一 開宗明義：是技術的概念，更是企業管理的概念

自中臺理念推向市場起，已走過五載的發展路程，但市場對于數據中臺仍然存在界定模糊、分類混亂的問題，厘清和明確其概念和價值依然重要。

從技術的角度說，數據中臺絕不是簡單的一個平臺、一套軟件系統或者一個標準化產品，而更多的是一種強調資源整合、集中配置、能力沉淀的運作機制，是數據價值的加工廠。

數據中臺是一系列數據組件模塊或能力的集合，它居于數據開發的后臺和應用開發的前臺之間，聚合和治理后臺全域的數據，沉淀數據資產，抽象數據模型，封裝數據服務，為前臺提供高數據質量的數據服務和應用。

▲圖1-1 數據中臺提供敏捷的數據服務能力

與數據庫、數據倉庫、數據平臺等其他大數據概念相比，數據中臺提供的并非數據(集)或數據報表，而是指向業務場景的數據API和數據服務。

從這一層面說，數據中臺首先打通了企業的數據孤島，降低數據建設成本，提高數據治理和應用的效率;更重要的是，數據中臺大大提升企業D2V(Data to Value)的能力，激活和加速從數據到業務價值的轉化，使業務的運營與決策逐漸由依賴業務人員經驗的流程驅動轉向數據驅動，增加決策的科學性。

從廣義上說，數據中臺更是一種企業的組織管理模式和理念。企業過去面臨的數據孤島、業務割裂、資源分配等問題，根源往往來自于其組織架構的割裂，尤其當業務需要涉及跨部門協同時，“部門墻”的現象十分嚴重，甚至出現沖突和制衡。

▲圖1-2 數據中臺改造企業業務流程

在數據中臺的建設中，由于需要對各域數據進行規劃、打通和治理，企業應當從戰略上構建統一的協同基座即中臺化組織或數據管理團隊，以協調和支持各業務部門，同時進行數據質量、數據服務效率的分析和評估。

從這一層面說，數據中臺建設打通的不僅僅是系統和數據域的壁壘，更是部門、事業群間的壁壘，能實現組織靈敏性的提升，同時加強相關部門的聯系和交流。

02 應用現狀：遍地開花，在細分的垂直行業形成解決方案

作為企業數字化轉型的理念和解決方案，數據中臺普遍適用于任何行業中存在需求的企業。但在不同的垂直行業，企業們存在各不相同的需求和痛點，廠商也逐漸基于對行業特點的總結、對企業業務的理解和對成功案例的梳理，沉淀出對于某一行業企業更為切身而可復用的行業模型和數據服務。

我們關注到當前，在金融、零售、制造、地產、政務等行業已經形成了相對成熟的解決方案，并培養出一系列成功的實踐案例：

1. 金融行業

由于信息化建設起步早、資金投入巨大，金融行業是相對而言數據資產化更為成熟的行業。但隨著國家對行業的監管要求趨嚴，加之市場競爭不斷加劇，提升風控和服務水平成為金融機構下一階段經營發展的重要課題。

數據作為生產要素，是金融機構未來業績增長的核心驅動力，然而如何使海量數據真正賦能業務、發揮價值，數據中臺中數據服務和應用的多樣性、敏捷性、智能性將變得更加必要。

▲圖2-1 數據中臺在金融行業的應用場景

2. 零售行業

在過去的信息化建設進程中，零售企業積累建設了包括ERP、MES、CRM、WMS、等在內的各種業務系統，加之線下門店、自有商城、電商平臺、社交軟件平臺等各類渠道的涌現，企業獲取的銷售、營銷數據愈發零散、且往往都是孤立存在;而日益碎片化的觸達時段及場景、層出不窮的媒介載體和復雜的社交數據，也使全景化的消費者畫像和用戶標簽體系難以整合建立。與此同時，爆發式的海量數據使企業原有的CRM系統算力和能力難以滿足業務的計算分析需求。

▲圖2-2 數據中臺在零售行業的應用場景

3. 制造業

隨著產業數字化進程不斷加速，傳統制造業企業正面臨數字化轉型的關鍵時期。過去的各個制造管理系統建設缺乏總體規劃，導致遺留了大量數據語義彼此獨立、數據口徑無法對齊、系統間交互性差等問題，使得生產制造全流程中產生的眾多高價值數據只能在自身系統里流轉，無法在更長的鏈條上發揮價值。

因此，高效集成多源異構的制造數據，構建企業級的數據架構和完備的數據服務體系，發揮數據指導作用，實現業務增值，是傳統制造業走向科學、精細化運營的核心。

▲圖2-3 數據中臺在制造業的應用場景

4. 地產行業

告別增量高速增長的時代，進入存量化的下半場，地產企業過去高杠桿、高負債、高周轉的運營模式逐漸難以為繼，投資與經營的雙重壓力倒逼地產企業向精細化運營轉型。

如何提升組織運營能力、進行多業態有效管控，如何提高運營效率、最大化存量資產價值，如何精準洞察用戶需求、尋求新的收入增長點，都是新階段地產企業的戰略性難題。

▲圖2-4 數據中臺在地產行業的應用場景

5. 政務行業

近年來，政府部門信息化建設投入不斷加大，政務云化進程也不斷加速，基礎設施建設已趨于成熟。然而，政務服務具有專業性強、流程環節多、處理情形復雜等特點，多以多線方式進行信息化建設，部門間數據資源共享的對接溝通也較為復雜，導致公共數據不能得到充分整合。

同時，各政務服務部門間的信息化水平也存在極大的差異，數據質量參差不齊，導致數據協同不順，無法支撐多場景應用需求。各級政府部門亟需建立組織、用戶、協同、業務均在線的數據體系，推動數據和業務的融合，提升服務型政府供給側能力。

▲圖2-5 數據中臺在政務行業的應用場景

03 發展洞察：經歷一輪爆發與降溫，逐漸進入理性、健康發展的新階段

2019年被稱為數據中臺元年，數據中臺的解決方案逐步形成和完善，市場認知開始建立，一些行業頭部企業與早期的玩家開始著手進行探索和嘗試。

在下游企業和資本市場的關注、助推和加溫下，數據中臺市場從萌芽階段快速進入爆發期，根據企業年報等公開資料、專家訪談及艾瑞咨詢的自有統計模型核算，2020年數據中臺的市場規模達到68.2億元，較上年呈現近80%的顯著增長。

▲圖3-1 2018-2023年中國數據中臺的市場規模

在市場的快速拓展中，涌現出越來越多的參與者，都處在占領市場份額的擴張階段，行業整體呈現百家爭鳴的競爭態勢，尚未形成鮮明、穩定的競爭格局。綜觀地，我們將廠商分為公有云廠商、數字化解決方案提供商、獨立中臺開發商和數據與智能公司四類：

以阿里云為代表的公有云廠商，得益于其互聯網基因，在內部率先落地中臺戰略，取得成效后進行解決方案外溢，同時可以提供完善的基礎資源設施建設，由于具有先發優勢，目前占據更大的市場份額;

以金蝶為代表的數字化解決方案提供商，核心優勢在于其品牌認可度、積累的大量客戶資源和實施服務經驗、具備的垂直行業認知，由于解決方案生態更為豐富、客單價更高，目前也有領先的市場占有率;

以數瀾科技為代表的獨立中臺廠商，對數據中臺的戰略理念、定位規劃和實施路徑有更深刻的理解和認知，能為客戶提供更切身的需求分析、解決方案設計和體驗更好的實施落地服務，同時在其深耕業務與垂直行業場景的過程中，沉淀了大量可快速復用的數據治理和數據服務能力;

以明略科技為代表的數據與智能公司，具有更強的人工智能技術及算法能力，在數據治理、數據模型抽象和訓練的過程中體現出其優勢。然而這一類型廠商中，也存在一些將封裝的數據治理工具、數據分析工具、數據智能應用等包裝成所謂“數據中臺”產品進行銷售的典型情況。

▲圖3-2 2020年各類型數據中臺供應商市場占比情況

但是，隨著項目的實施推進，一批企業開始進入中臺建設成效期，伴隨著一些效果不及預期的案例和質疑聲，過去市場對于數據中臺盲目的追捧和浪潮開始褪去，行業進入更健康和理性的發展新階段。廠商和企業們都開始更冷靜和審慎地思考：“是否需要數據中臺”“需要什么樣的數據中臺”以及“如何建設有效的數據中臺”。

我們依然認為中臺的核心思想和方法論是科學而行之有效的，對企業數字化轉型、數據的資產化和價值化應用具有必要的作用，但企業在進行數據中臺的規劃選型時，需要重點關注、綜合評估廠商的數據能力、業務理解和實施路徑的規劃方案：

數據能力體現在數據資產化的全流程，主要指數據采集交換、開發和治理的能力，是數據中臺的底座。對數據能力的衡量，除了對數據資產的質量進行監測和評估外，往往還需要關注對多源數據的集成和兼容能力、數據交換和計算的吞吐量和時效性、數據資產分類和標簽加工管理的準確性和智能化水平等方面，以及全流程中數據應用的安全合規性等。

業務理解則體現在資產服務化的階段，主要指數據服務的抽象和模型訓練能力，解決數據使用“最后一公里”的問題。封裝算法的組件是否能適應業務場景的建模需要，是否能快速復用出滿足業務需求的數據查詢、智能計算等服務，是否支持便捷的低代碼開發模式，是否提供全面的數據服務運維，都是廠商業務理解能力的重要體現。

數據中臺的建設不是一蹴而就的，整個數據中臺的建設也并沒有一個通用的企業級模型套用，一些數據中臺“失靈”的重要原因之一就是企業存在目標不確定、需求不清晰、規劃不科學的情況。因此廠商需要對企業的資源配置能力、業務梳理能力、組織架構和管理經驗進行評估，為企業提供合理、可持續、分階段有重點的實施路徑設計。

隨著數據中臺在行業頭部及領先企業逐漸落地，供應商經歷了各類業務場景能力沉淀的過程。在深度上，數據中臺廠商承載細分行業的各類定制化業務，不斷沉淀業務能力。在廣度上，隨著不同業務場景的持續輸入，數據中臺廠商產品的能力越來越豐富，覆蓋的領域也越來越廣泛。

盡管當前，數據中臺的典型客戶畫像是各行業頭部、具有復雜業務系統和流程的大中型客戶，但事實上，數據孤島的現象存在于大量信息化建設規劃不清晰的企業，數據資產化和價值化的需求存在于所有類型的企業，因此中臺的概念和方法論也適用于所有類型的企業。

我國具有規模龐大的中小微企業，未來，在以不斷深化的數據能力和業務理解繼續拓展行業頭部的大中型客戶的同時，數據中臺也將通過標桿案例的示范作用向企業客戶的上下游輻射，同時下沉到規模更小的企業。

從更輕量級、短周期、簡單易用的場景級中臺，到為企業提供數字化轉型咨詢、中臺建設路徑規劃等增值服務，都是有待中臺廠商們下一步開發的廣大增量市場空間。

▲圖3-3 數據中臺廠商發展下沉趨勢

結語

在這一新的發展階段，真正具備強數據能力、深業務理解和科學路徑規劃的數據中臺廠商們，將不拘于當前的架構和交付模式，在為企業解決數據孤島問題，實現數據資產價值化的大目標下拓展出更多的解決方案形態、應用于更多的場景、服務于更多行業和類型的企業客戶;因此我們相信，數據中臺行業也將在企業與廠商的攜手探索和嘗試中健康、蓬勃地發展下去，賦能更多轉型中的企業，實現降本增效和更大的價值創造。