我为什么看好数据中台？

网上有标题党一度各种传言“阿里拆中台”“数据中台已过时”，但是我却一直坚定的看好数据中台。昨天志明兄问我为什么，我想了想，准备总结一下原因。

首先，从业务的角度来说，数据分析已经深入人心，互联网企业用户都在如饥似渴的使用数据来推动业务发展（虽然有时候具体的过程我并不认可），所有的创新业务都追求数据驱动，通过数据效果来调整策略。对于中型企业或者传统企业，虽然没有那么“迷信”数据，但是数据仓库和BI数据应用也是如火如荼的使用中，假使某一天不更新数据，大概率会有用户发现数据异常。对于小规模企业，虽然没有数据仓库，但是他们通过Excel等多种工具和人力也完成了部分数据分析的工作，并不是他们不需要数据中台，而且没有合适价格的数据中台提供给他们。目前的数据中台大多以Hive+Spark为核心，即繁重，又消耗硬件成本、人力成本，小公司实在是承担不起。

其次，从技术的角度来说，数据中台的出现是为了降低数据仓库的门槛，扩大数据仓库的业务范围。数据中台是由数据仓库衍生而来的，早期的数据仓库也是分为数据库、ETL平台、商务智能BI平台的，但是三者基本上由美国的大型软件公司（例如IBM、Oracle、SAP）包揽。随着Hadoop和Hive技术的成熟，开源Hive数据仓库开始被互联网公司引入，但是开源平台的维护、开发、运行颠覆了传统模式，跑批和查询被迫进行了分离，又增加了开发难度，所有就诞生了一个“一揽子”解决方案——数据中台。数据中台主要囊括了所有数据仓库的外围组件和系统，包括任务调度、数据同步、数据查询、数据安全、数据管理、数据应用等一系列内容，可以说是专门为数据仓库服务的“全职保姆”。从技术发展的角度来说，目前的数据仓库生态依然以开源组件为主，技术开发难度仍然存在，所以数据中台依然有存在的需求。虽然Doris和StarRocks降低了数据仓库的复杂度，但是数据安全、数据应用已经超出了传统BI的范畴，数据仓库还衍生出了一套实时数仓的技术，所以还是需要一个统一的平台来进行管理。

最后，随着数据资产、AI技术的吹捧，数据也越来越受到重视，数据的应用的范围越来越宽。数据中台可以拆分成多个模块，但是加起来还是可以叫数据中台。原本可能只是数据中台里面的元数据管理功能，现在衍生成为了数据资产管理平台；原本很只是简单的数据查询，现在衍生出了标签系统、画像系统、AB实验平台等等。所有的拆分，都是为了更好的细化升级，让内容更充实，并不是说原本的就过时了。而且只有大厂才有实力拆分成这么多系统，中小企业还是希望有数据中台这一一个“一揽子”平台可以覆盖他们的需求。

总之，数据中台或者现在换了一个概念叫DataOps，都是为了更好的建设数仓、使用数仓的数据，只要数据仓库还存在，它就存在；只要数据分析还存在，数据中台就不过时。