最实用的中台入门介绍，数据中台是什么能够给企业解决什么问题有必要上数据中台吗

中台的概念最早是由阿里巴巴提出的最实用的中台入门介绍，是相对于前台和后台而生。2015年，阿里提出中台战略，建立“大中台，小前台”。

所谓前台，由各类前台系统组成的前端平台，每个前端系统就是一个用户触点，是企业与最终用户的交点。例如，网址、商城、APP等。所谓后台，由后台系统组成的后端平台。每个后台系统一般管理了企业的一类核心资源。基础设施和计算平台作为企业的核心计算资源，也属于后台的一部分。例如，CRM系统、ERP系统、物流系统等。那何为中台呢？它从中起到了什么作用呢？

通过前面的介绍，我们了解到前台主要面向的是用户，所以企业的前端系统需要快速响应市场的变化，不断更新与迭代从而提升客户满意度、增加企业收入，但是企业的后台系统主要是为企业的业务运行提供支撑，需要扎实稳定。所以，在前台和后台中间提供一个“中间层”，可以避免两者的冲突。

中台是前台和后台的连接点，将业务上共同的数据、工具、模型等予以沉淀与支撑，能够提升企业的复用性，减少系统重复建设，避免资源浪费。

中台能够为企业解决哪些方面的问题呢？

1、现在信息化积累的数据情况：

现如今信息系统蓬勃发展，企业每天都有数以万计的业务数据产生，各大IT系统平台产生很多千差万别的碎片化数据。

这些数据中，有部分是现在正在使用系统的数据，有部分是历史系统的数据，有部分是Excel数据，有部分是外部竞争对手数据。

而且业务人员对数据情况了解差别也很大（不同部门、新老员工）。例如，针对“收入”：

销售部门在进行人员销售利润分析中，收入使用的是发货收入；财务在做销售员预算分析时，其中收入使用的是开票与收款孰低原则。里面使用的数据80%相同，但是一个是销售部主导，一个是财务部主导，在很多方面又产生了分歧：历史数据是否考虑、特殊销售是否考虑、发货计算还是开票计算还是收款计算？数据口径存在不一致情况，容易形成“鸡同鸭讲”的画面。

而且，模型一旦确定，变化的频率比较低（如一年一变），但是企业分析需求一直在变，比如年中有促销，促销时有政策，业务员反润比平时高2%等等，这些情况的存在，导致了数据一直在发生变化，数据的变动导致模型的不稳定。

2、自然态数据引发的问题：

（1）数据准确性：数据的准确性难以保证，也许是今天对，明天错，也会存在A表对，B表错的现象；产生了错误，错误来源不好定位，错误影响范围也难以评估。

（2）工作效率：增加一张报表，开发需要十多天；数据实时性难以保证；数据错误查一天；业务人员逼得不提需求；组织机构调整IT系统是瓶颈。

（3）业务协作：各部门目标、进度不一致；各部门基础信息不同；营销与采购信息不对称；子部门完成任务，公司整体差。

（4）人员成本：数据维护成本高；人员工作重复；人员要求高：技术、数据、业务理解、统计算法。

有了数据中台就不一样了。

数据中台是一个集中化存储海量的、多个来源，多种类型数据，并可以对数据进行快速加工、分析的平台，本质上是一套先进的企业数据架构。

数据中台策略的基本理念是，将所有的数据汇聚到数据中台，让一切业务数据化，一切数据业务化，以后的每个数据应用（无论是指标和分析类的，还是画像类和大数据类的）统统从数据中台获取数据。

数据中台的核心是数据质量与共享。

传统的数据仓库和数据中心，如果做得比较好，设计到位的话，也会做完整的数据模型设计，但是往往偏重于设计和技术，在执行的过程中，很难保障数据的全，也很难保证数据应用不跨过数据中心，重新做数据的话，那么后期数据则会比较混乱。

相对而言，数据中台策略中更加强调数据的“全”以及数据中台组织与数据应用组织之间的协作关系，从设计、组织、建设、流程角度保障了模式的落地。

数据中台，利用获取的各类信息、行为习惯信息和算法，获取分析结果，比如：业务中台参照的客户标准和分类方法就是基于数据中台运算的分析结果，例如需求偏好（客户标签）。

数据中台的数据来自业务系统，有原始数据（不同频次的历史快照+实时数据）、共享数据（拉到一起）、抽取数据（已经整理的标准化数据、标签、模型），再反哺给业务前台和后台用起来。

以精准营销为例，数据中台支持算法，业务前台基于算法的结果，支撑实时分析、推荐。

数据中台与前台和后台是相辅相成的，两者没有冲突关系。数据中台从前台和后台的数据库中获取数据，进行清洗和分析。得到的结果，支撑到前台业务上的智能化应用。这些智能化应用产生的新数据又流转到数据中台，形成闭环。