是否能卖出去，则是是否要规划发电厂（数据中台）的前提条件。

是否建立数据中台，数据中台是否能成功，已经不完全是技术问题，也不简单是数据治理问题，而是企业的业务发展阶段是否需要数据中台支撑，以及数据中台带来的技术效率提升，能否直接反馈到业务的问题。核心在于，企业是否已经明确数据挖掘的深度和维度，是否清晰数据对业务带来的提升点，以及数据反馈闭环是否存在。对业务的支持，对数据应用的需求，决定了数据中台构建的深度和维度。

实践中，我们发现，很多企业基建不足，数据的基础建设没有完成。网络和物流还没接到村里，就期望对接电商销售产生订单。

避坑自查：

对企业自我评估有两个角度：

一是自上而下，从数据应用场景到数据的需求是否明确？

二是自下而上，从基础数据到业务实际需求对接的流程是否明确？

误区5: 急于求成，期望一步登天

数据中台的建设，本质上来说是对业务的重构，而不仅仅是技术的选型，更不是标准化的产品。数据中台的难点，表面上来看是数据治理，本质上来说是理解数据和业务的结合以及发展阶段。因此，明确自身的业务特点和技术发展的阶段，合理规划出阶段性目标，是提升项目成功率的有效方式之一。

而实践中，往往容易出现急于求成，期望一步登天的情况。欲速而不达。

避坑自查：

阿博茨科技在金融领域，运用人工智能技术，帮助大量头部的券商以及基金公司构建了基础数据中台，在数据治理、数据计算平台搭建、技术中台构建、业务中台构建、应用中台构建中积累了大量的一线实践经验。以上探讨的观点只是阿博茨实践中的抽象和总结，对于具体的落地方案，欢迎大家联系我们，共同探讨。