建议收藏！数据中台行业发展概况及展望

导读：社会经济高速发展、不断变革的时期，各行业的企业都面临着来自客户、友商以及整体市场环境的考验，传统的商业模式和增长逻辑正面临持续发展的瓶颈。随着企业业务创新不断加快，对数据开发的响应速度提出更高的要求，数据中台就诞生在这样的大背景下。

作者：数澜科技

来源：大数据DT（ID：hzdashuju）

01 开宗明义：是技术的概念，更是企业管理的概念

自中台理念推向市场起，已走过五载的发展路程，但市场对于数据中台仍然存在界定模糊、分类混乱的问题，厘清和明确其概念和价值依然重要。

从技术的角度说，数据中台绝不是简单的一个平台、一套软件系统或者一个标准化产品，而更多的是一种强调资源整合、集中配置、能力沉淀的运作机制，是数据价值的加工厂。

数据中台是一系列数据组件模块或能力的集合，它居于数据开发的后台和应用开发的前台之间，聚合和治理后台全域的数据，沉淀数据资产，抽象数据模型，封装数据服务，为前台提供高数据质量的数据服务和应用。

▲图1-1 数据中台提供敏捷的数据服务能力

与数据库、数据仓库、数据平台等其他大数据概念相比，数据中台提供的并非数据（集）或数据报表，而是指向业务场景的数据API和数据服务。

从这一层面说，数据中台首先打通了企业的数据孤岛，降低数据建设成本，提高数据治理和应用的效率；更重要的是，数据中台大大提升企业D2V（Data to Value）的能力，激活和加速从数据到业务价值的转化，使业务的运营与决策逐渐由依赖业务人员经验的流程驱动转向数据驱动，增加决策的科学性。

从广义上说，数据中台更是一种企业的组织管理模式和理念。企业过去面临的数据孤岛、业务割裂、资源分配等问题，根源往往来自于其组织架构的割裂，尤其当业务需要涉及跨部门协同时，“部门墙”的现象十分严重，甚至出现冲突和制衡。

▲图1-2 数据中台改造企业业务流程

在数据中台的建设中，由于需要对各域数据进行规划、打通和治理，企业应当从战略上构建统一的协同基座即中台化组织或数据管理团队，以协调和支持各业务部门，同时进行数据质量、数据服务效率的分析和评估。

从这一层面说，数据中台建设打通的不仅仅是系统和数据域的壁垒，更是部门、事业群间的壁垒，能实现组织灵敏性的提升，同时加强相关部门的联系和交流。

02 应用现状：遍地开花，在细分的垂直行业形成解决方案

作为企业数字化转型的理念和解决方案，数据中台普遍适用于任何行业中存在需求的企业。但在不同的垂直行业，企业们存在各不相同的需求和痛点，厂商也逐渐基于对行业特点的总结、对企业业务的理解和对成功案例的梳理，沉淀出对于某一行业企业更为切身而可复用的行业模型和数据服务。

我们关注到当前，在金融、零售、制造、地产、政务等行业已经形成了相对成熟的解决方案，并培养出一系列成功的实践案例：

1. 金融行业

由于信息化建设起步早、资金投入巨大，金融行业是相对而言数据资产化更为成熟的行业。但随着国家对行业的监管要求趋严，加之市场竞争不断加剧，提升风控和服务水平成为金融机构下一阶段经营发展的重要课题。

数据作为生产要素，是金融机构未来业绩增长的核心驱动力，然而如何使海量数据真正赋能业务、发挥价值，数据中台中数据服务和应用的多样性、敏捷性、智能性将变得更加必要。

▲图2-1 数据中台在金融行业的应用场景

2. 零售行业

在过去的信息化建设进程中，零售企业积累建设了包括ERP、MES、CRM、WMS、等在内的各种业务系统，加之线下门店、自有商城、电商平台、社交软件平台等各类渠道的涌现，企业获取的销售、营销数据愈发零散、且往往都是孤立存在；而日益碎片化的触达时段及场景、层出不穷的媒介载体和复杂的社交数据，也使全景化的消费者画像和用户标签体系难以整合建立。与此同时，爆发式的海量数据使企业原有的CRM系统算力和能力难以满足业务的计算分析需求。

▲图2-2 数据中台在零售行业的应用场景

3. 制造业

随着产业数字化进程不断加速，传统制造业企业正面临数字化转型的关键时期。过去的各个制造管理系统建设缺乏总体规划，导致遗留了大量数据语义彼此独立、数据口径无法对齐、系统间交互性差等问题，使得生产制造全流程中产生的众多高价值数据只能在自身系统里流转，无法在更长的链条上发挥价值。

因此，高效集成多源异构的制造数据，构建企业级的数据架构和完备的数据服务体系，发挥数据指导作用，实现业务增值，是传统制造业走向科学、精细化运营的核心。

▲图2-3 数据中台在制造业的应用场景

4. 地产行业

告别增量高速增长的时代，进入存量化的下半场，地产企业过去高杠杆、高负债、高周转的运营模式逐渐难以为继，投资与经营的双重压力倒逼地产企业向精细化运营转型。

如何提升组织运营能力、进行多业态有效管控，如何提高运营效率、最大化存量资产价值，如何精准洞察用户需求、寻求新的收入增长点，都是新阶段地产企业的战略性难题。

▲图2-4 数据中台在地产行业的应用场景

5. 政务行业

近年来，政府部门信息化建设投入不断加大，政务云化进程也不断加速，基础设施建设已趋于成熟。然而，政务服务具有专业性强、流程环节多、处理情形复杂等特点，多以多线方式进行信息化建设，部门间数据资源共享的对接沟通也较为复杂，导致公共数据不能得到充分整合。

同时，各政务服务部门间的信息化水平也存在极大的差异，数据质量参差不齐，导致数据协同不顺，无法支撑多场景应用需求。各级政府部门亟需建立组织、用户、协同、业务均在线的数据体系，推动数据和业务的融合，提升服务型政府供给侧能力。

▲图2-5 数据中台在政务行业的应用场景

03 发展洞察：经历一轮爆发与降温，逐渐进入理性、健康发展的新阶段

2019年被称为数据中台元年，数据中台的解决方案逐步形成和完善，市场认知开始建立，一些行业头部企业与早期的玩家开始着手进行探索和尝试。

在下游企业和资本市场的关注、助推和加温下，数据中台市场从萌芽阶段快速进入爆发期，根据企业年报等公开资料、专家访谈及艾瑞咨询的自有统计模型核算，2020年数据中台的市场规模达到68.2亿元，较上年呈现近80%的显著增长。

▲图3-1 2018-2023年中国数据中台的市场规模

在市场的快速拓展中，涌现出越来越多的参与者，都处在占领市场份额的扩张阶段，行业整体呈现百家争鸣的竞争态势，尚未形成鲜明、稳定的竞争格局。综观地，我们将厂商分为公有云厂商、数字化解决方案提供商、独立中台开发商和数据与智能公司四类：

• 以阿里云为代表的公有云厂商，得益于其互联网基因，在内部率先落地中台战略，取得成效后进行解决方案外溢，同时可以提供完善的基础资源设施建设，由于具有先发优势，目前占据更大的市场份额；
• 以金蝶为代表的数字化解决方案提供商，核心优势在于其品牌认可度、积累的大量客户资源和实施服务经验、具备的垂直行业认知，由于解决方案生态更为丰富、客单价更高，目前也有领先的市场占有率；
• 以数澜科技为代表的独立中台厂商，对数据中台的战略理念、定位规划和实施路径有更深刻的理解和认知，能为客户提供更切身的需求分析、解决方案设计和体验更好的实施落地服务，同时在其深耕业务与垂直行业场景的过程中，沉淀了大量可快速复用的数据治理和数据服务能力；
• 以明略科技为代表的数据与智能公司，具有更强的人工智能技术及算法能力，在数据治理、数据模型抽象和训练的过程中体现出其优势。然而这一类型厂商中，也存在一些将封装的数据治理工具、数据分析工具、数据智能应用等包装成所谓“数据中台”产品进行销售的典型情况。

▲图3-2 2020年各类型数据中台供应商市场占比情况
但是，随着项目的实施推进，一批企业开始进入中台建设成效期，伴随着一些效果不及预期的案例和质疑声，过去市场对于数据中台盲目的追捧和浪潮开始褪去，行业进入更健康和理性的发展新阶段。厂商和企业们都开始更冷静和审慎地思考：“是否需要数据中台”“需要什么样的数据中台”以及“如何建设有效的数据中台”。
我们依然认为中台的核心思想和方法论是科学而行之有效的，对企业数字化转型、数据的资产化和价值化应用具有必要的作用，但企业在进行数据中台的规划选型时，需要重点关注、综合评估厂商的数据能力、业务理解和实施路径的规划方案：

• 数据能力体现在数据资产化的全流程，主要指数据采集交换、开发和治理的能力，是数据中台的底座。对数据能力的衡量，除了对数据资产的质量进行监测和评估外，往往还需要关注对多源数据的集成和兼容能力、数据交换和计算的吞吐量和时效性、数据资产分类和标签加工管理的准确性和智能化水平等方面，以及全流程中数据应用的安全合规性等。
• 业务理解则体现在资产服务化的阶段，主要指数据服务的抽象和模型训练能力，解决数据使用“最后一公里”的问题。封装算法的组件是否能适应业务场景的建模需要，是否能快速复用出满足业务需求的数据查询、智能计算等服务，是否支持便捷的低代码开发模式，是否提供全面的数据服务运维，都是厂商业务理解能力的重要体现。
• 数据中台的建设不是一蹴而就的，整个数据中台的建设也并没有一个通用的企业级模型套用，一些数据中台“失灵”的重要原因之一就是企业存在目标不确定、需求不清晰、规划不科学的情况。因此厂商需要对企业的资源配置能力、业务梳理能力、组织架构和管理经验进行评估，为企业提供合理、可持续、分阶段有重点的实施路径设计。

随着数据中台在行业头部及领先企业逐渐落地，供应商经历了各类业务场景能力沉淀的过程。在深度上，数据中台厂商承载细分行业的各类定制化业务，不断沉淀业务能力。在广度上，随着不同业务场景的持续输入，数据中台厂商产品的能力越来越丰富，覆盖的领域也越来越广泛。
尽管当前，数据中台的典型客户画像是各行业头部、具有复杂业务系统和流程的大中型客户，但事实上，数据孤岛的现象存在于大量信息化建设规划不清晰的企业，数据资产化和价值化的需求存在于所有类型的企业，因此中台的概念和方法论也适用于所有类型的企业。
我国具有规模庞大的中小微企业，未来，在以不断深化的数据能力和业务理解继续拓展行业头部的大中型客户的同时，数据中台也将通过标杆案例的示范作用向企业客户的上下游辐射，同时下沉到规模更小的企业。
从更轻量级、短周期、简单易用的场景级中台，到为企业提供数字化转型咨询、中台建设路径规划等增值服务，都是有待中台厂商们下一步开发的广大增量市场空间。
▲图3-3 数据中台厂商发展下沉趋势

结语
在这一新的发展阶段，真正具备强数据能力、深业务理解和科学路径规划的数据中台厂商们，将不拘于当前的架构和交付模式，在为企业解决数据孤岛问题，实现数据资产价值化的大目标下拓展出更多的解决方案形态、应用于更多的场景、服务于更多行业和类型的企业客户；因此我们相信，数据中台行业也将在企业与厂商的携手探索和尝试中健康、蓬勃地发展下去，赋能更多转型中的企业，实现降本增效和更大的价值创造。

延伸阅读👇
延伸阅读《数据中台：让数据用起来》
推荐语：数据中台领域领先企业数澜科技出品，阿里巴巴集团联合创始人推荐！萃取百家头部企业数据中台建设经验，系统总结数据中台建设方法论。
👇
延伸阅读《标签类目体系》
推荐语：数澜科技出品，标签类目体系已获专利，萃取百家头部企业数据资产设计经验，系统总结数据资产设计方法论。

干货直达👇

更多精彩👇

在公众号对话框输入以下关键词查看更多优质内容！
读书 | 书单 | 干货 | 讲明白 | 神操作 | 手把手大数据 | 云计算 | 数据库 | Python | 爬虫 | 可视化AI | 人工智能 | 机器学习 | 深度学习 | NLP5G | 中台 | 用户画像 | 数学 | 算法 | 数字孪生
据统计，99%的大咖都关注了这个公众号👇