20世紀90年代中後期，企業信息化轉型進入快速發展時期，此階段企業內部IT建設主要以資料庫、ERP 為主。
當業務部門面臨新需求或者出現新問題時，企業技術部門往往需要從業務需求的探查、技術壁壘的打通等從上到下各個方面來建設新系統。
長此以往，企業內部業務體系形成以煙囪架構形式存在的系統，每個系統的建成都自成一體，每個部門各自滿足業務部門的需求。
隨著移動網際網路技術的不斷發展，信息傳遞速度進一步加快。通過行動裝置和各類傳感器，行業積累了遠超以往量級的數據。企業的業務形態、數據維度變得複雜多元，新的業務需求場景不斷湧現。
此時，傳統煙囪架構形式存在的業務體系極易導致數據孤島、數據隔離、數據不一致等問題的出現，不易形成閉環，無法實現企業效率的提升，造成企業數據資源利用的浪費。
不論從數據量的增長、數據處理技術的進步，還是站在企業數位化轉型的角度，企業內部業務都需要重新構建業務支撐體系，形成對各前臺業務強力的支撐，讓前臺的一線業務變得更敏捷，也讓全域數據實時在線，提高信息傳遞效率。
為了解決以上出現的這些問題，「數據中臺」的概念應運而生，逐漸成為企業智能時代數位化轉型的關鍵答案。
一、什麼是數據中臺
「中臺」的概念最早由阿里在2015年提出的「大中臺，小前臺」戰略中出現。
它的靈感來源於Supercell，這是一家芬蘭的遊戲公司，員工僅有300名，卻是全球最會賺錢的明星遊戲公司之一。
Supercell公司成功的秘訣是開創了中臺的「玩法」，通過在企業內部設置了一個強大的中臺，用以支持眾多的小團隊進行遊戲研發。各個團隊只需專心進行創新，而不用擔心基礎卻又至關重要的技術支撐問題。
2018年底到2019年初，隨著阿里、騰訊、百度等巨頭的大規模組織架構調整，中臺的熱度陡增。一時間，各大網際網路公司紛紛開始跟進中臺建設。
目前，根據具體支撐業務範圍以及功能的不同，中臺可以簡單分為六種：
數據中臺：提供數據分析能力，幫助企業從數據中學習改進，調整方向。
業務中臺：提供重用服務，例如用戶中心、訂單中心之類的開箱即用可重用能力。
算法中臺：提供算法能力，幫助提供更加個性化的服務，增強用戶體驗。
技術中臺：提供自建系統部分的技術支撐能力，幫助解決基礎設施、分布式資料庫等底層技術問題。
研發中臺：提供自建系統部分的管理和技術實踐支撐能力，幫助快速搭建項目、管理進度、測試、持續集成、持續交付。
組織中臺：為項目提供投資管理、風險管理、資源調度等支持。
具體到數據中臺，簡單來說就是提取各個業務的數據，統一標準和口徑，通過數據計算和加工為用戶提供數據服務。對於一家企業而言，想要構建一個數據中臺，包含了數據模型存儲、數據資產管理、對外提供數據服務、數據更深層次的分析挖掘等各方面過程。這便是廣泛意義上的數據中臺，其核心就是構建一個共享數據服務體系。
從概念上來看，數據中臺從後臺及業務中臺將數據匯入，進行數據的共享融合、組織處理、建模分析、管理治理和服務應用，統一數據標準口徑，以API的方式提供服務，是綜合性數據能力平臺。
數據中臺包含數倉體系、數據服務集等，是一套數據運營機制，加速從數據到數據資產的價值轉變，決策模式由「經驗驅動」向「分析驅動」轉變。
目前數據中臺的形式主要有三種：數據湖、CDP、DMP。值得注意的是數據中臺本身是數據和存儲分離的，並不以資料庫的形式存在，但限於當前建設階段，數據中臺通常包含了資料庫。
數據中臺為前臺業務部門提供決策快速響應、精細化運營及應用支撐等，讓數據業務化，避免「數據孤島」的出現，提升業務效率，更好地驅動業務發展和創新。
二、數據中臺與AI中臺
從AI中臺落地實施的方式來看，AI中臺可以看做是數據中臺的進一步延伸。
AI中臺是一個用來構建大規模智能服務的基礎設施，對企業需要的算法模型提供了分步構建和全生命周期管理的服務，讓企業可以將自己的業務不斷下沉為一個個算法模型，以達到復用、組合創新、規模化構建智能服務的目的及業務賦能的作用。
簡單來說，AI中臺提供的主要是通用化智能服務，伴隨著用戶對於數據需求服務的變化而不斷演變。它需要在數據的存儲、數據管理、分析展示都可以做到自動化與智能化。
可以說，AI中臺是數據中臺未來發展的重要趨勢。隨著企業業務技術的發展，數據中臺會向著AI中臺方向演進，它圍繞智能化服務為核心，並依賴於數據中臺提供給它數據服務的能力，而智能化的技術開發能力，又能夠提供給數據更便捷和快速的數據分析和預測，從而提供更好的數據服務。
三、AI數據中臺重要價值
數據中臺可應用於不同領域企業內部業務體系的構建中。
在數據層面，數字中臺可以解決企業內系統間數據孤島的問題，將不同系統中的數據進行全面匯集和管理，通過數據提煉分析、集中化管理，形成企業數據資產和洞察，服務於業務，解決了數據「匯管用」的問題。
在業務層面，通過對各業務線的模塊去重和沉澱，共享通用模塊，讓前臺業務更加敏捷地面向市場，實現企業新業務的快速上線與迭代試錯，服務更多場景，提升業務響應力。
在技術層面，避免重複開發，技術迭代升級更高效，可按需擴展服務，讓整個技術架構更開放。數據中臺最終的應用價值是在充分市場競爭下，保持並提升企業的運營效率和創新能力。
具體到AI行業，隨著人工智慧逐步步入商業化落地應用階段，數據的獲取和使用無疑成為了制約智能程度高低的瓶頸，AI數據中臺的建立也成為決定智能系統成敗的關鍵。
目前，AI數據中臺的價值主要有以下幾個方面：
Ξ 效率問題：
人工智慧是一門研究如何代替人類工作的學問，本質上是要解決效率問題。在人工智慧時代，AI數據中臺可以解決因為平臺數據割裂、用戶數據分散存儲而導致的應用無法調用、需要用戶再次輸入、重複操作、效率降低的問題。
Ξ 協作問題：
企業內部各應用部門之間的協作極為常見，但協作的前提是可以做到互通有無，如果不清楚對方可以在哪些領域幫助自己，溝通過程中就會出現需求不明確導致溝通效率降低的問題。AI數據中臺可以打破溝通這層窗戶紙，協作更加順暢。
Ξ 關聯度問題：
一個完整的用戶畫像需要包含多方位的數據信息，AI數據中臺所具備的豐富數據管理功能可以提供最為需要的數據，形成有效智能。
Ξ 能力問題：
數據中臺並非簡單把數據集中堆到一處，這些數據集可以分別為每個單獨的業務模塊賦能。
Ξ 時效問題：
決定數據價值高低的最重要因素之一就是時效性。數據中臺的建立可以做到數據通信的實時性，成為企業決策和產品能力提升的關鍵因素。
總體而言，通過在企業內部搭建一體化整合式數據中臺，讓數據在平臺與業務系統之間形成良性的閉環網絡，為企業數據服務與共享奠定堅實基礎，助力數據釋放更多價值。
隨著人工智慧、5G等技術的大規模應用，數據中臺將成為企業數位化轉型的中樞支撐，也將成為推動行業信息化建設與企業數智化轉型的內生力量，幫助企業實現業務互聯互通、資源協調與信息共享。
參考資料：
《中國數字中臺行業研究報告》——艾瑞諮詢
《你、我、他的中臺 | 從數據中臺到AI中臺》——連詩路