AI数据中台：企业数字化转型的加速引擎丨曼孚科技

20世纪90年代中后期，企业信息化转型进入快速发展时期，此阶段企业内部IT建设主要以数据库、ERP 为主。

当业务部门面临新需求或者出现新问题时，企业技术部门往往需要从业务需求的探查、技术壁垒的打通等从上到下各个方面来建设新系统。

长此以往，企业内部业务体系形成以烟囱架构形式存在的系统，每个系统的建成都自成一体，每个部门各自满足业务部门的需求。

随着移动互联网技术的不断发展，信息传递速度进一步加快。通过移动设备和各类传感器，行业积累了远超以往量级的数据。企业的业务形态、数据维度变得复杂多元，新的业务需求场景不断涌现。

此时，传统烟囱架构形式存在的业务体系极易导致数据孤岛、数据隔离、数据不一致等问题的出现，不易形成闭环，无法实现企业效率的提升，造成企业数据资源利用的浪费。

不论从数据量的增长、数据处理技术的进步，还是站在企业数字化转型的角度，企业内部业务都需要重新构建业务支撑体系，形成对各前台业务强力的支撑，让前台的一线业务变得更敏捷，也让全域数据实时在线，提高信息传递效率。

为了解决以上出现的这些问题，“数据中台”的概念应运而生，逐渐成为企业智能时代数字化转型的关键答案。

一、什么是数据中台

“中台”的概念最早由阿里在2015年提出的“大中台，小前台”战略中出现。

它的灵感来源于Supercell，这是一家芬兰的游戏公司，员工仅有300名，却是全球最会赚钱的明星游戏公司之一。

Supercell公司成功的秘诀是开创了中台的“玩法”，通过在企业内部设置了一个强大的中台，用以支持众多的小团队进行游戏研发。各个团队只需专心进行创新，而不用担心基础却又至关重要的技术支撑问题。

2018年底到2019年初，随着阿里、腾讯、百度等巨头的大规模组织架构调整，中台的热度陡增。一时间，各大互联网公司纷纷开始跟进中台建设。

目前，根据具体支撑业务范围以及功能的不同，中台可以简单分为六种：

数据中台：提供数据分析能力，帮助企业从数据中学习改进，调整方向。

业务中台：提供重用服务，例如用户中心、订单中心之类的开箱即用可重用能力。

算法中台：提供算法能力，帮助提供更加个性化的服务，增强用户体验。

技术中台：提供自建系统部分的技术支撑能力，帮助解决基础设施、分布式数据库等底层技术问题。

研发中台：提供自建系统部分的管理和技术实践支撑能力，帮助快速搭建项目、管理进度、测试、持续集成、持续交付。

组织中台：为项目提供投资管理、风险管理、资源调度等支持。

具体到数据中台，简单来说就是提取各个业务的数据，统一标准和口径，通过数据计算和加工为用户提供数据服务。对于一家企业而言，想要构建一个数据中台，包含了数据模型存储、数据资产管理、对外提供数据服务、数据更深层次的分析挖掘等各方面过程。这便是广泛意义上的数据中台，其核心就是构建一个共享数据服务体系。

从概念上来看，数据中台从后台及业务中台将数据汇入，进行数据的共享融合、组织处理、建模分析、管理治理和服务应用，统一数据标准口径，以API的方式提供服务，是综合性数据能力平台。

数据中台包含数仓体系、数据服务集等，是一套数据运营机制，加速从数据到数据资产的价值转变，决策模式由“经验驱动”向“分析驱动”转变。

目前数据中台的形式主要有三种：数据湖、CDP、DMP。值得注意的是数据中台本身是数据和存储分离的，并不以数据库的形式存在，但限于当前建设阶段，数据中台通常包含了数据库。

数据中台为前台业务部门提供决策快速响应、精细化运营及应用支撑等，让数据业务化，避免“数据孤岛”的出现，提升业务效率，更好地驱动业务发展和创新。

二、数据中台与AI中台

从AI中台落地实施的方式来看，AI中台可以看做是数据中台的进一步延伸。

AI中台是一个用来构建大规模智能服务的基础设施，对企业需要的算法模型提供了分步构建和全生命周期管理的服务，让企业可以将自己的业务不断下沉为一个个算法模型，以达到复用、组合创新、规模化构建智能服务的目的及业务赋能的作用。

简单来说，AI中台提供的主要是通用化智能服务，伴随着用户对于数据需求服务的变化而不断演变。它需要在数据的存储、数据管理、分析展示都可以做到自动化与智能化。

可以说，AI中台是数据中台未来发展的重要趋势。随着企业业务技术的发展，数据中台会向着AI中台方向演进，它围绕智能化服务为核心，并依赖于数据中台提供给它数据服务的能力，而智能化的技术开发能力，又能够提供给数据更便捷和快速的数据分析和预测，从而提供更好的数据服务。

三、AI数据中台重要价值

数据中台可应用于不同领域企业内部业务体系的构建中。

在数据层面，数字中台可以解决企业内系统间数据孤岛的问题，将不同系统中的数据进行全面汇集和管理，通过数据提炼分析、集中化管理，形成企业数据资产和洞察，服务于业务，解决了数据“汇管用”的问题。

在业务层面，通过对各业务线的模块去重和沉淀，共享通用模块，让前台业务更加敏捷地面向市场，实现企业新业务的快速上线与迭代试错，服务更多场景，提升业务响应力。

在技术层面，避免重复开发，技术迭代升级更高效，可按需扩展服务，让整个技术架构更开放。数据中台最终的应用价值是在充分市场竞争下，保持并提升企业的运营效率和创新能力。

具体到AI行业，随着人工智能逐步步入商业化落地应用阶段，数据的获取和使用无疑成为了制约智能程度高低的瓶颈，AI数据中台的建立也成为决定智能系统成败的关键。

目前，AI数据中台的价值主要有以下几个方面：

Ξ 效率问题：

人工智能是一门研究如何代替人类工作的学问，本质上是要解决效率问题。在人工智能时代，AI数据中台可以解决因为平台数据割裂、用户数据分散存储而导致的应用无法调用、需要用户再次输入、重复操作、效率降低的问题。

Ξ 协作问题：

企业内部各应用部门之间的协作极为常见，但协作的前提是可以做到互通有无，如果不清楚对方可以在哪些领域帮助自己，沟通过程中就会出现需求不明确导致沟通效率降低的问题。AI数据中台可以打破沟通这层窗户纸，协作更加顺畅。

Ξ 关联度问题：

一个完整的用户画像需要包含多方位的数据信息，AI数据中台所具备的丰富数据管理功能可以提供最为需要的数据，形成有效智能。

Ξ 能力问题：

数据中台并非简单把数据集中堆到一处，这些数据集可以分别为每个单独的业务模块赋能。

Ξ 时效问题：

决定数据价值高低的最重要因素之一就是时效性。数据中台的建立可以做到数据通信的实时性，成为企业决策和产品能力提升的关键因素。

总体而言，通过在企业内部搭建一体化整合式数据中台，让数据在平台与业务系统之间形成良性的闭环网络，为企业数据服务与共享奠定坚实基础，助力数据释放更多价值。

随着人工智能、5G等技术的大规模应用，数据中台将成为企业数字化转型的中枢支撑，也将成为推动行业信息化建设与企业数智化转型的内生力量，帮助企业实现业务互联互通、资源协调与信息共享。

参考资料：

《中国数字中台行业研究报告》——艾瑞咨询

《你、我、他的中台 | 从数据中台到AI中台》——连诗路