在人工智能、大數據等技術發展和企業數字化轉型加速的雙重驅動下，數據中臺在眾多賽道中脫穎而出，成為行業焦點。除了提供綜合解決方案的互聯網頭部企業之外，專注于某一具體場景的中臺服務商，以及轉型中的CRM、ERP等企業也紛紛入場，市場競爭愈發激烈。大眾對數據中臺、數據平臺、數據倉庫等概念的辨析和理解存在的偏差，一定程度上造成了對數據中臺概念的質疑和誤讀。經歷過“追捧”和“質疑”等種種考驗后，當前數據中臺已經走到驗證其價值的關鍵路口。

數通暢聯成立七年來一直致力于提供開放、敏捷的集成產品和解決方案，目前也推出了K8S云管理平臺全面助力數據中臺，強勢參與到這場如火如荼的“上云之戰”。SOA數據中臺治理方案能幫助企業連接不同的系統，允許部署和維護集成流，改善企業內部數據和應用程序之間的連接和協同，降低成本并提高使用速度，實現企業業務集成和數據集成，讓集成更敏捷、讓客戶使用更便捷。本文將從數據中臺的“集”、“存”、“通”、“用”、“治”用途的角度深剖析中臺。

 

數據治理訴求

數據中臺建設體現了數據治理的訴求，二者息息相關，相互促進與補充。企業只有構建和落地了完整的數據治理體系與機制，才能保障數據中臺有效、快速解決數據類問題；同樣數據中臺的建設與應用，也會促進企業關注數據價值，注重積累高質量的數據，并通過數據應用驅動數據治理體系的健壯與完善。

 

1.管理的要求

隨著企業規模的不斷擴大和企業信息化建設的不斷深入，企業內的信息系統應用越來越多，數據量高速膨脹，這些海量的、分散在不同角落的數據導致了數據資源利用的復雜性和管理的困難。同時，企業內部的業務區分或行政分化也在不斷地制造著企業數據交互的斷層。這樣的趨勢使得企業管理者對業務系統中的業務連貫性和數據的完整性予以了前所未有的關注，對核心業務實體的跨業務協同共享產生了具體的要求。

2.監控的要求

隨著社會信息化進程的迅速推進，信息系統不單是實現風險評估、控制活動和內部監督的關鍵工具，更是企業內控體系的監控對象。數據治理保證了企業內數據的一致性、完整性和準確性，不僅能夠形成完整、統一的數據視圖，而且能夠真實地記錄變化歷史，為管理決策、風險的識別和控制提供了堅實可靠的數據基礎。

3.預測的要求

在過去，人們的決策主要是依賴 20% 的結構化數據，而大數據預測則可以利用另外 80% 的非結構化數據來做決策。大數據預測具有更多的數據維度，更快的數據頻度和更廣的數據寬度。與小數據時代相比，大數據預測的思維具有三大改變：實樣而非抽樣；預測效率而非精確；相關關系而非因果關系。

4.創新的要求

一切數據都是因為業務目標驅動而形成，產生于業務且又服務于業務。通過數據中臺的松耦合數據服務可帶來業務的復用，即便業務場景不一樣，但很多的基礎數據模型及算法可以被重復使用服務。經過清晰的沉淀、算法可以通過重新編排、組合，成為服務接口相應業務的基本需求。由于具備快速創新編排、組合數據服務的能力，企業可以以較小的成本投入來構建的系統中前所未有的，容許快速試錯，這符合數據治理的創新要求。

數據中臺分析

1.體系架構

 

數據中臺把數據統一之后，會形成標準數據，再進行存儲，形成大數據資產層，進而為客戶提供高效服務。支持海量數據的存儲、計算、產品化包裝過程，為前臺基于數據的定制化創新及為業務中臺基于數據反饋的持續演進提供強大支撐。數據中臺可以解決數據孤島、數據資產流失、數據服務能力不足、數據價值低的問題，最終使數據能夠賦能業務場景、產生業務價值。

2.數據架構

 

企業服務總線將分散在企業各應用中的業務功能包裝成標準的業務服務組件，如：ERP系統、倉庫管理系統、采購管理系統、質量管理系統、財務管理系統等，通過總線提供的通信協議轉換和智能路由，屏蔽企業底層技術架構間的異構性，為用戶提供一個統一、標準的應用功能調用框架，將企業的多個隔離業務系統之間形成完全的松耦合關系，也可將網狀的應用系統之間的依賴關系扁平化，極大提高應用的可移植性、可擴展性和可靠性。

3.集成架構

 

數據中臺整個架構設計完全遵循SOA（面向服務架構）架構思想，以服務為手段將各種業務需求抽象成粒度不同的服務。在架構中，搭建統一的辦公平臺，具有對軟件全生命周期的能力，從設計、到開發、到測試、到部署、到運維。通過開發平臺開發各種服務，或者將購置的標準軟件系統進行服務化，所有的服務都在架構中的服務注冊庫中進行注冊，并對服務的全生命周期進行管理。各種應用之間，通過企業服務總線進行通信和消息傳輸，實現流程與流程的集成。整個架構基于企業服務總線，通過統一的對外接入服務與外部系統進行集成，實現信息的互聯互通。

4.功能架構

 

企業構建數據中臺時，要站在整體業務層面，從全局角度出發，基于底層信息化系統滿足業務管理需求，數據中心主要通過數據技術，貫穿于業務與信息化系統之間，完成企業業務數據的采集、計算、存儲、加工，過程中制定統一編碼體系、數據標準和規范，將數據變為核心能力，為大數據管控平臺實現及業務處理、場景創新、風險管控、決策反饋持續演進提供強大支撐。數據中臺建設部分主要由主數據管理、數據集成服務管理、數據分析展現構成。通過數據分析結合主數據、大數據等技術，發揮數據集成、數據處理、數據存儲、數據倉庫、數據服務、數據展現能力。

數據中臺的集

數據源越來越多、越來越復雜，除了傳統的應用系統以外，互聯網的興起形成了更為廣泛的外部渠道。客戶大多已不滿足于原本封閉的數據來源，選擇打開門戶迎接大數據時代，以實現數據的共通共榮。面對如此復雜的數據源，如何有條理地對數據進行選擇、采集，已成為數據中臺面臨的第一大難題。

1.收集的內容

主要根據需要分析的主題來對應收集相關的數據，為數據分析提供依據，數據分析的來源具有很多種，包括公司內部的系統數據、手工數據、公司外部的產業上下游數據、國計民生、社交數據等，根據不同的數據來源需要采用對應的采集工具及手段，保證分析數據的可用性、全面性。

 

• 系統數據收集

對于企業內部各系統中已經存在的數據，可以直接通過ESB數據總線在數據分析過程中與對應的系統對接，將現有分析的數據注冊為數據源，根據分析模型的需要配置、拉取、計算、轉換，實現分析模型的數據支撐。

• 線下數據收集

每個企業信息化建設程度不同，不是所有產生的業務數據均為系統提供，很多時候線下手工數據也是數據分析的數據源之一，通常采用DRP數據填報系統作為管理數據錄入的重要工具，通過填報系統快速配置數據填報表單，實現數據的填寫、修改，查看。

• 外部數據收集

外部數據也是數據分析中重要的數據源，例如互聯網數據、市場調研數據、國計民生數據等，可以通過爬蟲、網絡抓取、平臺合作或購買數據等方式獲取行業、產業等外部渠道的數據，與企業自身進行對標比較，掌握行業的大方向的動態數據。

2.收集的模式

 

在數據中臺收集數據的過程中，ESB應用集成平臺負責實現異構、分布式系統之間互聯互通，實現服務API治理以及數據傳輸交換。通過ESB預置的各種適配器組件，連接現有各孤立應用系統，以圖形化、拖拽方式構建集成流程和服務，提高應用系統集成工作效率，降低異構系統集成風險。針對未來可能出現的業務需求變更，在應用集成平臺上進行動態調整，實現各應用系統之間的集成策略平滑升級。

3.收集的過程

• 通過ETL進行數據收集

ETL是將業務系統的數據經過抽取、清洗轉換之后加載到數據倉庫的過程，目的是將企業中的分散、零亂、標準不統一的數據整合到一起，為企業的決策提供分析依據，ETL是BI項目重要的一個環節。

• 通過ESB進行數據收集

ESB作為數據交換平臺，支持應用間批量數據交換和數據庫間的數據交互，包括數據的抽取、轉換和導入操作。數據使用系統不需要向不同的業務系統請求主數據的獲取、同步，只需要通過ESB進行數據分發、下發等操作即可獲取這些數據，幫助企業完成數據整合和數據中臺建設。

數據中臺的存

數據收集之后要更好地為企業所用，就必須在數據中臺中進行數據存儲。但是，隨著社會的發展，一切產品的智能化、數字化、數字量正以前所未有的速度迅速擴張。如果沒有完善的預處理系統或存儲方案，那么這些數據的堆砌采集是沒有任何意義的。所以只有加強這方面的重視，才能更好將數據變成資產。

1.存儲的方式

根據存儲部分通過建立數據倉庫，在數據分析與決策支持等方面為用戶或機器學習提供服務，將采集及處理后生成的數據集持久化到計算機中，然而這里的數據倉庫技術并不是傳統BI商業智能所用到的簡單的關系型數據庫，而是可以支持大數據量、高實時性的數據分析場景。

項目中對于數據存儲部分會采用高性能、高吞吐率、大容量的基礎設備來提供及時性或近及時性的數據供于分析，對于簡單的結構化數據，一般采用關系數據庫，對于半結構化和非結構化的數據，則會根據實際場景使用Hadoop、列存儲數據庫Cassandra、文檔數據庫MongoDB、圖數據庫Neo4j、K/V存儲redis等。

 

2.存儲的過程

 

從各個業務系統中進行數據源的采集，將數據存儲到ODS中，基于ODS創建數倉，支持關系型數據庫和大數據存儲兩種形式存儲，通過元數據管理對數倉數據進行分類管理。

使用數據建模模塊創建數據之間的關系數據模型，在使用數據調動進行手動或者定時地調用ETL或者ESB來進行數據的獲取，通過數據調度對參數進行配置并對其調動情況進行監控，數據在分析建模功能中進行數據分析模型的配置、分組等管理，展現配置中預置頁面框架及多種組件（圖表、表格、列表、查詢、地圖等組件），對挖掘數據統一配置、建模，最終以圖形化、圖表化的等多樣形式將數據展現出來。

3.存儲的結果

數據和數據之間天然存在著顯性和隱性的關系，大數據的極致魅力在于通過這些關系的是識別和挖掘，創造前所未有的應用場景，帶來預想不到的巨大價值。而要實現這一切，首先需要將數據進行物理層面的匯聚，讓有價值的信息自動、快速地整合到統一的存儲空間，為后續的數據開發、數據分析打好堅實的基礎。

數據中臺的通

信息化系統的集成正逐步實現更為廣泛的連接，萬物互聯將是未來集成整合的發展趨勢。企業內部各個系統間進行集成，對數據進行治理，實現數據的同步和分發，實現信息共享。同時企業內部與外部、線上與線下的集成，能夠打通業務邊界，實現生態化。

 

1.連通的模式

從連通模式來看，當前的云平臺基于K8S建設，容器化、多租戶、微服務、DevOPS、持續交付等技術，可幫助企業快速、敏捷、靈活、高效、安全地交付業務軟件。容器化是部署微服務的完美工具，在單個虛擬機上能通過容器化充分利用物力資源；微服務通過將功能模塊分解到各個獨立的子系統中實現解耦，將整個系統進行拆分，拆分成更小的粒度，保持這些服務獨立運行；DevOPS能夠快速、頻繁且更安全地構建、測試和發布軟件，為云原生提供持續交付能力。

2.連通的過程

通過主數據管理進行企業內部統一數據標準，為主數據標準化提供一個統一的集中式管理平臺，為所有信息交互和數據交換集成提供統一的編碼數據。之后實現主數據的清洗、提取、審查、發布、分發、變更等管理，保證數據質量管控。在主數據治理的過程中，企業服務總線作為輔助工具，完成數據的同步與分發。

數據集成與共享部分，通過服務總線或ETL工具實現各業務系統之間的數據交換與集成。上述操作完成后，以成果為基礎，通過主數據標準化管理精確地實現歷史數據治理，為數據決策分析奠定基礎。

構建數據分析平臺、數據倉庫，通過元數據管理、數據建模、數據調度、分析建模、展現配置等功能分析掌握企業銷售、經營、財務、成本、計劃、人力等運營情況，為經營管理、績效管理、風險管控等工作提供數據支撐。整體上幫助企業治理數據，梳理業務流程，提供戰略支撐，為后續信息化建設奠定數據基礎。

 

3.連通的結果

隨著互聯網的發展，企業所要求的業務連通不僅局限于傳統形式下的內部之間的業務集成整合，還包括對外供應商、經銷商、客戶，企業涉及的行業、產業上下游之間的溝通協作。業務之間的聯動是企業各層級統一存在的需求，只有從最基礎的數據開始，打好底層基礎，之后到系統之間的信息功能整合，屏蔽邊界，最后實現整體業務流程的聯動，才能避免信息孤島的產生，真正實現企業內部信息的互聯互通。

數據中臺的用

數據中臺建設是一個綜合性的系統工程，它本身并不能直接產生業務價值，數據中臺的本質是支撐快速孵化數據應用，用技術連接大數據計算儲存能力，用業務連接數據應用場景能力的平臺。

1.使用的場景

• 分析配置

分析配置主要對數據分析整體布局的樣式進行配置，包括導航配置、菜單配置、頁面配置等，通過導航菜單配置對應的導航，每個導航能夠通過選擇主題、配置整體的布局樣式，滿足領導層級與各部門層級的不同的分析需求；通過頁面配置對主題進行管理，包括分析頁面整體樣式、頁面大小、展現方式、背景顏色等，同時可以支持移動端自適應顯示，配置后將計算匯總的結果用圖形化或表格形式展現。

• 數據服務

數據中臺最重要的不是中臺而是數據，但“純粹”的源數據嚴格來說也不是數據中臺的一部分，需要將其加工、處理、標準化形成數據服務和數據產品。數據中臺提供多樣的數據服務方式，將數據提供給數據應用方使用；數據中臺提供定制化模板服務，數據以約定的格式或復雜加工后，提供數據應用放使用；提供數據管理、項目管理、開發管理、運營管理等支撐能力，為數據中臺的持續化數據服務保駕護航。

• 計算分析

數據計算即對數據進行處理分析，包括對相關數據集的數據進行排序、歸集，執行機器學習算法、實時流處理、分析預測等。在項目中需要根據用戶具體的業務需求選擇適合的算法，常見的算法包括回歸、分類、聚類、關聯規則挖掘、時間序列、描述性統計、神經網絡等，用于實現對企業內外部數據的深度挖掘、特征提取、行為分析、軌跡預測等。

• 可視化展現

通過多維分析技術實現多維度、多角度、全方位的實時在線分析，包括數據的切片、切塊、聚合、鉆取、行列轉置、鉆取聯動、層層穿透等多種分析樣式，幫助管理者全局性掌握公司運營現狀。在數據的配置及交互方面針對用戶操作方式，模擬用戶分析習慣，提供針對性的交互服務。數據展現部分提供多樣化、豐富化的展現方式，包括但不限于餅圖、柱狀圖、折線圖、氣泡圖、面積圖、省份地圖、詞云、瀑布圖、漏斗圖等酷炫圖表。

2. 使用的方式

一方面，數據中臺可以在云廠商提供的運行機制和基礎架構之上，支撐企業營銷業務應用的標準化及快速定制化，同時為企業提供數據采集、清洗、管理和分析能力，實現數據精細化經營。數據中臺可以將企業內外割裂的數據進行匯聚、治理、建模加工、消除數據孤島，實現數據資產化，為企業提供客戶立體畫像、商品智能推薦、業務員實時監控，助力企業實現數據驅動業務。

另一方面，數據中臺不僅可以將原本不同系統相同功能的服務聚合起來，統一標準、統一規范、統一出口，實現業務的整合，還可以通過服務的聚合實現資源與能力共享，支撐新應用與新業務的快速開發與迭代，以滿足快速變化的用戶需求。

3.使用的規范

• 信息采集規范

數據總線平臺的建設與應用并非是不關注業務，數據的隨意流通。數據交換需要規范業務系統間交換的屬性。信息采集規范就是指規范業務系統數據采集交換的方式、頻率、加工策略等規范。例如：哪些業務系統的哪些數據要實現實時交換、哪些是觸發交換；采集的數據是全量、增量還是根據某些條件進行交換；是通過數據庫采集、文件采集還是服務獲取等。

• 數據內容規范

數據內容規范指數據交換過程中數據清洗、轉換的標準。要制定重復數據的基準、數據轉換的基準、清洗的規則、共享的方式。例如:不同單位的業務系統可能存在對某段同樣語義的描述信息，但是因業務系統開發商不同導致其信息存儲的格式和內容會有區別，在其他業務系統需要這條數據的時候，此數據應該從哪個業務系統獲取，或者是獲取出來進行比對、分析、處理之后再交換到其他業務系統。

• 數據維護規范

數據交換的需求可能是多種多樣，包括臨時的需求和長期的需求。長期需求可能是建立綜合數據庫、數據中心或是把A系統業務庫中的數據長期交換到B系統的業務庫中，因此需要制定數據維護的標準，定義不同系統的不同業務數據采用數據維護的方式。

數據中臺的治

為了凸顯數據中臺的價值，需對數據中臺的數據進行綜合治理，構建標準化、流程化、規范化、一體化的數據治理體系，確保數據架構規劃合理，數據質量良好、數據可管控、數據知識可傳承。有效數據治理可以確保企業數據全面一致可信，從而全面提升數據中臺數據資產的價值。

1.治理的作用

數據為企業的重要資產，隨著企業信息化進程的推進，企業系統間的數據不能有效地交換與共享，影響數據的實時性、一致性和準確性，形成了數據孤島。對于企業來說，有價值的數據不僅是各獨立系統產生的數據，而是系統之間整合共享所得出的數據，數據孤島的出現阻礙了這些數據的整合與共享。通過數據中臺治理企業數據，梳理業務流程，可以打破數據孤島，為企業發展提供戰略支撐，為后續信息化建設奠定數據基礎。

2.治理的內容

• 元數據管理

將數據資產用清晰直觀的方式進行呈現，讓數據資產真正被讀懂、能利用，通過血緣分析和影響性分析，可以直觀地了解到數據的來源、數據之間的關系、數據流向、數據被引用次數等重要信息，便于用戶直觀地把握數據資產狀況。

• 數據標準管理

根據標準建設提供全面完整的數據標準管理流程及辦法，用于決定和建立單一、準確、權威的事實來源，實現數據中臺數據的完整性、有效性、一致性、規范性、開放性和共享性管理，并為數據質量檢查、數據安全管理提供標準依據。

• 數據質量管理

數據質量管理以數據標準為數據檢核依據，以元數據為數據檢核對象，通過向導化、可視化等簡易操作手段，將質量評估、質量檢核、質量整改與質量報告等工作環節進行流程整合，形成完整的數據質量管理閉環。

• 主數據管理

主數據管理對需要共享的數據建立統一視圖和集中管理，為各業務系統數據調用提供黃金數據。

• 數據安全管理

數據安全管理貫穿于數據治理全過程，提供對隱私數據的加密、脫敏、模糊化處理、數據庫授權監控等多種數據安全管理措施，全方位保障數據的安全運作。

• 數據生命周期管理

數據生命周期記錄數據從創建和初始存儲，到它過時被刪除的整個流動過程，對數據進行近線歸檔、離線歸檔、銷毀和全生命周期監控。

3.治理的規范

• 制定統一數據標準與規范

通常在主數據管理項目中，典型的編碼規則如下，以供應商為例：

（1）編碼組成

供應商編碼采用大寫字母S（代表含義：供應商英文Supplier首字母）+9位無含義數字流水編碼。

（2）編碼說明

供應商編碼由S+9位定長無含義流水碼組成，編碼順序遞增。

（3）編碼結構及表示法

供應商編碼結構為：

 

編碼結構及表示法：

 

• 編制統一信息代碼

按照數據標準和規范，對現有數據進行梳理和清理，基于前期對業務梳理與分析，規劃設計一套基于統一編碼的企業主數據管理模型，形成規范的數據代碼庫，以提高數據的共享性和唯一性，以供應商為例，具體規范如下：

 

4.治理的實踐

• 業務配合，循序漸進

主數據管理項目具備行業性，相比普通IT治理集成類項目來說，不是實施方單方面就可以解決的項目，阻力風險都更大一些，必須以業務需求作為驅動，真正決定或推動主數據管理項目成功的是業務人員，而不是IT人員，項目中需要多讓業務部門人員參與，了解企業的組織架構、業務流程，摸清企業主數據運用現狀，實施方對客戶業務特征、經營模式、業務流程的熟悉程度等。

• 標桿打造，加重理解

項目實施過程中要注重標桿客戶打造。在實施過程中將一些典型的、常用的、標準的功能打造成樣例，預置在產品及融入整體解決方案中，一方面為其它相同行業、相似場景企業做為參考樣例使其更加理解項目的同時，加強對項目的重視和配合；另一方面預置的功能和熟悉的方案有效增加項目實施成功率及保障項目進度。

• 業務梳理，出具規范

實施前對業務的梳理十分重要，實施方要求具備深厚的行業知識和相關行業項目的交付經驗，掌握行業特征、經營模式、運營管理流程，可以快速切入業務，并幫助客戶的各部門進行有效的業務梳理，起到指導性作用。無論對于項目最初的調研、實施中的開發、上線前的聯測，都需要有輸出，出具相關標準規范，如：主數據治理標準規范、主數據清洗標準規范、系統開發規范、平臺測試規范等。標準規范要經過嚴格評審把關，做到可落地，可實施。

• 產品結合，方案合理

有效的解決方案一定是根據企業自身業務情況來進行產品的組合拆分打造出來的，通常數據中臺治理方案與ESB企業服務總線產品結合進行，MDM負責數據治理工作，ESB負責數據同步分發工作。數通暢聯在任何項目方案的選擇上，都會遵守方案合理規劃、產品最優組合的模式，在企業信息化能力或業務需求沒有達到構建標準的基礎上，將合理利用企業現有資源，避免造成資源不必要的浪費。

• 整體規劃，逐步上線

對于項目的實施需要按照整體規劃、先易后難、逐步上線這幾個步驟開展，首先根據項目進行多輪深入調研，了解各部門之間的協作關系、業務流程、數據共用情況，對業務進行梳理，過程中發現及反推業務中存在的問題并明確，基于調研梳理情況進行項目整體架構的規劃，包括業務架構、系統架構、數據架構等，根據企業現有情況進行分步實施。之后功能實現先易后難，重點加強難點的攻克，過程中保證部分功能快速上線，用戶穩定使用的同時，后續功能全部采用灰度升級，推進項目順利驗收。

• 切合實際，正視沖突

始終以務實的態度實施交付，意在從整體IT架構層面真正解決企業內部數據混亂、重復、不完整等問題，治理成果可以被復用，為后續信息化建設平滑接入奠定良好的基礎，而不是限于表面工程，中看不中用。除此之外，項目中不可避免與各部門人員、企業信息部、應用系統廠商進行業務交互、梳理，而部門間的不配合、系統廠商間的相互推諉、信息部的理解不到位很容易發生扯皮沖突的情況，勇于正視這種情況，很多時候這種情況也是推進項目，有效解決問題，沉淀經驗教訓的一種手段。

數據中臺延展

1.數據的延展

隨著數據中臺建設進程的深入，大數據分析給傳統數據分析和處理技術帶來了很多挑戰。云計算和開源技術的發展推動了大數據落地，分布式存儲、非關系型數據庫和并行處理技術逐步成為大數據應用實施過程中的關鍵技術。大數據可以對采集到的所有海量數據進行分析，分析用的數據有由采樣數據擴展至全部數據；其次，分析用的數據源從傳統單一領域的數據擴展到跨領域的數據，大數據可以將不同領域的數據組合后進行分析；再次，大數據基于有關關系的數據源相同可以分析預測出正確的結果。

2.連接的延展

中國經濟發展已進入以“中高速、優結構、新動力、多挑戰”為特點的新常態。“產業規模第一，門類最為齊全”既是中國工業的優勢，也是全球面臨的資源問題在中國更為嚴峻，走新型工業化道路的需求也更為迫切。數據中臺的風靡加速了各行業各領域的融合并向工業互聯網轉變。推動互聯網與工業的融合創新，形成多重優勢疊加，驅動工業數字化、網絡化、智能化發展，讓物聯網產業迎來加速發展契機。

3.智慧的延展

隨著數字經濟熱度攀升，各行各業積極把握時代機遇，大力推動新基建、大數據中心建設，加快推進各產業的數字化進程。數據中臺不僅能挖掘數據價值為目標，而且能以開放的形式集合多廠商智慧，將勢能轉化為動能，形成驅動力，全面應用于新型智慧城市、公共安全、社會治理、數字政府、城市大腦、智慧交通等領域。數據中臺的快速落地應用，能全面提升立體化治安防控體系建設及精細化社會治理水平，支撐服務國家治理體系及能力現代化升級。

在市場紅利逐步放緩的前提下，數據中臺將最終成為企業苦練內功過程中的抓手。而進入穩定期的企業往往到了該拼精細運營的時候了，所以大家都將希望寄于數據中臺技術，來幫助企業最大化內部能力復用，從而實現高效的運作以及成本的壓縮。

但是從布局到實踐，數據中臺雖然經歷了疫情時市場的空白期，可是未必所有的企業在未來幾年中都能夠依靠數據中臺來拼精細化運營，其中的步驟、實際情況也可能不適用于每個企業的所有階段。因此，適合自身業務架構和組織架構，以及隨之構建的技術架構才是最適合企業成長的架構，面對數據中臺也不能一窩蜂地追捧，需要冷靜對待，將之化整為零，從中選取部分的需求。

本文由@數通暢聯原創，歡迎轉發，僅供學習交流使用，引用請注明出處！謝謝~