阿里拆中臺了，很多人來問數據中臺還要不要的問題，我認為中臺總是要有的，無非是薄厚的問題。然后又有人來問數據中臺價值創造的問題，這個其實是數據中臺最核心的問題，我就來正式聊一聊，里面有很多的批判，大家自己體會。
1、認清數據中臺的業務本
質前段時間《談數據》寫了一篇文章《請不要將數據中臺做成BI》，大家以為作者在否定BI是數據中臺的一部分，認為數據中臺一定不是BI這種形式，我不是這么看的。BI是一種支撐決策支持這種業務的數據技術，你可以把與BI相關的公共數據、指標及工具看成是一種數據中臺，這沒有問題。我們以前的數據倉庫的90%融合模型都是為出指標做的，這些融合模型當然屬于數據中臺，基于融合模型做出來的公共指標也是數據中臺，因為指標還可以編排成報表。當年阿里喊出數據中臺這個概念的時候，隨后很多企業都馬上跟進說我也有了自己的數據中臺，怎么可能呢？其實他們所謂的數據中臺本質上，至少50%以上屬于BI的一部分，數據中臺去做決策支持不丟人，沒有報表指標，業務人員就瞎了眼睛，這就是當初數據中臺對業務最大的貢獻。但數據中臺不能僅僅支撐老板決策，老板希望數據中臺要能直接介入生產，創造更多業務價值，這是數據中臺在新時期的使命，也是其存在的意義。可惜大多數企業還是把數據中臺做成了平臺和工具，其出發點更多考慮說是一個支撐性的技術系統，即一定先去考慮我有什么數據和工具，然后才能干什么，這是典型的平臺思維，而數據中臺的第一出發點一定是業務，一開始不用看你系統里面有什么，而是想清楚你的業務問題是什么，為解決這個業務問題需要什么樣的數據服務。數據中臺找不到驅動業務的新模式，往往就去卷決策支持這個唯一的業務。你會看到，企業的數據中臺會越做越大（以前叫數據倉庫，然后叫大數據平臺，再然后叫數據中臺），各種自動化工具令人目不暇接，報表指標的編排能力越來越強，可視化也是越做越炫，遺憾的是，老板的業務獲得感并沒有顯著提升。究其原因，還是由于決策支持領域并沒有發生什么變革性的突破。從應用上看，大家看數的模式沒有變化，數據分析領域自身的數字化遠未成熟，我們希望的BI至少要像ChatGPT那么智能，但實際上差強人意，增強分析更是聊勝于無。從能力上看，企業的數據治理難以跨出第一步，少有企業能夠像華為那樣下決心去解決那些基礎數據的根子問題，從組織、機制再到流程，大家只是在局部領域，技術層面做些優化。

2、避免共享復用的機械主義
很多人在強調數據中臺的共享沉淀這個特性，甚至認為只有API的供數形式才是真正的數據中臺，那是非常狹隘的看法。共享復用更多應是業務上的概念，不要去過多強調它的技術屬性。你提供了一個客戶標簽，發現這標簽不僅可以用在這個場景，也能用在那個場景，這個標簽就是數據中臺的一部分，至于標簽是API提供的還是數據接口提供的，甚至分兩個平臺提供的，無關緊要。我們更多要從業務上去判斷某個數據能力（比如模型和標簽）是否有規模化產生價值的潛力，如果你認為它未來會有，那它就是數據中臺一部分，即使復用還沒有發生。比如對于一個標識客戶價值高低的標簽，我們不會由于這個標簽當前沒有規模復用，就不認它是數據中臺的一部分。又比如我們以前開展驗真業務的時候，需要提供一個API接口，這個API接口就是數據中臺，雖然我們才僅僅拓展了一個客戶，但它就是被業務判斷為有規模復用價值的東西。很多創新業務需要的模型都是新的，但不阻礙這些模型成為數據中臺的一部分。有時候為了強調數據中臺共享復用的特性，我們會強迫自己給出諸如復用度的評估指標，從而證明數據中臺的價值，這會掉入技術KPI的陷阱。
3、不要搞數據中臺拿來主義
數據中臺不要搞什么成功學，知其所以然更重要，你一定要先去理解別人的業務，才能知道它這個數據中臺的存在意義和價值，然后獲得對你有用的啟示。我是非常不喜歡數據中臺商業化這個概念的，因為是業務的基因決定了某個行業和企業的數據中臺長啥樣，而不是反過來。比如金融行業具有強監管的要求，報表指標滿足監管要求就是金融行業數據中臺最關注的業務，數據中臺的核心價值就是要把數據按照規范要求做準，不要被審計出問題，否則就會給企業帶來巨大的風險。但互聯網行業則完全不同，雖然他們的數據中臺也要支持報表指標，但更關注的是營銷和銷售，因此數據中臺中的各種用戶模型、標簽滿天飛。現在商業化的數據中臺偷換了一個概念，即數據中臺本來是業務化的，但商業化的數據中臺把數據中臺曲解成了一個工具，比如DataOps。我并不認為這種通用性的工具跟中間件有什么本質區別，它們也構筑不了企業數據中臺的核心競爭力。只要業務的切入和方向問題沒解決，談任何平臺工具都沒有意義。很多人指責買到的商業數據中臺沒有看到實際的價值，質疑數據中臺存在的價值，這要怪自己的認知不足。數據中臺是阿里提出來的，但其并沒有從業務的角度說明其數據中臺牛逼的原因，方法論大多是講技術的，但技術牛逼跟業務價值創造不一定有什么關系。我們其實更應關心的是阿里的業務如何激發了數據中臺需求，這些數據需求如何沉淀成了數據中臺的能力，流程上如何確保落實數據中臺的三問（中國移動中臺三問：和中臺是什么關系、能否復用中臺能力及能否沉淀中臺能力），如何在集約化和靈活性之間做好平衡，組織上如何確保這些能力能高效的運營等等。可惜的是，阿里很少講它數據中臺的發展歷程，好像大家一下子就看見了結果，這樣說服力就不太夠。從這個角度看，華為做數據治理的歷程倒值得借鑒，其從解決財務報表的數據不一致問題開始，帶來了企業數據管理的一系列變革，包括頂層設計、組織機制、運營流程，最后再到IT，這些管理動作是我們真正需要學習的東西，也是華為數據之道的精髓。阿里有本講淘寶技術10年的書，雖然寫得是技術10年，但其實也在講淘寶的業務。從歷程中可以看到，淘寶的每一次技術進步都是業務驅動的結果，每個讀了這本書的人，除了了解到相關技術，也能知道淘寶所以采用這個技術的業務原因，這樣的借鑒意義就很大。大家需要COPY的不是淘寶最新的技術，而是COPY某種業務條件下采用某種技術的思想和方法，知其所以然很重要。因此，沒淘寶那個體量，我們其實沒必要直接去抄它最新的架構，沒那么多的業務驅動，就不要搞數據中臺那么多的模型和工具鏈，因為根本用不起來。
4、業務驅動需要自己去尋找
理論上講，所有的企業都有數據中臺的原始業務驅動，那就是報表指標。現在搞數據中臺的所以覺得數據中臺的價值不夠，僅僅在于企業已經不滿足于此，特別是阿里的數據中臺概念一拋出來，更加刺激了大家的神經。但阿里當年提的中臺，其實更多強調的是共享復用，因為當時阿里一家獨大，內部有很多不平衡的問題，阿里希望用中臺來抹平差距，提升全局的效率，降本增效成為了中臺最大的業務驅動力，編排能力進一步完美化了中臺，即它無所不能。可惜的是，大部分企業對于數據中臺的期望并不是什么降本增效，而是希望從數據中找到新的商機。它們沒有阿里那么大的規模，沒有那么多的業務，沒有那么多的不平衡，沒有那么多需要集約化的東西，降本增效帶來的那點增益價值是不夠看的，新增的訴求遠大于存量的保有。但基于數據中臺去搞業務創新挑戰很大，因為企業存在各種限制因素，不是你想數據驅動就能數據驅動的。比如由于數據文化的普及不夠，很多企業的業務人員并沒有什么數據驅動業務的意識。比如由于業務創新力不足，業務部門其實沒有那么多的業務可以用數據來驅動。又比如由于信息化水平低下，企業數據采集加工的能力很弱，根本沒有那么多高質量的數據來滿足業務的要求。更關鍵的是，數據中臺藏在業務中臺之下，離業務也太遠了，它很難獲得第一手的業務資料，也很難真正的理解業務，但搞數據的往往不信這個邪，包括我自己。我干了20年數據，自認為對公司的業務也有所理解，但當我去負責公司的ERP時，才知道公司的業務流程復雜度遠超過想像，業務天花板也太高了，具體可以參考文章《數據從業者的技術要求很低，但業務天花板太高》。有些業務的東西看似適合數據中臺來做的，比如推薦，但對于業務和場景知之甚少的數據中臺很難說能比業務中臺能做得更好。事實上，當前大多業務場景的數據賦能只要理解業務規則就足夠了，用不到數據中臺那些高大上的東西，比如算法，當然，ChatGPT來了之后，可能情況會發生變化。我并沒有找到什么系統性的方法來解決數據中臺的業務困境，也許到了這個時代，數據中臺就應該和業務中臺合并，畢竟現在OLTAP和OLTP的界限已經很模糊，業務跟數據已經是我中有你，你中有我的關系。數據中臺追求的那種獨立的、顯性的價值創造，從我的經歷來看，至少需要滿足兩個條件，業務的餡餅不會自動從天山掉下來。
第一、風口。小米創始人雷軍就說過：”風口上豬都能飛起來“，意思是創業成功的本質是找到風口，順勢而為，同樣的道理，所有希望基于數據中臺創造業務價值的團隊，也需要尋找這樣一些風口，10年前大數據是風口，近幾年數字化、數據治理、大模型是風口。
第二、勇氣。無論是你主動去爭取，還是滿足老板的要求，在關鍵時刻，一定要下場，過了這村就沒這店了。這里列出兩種數據中臺直接賦能業務的模式，供大家參考。
第一種，如果企業的數據資源很豐富，那就把數據本身當成業務去賣，這是很好的商業模式，在這種情況下，沒有什么能跟數據中臺競爭，因為這種商業模式的生產資料決定一切。現在大數據變現已經是比較成熟的商業模式了，阿里我印象最深的就是那個生意參謀。隨著數據二十條的發布和國家數據局的成立，參與到這個生態（確權、交易、分配到安全）中還是很有前途的。記得10年前大數據剛起來的時候，很多人都看到了大數據變現的商機，但對數據的不同的認知造成了現在不同的結果，很多時候，時機到了，沒有勇氣，機會也就錯過了。
第二種，去做那些正確而難的事，數據治理就是其中的一種。很多領域的業務進一步突破需要數據，但這些數據往往掌握在另一個領域手里，數據中臺如果能驅動企業做好數據治理，那就能極大的賦能業務。比如征信業務通過數據治理拓展了數據源，就能大幅的提升貸款效率，效果遠好于算法和業務上的調優。10年前大數據剛起來的時候，我們做的第一個產品是客流大屏，演示的時候老板覺得挺新穎的，這成了我們大數據變現的起點；幾年前老板征詢數據治理的想法，我們團隊研究了2個月最后匯報通過，這成了企業數據治理的起點......讀到這里，你就能理解為啥華為解決財務報表問題就能獲得了很大的認可，因為這是風口， 是正確而難的事情，需要集全公司之力才能搞定。
5、驅動業務的數據能力基礎
業務方向問題解決了，接下來就是要具備落地的能力，那么哪些能力是最重要的呢？我覺得排在最前面的三項能力，打個比喻就是：運籌的將軍，屠龍的少年，稱手的兵器，雖然其他能力也很重要，但其實可以通過這三項能力運營出來，這三項能力是其他能力的基礎。
第一、運籌的將軍
公司需要設置CDO，或者說需要有個企業數據責任人，能夠在戰略層面給予數據團隊業務方向的指引和實際資源的支持，包括組織、機制、流程和IT等等，數據的很多功夫都在細節中，CDO會因為相信數據的價值所以看見，而很多管理者做不到。我們的數據團隊每一次實現業務的重大突破，都是來自于公司管理層全力的支持，從來沒有例外。10年前大數據變現起步的那會兒，無論是招人和費用，公司都一路綠燈，幾年前公司啟動數據治理的時候，分管領導每月都召集各部門開聯席會，為數據治理工作掃清障礙。
第二、屠龍的少年
公司要有一支數據模型的產品經理隊伍，不僅能夠做好全域數據的拉通，而且能實現前端市場和后端數據的有效銜接，這在《未來十年，數據團隊最核心的能力到底是什么？》一文中有詳細的闡述。“數據團隊真正需要的是一只數據模型產品經理隊伍，能夠以業務對象為核心（不局限于領域）來進行數據模型產品的構建，能夠為業務提供端到端的數據服務支撐，能夠解決跨領域數據模型構建過程中出現的數據標準、數據質量、數據整合等問題，他們是公司數據資產的真正代言人，能力要求遠遠超越了傳統的數據建模師......”
第三、稱手的兵器
數據中臺最核心的基礎工作就是持續不斷的獲取更多高質量的差異化數據，如果沒有好的數據，巧婦也難為無米之炊，公司一定要通過數據治理等手段獲得匹配業務要求的稀缺性數據資源。比如我們公司的數據變現，主要就依賴兩類數據，這兩類數據在8年間精度大幅提升，數據量增長了100倍，貢獻了收入的80%以上。數據治理的最大價值，就是幫助公司拿到以前拿不到，拿不全，拿不準的數據。
6、艱難的數據中臺的商業化
數據中臺成就業務這么難，那么企業能否買到一個現成的呢？畢竟某些領域數據驅動業務的模式還是有共性的。我原來對此表示悲觀，畢竟每家企業的具體業務不太一樣，讓一個第三方跟你講用什么樣的數據服務驅動你家的業務顯得有些滑稽。做了ERP后，我還是有些觀念的轉變，因為ERP套裝商業軟件的業務模式更加復雜，但ERP商業化還是成功了。因此，領域數據中臺應該也有成功的可能，現在有些電商出身的開始賣電商數據中臺，這比那種純賣平臺和工具的要進步多了。
去年阿里成立了瓴羊DaaS公司，把阿里電商領域的業務規則盡可能多的沉淀下來，形成業務壁壘，同時整合業務中臺和數據中臺，這樣它們的數據中臺就有了業務的出口，從而形成合力，這算是國內比較好的探索吧。當然ERP相對數據中臺還是有些不同，一方面財務管理、會計核算每個公司都需要，涉及的會計規則非常標準且全球通用，另一方面ERP軟件已經有了幾十年的業務積累，構筑起了很高的壁壘，一般公司很難自己搞得定，而這些奠定了ERP軟件商業化的基礎。未來商業化的中臺軟件要成功，也許需要具備三個條件：
1、中臺軟件的功能非常全面，幾乎涵蓋了所有可能的企業需求，并且在每一個領域都提供深度的定制功能，可以滿足最復雜的業務需求。
2、提供全面的實施和支持服務，這包括業務咨詢、系統配置、培訓、系統升級等。這些服務幫助企業更好地使用和優化數據中臺，解決在使用過程中遇到的問題。
3、建立了強大的生態系統，包括合作伙伴、咨詢公司、第三方軟件供應商等。這些合作伙伴可以提供各種服務和解決方案，滿足企業的特殊需求。以上就是我對業務化的數據中臺的一個基本看法，以前我們討論數據中臺的時候，總是會先拋出一張架構圖，然后介紹里面的各種數據和工具，業務被遺忘了。事實上，數據和工具就好比高速公路的車，業務就是高速公路，只有高速公路修好了，方向正確了，那些車才能一路狂飆。希望給你帶來啟示。