1、中臺的類型有哪些？

中臺的分類不同的廠家有不同的分法，但都大同小異，總結起來都是業務中臺，技術中臺，技術管理中臺，組織架構中臺。按照目前普遍的說法，中臺分為6類： 數據中臺：提供數據分析能力，幫助企業從數據中學習改進，調整方向。

業務中臺：提供重用服務，例如用戶中心、訂單中心之類的開箱即用可重用能力。

算法中臺：提供算法能力，幫助提供更加個性化的服務，增強用戶體驗。

技術中臺：提供自建系統部分的技術支撐能力，幫助解決基礎設施、分布式數據庫等底層技術問題。如中間件，分布式存儲，AI，負載均衡等基礎設施

研發管理中臺：提供自建系統部分的管理和技術實踐支撐能力，幫助快速搭建項目、管理進度、測試、持續集成、持續交付。

組織中臺：為項目提供投資管理、風險管理、資源調度等支持。

2、各大廠中臺比拼！
學習大廠經驗，是指導我們工作必要的方法（由于篇幅有限，我們將展示主要典型廠家案例分析，后面會附帶大部分大廠中臺架構PPT連接），但是切不可照搬照用，包括我們自己發的內容，一定要結合自己的實際情況實際處理，不能因為這樣好那樣好折騰了自己的團隊，最好的中臺是你自己的團隊，相信自己的團隊。構建自己的想要團隊，幫助他們與他們一起進步，或許這是比高貴中臺更重要的事情。這里收集了一些各大廠中臺建設的詳細PPT，核心一點：要不要中臺，要怎么樣的中臺，多吸取知識，實際情況實際出發，具體怎么做。找一個合適的架構師吧，其他都是眾說紛紜，沒有好壞，只有最適合；不迷信，不盲從，充分認知和技術積累，逐步實施。
?1 阿里?“大中臺，小前臺”戰略

一、阿里數據中臺三大體系
經過多年實戰，沉淀出了阿里云上數據中臺內核能力框架體系：產品+技術+方法論。歷經阿里生態內各種實戰歷練后，云上數據中臺從業務視角而非純技術視角出發，智能化構建數據、管理數據資產，并提供數椐調用、數據監控、數據分析與數據展現等多種服務。承技術啟業務，是建設智能數據和催生數據智能的引擎。在OneData、OneEntity、OneService三大體系，特別是其方法論的指導下，云上數據中臺本身的內核能力在不斷積累和沉淀。在阿里巴巴，幾乎所有人都知道云上數據中臺的三大體系，如下圖所示。

OneData致力于統一數據標準，讓數據成為資產而非成本；OneEntity致力于統一實體，讓數據融通而以非孤島存在；OneService致力于統一數據服務，讓數據復用而非復制。?這三大體系不僅有方法論，還有深刻的技術沉淀和不斷優化的產品沉淀，從而形成了阿里巴巴云上數據中臺內核能力框架體系。

二、阿里數據中臺建設方法論

阿里數據中臺建設方法論主要總結為四個部分：數據中臺建設方法論體系的全局、OneData體系方法論、OneEntity體系方法論、OneService體系方法論，如下圖所示。

1、數據中臺建設方法論體系的全局

(1)全流程一體化：即從數據采集到數據服務實現全鏈路通。在產品層面，不會讓用戶在不同使用階段來回切換于不同產品。

例如，用戶要做實體識別、用戶標簽畫像等，如果要依賴的數據在另外一個產品中, 甚至需要使用風格迥異的產品來完成，則用戶會不知所措。所以，以數據建設為例，要實現數據從采集到標準化、實體識別、標簽畫像及最終面向應用的一站式服務。

(2)向上多樣化賦能場景：不僅要有通用產品，還要有行業產品及尊享產品。應向不同的應用場景和用戶，提供差異化服務。

例如，阿里數據中臺向阿里生態內小二提供數據產品時，就包括數據工具、專題分析、 應用分析、數據決策這四個層次的產品和服務。

(3)?向下屏蔽多計算引擎：不管是哪里的云計算服務，都應該盡可能兼容甚至屏蔽的，讓用戶在應用時感覺簡單。

在阿里10年大數據建設歷程中，數據建設的底座依賴至少經歷了Oracle— GP-Hadoop—阿里云計算平臺的變化過程。很多大數據應用與創新者也一定會面臨類似的變化。

所以，對于產品和服務，需要連同生態合作伙伴一起努力實現屏蔽多種計算引擎，不管底座是阿里云公共云，還是阿里云專有云，還是自建的私有云，都可以在此之上構建數據并實現平滑切換。

(4) 雙向聯動：在構建大數據及服務業務應用與創新的過程中，業務和技術是需要協同互動的，而不是一方是另一方的資源這種單向關系。

一般來說，對于業務需要技術的協同這一點，人們很容易理解，但對于技術同樣也需要業務的協同這一點，人們可能就不太容易理解。例如，要對消費者進行識別、刻畫、觸達和服務，則需要業務部門在業務前臺按照數裾技術規范和標準進行布點，以便采集到數據，以及需要業務人員與技術人員一起討論刻畫消費者標簽的關鍵因素，并確定哪些標簽符合業務線的價值訴求。

2、OneData體系方法論

OneData體系方法論至少包括：數據標準化、技術內核工具化、元數據驅動智能化3個方面。

(1)數據標準化。要從源頭實施數據標準化，而非在數據研發之后，基于數據指標梳理的數據字典實施數據標準化。因為，只有每一個數據都是唯一的，數據模型才能穩定、可靠，數據服務才是靠譜、可信的。

(2)技術內核產品化。所有的規范、標準等，如果沒有一個全流程的工具作為保障, 則無法實現真正意義上的全鏈路通，因此，我們首先推進技術內核全面工具化。

(3)元數據驅動智能化。阿里正在持續努力實現數據建模后的自動化代碼生成，以及保障其實現和運行的智能計算與存儲框架。為什么阿里能做這件事情？其中一個重要原因就是，在源頭對每個元數據進行了規范定義，盡可能實現數據的原子化和結構化，并將其全部存在元數據中心里。這些元數據對于計算、調度、存儲等意義非凡，因此有望實現從人工到半自動化，進而實現智能化。

3、OneEntity體系方法論

OneEntity體系方法論至少包括：技術驅動數據連接、技術內核工具化、業務驅動技術價值化3個方面。

(1)技術驅動數據連接。OneEntity要實現實體識別，首先依賴很強的實體識別技術，所以要用技術來驅動數據連接。

(2)技術內核產品化。產品化是目標，其發展過程不是一蹴而就的。一定要往這個方向努力，否則每一次進行標簽畫像（哪怕是類似的標簽），都要通過人力重復做一次，這實在是一件讓人非常痛苦的事情。所以，要高效地進行實體識別、用戶畫像，工具化是一條必由之路。當然，全部工具化總是很難實現的，一定還有工具無法替代人腦的部分，所以，努力追求的是將人腦智慧盡可能沉淀在工具型產品中。

(3)業務驅動技術價值化。將數據從孤島變得融通，進而實現高價值，是需要業務來驅動的。在此過程中，再一次體現了業務和技術要“背靠背”“你情我愿”地進行雙向聯動的。

4、OneService體系方法論

OneService體系方法論至少包括：主題式數據服務、統一多樣化的數據服務、跨源數據服務3個方面。

(1)主題式數據服務。舉一個例子，假設用戶想要看的是“會員”這個主題下的數據，至于“會員”主題背后有1000張物理表還是2000張物理表，他都不關心。而主題式數據服務要做的是，從方便用戶的視角出發，從邏輯層面屏蔽這1000張甚至是2000張物理表，以邏輯模型的方式構建而非物理表方式。

(2)統一但多樣化的數據服務。例如，雙十一當天上百億次的調用服務是統一的，但獲取形式可以是多樣化的，可以通過API提供自主的SQL查洵數據服務，也可以通過API提供在線直接調用數椐服務。

(3)跨源數據服務。不管數據服務的源頭在哪里，從數據服務的角度出發，都不應該將這些復雜的情況暴露給用戶，而是盡可能地屏蔽多種異構數據源。

三、數據中臺核心產品Dataphin

Dataphin是一款PaaS產品，致力于一站式解決智能數據構建與管理的全鏈路訴求。具體來說，Dataphin向各行各業的大數據建設、管理及應用訴求，一站式提供從數據接入到數據消費的全鏈路的大數據能力，包括產品、技術和方法論等，助力客戶打造智能大數據體系，以驅動創新。

智能大數據體系的建設，極大地豐富和完善了阿里巴巴大數據中心，OneData、 OneEntity、OneService三大體系也漸趨成熟，并成為阿里巴巴中上至CEO、下至一線員工共識的三大體系。

Dataphin將指導解決所有與大數據體系建設有關的OneData、OneEntity、OneService體系方法論，及其在解決阿里巴巴數據公共層建設，及后續數據體系建設中的實際問題的具體做法全部沉淀下來。

四、數據中臺核心產品Quick BI

大數據構建與管理完畢之后，需要利用Quick BI這一智能數據與可視化組件將數據背后的價值展現在人們面前。

Quick BI扭轉了當初重度依賴專業數據分析人才的局面，能夠賦予一線業務人員智能化的分析工具，真正的做到了“數據化運營”讓數據產生價值。

現在，越來越多的企業開始數據上云，也有的行業如政府、金融因為嚴苛的安全需求而自建本地數據庫，導致企業出現數據分散式存儲的狀況。而Quick BI卻可以鏈接各種數據源，滿足云上和本地的不同需求，整合為可被統一調度的數據集。

Quick BI的可視化能力也不容小覷，內設地圖、柱圖、雷達圖等21種數據圖表，任何場景下的報表展示均毫無壓力。特別令人驚喜的是Quick BI 特有的類Excel的電子表格功能，它足以讓企業數據分析人員興奮不已，不僅延續了本地化操作的經驗，也更加貼合中國式復雜報表的制作需求。

以為為阿里云數據中臺解決方案部PPT。

二、華為數據中臺

三、 網易?中臺博弈與演進
百度

數據中臺

百度中臺：百度由于是以搜索基礎為核心的業務，那么其他業務在沒有發展起來的時候投入的資源就不會那么多，和阿里的情況不一樣。阿里有一個重要的產業：阿里云，那么它就必須建設強大的中臺，同時阿里的各個業務線都是比較壯大，那么這個中臺做好就能給各個業務線提供比較強的支撐。百度，是以搜索技術為核心，其他業務都沒有強大到阿里這種程度，就顯得沒有花大力氣建設統一的大中臺，但百度具有深厚的技術能力，業務視角:

中臺提供了靈活的可定制業務框架， 使得業務可以聚焦業務特有邏輯的開發；

中臺還提供了可以復用的業務組件， 使得業務可以通過配置化來復用優秀的中臺能力；

中臺還提供了完備的文檔建設、視頻教程， 支持業務快速上手、快速迭代， 同時還提供了面向全流程開發效能提升的完整自動化工具鏈。

系統架構圖如下：

（圖片來自網絡，版權歸原作者）

（圖片來自網絡，版權歸原作者）
現在，百度不但深耕了搜索，更加加速移動化，也擴展了更多的流量入口，包括小程序、百度云，貼吧，獨立站等，隨著產品思路的調整，產品形態日趨復雜，如果這些業務都能發展壯大，百度的大中臺戰略會推進等更好，但是目前百度的重心還是加速移動化，搶占移動搜索入口很重要，至于大中臺可能不是其當務之急，小部門內小中臺已經足夠使用。
五、騰訊

中臺戰略，All in產業互聯網

騰訊和百度有些類似，是以即時通訊為核心的應用，這個本身就是一個大中臺，不像阿里都是以業務模塊為核心的購物，金融應用，自然阿里對于大中臺的需求會更強烈。但是，騰訊又在發力騰訊云，所以從業務上講又比百度更加重視大中臺，所以形成了目前BAT目前這幾種中臺格局：大中臺是阿里的核心業務，百度搜索是核心業務，騰訊即時通訊和社交是核心業務，所以各自對大中臺的訴求程度不一致。“在產業互聯網大廈里，騰訊提供從毛胚房到精裝房的各種行業解決方案，讓企業不管規模大小、不管需求多少都能拎包入住。”在2019騰訊全球數字生態大會上，騰訊公司高級執行副總裁、云與智慧產業事業群（CSIG）總裁湯道生這樣形容騰訊的服務能力。在人口紅利臨近發展瓶頸的時候，大公司們都開始思考新的增長點。對于年屆20歲的騰訊來說，新的增長點總辦的老板們看來已經想得很明確了——產業互聯網。從To C到To B，將是騰訊未來最大的關鍵詞——而在湯道生眼中，騰訊的「中臺」，則無疑是支撐騰訊掌握產業互聯網大局的中流砥柱。自去年CSIG成立以來，騰訊通過成立技術委員會來加強技術共享和協同，并設立「開源協同」和「自研上云」項目組來推動公司技術的整合、公司產品的開源與云端化。湯道生介紹了自CSIG成立以來，騰訊通過成立技術委員會來加強技術共享和協同，并設立「開源協同」和「自研上云」項目組來推動公司技術的整合、公司產品的開源與云端化。整合帶來的最大好處就是技術的標準化，而這一切顯然是為其中臺戰略做鋪墊——標準化意味著騰訊可以更高效地把自己的能力交付給客戶。大會中，湯道生公布騰訊開放的中臺能力包括數據中臺和技術中臺。其中，數據中臺包括用戶中臺、內容中臺、應用中臺等；技術中臺包括通信中臺、AI中臺、安全中臺等。企業與開發者可以靈活地把這些技術應用到業務場景中。而在技術中臺方面，雖然騰訊過往并沒有明確解釋其具體的落實方案，但從名字上我們也可以看出一些端倪——通信中臺基于的是騰訊從QQ和微信兩端積累下來的即時通信技術；AI中臺則基于騰訊三大AI實驗室的技術，涵蓋了光學文本識別、人臉識別、圖片識別、音頻識別、文本分析等方面的技術；而安全中臺則是騰訊基于其安全運營經驗和安全數據庫為方便企業進行高效安全管理而打造出來的一站式大數據和智能化安全管理平臺。 用戶中臺，指的是一整套囊括了用戶增長、用戶溝通、用戶數據保護、會員管理等方面的客戶管理工具。

內容中臺則是騰訊以企鵝號為中心，為合作伙伴和內容創作者提供高效的內容生產工具。

應用中臺，是騰訊旗下的應用寶以「分發中臺」作為核心功能全面向合作伙伴開放，打造全新的應用分發生態，提高應用分發效率。

技術中臺，雖然騰訊過往并沒有明確解釋其具體的落實方案，但從名字上我們也可以看出一些端倪——通信中臺基于的是騰訊從QQ和微信兩端積累下來的即時通信技術。

AI中臺，基于騰訊三大AI實驗室的技術，涵蓋了光學文本識別、人臉識別、圖片識別、音頻識別、文本分析等方面的技術。

安全中臺，則是騰訊基于其安全運營經驗和安全數據庫為方便企業進行高效安全管理而打造出來的一站式大數據和智能化安全管理平臺。

結論思考
我們不能否認中臺的優點，前提是你的業務有足夠的財力來保障其正常有序正確的搭建和實施，用什么樣的架構，用什么樣的中臺，中臺做到什么程度，不是中臺的問題，不一定是你需要中臺，而是你更需要一個合格的架構師。