分析师眼中的数据中台【01】
这是我第40篇文章，欢迎阅读
背景：19年以来，我在行业里听到最多的词，除了“增长”，非“数据中台”莫属。我试着从一个分析师的角度，去理解这个概念，希望能从中发掘出我最能产生价值的地方。
所谓的数据中台，跟之前的大数据平台有什么关系呢？具体定义是什么，包括哪些东西？能比以往的架构带来哪些更好的作用？分析师在里面能起的作用是什么？或者说分析师能得到多大的价值？
我带着好多问题，翻阅了相关材料，也听取了不少同事的理解，欢迎大家留言交流，毕竟今天这篇文章输出的仅仅是我的个人看法与对资料的理解，需要在实践中不断提升我的认知。
我所经历的大数据发展历程
10年开始从业数据行业，至今快9年，经历行业多次的变革发展。未来对分析师的要求，肯定是越来越高的，不仅是掌握一些分析技术，更要懂业务，真正的解决问题。
数据中台是今年喊的最火的。技术的变革本质原因往往就是业务诉求发生较大的变化。18年以来，移动互联网的增长明显到了一个瓶颈，人口、时间红利在逐渐消失，渠道的力量在明显减弱。为了维持业务的增长，必须要向管理要效率，每个业务自己一套大数据解决方案太耗资源，数据打通也很费劲，很难产生更多的数据价值。
因此，集成数据源与各类数据服务，具体统一数据上报规范、统一账号的数据中台应运而生。跟之前大数据平台最大的区别，应该在于数据中台距离业务更近，能更快速地响应业务和应运开发的需求，可追溯，更精准。
阿里巴巴的中台实践
最近在看《企业IT架构转型之道：阿里巴巴中台战略思想与架构实战》，最大的感受是，如果两年前就读这本书，我很多事情可能会比现在去做会更系统一些。分析师，不仅仅是分析数据解决问题，有时候站在更高的层面去看待这个数据行业的发展趋势，才能更好的发挥自己的价值，找到自己更合适的位置。
不要有畏难心理，大力出奇迹。
下图是书中介绍的，阿里花了近3年时间整合淘宝、天猫、聚划算等业务“烟囱式”系统，最终整合成一个强大的技术中台（共享业务事业部承担建设），各个业务间数据与服务共享，极大提升内部资源利用效率。
数据驱动从口号变成必须品
传统业务模式：流程驱动
以前数据需求模式，流程会很长，整个反馈闭环时间会导致产品试错成本大大提升，而且非常依赖业务人员的业务经验与流程总结。
新业务模式：数据驱动
工业化时代，数据统一规范入库，数据服务统一标准，输出标准化API，数据清洁，去中间化，实现全流程敏捷。
与此同时，对分析师的要求也有所改变，要改变之前接收业务需求的工作模式，要把之前沉淀的分析模型固化到数据中台，方便业务使用。在整个数据中台建设完毕后（当然后续也要不断迭代优化，需要增长方案的对接服务），大部分分析师最终要深入业务，用数据运营产品，发挥大数据价值。
不懂分析的数据开发不是好的产品经理，皮一下：）
总结，数据中台能解决的三大问题：
1、效率问题（数据实时入库，快速清洁，敏捷分析）
2、协作问题（类似的项目不需要重复造轮子）
3、能力问题（统一数据开发规范，分析模型集成，讲数据抽象成服务等）
也是“数据中台”的叫法只是一种概念的升级，但是实实在在的提升数据服务，放大数据价值，帮助业务提升效率是我们的核心追求。
不断学习就对了
对于数据中台，这是我所理解的，也仅仅是我所理解的，后续随着我理解的深入，会继续出下一篇。
身处在这个数据能产生价值的时代，身为分析师是一种幸运，当然，也代表你要不断学习，因为错过了，可能就会被淘汰了。
最后，推荐下这篇文章的灵感与素材来源：
1、书籍：《企业IT架构转型之道 》，链接都给出来，这次是不是更贴心了
2、行业报告：2019爱分析数据中台报告
3、公众号：ThoughtWorks
4、当然很多同事间的交流，感谢
最后的最后，肯定是继续欢迎大家多转发多点“好看”，
你的鼓励就是我写作的动力呀，也非常欢迎大家留言交流，如果我错过了你的私信，记得再发一次哈，谢谢：）