（本文作者系阿博茨科技CTO劉鐵鋒）
「數據中臺」概念自阿里提出以來，逐漸成為技術發展的趨勢。由數據中臺衍生出的「DT時代」、「中臺戰略」、「大中臺，小前臺」等概念取代了之前單一的「大數據」，被賦予先進的業務架構模式、業務創新念模式、業務管理模式等內涵。各行各業都在積極探討和實踐自家的「數據中臺」如何落地，期待充分擁抱數據而帶來的紅利。
然而實際構建過程中，該不該上，應該如何分階段落地數據中臺，如何結合自身情況做好數據、技術、業務、應用的劃分，卻很容易進坑。有從數據治理角度探討的，認為數據中臺的核心基礎就是數據治理。有從業務梳理角度探討的，認為建設好數據中臺，需要建立數據規範、梳理業務流程等等。也有從技術的角度來探討，自身如何構建技術平臺，迭代提升效率。
阿博茨根據為客戶提供服務的經驗，總結了數據中臺的常見誤區和避坑原則：
誤區1: 直接對標阿里，盲目抄作業
數據中臺為誰而建？數據中臺解決的核心問題是什麼？數據中臺帶來的直接收益是什麼？不結合自身實際業務情況，直接對標阿里，容易直接入坑。
首先我們來看阿里最開始的思考： 很多人把數據比作「石油」，馬老師（馬雲）也說過，阿里巴巴要成為全球電子商務的「水電煤」。我們現在搭建的數據中臺，就是希望扮演「發電廠」的角色。」
「我們知道，電力的發展可以分為幾個階段，最開始一些有能力的企業自己發電，後來出現新的工業產能，有的企業電用不完，有的卻不夠用，這時候國家機構就出來了，這些機構去搭建國家級的電網，不管是核能發電，還是風力發電、水力發電，最大程度地保障不同群體的用電需求。」
「我們數據中臺也是這樣一個運轉思路，我們落到實處是一個倒三角形，從下往上分為四個部分——」
「第一是數據技術。沒有數據中臺的時候，不管是阿里內部還是各商家，大家都有自己的數據中心、機房、小資料庫。但當數據積累到一定體量後，這方面的成本會非常高，而且數據之間的質量和標準不一樣，導致效率不高等問題。因此，我們需要通過數據技術，對海量數據進行採集、計算、存儲、加工，同時統一標準和口徑。」
「第二是數據資產。數據中臺把阿里系的數據統一之後，會形成標準數據，再進行存儲，形成大數據資產層，進而保證為集團各業務和商家提供高效服務。」
「第三和第四都是數據服務，包括服務商家和服務小二。例如生意參謀和阿里指數，就是數據中臺中面向商家端提供的數據服務。」
「數據中臺服務阿里，更多是在為各位商家服務。平臺會確保大家在使用數據的過程中，口徑、標準、時效性、效率都有保障，能有更高的可靠性和穩定性。」
相信這段話已經非常清楚地描述了最原始的」數據中臺」的構想。
阿里巴巴的數據中臺是 面向阿里上面成千上萬的商家而服務，是為了這些商家而建設的。
解決的核心問題是保證商家使用數據的口徑、標準、 時效性、效率、 可靠性和穩定性。
企業得有「石油」（數據），有「發電體系」（數據產生價值的應用和場景）需求，有「過剩」才有建「國家電網」（數據中臺）的需求。
數據中臺的建設也是因人而異，因企業而異。
避坑自查：
1. 企業的業務經營是否有大量業務數據產生？
2. 企業業務數據的價值在哪裡？
3. 企業業務數據價值應用和場景是什麼？
4. 數據中臺是否能幫助業務形成正向改進閉環？
誤區2:阿里的痛，就是我的痛
阿里的「痛」，真正是自身企業的「痛」嗎？
企業構建數據中臺之前，核心需要確認的問題在自身的痛點到底在哪裡，為怎樣的業務類型？為哪些用戶？為怎樣的使用場景？
絕大部分的企業的規模、需求和痛點和阿里的需求不在同一規模上。因此，同樣是構建數據中臺，各自的重點確各不相同。直接照搬阿里的數據中臺的理念，猶如刻舟求劍。「你」說的都對，但「我」夠不上。
盲目把阿里的痛，帶入為自己的痛，也是挖坑方式之一。
避坑自查：
基於以上角度的對標，能有效幫助釐清自身痛點。
誤區3: 貪多求全，重點不明。
阿里構建的技術中臺，就是標準的數據中臺建設方案嗎？答案當然不是。
阿里構建的技術中臺，解決的是阿里面臨的數據規模和挑戰，而企業面臨的問題，是自身業務發展的問題。關鍵在於需要解決的核心問題在哪裡。
能力需求一樣，但是解決問題的層面不一樣。理念一樣，阿里構建的是航空母艦，面向星辰大海。對企業來說，同樣是需要船，但面對是海、江、湖還是就是小水坑，這才是企業構建數據中臺的真實挑戰。也就是說，構建中臺不完全是技術能力問題，而是看菜下飯，靈活針對企業實際需求而調整定製的選擇重點的問題。
盲目對標阿里的數據中臺系統，容易調入貪多求全、重點不明的坑中。
避坑自查：
誤區4: 基建不足、匆忙上馬。
數據中臺的核心在於將石油（數據），放到發電廠（數據中臺），產生電（數據訪問能力），滿足生產需要（服務客戶）。企業自身是否有石油（數據），是否需要構建發電廠（數據中臺），電（數據訪問能力）是否能賣出去，則是是否要規劃發電廠（數據中臺）的前提條件。
是否建立數據中臺，數據中臺是否能成功，已經不完全是技術問題，也不簡單是數據治理問題，而是企業的業務發展階段是否需要數據中臺支撐，以及數據中臺帶來的技術效率提升，能否直接反饋到業務的問題。核心在於，企業是否已經明確數據挖掘的深度和維度，是否清晰數據對業務帶來的提升點，以及數據反饋閉環是否存在。對業務的支持，對數據應用的需求，決定了數據中臺構建的深度和維度。
實踐中，我們發現，很多企業基建不足，數據的基礎建設沒有完成。網絡和物流還沒接到村裡，就期望對接電商銷售產生訂單。
避坑自查：
對企業自我評估有兩個角度：
一是自上而下，從數據應用場景到數據的需求是否明確？
二是自下而上，從基礎數據到業務實際需求對接的流程是否明確？
誤區5: 急於求成，期望一步登天
數據中臺的建設，本質上來說是對業務的重構，而不僅僅是技術的選型，更不是標準化的產品。數據中臺的難點，表面上來看是數據治理，本質上來說是理解數據和業務的結合以及發展階段。因此，明確自身的業務特點和技術發展的階段，合理規劃出階段性目標，是提升項目成功率的有效方式之一。
而實踐中，往往容易出現急於求成，期望一步登天的情況。欲速而不達。
避坑自查：
阿博茨科技在金融領域，運用人工智慧技術，幫助大量頭部的券商以及基金公司構建了基礎數據中臺，在數據治理、數據計算平臺搭建、技術中臺構建、業務中臺構建、應用中臺構建中積累了大量的一線實踐經驗。以上探討的觀點只是阿博茨實踐中的抽象和總結，對於具體的落地方案，歡迎大家聯繫我們，共同探討。
責任編輯：韓璐(EN053)