没有中台的命，却得了中台的病

这两年，业内有个乱象：

乙方拼命造“中台”，甲方扎堆上“中台”。

他们的日常是这样的…

中台，彻底火了。

然鹅却有相当一部分人，压根没整明白，到底中台是啥。

▌那么，到底什么是中台？

通俗解释一下中台吧。

中台是相对于“前台”和“后台”来讲的。

说白了，我们日常接触到的各种应用，都分为“前、后”两个部分。

前台，就是我们能看到和感知的，那些缤纷的界面、交互展现滴骚操作。

后台，就是支撑这些"骚操作"的服务、流程、算法、数据、基础设施，这些，我们平常看不见摸不着，但他们却不可或缺。

在没有”中台“概念之前，企业业务系统的架构，可能就是一系列后台系统，支撑了一个或者几个前台应用。

但随着企业的组织架构越来越复杂，业务系统越来越多，就会出现n多前台和n多后台。

各种后台彼此独立、交错、重复，灰常复杂，有点像我们常说的企业信息化建设中的烟囱。

每“上新”一套前台业务系统，就要配套一系列后台支撑系统，效率低下又劳民伤财。

于是乎，“中台”的概念被提了出来，其实它是用来衔接多个“前台”和多个“后台”的中间层，夹在中间，承上启下。

有了中台的衔接，共性化的模块被抽离出来，减少了后台重复建设，数据更好打通，这样，前台应用才能敏捷迭代。

在传统企业市场，企业是“提出需求”的甲方，供应商是“解决需求”的乙方，甲乙方界限明确。

甲方的内驱力是业务创新、数字化转型，中台，是他们的理想成功路径。

乙方的内驱力是卖产品方案、做项目，中台，往往是他们的营销套路。

这种供需的不对称，就造成了当下企业级市场的中台乱象。

甲方：得了中台的病，却没有中台的命。

甲方把数字化转型的希望寄托在“中台”上，但却因为技术储备、组织架构等局限，导致玩不动“中台”。

乙方：拿出了中台的药，却治不了中台的病。

乙方提出的中台理念，往往都是基于自家原有产品/方案的二次包装，很少是从甲方的业务出发，各种名目的“中台”，换汤而不换药，治标不治本。

中台其实并不是个具体产品，更不是标准化的产品，它是一套“机制”，通过有形的产品和实施方法论来支撑。

凡是打着中台旗号卖产品的，都是耍流氓。

▌那么，对企业来说，当下中台妖风这么大，名目这么多，是不是就不应该搞？

其实不然。

伴随着企业的转型加速、企业互联网/产业互联网的升级，传统企业越来越像互联网公司那样，需要一套类似于“中台”这样的架构/方法论/机制，来推进组织变革、数据打通、业务重构…

可是，面对这些让人眼花缭乱的“XX中台”，企业到底该怎么选？怎么建？

其实，甭管企业未来要细分多少个“中台”，都离不开一个最基础的中台，那就是：数据中台。

▌数据中台，就是那个“中台中的中台”，只有把企业的数据打通了，让数据变成资产并服务于业务，其它的所谓“中台”才能依存，企业的数字转型才有底气。

▌那么，到底什么是数据中台呢？

一句话概括：数据中台是一套可持续“让企业的数据用起来”的机制。

这套“机制”，贯穿了企业规模化使用数据的整个过程：

第一，数据的汇聚和整合

抽取企业不同业务系统的、内部外部的、结构化非结构化的数据，都聚合起来。

第二，数据的提纯和加工

把这些数据进行标签化、格式转换、清洗加工，取其精华去其糟粕。

第三&第四，数据服务可视化和数据价值变现

提供各式各样的数据接口和数据服务，反哺给各类业务应用，让数据的价值最大化利用。

说白了，“数据中台”通过一系列的骚操作，把企业的数据进行“资产化”，并实现持续的数据资产运营。

而要完成这一系列的骚操作，不仅需要一套技术产品，还需要体系化的实施方法和经验。

这就有点像20年前的ERP，不仅是一套ERP软件，还要漫长的顾问和实施过程，“扶上马、送一程”，而客户侧也要伴随一系列的组织和流程变革。

当年，人们说：不上ERP等死，上了ERP找死。如今把这句话放到“数据中台”上，也一样适用，它们都是“一把手”工程。

▌那么，到底什么样的企业，才需要建设数据中台呢？

①有信息化基础、有数据沉淀②业务复杂，多业态集团型企业③有数字化转型、精细化运营需求

基于上面这三点，我们再来看看↓

▌各大主流行业对数据中台是怎样的需求？

       不仅各个行业对数据应用的需求不同，同一行业的不同公司，需求也不一样。

       正应了那句话，1000个观众心中就有1000个哈姆雷特，没有任何两家企业的数据中台是完全相同的。

       企业要不要上中台，不能盲目跟风。别人家上了我也要上，你不清楚别人的战略布局、核心竞争力、战术打法，盲目去学，你不死谁死？道理都懂，那么有没有一种方法来判断一个企业需不需要上中台？

       参照“美国国家标准技术研究院”的技术战略选择分析流程图，来给企业来做个诊断，如图 2 所示：

       中台战略选择分析流程图

       图中列出了五个条件判断：

       ①是否大型复杂生态系统。如果企业的业态不是大型复杂生态型企业，也许企业信息化系统、ERP 就可以解决企业 IT 治理的问题。

       何为复杂生态型企业？国内如：BATJ、海尔、华为、小米等都属于这类型企业。

       ②是否业务具备不确定性。即市场环境变化快，如互联网行业，以及产业互联网相关行业，都属于这类型行业。

       ③是否存在低水平重复建设。先决条件是企业体量够大，不管是自建技术团队还是跟外部第三方公司合作，是否存在重复建设，如整个企业光 CRM 就有 5 套，还不是一家公司的产品，就属于重复建设。

       ④是否存在数据互联互通问题。即由于事业部制的组织架构，形成了部门墙，数据和系统也是烟囱式的，阿里的业务中台、数据中台解决也是这样的问题。

       ⑤是否信息技术制约企业发展。尽管企业的 IT 建设一直在持续，但是在当今产业互联网时代、人工智能时代，企业的发展已经受到严重阻碍，也许你该引入中台架构进行变革了。

       以上 5 个条件，任意满足 3 个及以上，我们就认为这个企业适合做中台战略升级。

       那说了这么多，企业中台建设如何实施呢？

       企业中台建设分为以下三个部分：

       ①各个中台板块实施难易度分析

首先，我们来看，技术中台、数据中台、业务中台、组织中台，在整个中台建设实施过程中的难易度，如图 3 所示：

       中台建设难易度分析

       企业中台建设的技术、数据、业务、组织，建设难度从易到难，总结下来就是：

       技术中台，技术变革，换引擎

       数据中台，数据治理，控标准

       业务中台，商业重构，聚优势

       组织中台，资源盘活，助创新

       ②业务中台建设路径

       阿里巴巴中台建设路径

       决心变革：企业内达成战略共识，一把手牵头，做总体规划、分步实施，找准切入点，解决具体业务问题。

       成功试点：通过分析调研，明确业务目标和范围，完成技术平台引入、中台建设方法论宣导，进行试点，梳理标杆，积累经验。

       持续融合：总结出适合企业自身的理念和规范，优化组织、提升中台效率。

       ③企业中台升级四个方面

       企业中台升级四个方面如下图：

       阿里巴巴中台建设路径

       阿里建议企业实施中台战略的四个升级：

       战略升级。通过中台建设，落地企业数字化战略。

       组织升级。组织架构需要与中台架构相匹配，根据企业实际情况优化组织效率。

       流程升级。将企业现有流程进行梳理，优化及固化企业流程，提升企业运作效率。

       技术升级。通过互联网技术，对企业基础技术设施进行升级，降本增效。

       附：数据中台四问四答

       1、数据中台的定义及价值是什么？

       广义的数据中台应该集公司的战略决心、组织架构、技术架构于一体，以业务价值为导向，用技术拓展商业边界。要上数据中台一定是一把手工程，一定要有战略决心。

其次才是组织要进行变革，例如你的部门有没有配备数据开发工程师、算法工程师、CDO（首席数据官）。最后才是技术架构，技术一定要通过商业变现，不能降本增效的技术都是没有意义的。如果把数据中台比为土地，我们更喜欢在土地上为客户种出更多的苹果树，并且能够产生持续的价值，这才是我们想给客户提供的。

       2、如何保证数据中台成功落地？

       从两个角度看，一个是驱动力，另外一个是实施保证，驱动力是数据中台成功落地很大的因素，因为数据中台很难在短期内有一定的成效，最好方式就是成为一个CEO项目，让老板能够全力长期支持。另外一个驱动力就是你有一个非常强的业务痛点，比如说数据孤岛的问题，报表产出很慢的问题，包括一些智能决策的问题，业务部门有一个强有力驱动的话，可以把这个数据中台成功落地。

       实施保证这块我认为，正确的人，正确的工具，正确的事，最后给企业降本增效，所以说要求主导或者提出数据中台项目的人他是有方法论+实施经验的，第二块大家在面临选择数据产品的时候也会遇到各种各样的挑战，如何去选适合自己企业的数据产品，也是一个很重要的事，那为什么说做正确的事，一定要定位好数据中台是解决什么问题的，数据中台最后一定还是要解决企业痛点，给企业带来降本或者增效。

       3、如何释放数据价值的三个关键点？

       数据价值的三个关键点：第一步是数据资产，第二步是做一个数据分析，第三步是要做行业知识。

       数据资产是数据价值的基础，是整个数据盘点、数据治理的过程，通过盘理管用方法论，把数据梳理出来后，形成数据资产。进一步通过数据分析的方法论，通过算法，分析数据潜在的价值。

同时还会引入一些行业知识、行业经验，来构建一些行业特有的经验模型，实现数据价值的最大化。如果说没有这些行业模型的话，在做数据应用的时候，会偏离行业的真实需求，做出来的一些所谓应用模型很难发挥真正的价值，只能是一些跑出来的业务逻辑，所以说数据价值的三个关键点，除了数据资产和数据分析，还要加上行业知识。

       4、数据资产管理的「五步骤」怎么走？

       怎么管理数据资产，有五个步骤。第一步是业务数据化，围绕人货场构建能够落数据的业务系统，第二步一定要把它打通，实体归一化，打通才能真正发挥数据最大的价值，第三步是数据资产化，资产化之后一定是降低成本的，这个是时候才说我们拥有数据的主权，才去谈数据的创新、 数据的应用。

       数据服务化是第四步，意味着数据能够开放给各个的应用去调用、各个应用去创新，对业务来说，它应该是透明化，让你更聚焦到你的创新业务里面去，最后一步是数据业务化，数据业务化才是数据资产最核心、最终极的目标，数据一定要被用起来。只有做到这五个步骤，整个数据中台的数据资产才可以真正的变成利润中心，而不是成本中心。