中台+场景：实现业务与数据的匹配

原标题：中台+场景：实现业务与数据的匹配

2019年，随着知识图谱、NLP技术的兴起，大数据从业务洞察进入到业务决策阶段，正式进入业务智能化阶段，即由机器形成数据报表或者数据报告，业务人员进行决策，变为机器直接给出决策建议，让机器具备推理能力。

中台：赋能场景、业务、行业

在进入数据智能阶段后，大数据的行业呈现出两大趋势：首先是多技术融合。开源时代，大数据公司具备深度学习、NLP、知识图谱等技术能力；从客户需求来看，为了指导决策，需要汇聚海量多源数据，其中必然会涉及非结构化数据的处理，基于复杂网络的推理和决策，因此单一技术很难解决问题。如，交互式BI即是将自然语言处理技术与BI相结合，将数据转换为视觉图表，提供见解以实现快速、明智的决策。其次是中台的形成。在企业数字化转型进程中，传统企业需要具备互联网公司那样快速迭代升级的能力，基于数据驱动业务发展，这就需要建立一站式技术能力统一的数据管理、快速配置开发业务的能力。中台模式能够弥补数据开发和应用开发之间由于开发速度不匹配出现的响应力跟不上的问题，基于中台、融合多种技术，利用数据解决企业的各类决策问题。

当前，企业数字化转型的建设重点集中于产品业务线上化和连接终端用户，不论是数据层面还是技术层面，都需要统一管理、统一调的技术平台和数据平台支撑，而这个平台又不同于过往的后端大数据平台，它需要与业务密切相关，即为“中台”，它基于数据驱动业务发展，利用数据更好地了解终端用户的需求以优化产品与业务。统一中台的建设，能够汇聚多源数据，对数据进行资产化，实现内外部数据的整合，更加有效地支撑数字化转型的需求。

企业在建设数据中台过程中，通常选择从单场景出发着手建设数据中台，首先解决在具体场景下的数据及业务需求，针对单场景的使用环境，帮助企业探索数据价值，随着这些单场景的数据中台逐步成熟，业务将逐步由数据驱动，数据不再是业务系统的副产物，而是业务系统的根基，数据中台也将在融合越来越多的业务场景需求后，逐步发展成业务中台。这些单场景数据中台的数据处理、资产化能力则会逐步汇聚，形成企业内部的统一中台，支持企业的各个业务场景的发展。也就是说，企业的数据中台会从单场景数据中台向多场景数据中台，最终变成整个企业的数据中台。

特别是在垂直行业中，随着核心企业连接更更多的上下游厂商，核心企业的业务量与数据越来越庞大，他们具备承载数据中台的天然优势，随着系统的智能化程度会越高，这类企业将可以通过数据中台服务于自身业务事业群和上下游厂商，以带动业务的进一步增长。

对场景的新一轮争夺

随着业务中台的能力和价值度越来越强，与其紧密绑定给的场景价值也越来越大，对场景的争夺将是数据智能行业的主旋律。未来的数据服务模式主要是通过数据模型和数据应用对外提供服务，也就形成符合业务场景需求的数据产品，只有不断深化对场景的理解，实现基于场景的数据闭环，才能真正发挥数据智能的价值。

如何形成基于场景的数据闭环？

单一场景的数据中台驱动形成业务中台，由业务中台支持业务场景落地，而业务场景又将数据不断反馈到数据中台，实现整个流程的数据闭环，循环往复，最终会使得业务更加智能化，即场景产生数据，而这些数据将进一步应用在场景内。如，社交平台可形成基于生态内的个性化广告、个性化服务业务，数据本身不溢出场景吗，而这些场景中产生的“热数据”“活数据”，不仅能够及时、有效的反映用户当前场景的使用偏好，也将最适合当前场景的应用需求，场景内形成的反馈闭环，将是算法、产品持续优化迭代的关键。

随着场景中数据闭环的价值提升，也意味着依靠场景建立的壁垒会越来越高。对于基础设施（信息化、云化、数据资产化等）相对完善的行业或领域，数据智能即将进入成熟阶段，如，金融、品牌营销、政务等，其次是零售、医疗等已经有了一定的发展基础，但如工业、农业等依然处于早期，数据智能在各个行业的能发展水平并不平衡。

以零售行业为例，尽管行业的整体信息化⽔水平较低，但受益于互联网业务，零售行业是最积极拥抱数据智能的行业。在基础设施方面，零售的信息化程度和 IT 投入较低，但零售的云化和数据资产化在快速推进，特别是在线上线下数据打通方面表现突出。在商业应用方面，受限于当前零售整体基础设施相对薄弱，大部分零售行业的数据应用还处于早期阶段，在“人、货、场”三个核心因素方面，除了了基于用户的应用相对成熟外，针对卖场和商品的数据应用仍然处于相对早期阶段。

类似线下零售的数据洼地场景并不少见，这些场景中，由于基础设施相对薄弱、企业自身技术能力有限等原因，仍旧处于搭建数据中台和技术中台的初级阶段，而随着大数据行业进入数据智能阶段，数据正在改造企业的业务流程，场景价值的提升，正在使大数据行业的竞争转向对场景的争夺。返回搜狐，查看更多

责任编辑：