数据中台底层逻辑

2015年，阿里正式数据中台的概念，并在集团战略的层面去推进，其来源于芬兰游戏公司supercell“大中台小前台的”组织特点。supercell人数不到200，在2015年成为全球营收最高的游戏公司，其推出的四款遊戲：《部落冲突》（Clash of Clans）、《海岛英雄》（Bomb Beach）、《卡通农场》（Hay Day）《皇室战争》（Clash Royale），总日活突破一亿。

除了对于游戏本身的洞察，其组织上的特点是，不是自上而下的组织设计，而是由非常多的小团队（3-7人）共同构成，每个团队充分自治，而公司会提供强大的游戏基础能力（中台）。

回看阿里的数据中台的定义是：方法论 + 组织 + 工具。其中，方法是OneID+OneModel+OneService；组织为从 IT 支撑到业务赋能的数据、技术、产品相匹配的人才结构，包含数据产品经理、数据研发、数据科学家等多角色；工具为采集、构建、管理、服务等。广义上，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、加工，同时统一标准和口径。

① 指标口径不一致。在建立数据中台之前，阿里数据有30000多个指标，其中，即使是同样的命名，但定义口径却不一致。例如，仅dau这样一个指标，就有十几种定义。带来的问题是：都是uv，我要用哪个？都是uv，为什么数据却不一样？

② 数据重复建设，需求响应时间长。随着需求的增长，运营和分析师不断抱怨需求的交付时间拉长，面对快速变化的业务，需求响应时间已经无法满足业务对数据的敏捷研发要求。

③ 取数效率低。面对数十万张表，我们的运营和分析师找数据、准确地理解数据非常困难，想找到一个想要的数据，确认这个数据和自己的需求匹配，他们往往需要花费三天以上的时间，对新人来说，这个时间会更长。

④ 数据质量差。数据经常因为BUG导致计算结果错误，最终导致错误的商业决策。不同的模型带来不同的口径的数据，每个工程师都需要从头到尾了解研发流程的每个细节，对同样的“坑”每个人都会重新踩一遍。

⑤ 数据成本线性增长。这里面的成本，包括研发成本、计算存储成本等诸多问题。

① 组织原则

原则一：五指成拳，核心资源给到核心项目

业务上一般都是研发算法、工具、数据十八般武艺都会一点；中台是资源、引擎、数据、算法专业研究细致入微。如果说业务是赛马，那中台一定是五指成拳。

原则二：通用平台而非BP制

平衡业务支持的程度，优先支持的通用性。

原则三：不能急功近利，朝令夕改

中台就应该“慢工出细活”、“老火炖鲜汤”，以半年或一年为粒度在技术、产品等领域出引领性的东西。

② 方法论原则

原则一：onedata“一个生产“

原则二：onemeta“一个资产”

原则三：one service“一个服务”

③ 技术原则

最后，数据中台和业务的关系，就是鱼和水的关系，谁也离不开谁，不能把它们完全分开来看。业务想要获得更大的增长，就必须依赖数据中台，数据中台想要存活下去，就必须依赖业务的口碑和认可。