數(shù)據(jù)中臺(tái)的演進(jìn)可以分為四個(gè)階段，分別是：數(shù)據(jù)庫(kù)階段；數(shù)據(jù)倉(cāng)庫(kù)階段；數(shù)據(jù)平臺(tái)階段；數(shù)據(jù)中臺(tái)階段。筆者將具體介紹這四個(gè)階段的數(shù)據(jù)化特點(diǎn)以及發(fā)展歷程。
2009年，阿里云開(kāi)啟了中國(guó)的云時(shí)代。
十年市場(chǎng)教育，中國(guó)的公有云市場(chǎng)也已經(jīng)從無(wú)到有，邁過(guò)了300億元大關(guān)，預(yù)計(jì)到2021年更是能達(dá)到900億元的規(guī)模。
「數(shù)據(jù)中臺(tái)」已經(jīng)從一個(gè)技術(shù)詞匯，慢慢轉(zhuǎn)變成為企業(yè)界的共識(shí)：如果想要在信息商業(yè)中擁有一席之地，就必須要借助云計(jì)算和數(shù)據(jù)的力量，完成企業(yè)的數(shù)字化轉(zhuǎn)型。
只是，數(shù)據(jù)到底在轉(zhuǎn)型中扮演什么樣的角色，要如何利用好數(shù)據(jù)，數(shù)據(jù)上云后如何支持業(yè)務(wù)，企業(yè)需要哪些核心能力？這些問(wèn)題，對(duì)于大多數(shù)的非技術(shù)業(yè)者而言，仍然是知其然不知其所以然。
一般而言，「數(shù)據(jù)上云」更多強(qiáng)調(diào)的是數(shù)據(jù)的存儲(chǔ)和計(jì)算，而要讓數(shù)據(jù)能夠賦能業(yè)務(wù)，則更需要「數(shù)據(jù)中臺(tái)」來(lái)進(jìn)行數(shù)據(jù)處理，進(jìn)而支持業(yè)務(wù)決策和優(yōu)化運(yùn)營(yíng)。
這是「數(shù)據(jù)中臺(tái)」和「數(shù)據(jù)上云」最大的不同。
一、數(shù)據(jù)中臺(tái)最終要幫助企業(yè)降本增效
作為數(shù)據(jù)業(yè)務(wù)領(lǐng)域的先行者，阿里云總裁張建鋒，在最新的演講中，把數(shù)據(jù)智能作為數(shù)據(jù)處理的核心能力：
「今天處理數(shù)據(jù)絕大部分都不是單純靠算力，算力是基礎(chǔ)，而主要是靠上面的智能化的算法，算法跟各行各業(yè)的業(yè)務(wù)有密切相關(guān)，所以阿里巴巴通過(guò)與各行各業(yè)合作，沉淀了一個(gè)完整的智能化平臺(tái)。我們認(rèn)為在基礎(chǔ)設(shè)施的云化、核心技術(shù)的互聯(lián)網(wǎng)化以及在之上疊加大數(shù)據(jù)+智能化的平臺(tái)和能力，完整地組成了阿里云智能的整體能力框架。這是我們核心的能力?！?/span>
這里面?zhèn)鬟_(dá)出了幾個(gè)核心信息：
云計(jì)算為數(shù)據(jù)智能提供了基礎(chǔ)算力；行業(yè)（經(jīng)驗(yàn)轉(zhuǎn)化而來(lái)的）算法是智能處理數(shù)據(jù)的主要工具；數(shù)據(jù)+智能的平臺(tái)和能力，前提是基礎(chǔ)設(shè)施的云化和核心技術(shù)的互聯(lián)網(wǎng)化。這是阿里云所認(rèn)為的數(shù)據(jù)處理的能力框架，而在目前的市場(chǎng)上，我們通常把這種能力框架稱為「數(shù)據(jù)中臺(tái)」。
輿論往往會(huì)更強(qiáng)調(diào)技術(shù)的作用，強(qiáng)調(diào)技術(shù)對(duì)業(yè)務(wù)的推動(dòng)作用，但事實(shí)上，在商業(yè)領(lǐng)域，更多的時(shí)候，技術(shù)發(fā)展都是跟著業(yè)務(wù)走，技術(shù)的發(fā)展常常來(lái)自于業(yè)務(wù)需求和業(yè)務(wù)場(chǎng)景的倒逼。
例如，隨著越來(lái)越多的企業(yè)把業(yè)務(wù)流程上云，日益增長(zhǎng)的數(shù)據(jù)存儲(chǔ)和仍然稀缺的數(shù)據(jù)應(yīng)用就成為了企業(yè)的主要矛盾之一，而且這種矛盾不是一天就能夠解決，需要從業(yè)務(wù)、技術(shù)、組織幾個(gè)不同的領(lǐng)域一起來(lái)探尋數(shù)據(jù)的解決方案。
簡(jiǎn)單來(lái)說(shuō)，「數(shù)據(jù)中臺(tái)」就是這一系列解決方案的基礎(chǔ)設(shè)施。
數(shù)據(jù)中臺(tái)不是一套軟件系統(tǒng)，也不是一個(gè)標(biāo)準(zhǔn)化產(chǎn)品，站在企業(yè)的角度上，數(shù)據(jù)中臺(tái)更多地指向企業(yè)的業(yè)務(wù)目標(biāo)，也即幫助企業(yè)沉淀業(yè)務(wù)能力，提升業(yè)務(wù)效率，最終完成數(shù)字化轉(zhuǎn)型。
直白點(diǎn)說(shuō)，中臺(tái)只講技術(shù)，不講業(yè)務(wù)，都是大忽悠。
這么多年來(lái)，互聯(lián)網(wǎng)的發(fā)展都建立在更低成本、更高效率的連接之上，線下也一定會(huì)復(fù)制線上的發(fā)展邏輯，用更多連接帶來(lái)更多的數(shù)據(jù)。
比如，通過(guò)攝像頭，我們就可以低成本建立顧客的Face ID檔案，從而豐富人和店鋪的關(guān)系數(shù)據(jù)，店鋪進(jìn)而可以根據(jù)數(shù)據(jù)分析結(jié)果，給顧客提供更有針對(duì)性的服務(wù)項(xiàng)目。
更多連接，更低成本，更高效率——所有跟流通相關(guān)的線下生意，數(shù)據(jù)中臺(tái)的意義就在于降本增效，別無(wú)其他。
二、數(shù)據(jù)中臺(tái)發(fā)展經(jīng)歷了四個(gè)階段
在數(shù)據(jù)史上，2015年是一個(gè)重要的關(guān)口：2015年全年產(chǎn)生的數(shù)據(jù)量等于歷史上所有人類產(chǎn)生數(shù)據(jù)的總和，這是數(shù)據(jù)從乘數(shù)型增長(zhǎng)全面轉(zhuǎn)向了指數(shù)型增長(zhǎng)的方向標(biāo)，海量數(shù)據(jù)處理成為全人類的挑戰(zhàn)；
同一時(shí)間，阿里巴巴向外發(fā)布了DT時(shí)代的提法，用Data Technology（DT，數(shù)據(jù)技術(shù)）替代了Information Technology（IT，信息科技），強(qiáng)調(diào)數(shù)據(jù)技術(shù)將成為未來(lái)商業(yè)的驅(qū)動(dòng)力。
一個(gè)標(biāo)志性的事件是：阿里巴巴用幾百人的運(yùn)營(yíng)團(tuán)隊(duì)支撐了幾萬(wàn)億的GMV，其中60%-70%來(lái)源于數(shù)據(jù)支持的機(jī)器決策，機(jī)器智能賦能業(yè)務(wù)，用更低的成本、更高的效率去服務(wù)顧客，提供千人干面的個(gè)性化體驗(yàn)。
未來(lái)學(xué)家認(rèn)為，機(jī)器智能最終會(huì)超越人的智慧，而這兩者的臨界點(diǎn)就被稱為「奇點(diǎn)」。從這點(diǎn)來(lái)說(shuō)，我們可以認(rèn)為，阿里巴巴已經(jīng)跨越了奇點(diǎn)，真正成為一家數(shù)據(jù)公司。
下面我們從數(shù)據(jù)的角度來(lái)梳理下這個(gè)過(guò)程。
阿里巴巴的數(shù)據(jù)處理經(jīng)歷了四個(gè)階段，分別是：
數(shù)據(jù)庫(kù)階段，主要是OLTP（聯(lián)機(jī)事務(wù)處理）的需求；數(shù)據(jù)倉(cāng)庫(kù)階段，OLAP（聯(lián)機(jī)分析處理）成為主要需求；數(shù)據(jù)平臺(tái)階段，主要解決BI和報(bào)表需求的技術(shù)問(wèn)題；數(shù)據(jù)中臺(tái)階段，通過(guò)系統(tǒng)來(lái)對(duì)接OLTP（事務(wù)處理）和OLAP（報(bào)表分析）的需求，強(qiáng)調(diào)數(shù)據(jù)業(yè)務(wù)化的能力。
（數(shù)據(jù)中臺(tái)演進(jìn)的四個(gè)階段）
第一個(gè)階段-數(shù)據(jù)庫(kù)階段
淘寶還只是一個(gè)簡(jiǎn)單的網(wǎng)站，淘寶的整個(gè)結(jié)構(gòu)就是前端的一些頁(yè)面，加上后端的DB（DataBase，數(shù)據(jù)庫(kù)），只是個(gè)簡(jiǎn)單的OLTP系統(tǒng)，主要就是交易的事務(wù)處理。
這個(gè)階段，互聯(lián)網(wǎng)黃頁(yè)才剛剛出現(xiàn)，數(shù)據(jù)來(lái)源大部分還是傳統(tǒng)商業(yè)的ERP/CRM的結(jié)構(gòu)化數(shù)據(jù)，數(shù)據(jù)量并不大，也就是GB的級(jí)別。簡(jiǎn)單的DB就能滿足需求。
這里要說(shuō)明的是，OLTP的交易場(chǎng)景和OLAP的分析場(chǎng)景區(qū)別在于：前者強(qiáng)調(diào)高并發(fā)、單條數(shù)據(jù)簡(jiǎn)單提取和展示（增刪改查）；后者對(duì)并發(fā)的要求不高，但是需要打通不同的數(shù)據(jù)庫(kù)，比如ERP、CRM、行為數(shù)據(jù)等等，并且能夠進(jìn)行批量的數(shù)據(jù)處理，也就是通常說(shuō)的低并發(fā)，大批量（批處理）、面向分析（query+計(jì)算，用于制作報(bào)表）。
隨著淘寶用戶超過(guò)100萬(wàn)，分析需求的比重就越來(lái)越大。淘寶需要知道它的交易來(lái)自于哪些地區(qū)，來(lái)自于哪些人，誰(shuí)在買(mǎi)淘寶的東西等等，于是，就進(jìn)入了數(shù)據(jù)處理的第二個(gè)階段。
第二個(gè)階段-數(shù)據(jù)倉(cāng)庫(kù)階段
正如前文所述，OLTP和OLAP對(duì)數(shù)據(jù)存儲(chǔ)和計(jì)算的需求非常不一樣，前者處理的是結(jié)構(gòu)化的交易數(shù)據(jù)，而OLAP對(duì)應(yīng)的是互聯(lián)網(wǎng)數(shù)據(jù)，而互聯(lián)網(wǎng)里面數(shù)據(jù)量最大的是網(wǎng)頁(yè)日志，90%以上的數(shù)據(jù)都是點(diǎn)擊（log）什么的非結(jié)構(gòu)化的數(shù)據(jù)，而且數(shù)據(jù)量已經(jīng)達(dá)到了TB的級(jí)別。
針對(duì)分析需求，就誕生了數(shù)據(jù)倉(cāng)庫(kù)（DW，DataWarehouse），我2004年加入阿里，用Oracle RAC搭建了阿里巴巴第一個(gè)DW，解決大量數(shù)據(jù)的存儲(chǔ)和計(jì)算需求，也就是去把非結(jié)構(gòu)化的數(shù)據(jù)轉(zhuǎn)化成結(jié)構(gòu)化數(shù)據(jù)，存儲(chǔ)下來(lái)。
這個(gè)階段，DW支持的主要就是BI和報(bào)表需求。
順帶提一下，數(shù)據(jù)庫(kù)（DB）這時(shí)也在從傳統(tǒng)DB轉(zhuǎn)向分布式DB。主要原因是以前交易穩(wěn)定，并發(fā)可控，傳統(tǒng)DB能滿足需求，但是后來(lái)隨著交易量的增長(zhǎng)，并發(fā)越來(lái)越不可控，對(duì)分布式DB的需求也就出來(lái)了。
隨著數(shù)據(jù)量越來(lái)越大，從TB進(jìn)入了PB級(jí)別，原來(lái)的技術(shù)架構(gòu)越來(lái)越不能支持海量數(shù)據(jù)處理，這時(shí)候就進(jìn)入了第三個(gè)階段。
第三個(gè)階段-數(shù)據(jù)平臺(tái)階段
這個(gè)階段解決的還是BI和報(bào)表需求，但是主要是在解決底層的技術(shù)問(wèn)題，也就是數(shù)據(jù)庫(kù)架構(gòu)設(shè)計(jì)的問(wèn)題。
這在數(shù)據(jù)庫(kù)技術(shù)領(lǐng)域被概括為「Shared Everything、Shared Nothing、或Shared Disk」，說(shuō)的就是數(shù)據(jù)庫(kù)架構(gòu)設(shè)計(jì)本身的不同技術(shù)思路之爭(zhēng)。
Shared Everything一般是針對(duì)單個(gè)主機(jī)，完全透明共享CPU/MEMORY/IO，并行處理能力是最差的，典型的代表SQLServer。
Shared Disk的代表是Oracle RAC，用戶訪問(wèn)RAC就像訪問(wèn)一個(gè)數(shù)據(jù)庫(kù)，但是這背后是一個(gè)集群，RAC來(lái)保證這個(gè)集群的數(shù)據(jù)一致性。
問(wèn)題在于Oracle RAC是基于IOE架構(gòu)的，所有數(shù)據(jù)用同一個(gè)EMC存儲(chǔ)。在海量數(shù)據(jù)處理上，IOE架構(gòu)有天然的限制，不適合未來(lái)的發(fā)展。
阿里巴巴的第一個(gè)數(shù)據(jù)倉(cāng)庫(kù)就是建立在Oracle RAC上，由于數(shù)據(jù)量增長(zhǎng)太快，所以很快就到達(dá)20個(gè)節(jié)點(diǎn)，當(dāng)時(shí)是全亞洲最大的Oracle RAC集群，但阿里巴巴早年算過(guò)一筆賬，如果仍然沿用IOE架構(gòu)，那么幾年后，阿里的預(yù)計(jì)營(yíng)收還遠(yuǎn)遠(yuǎn)趕不上服務(wù)器的支出費(fèi)用，就是說(shuō)如果不去IOE，阿里會(huì)破產(chǎn)。
Shared Nothing的代表就是Hadoop。Hadoop的各個(gè)處理單元都有自己私有的存儲(chǔ)單元和處理單元，各處理單元之間通過(guò)協(xié)議通信，并行處理和擴(kuò)展能力更好。中間有一個(gè)分布式調(diào)度系統(tǒng)，會(huì)把表從物理存儲(chǔ)上水平分割，分配給多臺(tái)服務(wù)器。
Hadoop的好處是要增加數(shù)據(jù)處理的能力和容量，只需要增加服務(wù)器就好，成本不高，在海量數(shù)據(jù)處理和大規(guī)模并行處理上有很大優(yōu)勢(shì)。
綜上，用一個(gè)關(guān)鍵詞來(lái)概括第三階段就是「去IOE」，建立Shared Nothing的海量數(shù)據(jù)處理平臺(tái)來(lái)解決數(shù)據(jù)存儲(chǔ)成本增長(zhǎng)過(guò)快的問(wèn)題。在阿里巴巴，前期是Hadoop，后期轉(zhuǎn)向自研的ODPS。
第四階段-數(shù)據(jù)中臺(tái)階段
這個(gè)階段的特征是數(shù)據(jù)量的指數(shù)級(jí)增長(zhǎng)，從PB邁向了EB級(jí)別，未來(lái)會(huì)到什么量級(jí)，我也說(shuō)不清楚。
主要是因?yàn)椋?015年之后，IOT（物聯(lián)網(wǎng)）發(fā)展起來(lái)，帶動(dòng)了視圖聲（視頻、圖像、聲音）數(shù)據(jù)的增長(zhǎng)，未來(lái)90%的數(shù)據(jù)可能都來(lái)自于視圖聲的非結(jié)構(gòu)化數(shù)據(jù)，這些數(shù)據(jù)需要視覺(jué)計(jì)算技術(shù)、圖像解析的引擎+視頻解析的引擎+音頻解析的引擎來(lái)轉(zhuǎn)換成結(jié)構(gòu)化數(shù)據(jù)。5G技術(shù)的發(fā)展，可能會(huì)進(jìn)一步放大視圖聲數(shù)據(jù)的重要性。
線下要想和線上一樣，通過(guò)數(shù)據(jù)來(lái)改善業(yè)務(wù)，就要和線上一樣能做到行為可監(jiān)測(cè)，數(shù)據(jù)可收集，這是前提。線下最大量的就是視圖聲數(shù)據(jù)，而這些數(shù)據(jù)靠人來(lái)手工收集，肯定是不靠譜的，依靠IOT技術(shù)和算法的進(jìn)步，最終會(huì)通過(guò)智能端來(lái)自動(dòng)化獲取數(shù)據(jù)。
要使用這些數(shù)據(jù)，光有視覺(jué)算法和智能端也不行，要有云來(lái)存儲(chǔ)和處理這些數(shù)據(jù)，以及打通其他領(lǐng)域的數(shù)據(jù)。
另一方面，從業(yè)務(wù)來(lái)看，數(shù)據(jù)也好，數(shù)據(jù)分析也好，最終都是要為業(yè)務(wù)服務(wù)的。也就是說(shuō)，要在系統(tǒng)層面能把OLAP和OLTP去做對(duì)接，這個(gè)對(duì)接不能靠人來(lái)完成，要靠智能算法。
目前的數(shù)據(jù)中臺(tái)，最底下的數(shù)據(jù)平臺(tái)還是偏技術(shù)的，是中臺(tái)技術(shù)方案的其中一個(gè)組件，主要解決數(shù)據(jù)存儲(chǔ)和計(jì)算的問(wèn)題；在上面就是一層數(shù)據(jù)服務(wù)層，數(shù)據(jù)服務(wù)層通過(guò)服務(wù)化API能夠把數(shù)據(jù)平臺(tái)和前臺(tái)的業(yè)務(wù)層對(duì)接；數(shù)據(jù)中臺(tái)里面就沒(méi)有人的事情，直接系統(tǒng)去做對(duì)接，通過(guò)智能算法，能把前臺(tái)的分析需求和交易需求去做對(duì)接，最終賦能業(yè)務(wù)。
綜合上述兩個(gè)方面，我認(rèn)為未來(lái)要做好數(shù)據(jù)中臺(tái)，只做云或者只做端都不靠譜，需要把兩者合起來(lái)做。智能端負(fù)責(zé)數(shù)據(jù)的收集，云負(fù)責(zé)數(shù)據(jù)的存儲(chǔ)、計(jì)算、賦能。端能夠豐富云，云能夠賦能端。
未來(lái)的數(shù)據(jù)中臺(tái)，一定是「AI驅(qū)動(dòng)的數(shù)據(jù)中臺(tái)」，這個(gè)中臺(tái)包括「計(jì)算平臺(tái)+算法模型+智能硬件」，不僅要在端上具備視覺(jué)數(shù)據(jù)的收集和分析能力，而且還要能通過(guò)Face ID，幫助企業(yè)去打通業(yè)務(wù)數(shù)據(jù)，最終建立線上線下觸達(dá)和服務(wù)消費(fèi)者的能力。
真正做到「一切業(yè)務(wù)數(shù)據(jù)化，一切數(shù)據(jù)業(yè)務(wù)化」。
三、數(shù)據(jù)中臺(tái)需要具備三大能力
那么，數(shù)據(jù)中臺(tái)是怎么來(lái)賦能業(yè)務(wù)使用數(shù)據(jù)的呢？這里舉一個(gè)TCIF的例子。
現(xiàn)在大家可能都認(rèn)識(shí)到了統(tǒng)一消費(fèi)者數(shù)據(jù)的必要性，但是在幾年前，哪怕是在阿里巴巴，消費(fèi)者的信息也分散在各個(gè)業(yè)務(wù)中，碎片化、散點(diǎn)化，而業(yè)務(wù)當(dāng)時(shí)需要把這些分散的人的數(shù)據(jù)集中起來(lái)，進(jìn)行人群畫(huà)像。道理很明白，人群畫(huà)像越清晰，服務(wù)就會(huì)越精準(zhǔn)。
怎么統(tǒng)一消費(fèi)者數(shù)據(jù)？
首先，定義埋點(diǎn)規(guī)范，同一個(gè)人就用同一個(gè)標(biāo)識(shí)，ID打通，也就是所謂的One ID；
其次，還會(huì)碰上一家人使用一個(gè)登錄帳號(hào)的問(wèn)題，那么就需要建立同人的數(shù)據(jù)模型，通過(guò)一些方式，比如，IP網(wǎng)段是不是一樣，來(lái)分辨出具體的那個(gè)人，建立AID（Alibaba ID）；
再次，每個(gè)人還有各種網(wǎng)絡(luò)行為，要如何把這些行為結(jié)構(gòu)化，裝到各種框架里面？這個(gè)特別難，我們當(dāng)時(shí)主要是跟人類學(xué)家合作，一起把行為的分類樹(shù)做出來(lái)。這個(gè)分類樹(shù)非常細(xì)，甚至能夠把一個(gè)人的發(fā)質(zhì)都結(jié)構(gòu)化了。
最后，就需要通過(guò)算法模型，把所有的標(biāo)簽都貼回到人上面，當(dāng)時(shí)TCIF用上述方式生產(chǎn)出了3000多個(gè)消費(fèi)者標(biāo)簽。
這些標(biāo)簽被阿里巴巴的其他產(chǎn)品所使用，比如阿里媽媽的達(dá)摩盤(pán)就把這些標(biāo)簽提供給廣告主，讓廣告主能夠通過(guò)標(biāo)簽去建立人群畫(huà)像，進(jìn)行人群細(xì)分，以及建立投放用的人群包。
從TCIF的例子來(lái)看，數(shù)據(jù)中臺(tái)未來(lái)一定需要具備三種能力。
1. 數(shù)據(jù)模型能力
在業(yè)務(wù)層面，業(yè)務(wù)抽象能夠解決80%的共性問(wèn)題，開(kāi)放的系統(tǒng)架構(gòu)來(lái)解決20%的個(gè)性問(wèn)題，但同時(shí)又要把平臺(tái)上的業(yè)務(wù)邏輯分開(kāi)，因?yàn)椴煌臉I(yè)務(wù)邏輯之間可能有沖突。
這在數(shù)據(jù)中臺(tái)就表現(xiàn)為數(shù)據(jù)的中心化，也就是數(shù)據(jù)的高內(nèi)聚、低耦合，需要對(duì)共性問(wèn)題抽象出業(yè)務(wù)的規(guī)則，建立數(shù)據(jù)模型。一個(gè)好的內(nèi)聚模塊能夠解決一個(gè)事情，同時(shí)又要降低模塊和模塊之間的耦合度，讓模塊具有良好的可讀性和可維護(hù)性。
這里的前提是要有真正懂業(yè)務(wù)能沉淀經(jīng)驗(yàn)的人，以及要在企業(yè)層面開(kāi)展數(shù)據(jù)治理，讓數(shù)據(jù)能夠準(zhǔn)確、適度共享、安全地被使用。
2. AI算法模型能力
要實(shí)現(xiàn)數(shù)據(jù)業(yè)務(wù)化，前提是做到數(shù)據(jù)的資產(chǎn)化。要能夠從數(shù)據(jù)原油里面，去提煉出可以使用的汽油。
比如說(shuō)數(shù)據(jù)的標(biāo)簽化，背后就有投入產(chǎn)出比的考量：通過(guò)標(biāo)簽，廣告主可以非常方便快捷地去建立自己的人群包，實(shí)現(xiàn)精準(zhǔn)營(yíng)銷；同時(shí)投放的ROI也是可見(jiàn)的、透明的，廣告主可以自己去評(píng)估數(shù)據(jù)資產(chǎn)的使用情況。
3. 行業(yè)的應(yīng)用能力
行業(yè)的應(yīng)用能力，也就是我們通常說(shuō)的數(shù)據(jù)業(yè)務(wù)化能力。
和數(shù)據(jù)中心化類似，數(shù)據(jù)業(yè)務(wù)化也需要很強(qiáng)的行業(yè)經(jīng)驗(yàn)來(lái)指導(dǎo)，建立合適的業(yè)務(wù)場(chǎng)景，在場(chǎng)景里面去使用數(shù)據(jù)，從而體現(xiàn)數(shù)據(jù)的價(jià)值，來(lái)大大擴(kuò)展數(shù)據(jù)在行業(yè)中的應(yīng)用能力。
在奇點(diǎn)云和某酒類客戶的合作過(guò)程中，我們最大的收獲不是幫助客戶完成了數(shù)據(jù)中臺(tái)的搭建，而是通過(guò)理解客戶的業(yè)務(wù)，把其經(jīng)驗(yàn)沉淀到數(shù)據(jù)中臺(tái)，從而賦能客戶更多的端上的創(chuàng)新業(yè)務(wù)，帶來(lái)了生意的增量。
最后總結(jié)一下，未來(lái)的數(shù)據(jù)中臺(tái)最重要的不單是數(shù)據(jù)的存儲(chǔ)和計(jì)算能力，而是要能從「存、通、用」的角度和業(yè)務(wù)結(jié)合，幫助企業(yè)從數(shù)據(jù)中獲取價(jià)值，沉淀數(shù)據(jù)資產(chǎn)，最終用數(shù)據(jù)賺錢(qián)。
