数据中台自 14 年至今，未然成为了 2B、2G 业务最热门的话题，政府机构、企事业单位、互联网公司等进行着数字化、数据化、智能化转型。市场普遍认为，阿里巴巴将本身数据中台建设能力对外赋能是拉起本轮数据中台浪潮的基本所在。

本文将带你全面理解阿里巴巴做数据中台的历史。

1、缘起

在 2014 年以前，阿里巴巴有很多条业务线，都有本人的 ETL 团队，每个 ETL 团队建设和保护本人的数据体系。过后许多人认为，这种自下而上的自力更生可能最高效地满足业务需要。也因而，各个 ETL 团队之间不足相互信任，也不足最大化互通的可能性。

即使在 2020 年的很多公司，这种景象也一般存在。不同部门、不同业务、不同零碎之间都有本人独自的 ETL 解决体系，每个 ETL 体系只关注与本人垂直业务相干的需要，并从底向上残缺撑持业务体系。这种状况的呈现，大多是因为业务倒退迅速，为了疾速低成本的满足业务数据需要，独自拉出数据撑持团队造成的。

对于过后的阿里巴巴而言，这种扩散数据处理体系带来了很多问题。以日志采集数据为例，就同时存在若干份数据：淘宝数据根底层、广告数据根底层、搜寻数据根底层各有一份日志数据，不仅间接消耗了十分多的存储资源，更重要的是扼杀了数据中间层和数据应用层等复用的可能性。

图 2014 年以前阿里巴巴分业务自建数据体系的形象图

下图展现的是 2014 年以前，阿里巴巴各个数据团队建设的数据工作关系图。每个圆形代表着一条业务线的数据工作汇合，任意两个圆形之间的连线代表着两者的关系。由此可见：数据处理流向是凌乱的、无方向性的；数据管理是无序的，根本处于失控状态；除了节约研发资源和存储资源，也必然满足不了业务需要。

图阿里巴巴数据公共层建设之初计算环境 1 上的数据工作关系图

业务剧烈倒退与数据撑持能力不匹配产生了微小的矛盾，也促使阿里巴巴外部开始进行数据公共层的建设，数据公共层旨在可继续地建设阿里巴巴智能大数据体系。

2、倒退

– 从零散的数据到对立的数据

从 2014 年起，阿里巴巴启动数据公共层建设项目，以 OneData 体系特地是方法论为领导。

数据公共层建设初期是为了打消因 ” 烟囱式 ” 开发给业务带来的困扰和技术上的节约。而 OneData 体系是保障和推动我的项目建设的要害。OneData 体系一方面致力于数据规范的对立，另一方面谋求让数据变为资产而非老本。OneData 体系除了方法论，还蕴含工具型产品、标准等，具体体现为：数据标准定义、数据模型定义、模型智能化设计、标准 ETL 开发、落实数据标准和模型定义的研发工具、对于整个体系的自动化调优和监控。

通过建设对立的 ODS 数据根底层，建设基于业务利用或需要起源端的形象数据逻辑层来丰盛数据中间层，容许数据应用层的百花齐放来打造阿里巴巴数据公共层。从而将零散的数据变为对立的数据。

**- 从数据孤岛到数据融通
**

在业务突飞猛进倒退过程中，不同的事业部、业务条线会为了疾速实现需求，数据独自定义、存储、应用，从客观性来讲，每个发展壮大的企事业单位都防止不了数据孤岛的产生。数据孤岛不仅蕴含物理孤岛（独立存储、保护、应用），而且蕴含逻辑孤岛（定义不统一、计算逻辑不统一）。

阿里巴巴创新性的创立 OneID 体系，将所有业务范围（电商、金融、广告、物流、文化、教育、娱乐、设施、社交等）中的人、货、场、物、钱等实体买通，解决体系内逻辑性数据孤岛问题。在阿里云的强力撑持下，团体内所有隔离数据进行对立的存储和治理，解决体系内物理孤岛问题。

从数据孤岛到数据融通，使得数据领有发明价值的可能性。

**- 从授人以鱼到授人以渔
**

从以定制化开发的形式将数据交付到业务人员，到基于数据标准但须要配置，再到全链路数据买通，直到主题式服务，阿里巴巴一次次致力谋求的正式从授人以鱼到授人以渔。

2012 年前后，服务于 1688 有超过 300 多个 API，梳理后发现这些 API 之间无奈整合，因为每个 API 只服务于一个业务利用而不能被共享，API 利用的数据应用层数据表也不能被共享。

从 2012 年至 2016 年，阿里巴巴通过 OneService 体系将 API 数据服务从物理表 SQL 模式降级至面向主体查问逻辑模型的 SQL 模型，大大晋升了零碎的可用性，也使得数据中台面向业务人员应用变成了事实，达到了授人以渔的指标。

3、从数据老本到数据价值

对于大部分企业来说，业务零碎发明的数据不仅须要占据大部分的存储空间，而且还须要技术人员继续保护，是一笔不小的老本开销。

阿里巴巴致力于将数据从老本核心变为资产核心，在业务数据化与数据业务化两大方向，数据赋能业务、驱动翻新四大业务场景上获得了丰硕的胜利。

数据中台赋能业务、驱动翻新的四大典型场景蕴含：全局数据监控、数据化经营、数据植入业务、数据业务化。

全局数据监控，如战略决策的智能计划：最大限度升高数据分析的难度，最大水平进步数据分析成果，同时不留余地中传递品牌价值，以高效优质地辅助战略决策和数据化经营。

图双十一数据大屏 & 银泰互动大屏

数据化经营，如用户治理的智能计划：基于全链路全渠道的数据构建、数据连贯与萃取管理体系，对用户进行全生命周期的精细化治理（如智能 CRM）。

2017 年热播的一部电视剧，该电视剧在优酷土豆独家播放十天，播放量就冲破了 60 亿次，属于 ” 景象级 IP”。但这样的 ” 景象级 IP” 并不是偶尔产生的，除资本投入因素外，数据化经营在其中施展了微小的作用。

事先通过舆情剖析锁定 IP，及时独立洽购 IP；事中实时监控流量变动、播放状况，及时调整流量入口，有针对性的推送用户；预先，及时总结和复盘，进行用户积淀，开掘类似内容，造成闭环。

* 数据植入业务：智能图像甄别，智能客服。
通过数据模型算法，将图像甄别从手工变为自动化，节俭 95% 以上工作量。*

图数据智能植入业务零碎

数据业务化 ，如 批发治理的智能计划：躲避传统批发的涣散式治理，将库存、定价、补货、销售等对立协同，整体晋升线上线下批发体验和成果（如生意顾问）。

4、集大成

到明天为止，阿里云数据中台体系（外围产品：Dataphin、QuickBI、Quick Audience、Quick A+）经验了阿里简直所有业务的考验，蕴含新批发、金融、物流、营销、游览、衰弱、大娱乐、社交畛域。在此过程中，云上数据中台除了造成本人的内核能力外，更向上 ” 赋能业务前台 ”、向下与 ” 对立计算后盾 ” 连贯并与之融为一体，造成云上数据中台业务模式。

同时，阿里巴巴从 2018 开始，将本身的数据中台能力向外输入赋能，对社会发明更多价值。

原文链接：https://yq.aliyun.com/articles/769258?utm_content=g_1000163103
本文为阿里云原创内容，未经容许不得转载。