2.3 数据中台的建设目标

值得注意的是，数据中台的建设是一项复杂的系统工程，没法一蹴而就。根据笔者过去的实战经验，数据中台的建设是一项长期任务，一般持续时间在2年以上。笔者建议数据中台建设应该在全局战略规划的基础上，逐步分阶段完成。在建设数据中台之前，需要明确数据中台建设的总体目标和阶段性目标，做到目标明确，路径明晰，节奏清楚。下面分别阐述数据中台建设的总体目标和阶段性目标。

2.3.1 总体目标

阿里巴巴构建数据中台的目标是“one data，one service”。简而言之，就是构建统一的数据模型和数据服务体系，服务于内部不同子企业数据应用的需求。认真梳理不同的业务流程，可以发现很多模块的功能相似，可以将这些模块抽象为公共服务以服务不同的业务场景。比如，在互联网保险应用需求矩阵中，有获客、营销、保险定制、投保、定价、风险管理、理赔、客服等应用场景。除了常规的BI数据服务，还可以抽象出很多其他的公共数据服务，比如客户群圈选、客户评分、客户屏蔽、产品推荐、营销活动管理等。

因为数据基础建设和发展阶段存在差异，所以不同的企业建设数据中台的目标会有所不同。整体而言，建设数据中台的总体目标主要体现在以下6个方面，如图2-1所示。

1.数据战略目标

要确定数据发展战略和中长期的落地规划。比如，解决“数据孤岛”问题，实现集团内部数据的互通、共享和标准化，构建统一的客户视图，实现客户全触点的数据资产化和服务化。

2.组织建设目标和组织绩效

要建设与数据战略相匹配的组织，明确权责。比如，建设数据事业部，其直接向企业总裁汇报，负责企业所有的数据资产，并支持企业内部或外部所有的数据服务。在绩效考核方面，第一年以组织建设、基础建设和人才建设为主，第二年的重点是锻炼人才，逐步在重点领域开始挖掘和实现数据价值。在第三年之后，数据应用开始遍地开花。

3.人才培养目标

要培养数据中台需要的人才，明确多长时间培养多少不同层级的人才。

4.数据基础设施建设目标

要明确数据基础设施建设的目标和规划，比如数据平台、数据仓库、数据工具、客户统一ID等的建设目标和规划。

5.数据智能化建设目标

要了解数据分析和数据智能的现状，明确数字化和智能化的目标，洞察差距，并弥补差距。

6.数据服务体系建设目标

要建设业务所需要的数据服务体系，全面实现数据价值，支撑业务的数据化和智能化的需求。

2.3.2 数据中台的标准化

建设数据中台的战略目标之一是实现统一的数据标准，实现“书同文、车同轨”。标准化的数据中台，应该做到有标准框架可以参考，有规范可以依赖，有规则可以遵守，有方法可以用，这有助于提升数据一致性、促进数据生态的建立和协作、打破“数据孤岛”、促进数据资产互联互通，从而实现数据价值最大化。

标准化的内涵是“用同样的语法和句法，写同样的文字，讲同一种语言”。从落地角度来说，数据中台统一的标准应该涉及数据中台建设的全过程。从描述用语和数据的抽取、清洗、汇聚、开发，到数据模型设计、数据指标的计算、统一ID的规则，再到数据分析、算法模型和数据应用，最后到数据管理、数据安全、数据服务等环节，都必须遵循数据中台的标准化规范，拉齐认知、消除歧义。

因此，制定数据中台不同阶段的可行标准，成为数据中台战略落地的关键举措之一。举例说明：2019年，中国信息通信研究院和阿里巴巴（北京）软件服务有限公司牵头编写的《数字政务服务平台技术及标准化白皮书》从术语、功能规范、数据规范、安全标准、无障碍标准和评估测试标准6个方面确定了政务数据中台的标准。笔者建议在建设企业数据中台的过程中，可以适度参考该标准。

2.3.3 数据中台业务化

建设数据中台的另一个战略目标是实现“数据业务化，业务数据化”。换句话说，数据中台不是纯技术平台，而是服务于业务的数据价值支撑平台。对于数据中台的设计，数据团队需要和业务团队进行充分、广泛的沟通和对齐，除了需要熟悉现阶段业务的需求和痛点，还必须全面评估业务发展的前瞻性数据化需求，做到让数据中台和业务中台全面融合，从而有效地支撑业务的数据化和智能化发展诉求。

另外，要想建设数据中台，还必须全面研究客户的价值，尽可能给客户提供最大的价值、最便捷的服务体验、最敏捷的动态需求响应，要以客户为中心，构建客户统一ID、统一视图和标签体系，打造一系列与客户相关的数据智能服务（比如，偏好分析、价格敏感度分析、风险分析、产品精准推荐、精准定价、客户价值分析、客户生命周期分析等服务），满足业务中台的动态的业务需求。

一个业务化的数据中台，距离业务更近，能更好地倾听业务的声音和诉求，可以及时应对和响应业务的需求。而业务会源源不断地给数据中台提供数据，让数据中台更精准、更实时地把握业务发展的脉搏，并及时给予智能的策略反馈。业务中台是对业务流程、知识的抽象和沉淀，而数据中台是从数据模型角度对业务知识的抽象、沉淀、积累和迭代。由于业务的灵活性和可变性，数据中台模型应该适时进行迭代。数据中台的终极目标是通过业务数据不断滋补，逐步实现自适应性和智能化迭代能力。

2.3.4 数据中台平台化

平台化意味着充分利用网络的协同效应将多个群体共性的需求抽象为共享的流程和功能，提供这些客户群统一对外的公共服务。比如，电商平台，连接多个买家和卖家，通过提供各种平台化的优质服务吸引并撮合这两个客户群体，让这两个客户群体足不出户就可以获得更极致的服务体验。平台化的内涵是连接、抽象、共享和高效。数据中台的平台化目标是实现数据中台和业务中台的互联互通，通过平台化的方式构建丰富和强大的数据服务能力。

实现数据中台平台化的好处如下。

1.“海纳百川，有容乃大”

数据中台可以基于客户的需求，连接并融合内外部各种数据能力，形成自己的服务能力，快速响应客户需求。

2.“共襄盛举”

数据中台和业务中台依托于数据和业务知识，通过共创实现“数据业务化，业务数据化”，以及数据能力的创新和迭代，以满足业务的个性化需求。

3.“事半功倍，卓有成效”

通过工具化和平台化的建设，数据中台连接更多的能力，大大提高了对外服务的效率。

2.3.5 数据中台服务化

数据中台服务化的内涵主要体现在以下两点。

（1）通过对数据能力进行抽象，逐步实现数据能力的模块化、可配置化、自动化和智能化组合，从而支持更复杂的业务需求。

（2）数据能力的服务化，将数据能力转化为系统服务，实现服务随时随地可以调用，且满足高可用性。

数据能力的抽象和可组合的意思是将数据能力抽象成原子化的数据能力，将原子化的数据能力组装成分子化的数据能力，并将其进一步组装成更加丰富的数据能力。比如，产品推荐服务这个复杂的数据服务由以下服务组成：数据汇聚服务、推荐算法服务和数据排序服务等。而推荐算法服务又由数据预处理服务、数据建模服务、增量学习服务、模型评估服务等组成。

数据能力的服务化意味着数据能力随时随地可调用，同时满足数据服务的稳定、高效和健壮。数据服务化的目标对数据中台的基础硬件设施、数据的处理效率、数据模型的设计、平台的计算能力、服务体系的架构和实现方式提出了新的要求与挑战。以风险管理服务为例，假设该数据服务的输出为客户的风险评分（0～100分）、客户的风险等级和触发的风险规则等信息。该服务的主要输入数据包含客户画像、客户实时的行为数据、客户历史逾期数据、客户关系数据、外部数据等。这些数据被存储在不同的数据系统中，比如数据仓库、核心数据库、列数据库、流数据库、图数据库等。另外，该服务的高可用性还需要依托于算法的运行效率、计算平台的能力和健壮性。该数据服务可能被业务中台中多个公共模块调用，比如客户评级、客户定价、客户授信、客户权益等。上述各个重要环节的性能都会影响使用该服务的客户体验。如果其中一个环节出现故障，那么整体的服务体验相当于“归零”。

因此，数据中台对外服务的效率、健壮性不仅与数据服务体系的架构和技术实现方式紧密相关，还与下游每个环节的性能息息相关。只有这些节点都满足高可用性和高健壮性，才能达到数据中台服务化的终极目标。