个字定义：中台就是:“企业级的能力复用平台”，“企业级”划定了中台的范围，区分开了单系统的服务化与微服务，“能力”指定了中台的主要承载对象，能力的抽象解释了各
数据中台由来:
中台的灵感来源于芬兰的小公司Supercell,这家公司仅有300名员工，却接连推出爆款游戏，是全球最会赚钱的明星游戏公司。2015年年中，马云带领阿里众高管拜访了Supercell。2016年6月，腾讯宣布以86亿美元收购Supercell公司84.3%的股权。Supercell开创了中台的“玩法”， 并将其运用到了极致。这家看似很小的公司，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。这样一来，各个团队就可以专心创新，不用担心基础却又至关重要的技术支撑问题。Supercell的CEO潘纳宁将一个游戏公司按照一个专业运动，队的方式来管理。他认为管理层的唯一使命是获得最好的人才，为他们创造最好的环境，给他们自由和信任，帮助他们摆脱困境，让公司成为一个最好人可以产生最大影响的地方。其他的一切，包括财务目标，都是次要的。因此Supercell构建了完全颠倒的管理结构。传统的管理结构是一个金字塔形的，CEO往往处在金字塔的顶端。而Supercell最大的创新之处，在于其管理结构完全是上下颠倒的。潘纳宁最引以为豪的标签是:“行业里最没有权力的CEO”。
马云深受启发，阿里在2015年提出的“大中台，小前台”战略，分为业务中台和数据中台。
业务发展前期，为了快速实现业务的需求，烟囱式的开发导致企业不同业务线，甚至相同业务线的不同应用之间，数据都是割裂的。两个数据应用的相同指标，展示的结果不一致，导致运营对数据的信任度 下降。数据割裂的另外一个问题，就是大量的重复计算、开发，导致的研发效率的浪费，计算、存储资 源的浪费，大数据的应用成本越来越高。 如果你是运营，当你想要一个数据的时候，开发告诉你至少需要一周，你肯定嫌慢。 如果你是开发，当面对大量的需求的时候，你肯定是在抱怨，需求太多，人太少，活儿永远干不 完。 如果你是老板，当你看到每个月的账单成指数级增长的时候，你肯定觉得这也太贵了，能不能再省 一点，要不吃不消了。
一般来说，数据中台是指通过数据技术对海量数据进行采集、计算、存储和处理，同时统一标准和口 径，形成全域级、可复用的数据资产中心和数据存储能力中心，形成大数据资产层，进而为客户提供高效的服务。
形象地讲，数据中台构建的服务考虑了"可复用性"，每项服务都像一个积木，可以随意组合，灵活高效 地解决前台的个性化需求。 从效用意义上讲，狭义的数据中台是一套实现数据资产化的工具；广义的数据中台是一套利用数据，进而帮助企业实现数字化转型的机制和方法；从技术角度来看，数据中台是一种新型的 IT 架构；从管理角度看，数据中台是一种新型的组织管理模式和理念；从战略角度来看，数据中台是为了应对日益复杂的环境而构建的一种新型战略工具和竞争壁垒。总之，数据中台的核心理念是"数据取之于业务，用之于业务"，跟传统数据平台相比，数据中台着眼于业务的积累和沉淀，构建了从数据生产到消费、消费后数据返回到生产的闭环过程。 “让一切业务数据化，一切数据业务化” 是对数据中台系统功能的精要概括。
数据中台的核心，是避免数据的重复计算，通过数据服务化，提高数据的共享能力，赋能数据应用。之前，数据是要啥没啥，中间数据难于共享，无法积累。现在建设数据中台之后，要啥有啥，数据应用的研发速度不再受限于数据开发的速度，然后我们就可以根据需求场景，快速孵化出很多数据应用，这些应用让数据产生价值。
总的来说，数据中台吸收了传统数据仓库、数据湖、大数据平台的优势，同时又解决了数据共享的难 题，通过数据应用，实现数据价值的落地。
大数据平台型企业的问题
大量数据产品的出现，在不断提高企业运营效率的同时，也暴露出很多尖锐的问题，在我看来，主要有五点。
1指标口径不一致：主要原因：业务口径不一致、计算逻辑不一致、数据来源不一致。要实现一致，就务必确保对同一个指标，只有一个业务口径，只加工一次，数据来源必须相同。
2数据重复建设，需求响应时间长：解决数据复用的问题，要确保相同数据只加工一次，实现数据的共享。
3取数效率低：面对几千甚至上完张表，运营，开发或者分析师想要快速找到想要的数据，以及做到精准理解这些数据意义，都非常的困难。所以需要构建一个全局的企业数据资产目录，实现数据地 图的功能，快速找到数据
4数据质量差：没有数据稽核任务，运营不相信数据。存储数据链路，及时发现数据质量问题，并恢复数据。
5数据成本线性增长：大企业烟囱式开发，导致一个企业拥有很多小数仓，不同数仓可能开发相同任务，导致资源浪费，而且也做不到淘汰低价值数据任务。所以解决方案的核心：解决数据重复建设，打通数据孤岛。
因此：数据中台是企业构建的标准的、安全的、统一的、共享的数据组织，通过数据服务化的方式支撑 前端数据应用。数据中台消除了冗余数据，构建了企业级数据资产，提高了数据的共享能力。
什么样的企业适合构建数据中台？
数据中台的构建需要非常大的投入：一方面数据中台的建设离不开系统支撑，研发系统需要投入大量的人力，而这些系统是否能够匹配中台建设的需求，还需要持续打磨。另外一方面，面对大量的数据需求，要花费额外的人力去做数据模型的重构，也需要下定决心。 所以数据中台的建设，需要结合企业的现状，根据需要进行选择。我认为企业在选择数据中台的时候，应该考虑这样几个因素。
企业是否有大量的数据应用场景： 数据中台本身并不能直接产生业务价值，数据中台的本质是支 撑快速地孵化数据应用。所以当你的企业有较多数据应用的场景时，一般有 3 个以上就可以考 虑。
经过了快速的信息化建设，企业存在较多的业务数据的孤岛，需要整合各个业务系统的数据，进行关联的分析，此时你需要构建一个数据中台。比如在我们做电商的初期，仓储、供应链、市场运 营都是独立的数据仓库，当时数据分析的时候，往往跨了很多数据系统，为了消除这些数据孤岛，就必须要构建一个数据中台。
当你的团队正在面临效率、质量和成本的苦恼时，面对大量的开发，却不知道如何提高效能，数据 经常出问题而束手无策，老板还要求你控制数据的成本，这个时候，数据中台可以帮助你。当你所在的企业面临经营困难，需要通过数据实现精益运营，提高企业的运营效率的时候，你需要 构建一个数据中台，同时结合可视化的 BI 数据产品，实现数据从应用到中台的完整构建，在我的 接触中，这种类型往往出现在传统企业中。
企业规模也是必须要考虑的一个因素，数据中台因为投入大，数据量巨大，所以更适合业务相对稳定的大型企业，并不适合初创型的小公司。
欢迎大家私信交流
,