拜读完阿里数据体验技术揭秘这篇文章之后，获得满满干货，有感写下此文。
阅读原文：https://mp.weixin.qq.com/s/53czpfQNzyI5vHspWfeZ6w
直观感受，数据在当今时代的价值巨大，对数据的分析、呈现，就如从油田中提炼石油。如何提炼出高质量的石油，当然离不开一些必要环节：发现油田、开采油田，提炼纯度以及自我改进。数据分析亦是如此，在当今数据信息体量爆炸的互联网时代，如何发现有价值的数据，高效分析数据并能通过数据模型来形成解决方案，是一个非常值得思考的方向。那么数据和中台如何结合在一起？待我继续探索研究~
初识中台
“大中台、小前台”。
在传统行业大体的结构都是 “用户前台”和“管理后台”。当业务体量小时，无疑是个通用的方案，但是当业务体量越来越大时，前后台的整体规模会越来越庞大臃肿，对于一个长期持续迭代的产品来说开发成本和维护成本会不断增加，从而导致人力成本也需要不断增加，无疑，这一定会不断降低投入产出比，造成资源浪费。为解决这样一种场景，中台的思想被提出———"Less is more"。
中台解决了什么问题？
此处借助中台是什么，到底要解决什么问题？这篇文章中对中台通用技术的描述：
- 中台解决的方式通过统一的公共技术模块抽离形成服务。再次需要该服务时通过接口调用完成，避免重复造轮子，避免研发周期拉长。
- 明确业务流程，封装成公共业务流程模块。当下次走同样业务流程时直接复用。降低试错成本，有利创新。
- 到时候技术研发的就不是项目，而是这些 “公共模块” 形成的 服务，形成的中台。
可以得出，中台，并不是一个平台，也不是一个系统，而是一种服务分离自治、高内聚低耦合的微服务架构思想，即前后台之间的"中间层"。
中台类型
通过查阅资料发现，中台的种类繁多，主要分为以下几种场景。
通过简短一句话描述
-
业务中台
将基础业务分离，将其整合成通用的服务平台。
-
技术中台
为了避免研发人员重复发明轮子，向各个项目提供通用的底层框架、引擎、中间件。
-
数据中台
数据中台，为各个项目进行各种数据采集和分析。典型代表技术：智能联想编辑器、数据分析BI工具、大屏展示、可视化、数据监控、数据安全。
-
算法中台
为各个项目提供算法能力，比如推荐算法、搜索算法、图像识别、语音识别等等。
数据 && 中台
回到本文的开头，本文重点说一下数据中台。
什么是数据中台？
一张图来呈现数据中台的架构。
可以看出，Data API 是数据中台的核心也是连接前台和后台的桥梁，通过 API 的方式提供数据服务，而不是直接把数据库给前台、让前台开发自行使用数据。至于产生 DataAPI 的过程，怎么样让 DataAPI 产生得更快，怎么样让 DATA API 更加清晰，怎么样让 DATA API 的数据质量更好，这些是要围绕数据中台去构建的能力。
引用原文中的一张图概述数据中台整体业务体系
可以看出数据中台团队在数据建设侧、数据消费侧都有深度贡献。
BI能力令我印象深刻，实现了数据的整合、分析、处理，以及最后转化为企业所需的商业数据的能力，也是一套商业化解决方案。
-
数据模型建设
将不同市场需求建设为数据模型，以便用户后期筛选数据。
-
数据资产服务
数据一体化，通过一站式统一运维监控结合数据模型来解决企业在数据应用过程中所遇到的数据资产管理问题，实现统一管控。
-
数据决策
整合过程中数据，将数据输出为报表，为企业提供经营决策提供数据支撑。
好比如一台手机，大部分的手机厂商都是在结合市场需求的基础上，通过集成别的部件生产厂商，以自身的集成系统把这些器件（软硬件）组合起来，同时让各个部分达到协调合作的作用，之后才是服务于用户的个人生活，同时对过程中的数据信息进行汇集留存，并进行分析处理（kpi、销售情况，库存，各大电商平台的数据等），最后整合这部分数据，输出为数据报表一类，为企业的经营决策提供必要的数据支撑。
未来的方向
我认为，数据中台在未来具有极大发展潜力，随着互联网、金融、新零售等现代化产业的出现，必将深度依赖数据中台技术，并且数据中台也将为产业提供数据变现的能力。不断提升基础技术能力、不断完善数据服务建设、不断提供各色商业化解决方案，是能在未来立足于数据之林的关键。
end
感谢阅读如有错误请指出我将第一时间改正~
