总裁大人借个宝宝玩自2018年下半年年开始至今，数据中台总体保持了迅猛的增长趋势如下一图（百度指数-数据中台搜索变量图）所示，且“数据中台”关键词搜索的真题环比增长翻了好几倍如二图足以看出数据中台的火热程度。

　　“数据中台”是阿里提出，对标的国外“DataLake”(数据湖)的概念，出现的背景是阿里的生态系中淘宝，天猫，蚂蚁金服，盒马鲜生等业务板块每天都产生着大量有价值的数据，要在不同业务群间做到数据的互联互通，对数据价值进行最大化挖掘，需要整合各业务群的数据建立集团层面的“数据中台”，统一管理和应用数据。

　　与存储“已知”结构化数据，解决“已知问题”的传统数据仓库( Data Warehouse)相比，数据中台存储了大量“末知”的原始数据，利用数据科学( Data Science)可以在应用层面进行更多探索，帮助企业解决更多“未知”的商业问题数字技术的革命，使企业主可以收集的数据产生了爆发，因为数据的“量变”，催生了数据管理和应用的“质变”，这是“数据中台”出现的主要原因。如果说而传统的“数据仓库”面对的是“小数据”，“数据中台”处理的则是真正的“大数据”。

　　数据中台通过数据技术，对海量数据进行采集、计算、存储、加工，同时统一标准和口径。在提高数据质量的同时更是解决了企业数据孤岛的难题，且数据中台对数据的高应用性和场景性解决了数据价值低的问题。

　　本质上，数据中台是为企业提供强大数据资产获取和存储的能力，最终的核心都是围绕着业务场景，是企业“业务+数据”的沉淀。但客户往往最关注的是现实中肉眼可见的具体效果。为了避免数据中台场景化程度低，在建设过程中应该从小数据、小场景开始。

　　曾在集团2018年中台战略中，阿里巴巴的CEO张勇，表示，“数据中台”应构建符合DT时代更创新灵活的“大中台、小前台”组织机制和业务机制。

　　“小前台”指的就是面向客户和商家的单个业务场景，比如淘宝、天猫、聚划算、阿里妈妈、菜鸟物流等事业群，至于“大中台”则是为“小前台”业务的开展提供强大的数据资产获取和存储能力。

　　通过数据中台的搭建将使前台的一线业务会更敏捷，更快速适应瞬息万变的市场；中台将集合整个集团的运营数据能力、产品技术能力，对各前台业务形成强力支撑。

　　随着企业业务场景的不断深化，各个“小前台”数据中台的数据管理和资产化能力逐步汇聚，从而形成一个统一的数据中台，以此作为支撑企业，推动企业多元态业务场景的发展。

　　也就是说，企业的数据中台建设，是在单个业务场景逐渐向全业务场景转变的过程中逐渐成型，最终形成一个大而全的数据中台。

　　当然对于一个企业而言，要建设数据中台，最重要的就是有清晰的业务场景。如果业务场景尚不明确、业务价值优先级不够清晰、业务度量体系还未建立，就开始搭建数据中台的话，只会让数据中台陷入一个毫无用处的尴尬境地。

　　对企业而言，数据中台需要扎根于业务场景，深入于业务场景，这样才会从业务中获得支撑，获得持续发展的动力和强大的竞争力。