数据中台：建立在数据网络效应之上的赛道,减肥微商代理引流方法

数据中台之以是区别于此前的大数据平台和数据湖，来源于其融合了两大属性：手艺属性和营业属性。若是说已往所有的IT解决方案强调的是「IT工具适配营业需求」，那么数据中台所强调的就是「使用数据解决营业问题」，两者的本质区别在于，传统IT解决方案更强调IT成本的降低，而数据中台则更强调使用数据缔造利润。

利润可能来自于成本降低，也可能来自于收入增添，或者是来自于数据驱动的营业创新，全看企业需要解决的是什么营业问题，IT成本的降低自己也是数据中台的题中应有之义。

换句话说，要看明了数据中台的未来生长，就必须要从营业最先明白利润，把数据中台当成一个营业观点来明白。

一、纵向优化 端到端的营业挑战

纵观历史，分层和模块化是工业革命以来庞大营业系统得以生长的要害。哪怕是在手艺领域，分层优化也是盘算机系统的焦点头脑，统领了已往几十年的生长史。

从这个视角来看，我们也许能把企业的营业和手艺生长史划分成4个阶段：

1. 机械时代：设计执行星散，前店后厂；

2. 电气时代：前后台星散，科学治理；

3. 信息时代：模块化、流程化治理；

4. 智能时代：中台化、智能化治理。

举例来说，汽车企业的组织形态，就有异常粘稠的第三时期特征。首先，人事、财政和IT构成了企业后台，统一向前提供服务；其次，营业前台围绕车的计划、研发、采购、制造、市销分成4-5个主要的营业事业部，事业部内部横向开展流程化和模块化事情；最后，每个营业模块的外部服务市场，也是凭据流程和模块来漫衍，好比在营销领域，围绕市场调研、品牌咨询、媒体购置、口碑监测等等形成了模块化的市场生态，每个模块内部多家供应商形成横向竞争。

横向竞争也是企业横向优化的必然效果，企业在治理咨询专家的协助下，优化企业的内部流程和模块，同时每个模块划分向外举行招投标，从一众横向竞争者中优选适配的企业服务。

然而，随着已往十年平台的崛起，竞争态势发生了巨大变化。

若是我们把阿里巴巴、腾讯、美团甚至谷歌、亚马逊的服务疆土拉开，我们会发现，每个横向竞争的领域内里险些都有平台的身影，哪怕不是他们自己的服务，也有他们投资的公司在提供服务。企业在追求营业服务的时刻，哪怕仅仅是在一个细分的模块，也必须考虑到背后涉及的平台，而不能仅仅像第三时期一样，把营业预算切分成差别的蛋糕，让横向竞争者来竞标。

于是，企业服务市场的竞争态势就从价值链支解的横向竞争转向了价值链整合的纵向竞争。「纵向竞争发生在一个渠道或者价值链之上，渠道的每个阶段或者价值链中的参与者，都从为消费者提供的最终产物和服务所发生的收入蛋糕中切分到一块利益。」说这句话的是Scott Brinke，他是《营销的科学与艺术》的作者，2016年底他在谈论MarTech市场的时刻，第一次总结了「纵向竞争」的征象。

他发现，随着营销日益被平台和数据白盒化，营销领域的横向竞争日渐变成了围绕价值链上下游睁开的纵向竞争：已往奥美的竞争者是阳狮，然则今天上游的埃森哲下场纵向收购，成为了这些4A公司最大的竞争对手；已往品牌的营销计谋由4A公司和品牌配合商定，今天两方却都需要将brief交给平台来审核，甚至平台自己下场来为品牌量身定制计谋，4A公司沦为执行方（参考天猫超级品牌日）。

这种征象也不仅仅泛起在营销领域，也不仅仅泛起在企业外部的服务市场，苹果和特斯拉就是两个在企业内部开展「纵向优化」的代表。

为了提升Model 3的生产效率，马斯克召开了一个 12 人的顶级工程师集会，开启了特斯拉的生产自动化、智能化历程，从研发车床最先重构了冲压、焊接、涂装、装配四大工序，构建了和苹果类似的完整软硬件生态链条，改变了传统供应链高度依赖博世和大陆的漫衍式架构，采用了全新的中央集成式架构来「纵向优化」汽车制造。

京东的「十节甘蔗」理论某种程度上验证了Scott的说法。刘强东把面向消费者的价值链条分成创意、设计、研发、制造、订价、营销、买卖、仓储、配送、售后等十个环节，其中前5个归品牌商，后5个归零售商，围绕后5个环节的价值链，京东着力打造了其中的仓储配送能力，通过纵向「吃掉更多的甘蔗节数」成为中国电商的另一个代表平台。

1. 营业上：若何统一主顾视角，把高度横向分化的价值模块整合成「以主顾为中央」的纵向价值链条，打造端到端的主顾服务系统（End to End）；

2. 数据上：若何统一开展数据治理，把涣散的孤岛数据转变成可信的数据资产，形成全局数据支持「以主顾为中央」的端到端服务系统；

3. 组织上：若何改变高度依赖横向竞争者的漫衍式架构，围绕焦点价值链构建「以主顾为中央」的平台式架构，从流程驱动转向数据驱动。

另外，需要澄清的是，这里的端到端并不是说不需要举行分层优化和模块优化，而是需要找到更合理的架构来打破原有界限，优化分层和模块，以及链接方式。若是说第三时期的专家是治理咨询专家和IT照料，那么第四时期的专家就是架构师。

今天企业面临的架构问题，除了传统的手艺架构问题，另有数据架构问题，以及和手艺和数据相匹配的营业架构问题，同时，企业还需要解决新的商业模子下团队和角色的缺失问题（好比数据科学家），以及若何调整组织架构以顺应全新的商业挑战问题。

二、价值链整合 以用带通，以通促用

可能不为人所知的是，最早的营业中台和数据中台多若干少都和eBay有关。

厥后阿里巴巴的营业中台就脱胎于eBay，淘宝通过五彩石项目复制了5C的方法论，构建了阿里自身的营业中台；支付宝则复制了eBay的BI系统，构建了BI的数据架构，然则这个时刻，并没有真正意义上形成数据中台。

奇点云创始人行在曾经是阿里数据的老兵，完整履历了阿里巴巴从数据仓库到数据中台的生长历程，也是阿里云数加平台（现阿里数据中台Dataworks）创始人。他示意，数据中台并不是凭空长出来的，或者是单纯手艺提高的产物，而是履历了「看、用、运营」三个阶段，营业需求驱动了数据中台 One Data 方法论真正成型。

最初，营业仅仅是希望用数据来看见「营业发生了什么？怎么发生的？」，数据仅仅支持了各个事业部内部的BI剖析需求，但即使是这样，到2012年，阿里巴巴有50%的服务器都不再举行任何事务处理，而仅仅用于数据剖析，可见数据剖析的规模。

为了解决海量数据的存储盘算问题，阿里巴巴在2009年就开启了云盘算的门路，而且以阿里小贷为起点最先了云盘算的试探。然而，转头去看，阿里小贷不仅仅是阿里云的起点，也是数据中台的起点。

行在曾经多次在差别场所表述，阿里小贷项目通过数据实现了低风险高效率的小微金融，让公司决议层杀青共识：数据是生产要素，「基于数据才能够发生阿里小贷这样的创新营业；也只有在数据集中融合的基础上，才能够发生这种营业。」

这对于数据中台的降生有重大意义。

对那时的阿里巴巴而言，通过构建营业中台，开端重构了面向消费者价值链的平台架构，在后台形成了营业模式复用的能力，然则，在数据上，每个消费者仍然归属于各自的平台，并没有形成统一的消费者视角，平台对消费者也缺乏统一认知。

就在统一年，行在领衔TCIF（淘宝消费者工厂）项目，第一次通过 One ID 买通了阿里系所有平台的数据，并在此基础上确立了3000个通用标签。换句话说，不管消费者泛起在阿里系哪个平台上，平台都能识别并还原消费者的特征，真正意义上确立了人群定向的能力——围绕消费者实现端到端的精准服务。

2015年，数据中台的 One Data 方法论成型，在此基础上，行在创立了阿里云数加，构建了现在的阿里数据中台Dataworks，第一次公开向客户提供数据中台产物和服务。

在实践历程中，行在形成了两条认知：

第一，围绕数据的「生产-消费」价值链条，传统企业的营业架构和数据架构都有极大的优化空间，数据的市场异常宽大；

第二，数据对营业有价值，但数据能力要适配营业的需求，不能过于超前，「大炮打蚊子」的手艺自嗨要不得，要围绕营业需求来建设数据能力。

怀抱着让「实体商家都拥有淘宝一样的数据运营能力」的愿景，2016年底，行在离开了阿里，和团队一起开创了奇点云，一家通过提供数据中台服务辅助企业数字化转型的手艺公司。

奇点云的怪异之处在于，当其他同类公司都把中台赛道当成横向的替换竞争领域时，奇点云从一最先就是奔着辅助企业「纵向优化」确立一方数据价值链的思绪，构建了整个端到端的交付能力。

专业解读百度推广产品的建议分析

若是我们打开数据「生产-消费」的链条，我们可以把整个数据价值链分成数据生产、数据采集、数据存储、数据盘算、数据治理和治理、数据服务、数据应用、数据智能应用等几个大的模块，简化而言就是「存通用」三个主要环节。

奇点云发现，传统企业在已往的数字化转型历程中，仍然接纳横向优化的思绪，因此，只管在三个环节上都有实验，但由于缺乏对数据价值链的认知，并没有形成「以数据为中央」的纵向优化能力，换句话说，数据应用缺少端到端的营业服务能力。

其中：

– 存：焦点是数据有和没有的问题，好比购物中央，由于其二房东的商业模式，线下消费者数据趋近于无，需要先解决消费者数据的生产问题；

– 通：焦点是数据买通和治理系统的缺失问题，好比车企，只管拥有大量数据，然则受困于数据孤岛和缺少数据治理，每年生产大量数据但缺少直接可用的数据资产；

– 用：焦点是IT和营业缺少协作机制的问题，传统企业的IT和营业部门经常处于支解的态度，IT投入和营业需求常泛起脱节的情形，好比在某公司，IT部门做了一万多个融合标签，然则营业部门现实只使用了其中的三四个标签，差距之大令人咋舌。

以是，从一最先，奇点云就以为数据中台应该也必须是一个营业观点，必须要从营业需求出发，「以用带通，以通促用」来赋能企业建设数据「生产-消费」的完整价值链，让企业真正拥有纵向优化的平台能力。

「以用带通，以通促用」的意思是，凭据企业的营业目的和营业需求，来确定应该采集和存储哪些数据，买通和治理哪些数据，剖析和应用哪些数据，并在这个历程中形成统一的数据资产，促进企业数据能力的不停服用和拓展，建设企业一方端到端的数据服务能力。

行在以为，只有这样，数据中台才是一个完整的观点，「为了上中台而上中台」的项目由于不能发生营业可感知的价值，失败概率极大。

从纵向优化的角度，数据中台真正要解决的是企业所处的价值链各个环节是否能够统一视角，面向主顾，面向供应商和互助伙伴，甚至面向商品，并具备可复用的数据服务能力。

这注定需要在行业内的沉淀和积累，若是只是抱着横向竞争的思绪，不停地跨行业去做中台交付，只能沉淀交付履历，并不能真正辅助企业实现纵向优化。因此。奇点云首先选择了泛零售和政府企业服务领域作为焦点领域来验证自己端到端的服务系统。

三、数据网络效应 数据中台赛道增进的要害

已往几年来，火山石董事总司理刘昊一直都在看消费和零售领域的互联网创新项目，最近一两年，他发现，海内的消费零售走得异常快，积累了大量的数据，需要在IT化和互联网化的基础上有更大的系统化突破能力。

刘昊以为，已往的纯营业创新，更关注从0到1的突破，然则今天面临线上电商化、线下数字化的现状，需要线上线下一起推进，配合关注系统层面的效率最大化——公司上下「万众一心办大事」在系统建设上最有效率，也更能辅助营业创新实现系统化突破。

1. 数据应用的pattern（模子）是有价值的，可以通过标杆客户训练认知和模子，不停地复用，来扩大企业的边际优势；

2. 数据应用需要形成良性循环，从界说客户（可复用价值），到缔造价值，再到正向促进客户连续使用数据验证价值；

3. 数据的企业服务要有可被量化的现实效果：投入若干成本，多久能收回成本，交付的效果能给客户带来多大提升。

随着数据价值链上下试探的历程中，数据中台自然而然地进入了刘昊的视野，在看了一圈项目之后，刘昊发现，奇点云最相符他的三个认知：

第一，奇点云想清晰了怎么从客户履历中积累和复用方法论的问题，整体思索路径对照统一，有所为有所不为；

第二，数据应用正在形成正向循环，从挖掘数据连续积累的价值走向封装成尺度应用的价值；

第三，给客户缔造的价值可被验证，客户能说清晰带来了什么短期效果和历久效果。

更主要的是，他看到了数据网络效应的增进远景。「数据应用自己带着一定的网络效应，」刘昊说，「当数据不停地在差别的单点上缔造价值，越到后面，网络效应就越强……数据买通层面能不能形成网络效应决议了赛道什么时刻发作。」

网络效应众所周知形貌了网络带来的某种飞轮效应，那么，什么是数据网络效应呢？

让我们用一张图来说明：

首先，最难的部门是若何通过冷启动形成内圈闭环，也就是通过使用旧的数据剖析和解决营业问题，并网络新的（改善）数据来解决新的营业问题，不停循环往复形成迭代机制。这个历程并不能发生网络效应，但这是网络效应的基础；

其次，要从数据「生产-消费」价值链的自动化最先，逐步走向智能化的数据应用模子复用。举个例子，数据剖析师在剖析数据的时刻，分成数据采集、数据洗濯、数据透视和剖析、数据可视化等几个步骤，大部门传统企业的数据剖析师，有80%的精神都花在数据采集、数据洗濯和数据可视化上，而真正应该投入精神去做的数据透视和剖析，却通常只占了他们10%-20%的精神和时间。

奇点云在给某团体提供数据服务的历程中，通过数据自动化采集、数据治理等手段，实现了秒级出具票据和T+1的报表产出，天天上午8点司理上班后就能看到前一天的营业效果，而原本所需要的时间划分为30分钟和一周，仅此一项，就给团体孝敬了每年至少500万的用度节约。

使用难度的降低，一方面会带来使用数据解决问题能力的极大提升，用数据解决更多营业问题，另一方面也会带来使用规模的提升，哪怕是一线的普通员工，也可以使用数据举行自我决议，也可以凭据数据推荐效果来判断若何服务劈面的主顾。这两者都市带来更多的新数据来训练智能应用，从而真正动员飞轮的增进，发生数据网络效应。

德同资源合伙人陆宏宇一直关注新消费和TMT领域，从2016年起就关注大数据的希望，包罗阿里云数加平台的最新实践，但那时他以为大数据生长仍在早中期阶段 ，信息化才是企业服务的第一步，数据中台需要更多考察。

2020年9月，德同资源和火山石一起领投了年头以来一直盈利的奇点云。在当年年终，奇点云还获字节跳动领投B2轮，老股东IDG资源跟投。

四、数智未来 从数据中台上云到云上数据中台

那么，现在的数据中台就是「纵向优化」的终点了吗？

奇点云合伙人地雷并不这么以为。

最近，他服务了一个企业客户，客户主营营业属于跨国营业，采用了夹杂云架构（私有云+海内公有云+外洋公有云），夹杂云的盘算性能低下，追求奇点云的辅助。

而且，这并不是孤例。

随着越来越多的企业上云，会泛起更多跨平台跨国界的案例，企业上云可能不只有一朵云，而是两朵甚至更多云。

跨平台多云，最大的贫苦在于数据应用的开发、部署和迁徙。地雷示意，现在通用的数据架构并没有充实运用云的特征，仍然属于「上云」的范围，带来的贫苦在于：

第一，数据应用的开发、部署对云环境有依赖性，统一个需求，阿里云开发的数据应用和华为云开发的数据应用并不相同，而且数据应用不能在多云多领域间利便的迁徙；

第二，弹性盘算扩充资源的时刻带来极大的资源虚耗，由于现在云盘算的售卖方式是把存储节点和盘算节点打包成一个虚拟机，若是企业算力不足，弹性扩充的时刻购置的是一台台虚拟机，也就是说，企业若是需要购置30个盘算节点，那么，也会被迫购置30个存储节点，这分外的30个存储节点就属于无效购置。

在地雷看来，已往基于数据中台的纵向优化方案，更多的应该称为「数据中台上云」，也即通过营业的数据架构优化，来解决数据能力复用和数据可信的问题；而未来的纵向优化方案，则可以称为「云上数据中台」，即完全基于云盘算的特征来设计数据架构，从存储和盘算星散最先，从营业、手艺、组织三方来配合开展纵向优化，实现企业端到端的成本管控和能力输出。

基于云盘算的特征，在手艺领域被称为「云原生」，可以充实释放云的盈利：通过容器化来实现数据应用在多云多领域间的利便迁徙，解决异构环境的部署一致性问题、资源尺度化问题，进一步降低了数据的使用门槛，为自动化和智能化服务打下优越的基础；通过存储和盘算星散，充实利用云的特征，增添数据中台弹性伸缩能力的同时，辅助客户降低存储成本到原来的1/3。

云上数据中台才是未来。