傅一平：论数据中台的“倒掉”

最近,朋友圈被"数据中台倒掉"的言论刷屏。有文章称《数据中台即将消亡，取而代之的是数智基建》,《Gartner分析：中国数智基建将取代传统数据中台》。这些观点引发了广泛讨论，但我认为其中不乏扯谈之处，这里给出我的思考和看法，大家耐心看完。

一、"数据中台消亡论"的由来

关于数据中台消亡的文章,多数引用了Gartner的一份报告。该报告是2023年发布的中国数据分析和人工智能技术成熟度报告。Gartner分析师在报告中将数据中台置于"泡沫破裂低谷期"。

主要观点包括:

1、技术问题:数据中台的传统架构和技术可能迅速过时。

2、效益问题:数据中台建设和维护成本高昂,但效益不够明显。

3、架构问题:数据中台的集中化难以应对不断变化的业务需求。

然而,也有反驳的声音。例如,彭总在《美国公司叨逼叨，中国公司自乱阵脚—论数据中台的“倒掉”》一文中提出:

1、数据中台已进入决策层视野，多个省市的"十四五"规划都提到了数据中台（比如调研中大家都提到了70%企业在建数据中台，其中一半属于跟风，但这个数字反倒佐证了数据中台在国内得到了很大发展）。

2、数据中台概念本身具有深远意义,可以衔接前台业务和后台技术,推动组织和架构优化（这让我想到了当年大数据刚出来的时候提到的蜜蜂模型：蜜蜂的效益主要不是自己酿的蜂蜜，而是传粉对农业的贡献）。

3、外国分析师对中国情况了解有限,连翻译都自相矛盾，咱们就没必要跟风，妄自菲薄了。

二、数据中台概念的演变

理性讨论数据中台，首先需要在定义上达成共识，否则争议就没有意义。让我们回顾一下数据中台概念的演变:

• 2015年 - 阿里巴巴的初步定义

最早提出"大中台,小前台"概念。数据中台是可复用、快速迭代、支撑多样化业务需求的通用技术组件。它提供标准化数据服务,实现数据共享和价值最大化。

• 2017年- 腾讯等对定义的拓展

将数据中台定义为一个整合企业数据资源的平台，通过标准化数据治理和服务，提升数据的共享与复用能力，数据中台还提供全链路的数据支持，覆盖数据采集、管理、分析和应用的各个环节。

类似的，百度将数据中台定义为一个集数据采集、存储、计算、分析为一体的平台，旨在帮助企业实现数据的统一管理和智能化应用。

可以看到，从这个时候开始，数据中台已经把数据仓库的内容也一起打包进来了，这个也好理解，毕竟要做数据变现，概念越大越好。

• 2019年- 华为对定义的数智化衍生

将数据中台的定义扩展至云计算、大数据和人工智能的结合，认为数据中台是企业数据的统一管理与应用平台，旨在打通数据孤岛，提升数据的共享和智能化分析能力。它通过结合云计算、大数据和人工智能技术，帮助企业实现数据驱动的业务决策和运营优化。数据中台还强调全流程的数据治理，推动企业的智能化转型。

• 2020年 - 专家学者的标准化定义

随着数据中台的广泛应用和实践，专家学者开始对其进行标准化定义。数据中台被定义为一个集中化的数据处理和服务平台，主要包括数据采集、存储、计算、分析、管理等功能模块。它为企业提供数据治理和数据能力的封装，帮助企业构建基于数据的业务创新和优化能力。

• 2021年 - 数据中台的行业应用深化

各行业逐步将数据中台应用于数字化转型的核心架构中，行业专家提出，数据中台的定义不仅仅是技术平台，更多是一种企业管理模式的变革工具。通过数据中台，企业可以将数据资源转化为生产力，优化决策流程，提升运营效率。

• 2022年 - 国家政策推动数据中台发展

国家在数字经济和数据治理方面的政策推动下，数据中台的概念进一步扩展到政府、公共事业等领域。此时的数据中台被定义为推动数字经济发展的核心引擎，帮助各行业实现数据资产化，提升数据价值。

从这个时间线可以看出,数据中台的概念随着时间推移不断扩展,已经远远超出了最初的定义范畴，现在更多体现的是一种数据驱动业务的生态体系，离阿里当初提出的概念，完全不是一个物种了。

三、辩证理解数据中台的概念

既然我们要对数据中台的概念达成共识，就要回归数据中台的初心，回归那个第一性原理，即它当初到底是为了解决什么特殊的问题而存在的，这个解决方案以前是没有的，或者存在改进的空间。

比如针对数据汇聚问题，数据仓库这种解决方案20年前就存在，后来发现数据汇聚不是简单的技术问题，又叠加了数据治理来保驾护航，但数据汇聚本身不应成为数据中台的内容。但我们当前关于数据中台的大多定义，都会把数据汇聚纳入了数据中台的范畴，但数据汇聚明显是后台的东西。

这种做法也不能理解，谁都希望搭顺风车，而且的确也带来了积极的影响，比如在概念上，数据要素融合融通得到了普遍认可，在商业上，数据仓库以数据中台的名义卖了不少。但生意归生意，我们不能把搭车的当成了真的数据中台，忘了那个中台的初心。

我个人比较认同阿里当初提出"大中台,小前台“时候的定义：数据中台是"一套可复用、可快速迭代、可支撑前台多样化业务需求的通用技术组件和能力"。它旨在提供标准化的数据服务，实现数据的共享和价值最大化。

我也比较认可史凯在《火热的数据中台对企业的价值是什么？》一文中对数据中台的进一步诠释，即数据中台一定是直接对接业务的，为业务而生，API是最主要的技术呈现方式，其中提到：

“数据仓库也好，传统的数据平台也好，其出发点应该说更是一个支撑性的技术系统，即一定要去考虑我有什么数据，然后我才能干什么，因此特别强调数据质量和元数据管理，而数据中台的第一出发点可不是数据，而是业务，一开始不用看你系统里面有什么数据，而是去解决你的业务问题需要什么样的数据服务？”

自己也曾经撰文多篇提到了自己对数据中台的理解，特别是《超越平台，数据中台的业务化、服务化及开放化！》、《数据中台是什么，不是什么，就这么拨乱反正吧 by 傅一平》这两篇文章。我也尝试给出过数据中台的一个定义，即“数据中台是支持多个前台业务且具备业务属性的共性数据能力体系” ，其包括了四方面的核心特征：

1、数据中台必须直接支撑前端业务，没有消费者调用的就不是中台，这意味着数据中台是先有业务再有数据服务。

2、数据中台提供的数据服务可以复用共享，可以以组件方式编排，往往以标准化产品形式出现，如API。

3、为了保障前面2个，需要建立与之配套的组织、制度、流程、平台等等，但不要泛化。

4、数据中台为业务而生，因此数据中台都是定制化的，凡是贩卖标准化数据中台的，大都是在卖数据仓库，数据湖或者其它，当然这些都有用，但不要鸠占鹊巢。

三、数据中台真的"倒掉"了吗?

如果我们对数据中台的本质无法达成共识，必然会导致巨大的争议，这种争议主要源于以下一些原因:

1、定义不同

Gartner认为数据中台要倒，但腾信、百度、华为不会认为数据中台要倒，因为他们宣传中的数据中台包括了企业的统一的数据基础设施，这个怎么可能消亡？也许大家都知道怎么回事，但不发声就会被流量带节奏。

2、错误认知

很多企业认为数据中台不给力，因为发现数据中台创造的业务价值不大，但其实别人给他建的不是真正的数据中台，而是传统的数据仓库和数据湖，这种技术驱动的平台不大可能达到数据中台的业务高度，数据中台被莫须有了。

3、能力不足

不少企业对数据中台很悲观，其实问题出在自己身上。因为数据中台要建好，不仅仅是技术问题，更是涉及到企业数据文化的建设、业务部门的充分参与、素质较高的数据团队的构建等等，而且还是个长期迭代的过程，但这些企业并不具备，总想快快快，有钱就要速胜。

4、时机未到

不少企业的规模不大，业务模式比较简单，听了几个数据中台的故事就开始想着一步到位，但其实这些企业当前阶段并不需要数据中台，应该老老实实的先把报表系统和数据仓库整明白了再说。

我发现，一个新技术只要出现了沉淀，编排这些高级词汇，大多意味着只有在规模足够大、业务复杂性足够高的企业中才能产生正向收益。但很多业务简单的企业还是会去用，认为用大炮打蚊子虽然有点浪费，但架不住先进啊，但他们其实连架设大炮的力气都没有。

5、跟风炒作

某大厂“中台倒掉”了，正好可以借力一波Gartner的曲线进行炒作，顺便推销下新概念，流量和热点都有了。

可以看到，很多关于数据中台的口诛笔伐实际搞错了对象，明明建的不是数据中台，却把失败归咎于数据中台。明明是自己的认知、能力和时机没到，建不出合格的数据中台，还是把失败归咎于数据中台。

Gartner认为调研到了真实情况，然后说数据中台要消亡了，这是结果成败论，他们可能对数据中台的理解出现了偏差，并且错误的选择了本不该入围的调研对象。

彭总更多是从宏观层面来理解数据中台，数据中台一定程度是数字化转型的象征，不希望这个国内提出的数据中台的概念由于一个老外的2023年的曲线引来如此大的唱衰舆论，进而影响大家数字化转型的信心。

现在，让我们回归阿里关于中台最初的定义，对我提出的那个数据中台的狭义定义能形成共识，那么，这个真正的数据中台是否也”倒掉“了呢？阿里作为数据中台的正主，不是在拆中台吗，难道这不是正在消亡的体现吗？

这里给出我的三个看法：

1、数据中台的核心理念不会消亡

它本质是围绕业务目标进行组件能力的沉淀共享复用，加速业务创新和响应能力，并创建一套机制来保证健康运营，这是大道。这一点与领域驱动设计(DDD)、微服务等理念一脉相承，但没人会说DDD、微服务会消亡。

2、数据中台的挫折归于一个“大”字

数据中台建设过程中受传统数据仓库、数据湖的影响太大（或者说是路径依赖），过于强调集中化运营，无论是平台、工具还是组织，这对数据源简单、业务不复杂、响应要求不太高的企业能够适用，但一旦企业规模和复杂度上去了，这种集中化的数据中台建设模式很容易造成单点的瓶颈。

当初阿里去参观Supercell 的时候，可能过于关注其共性能力抽象部分，而忽视了规模对最后效果的影响。

Supercell 是个小游戏公司，才200人，业务模式太单一，跟阿里天壤之别，数据中台到底是延续数据仓库集中化的模式，还是参考微服务的分布式模式，这个尺度边界在哪里，是需要研究的。

阿里的一刀切和强势文化可能造成了中台灵活性的困境。现在它的中台拆了，更多应该理解为迭代提升，而不是放弃。我们更多应该看到阿里在中台探索方面积极进步的一面，而不是去唱衰中台。

阿里的“拆中台”对所有尝试集中化运营数据中台的企业给出了提醒，在激烈的市场竞争环境下，你的数据中台真的能应对灵活性、敏捷性的挑战吗？你是鼓励领域主动有为，还是让领域成为一个纯粹的执行者？

3、数据中台会逐步向分布式演进

数据中台从来没定义过一定是集中化的，非集中化的数据中台跟微服务一样，也可以是中台式的存在，我认为数据中台的建设模式应该根据企业的大小和发展阶段确定，分布式的数据中台会提上日程。阿里拆了中台后，并不是万事大吉，因为分拆后的各个领域的数据中台需要考虑协同的问题，这是需要全局治理的，而全局治理的核心问题就是能否自动化，否则全局治理会导致僵化。

我一直有个观点，未来OLTP和OLAP是要融合的，但如何融合，一直缺少方案。数据网格给了我很大的启示，就是DDD领域驱动的设计不仅适用于操作型系统，也适用于分析型系统，离数据、业务最近的人，应该去建设领域数据中台。

未来的数据中台应该是领域自治的，同时通过一个自动化的治理平台进行统一政策和规则的拉通，这些政策和规则应该被代码化，就像服务网格一样。同时要实现数据分析基础设施的共享，各个领域团队不仅要去建功能，还要基于这些基础设施进行领域数据产品的快速打造。

在运营上，要确保数据中台中的每一个数据产品都应该有消费者，否则就不应该存在，这跟数据仓库完全不同，这才是既集中、也分散的理想化的面向业务的数据中台。

天下大势，合久必分，分久必合，这是规律，没有倒掉之说。但何时分，何时合，考验着每个企业的功力，在这方面，我们还有很多的工作要做。

点击左下角“阅读原文”查看更多精彩文章，公众号推送规则变了，如果您想及时收到推送，麻烦右下角点个在看或者把本号置顶！