中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

中臺產品面面觀將串聯(lián)起數(shù)據(jù)、技術、業(yè)務三大中臺，從數(shù)據(jù)資產化、流程自動化到應用場景化，實現(xiàn)中臺降本提效、賦能前臺。

面面觀將兼顧深度和廣度，并由一系列產品分析報告組成。深度主要是側重于完成整個中臺完整實踐，產品包括平臺產品、方法論產品、治理產品，并將其結合落地最佳實踐。廣度主要是側重于分析國內外Top中臺公司的相關產品，包括阿里、華為等。

中臺產品面面觀的第一篇是綜述，將從市場、行業(yè)、需求、商業(yè)等角度進行整體分析。

今天很多人在說中臺（包括但不限于數(shù)據(jù)中臺、技術中臺、業(yè)務中臺、組織中臺等），個人理解中臺不是一個產品，也很難簡單的將其做成一個項目，這是一個工程。

中臺是一個重塑企業(yè)的管理、業(yè)務、流程、數(shù)據(jù)、技術等全要素的工程，而這樣的工程需要戰(zhàn)略決心和高層的支持、對應的組織架構和大量的人才投入（包括但不限于數(shù)據(jù)分析師、數(shù)據(jù)工程師、數(shù)據(jù)科學家、數(shù)據(jù)產品經理、前端工程師、后端工程師、業(yè)務人員等），并配套相應全鏈路的數(shù)據(jù)工具與流程保障。

本人先后負責數(shù)據(jù)治理和數(shù)據(jù)平臺的中臺產品工具和數(shù)據(jù)相關工作，其實很早就想寫中臺產品系列分析報告（中臺產品面面觀）了，但一直沒有時間。

恰好最近遇到了一系列契機：

1. 國家方針，黨的十九大報告提出要“推動互聯(lián)網、大數(shù)據(jù)、人工智能和實體經濟深度融合”，進一步突出了大數(shù)據(jù)作為國家基礎性戰(zhàn)略性資源的重要地位，掌握豐富的高價值數(shù)據(jù)資源日益成為搶占未來發(fā)展主動權的前提和保障。建設好的中臺將數(shù)據(jù)價值真正挖掘并應用。
2. 技術推動，中間件、大數(shù)據(jù)等技術的日益成熟為中臺的發(fā)展起到了強有力的推動作用。
3. 業(yè)務推動，用戶需求個性化，產品的快速迭代和試錯，以此滿足用戶、搶占市場。
4. 中臺火爆，BATJ等許多企業(yè)紛紛推出自己的中臺建設方案。
5. 正因為以上幾點，很多行業(yè)內的同學也和我頻繁交流了中臺建設細節(jié)，在這里也是暢書自己所想，分享出來和大家一起更深入的交流。

基于以上契機，正式開始寫中臺產品系列分析報告（中臺產品面面觀）。

中臺戰(zhàn)略的構建，從功能上說，包括數(shù)據(jù)中臺、技術中臺、以及業(yè)務中臺。其中數(shù)據(jù)中臺的本質是將數(shù)據(jù)資產化，技術中臺的本質是將流程自動化，業(yè)務中臺的本質是將應用場景化。

圖 阿里中臺架構

本系列中臺產品分析報告將串聯(lián)起數(shù)據(jù)、技術、業(yè)務三大中臺，從數(shù)據(jù)資產化、流程自動化到應用場景化，實現(xiàn)中臺降本提效、賦能前臺。

報告將兼顧深度和廣度，并由一系列報告組成。

深度主要是側重于完成整個中臺完整實踐，產品包括平臺產品、方法論產品、治理產品，并將其結合落地最佳實踐。數(shù)據(jù)平臺型產品包括于DataWorks、DataPhin、Data Science Studio、Data Catalog、Data ATM等；數(shù)據(jù)治理型產品包括線下消費標簽、原子標簽、智能招商模型等；數(shù)據(jù)方法論型產品包括OneData、OneService等。

廣度主要是側重于分析國內外Top中臺公司的相關產品，包括阿里、華為、百度、騰訊、網易、京東、TalkingData、數(shù)瀾、Teradata、Microsoft、Google、Amazon、IBM等。

中臺產品面面觀的第一篇報告是綜述，將從市場、行業(yè)、需求、商業(yè)等角度進行整體分析。

圖 全文結構

一、市場分析

本節(jié)將分析市場，了解中臺用戶及對應需求。

圖 市場分析部分文章結構

正所謂理解當下最好的方式，是回頭看看過去，說到中臺市場，我們先回顧一下這十幾年來中國企業(yè)數(shù)據(jù)化歷程，大致經歷了如下幾個階段，正因為這幾個階段，才有了現(xiàn)在的中臺市場。

第一階段，2000年之后，企業(yè)內部數(shù)據(jù)化。

2002年~2005年，中國許多大型企業(yè)開啟了一輪以ERP、CRM為主的底層IT建設。

2015年前后，中國許多大型國企和Top民企都基本完成了內部核心業(yè)務的數(shù)據(jù)化建設。

這為中臺的出現(xiàn)提供了第一個先決條件，底層IT架構的完善和初步的“業(yè)務數(shù)據(jù)化”。

第二階段，2012年之后，“互聯(lián)網思維”萌發(fā)。

這一時期，隨著BAT等互聯(lián)網名企紛紛上市，所到之處，“消滅你，與你無關”。備受電商沖擊的傳統(tǒng)零售商，被搜索和門戶打得黯然神傷的傳統(tǒng)媒體。

2013年11月3日，新聞聯(lián)播更是發(fā)布了《互聯(lián)網思維帶來了什么》專題報道。

由此，各行各業(yè)被逐漸植入了一個信念：互聯(lián)網思維。而互聯(lián)網思維中，十分重要的就是數(shù)據(jù)思維。

這為中臺的出現(xiàn)提供了第二個先決條件，大家開始逐漸意識到數(shù)據(jù)的價值。

第三階段，2013年之后，移動互聯(lián)網發(fā)展產生海量數(shù)據(jù)。

通過移動設備和蓬勃發(fā)展的各類傳感器，更多行業(yè)積累在移動互聯(lián)時代產生的數(shù)據(jù)量級遠超以往。

同時新的業(yè)務需求源源不斷的涌出，如基于大數(shù)據(jù)的營銷、風控、輔助決策類業(yè)務，許多企業(yè)近年內開始用起了SaaS服務。

這為中臺的出現(xiàn)提供了第三個先決條件，移動互聯(lián)網產生的海量數(shù)據(jù)，潛在的數(shù)據(jù)治理和數(shù)據(jù)應用需求。

第四階段，2016年之后，互聯(lián)網進入下半場。

智能手機銷量和網民規(guī)模增長減緩，互聯(lián)網人口紅利逐漸消失，此時，一方面可以出海繼續(xù)追人口紅利，另一方面就必須精耕細作存量市場，典型的像這一時期特別火爆的“增長黑客”，提倡的核心理念正是數(shù)據(jù)驅動，低成本高增長。

這為中臺的出現(xiàn)提供了第四個先決條件，催生對自有數(shù)據(jù)價值的更深認知和深程度的數(shù)據(jù)治理和數(shù)據(jù)應用。

隨著以上四階段的發(fā)展，逐漸演化到了現(xiàn)在的中臺市場，可以總結出兩大問題：“煙囪林立”和“齒輪失衡”。

圖 回顧歷史，分析當下

01

“煙囪林立”，各系統(tǒng)沉淀的數(shù)據(jù)之間難以打通，企業(yè)內外部數(shù)據(jù)難以連接，系統(tǒng)重復建設。

為了滿足新業(yè)務的即時需求，許多企業(yè)常常同時使用多個IT系統(tǒng)，各個系統(tǒng)數(shù)據(jù)往往不同，不同部門也動不動就另起爐灶大量重復開發(fā)，各個系統(tǒng)有如一個個林立的煙囪互不連通，

那么“煙囪林立”（數(shù)據(jù)不通、重復開發(fā)）有什么結果呢？

重復開發(fā)和維護，成本高昂，可能馬上會“死”。

數(shù)據(jù)不通，數(shù)據(jù)不能較好的支持前端業(yè)務，公司沒有護城河，慢慢也會“死”。

在這里還是看一下阿里的例子，

1.1 重復開發(fā)和維護，成本高昂，可能馬上會“死”。

數(shù)據(jù)中心不但不是利潤中心，反而成為了巨大的成本中心。

以阿里為例，2014年阿里面臨著大數(shù)據(jù)還沒來得及發(fā)揮作用就已經消耗完業(yè)務帶來的利潤的現(xiàn)狀。

見微知著，用數(shù)據(jù)說話，當時5張幾乎完全重復的日志基礎表在源頭就已經被復制到不同的數(shù)據(jù)團隊中，這5張重復表占據(jù)了數(shù)10PB的存儲空間，當時存儲1PB數(shù)據(jù)表耗資上百萬元，其中還不算電費等維護費用，更不要說研發(fā)和維護這些表的人力成本。

在數(shù)據(jù)公共層建設一年左右總結僅2015財年，批量數(shù)據(jù)計算總時長減少了50%，數(shù)據(jù)計算成本節(jié)約了近億元人民幣，數(shù)據(jù)下線節(jié)約了近百PB存儲空間，數(shù)據(jù)存儲成本節(jié)約了近億元人民幣。

中臺建設，生死存亡。

其實這也是阿里率先做中臺建設的重要原因，對于其他企業(yè)，可能沒有那么嚴重，但重復建設和維護帶來的高昂成本不容小覷。同時，也埋下了后續(xù)打通維護的“病根”。

1.2 數(shù)據(jù)不通，數(shù)據(jù)不能有效支持前端業(yè)務，不利于業(yè)務的發(fā)展和沉淀，公司沒有護城河，慢慢也會“死”。

以阿里為例，阿里作為一家生態(tài)公司，業(yè)務涵蓋電商、金融、廣告、物流、文娛等各個領域，隨著人們互聯(lián)網行為的多樣化，在不同域產生各自的業(yè)務數(shù)據(jù)，比如在高德打車、在天貓購物、在優(yōu)酷看視頻、在支付寶交電費。對阿里巴巴全局而言，這就是一個個數(shù)據(jù)孤島。數(shù)據(jù)不通，我們看一個“人”的行為是片面的，數(shù)據(jù)價值也是很有限的，數(shù)據(jù)只有融通才能產生更大的價值，從而產生一個“人”立體鮮活的畫像。

同樣，我們可以通過一個例子來說明。

某大公司旗下的多款產品都有用戶“A”的使用記錄：

• 租房產品：A最近頻繁瀏覽北京東直門地鐵站附近的小區(qū)；
• 求職產品：A最近投遞了東直門附近多家公司的崗位；
• 外賣產品：A點餐配送地址都在北京朝陽。

根據(jù)上述內容，如果公司平臺數(shù)據(jù)是打通的，那么可得出一個初步結論：用戶A計劃從朝陽跳槽到東直門某公司，并準備在東直門附近居住。

根據(jù)互通的數(shù)據(jù)信息，還可以再細致分析下去：根據(jù)A的日常飲食習慣與所瀏覽的租房信息，可以判斷他的消費層次；結合投遞職位的薪資判斷生活水平，分析其家庭關系判斷其遷移目的比如說是不是伴侶在東直門，所以也想搬過來。

慢慢地，一個完整的用戶畫像躍然紙上，數(shù)據(jù)價值威力顯現(xiàn)。

相反，數(shù)據(jù)不通，那么數(shù)據(jù)價值將大打折扣。

圖 阿里GProfile對“人”的立體刻畫

02

隨著企業(yè)的不斷發(fā)展，前臺和后臺的“?輪速率匹配失衡”的問題逐步顯現(xiàn)，后臺很難及時響應前臺進行創(chuàng)新。

互聯(lián)網化時代面臨著場景、業(yè)務增多且快速變動的情況。前臺和后臺就像是兩個不同轉速的?輪，前臺要快速響應用戶的需求，講究的是快速創(chuàng)新迭代，所以往往轉速越快越好；?后臺由于?對的是相對穩(wěn)定的后端資源，?且常常是系統(tǒng)陳舊復雜，甚至還受到法律法規(guī)審計等相關合規(guī)約束，所以往往是穩(wěn)定至上，越穩(wěn)定越好。失衡達到一定程度時，就是中臺興起的時機。

可以設想這么一個場景，現(xiàn)在市場有一個很好的業(yè)務機會，我們想抓住這個，進行創(chuàng)新/試錯。如果實現(xiàn)這么一個機會所需的資源投入需要從0到1占用20人4個月的時間，并且還面臨著無法實現(xiàn)預期、業(yè)務機會不正確等風險，那么這個創(chuàng)新/試錯實在太高了，大多數(shù)企業(yè)都無法支持，從而任由機會流失。

但如果我們打造了一個很好的中臺，可以基于中臺只投入5人2周的時間建設產品并推向市場進行創(chuàng)新/試錯，再根據(jù)反饋進行迭代，那么大多數(shù)企業(yè)應該還是很樂意進行這樣的創(chuàng)新/試錯。

現(xiàn)在我們也正是基于我們的技術中臺和數(shù)據(jù)中臺等中臺能力進行業(yè)務創(chuàng)新/試錯，并打造了金融、零售等領域許多經典的數(shù)據(jù)產品。

比如線下選址數(shù)據(jù)產品智選的數(shù)據(jù)層建設基本復用了我們數(shù)據(jù)中臺的位置域數(shù)據(jù)能力，數(shù)據(jù)中臺的數(shù)據(jù)能力現(xiàn)在已經全部接入我們的數(shù)據(jù)服務商場（DMK）并以Service服務的形式對外輸出，因此只需要幾位工程師花幾天時間做DMK相關服務的調用和調整，花精力建好大中臺，從而以低成本進行業(yè)務創(chuàng)新/試錯。

（創(chuàng)新/試錯：做對了就是創(chuàng)新，做錯了就是試錯。）

圖 數(shù)據(jù)服務商場（SDMK）相關服務

關于中臺最經典的例子就是大家耳熟能詳?shù)姆姨m手游公司SuperCell了，雖然這家公司每年能創(chuàng)造15億美元稅前利潤，但只有不到200名員工。SuperCell就像是一個高產的游戲孵化器，在幾年內開發(fā)出了10款以上的游戲，雖然大部分用于試錯的游戲都在研發(fā)過程中被腰斬了，但最終呈獻給用戶的幾款游戲（《部落沖突》《卡通農場》《海島奇兵》等）都是經典中的經典。

2014年馬云歐洲之旅參觀了Supercell， Supercell以最多不超過7個員工組成獨立的開發(fā)團隊作為小前臺團隊（內部稱之為Cell），他們開發(fā)出的游戲看上去風格迥異，卻存在許多共同之處：

• 在業(yè)務上，共通的東西包括支付系統(tǒng)、用戶系統(tǒng)等等。
• 在技術上，共同的東西包括游戲引擎，內部開發(fā)工具等等。

而這些共通的資源，都可以由一個強大的“中臺”來提供。

圖 Supercell前中臺結構示意

早期的阿里和其他公司一樣，在IT建設方面也是“煙囪式”的，由不同的技術團隊支撐不同業(yè)務。比如淘寶、天貓、聚劃算這三大核心電商業(yè)務，在過去是三套獨立的系統(tǒng)，都建設了用戶、商品、交易、評價等業(yè)務功能，并且互相獨立，無法連接協(xié)同。

實際上，不只是阿里，這種重復投資、無法協(xié)同的獨立煙囪架構，是目前國內絕大多數(shù)企業(yè)信息化建設時所遇到的普遍問題。

一個公司是有很多員工都有想法的，這個想法能否落地通?？赡芤洑v立項、申報預算、評估投入產出比、研發(fā)周期、采購、營銷等多個環(huán)節(jié)，十分復雜且漫長。

所以阿里啟動中臺戰(zhàn)略，在云計算架構下，橫向打通各個業(yè)務系統(tǒng)。

構建業(yè)務中臺，把各不同業(yè)務中的相同部分抽離出來，由中臺進行統(tǒng)一管理，再把它們重新組合，分配給上線的新業(yè)務。這樣，新業(yè)務就能以模塊化的形式快速上線。

比如聚劃算的誕生就可以說的是國產中臺經典案例：

當時2010年市場上團購業(yè)務蓬勃發(fā)展，阿里也想建自己的團購平臺，但市場上已經有了美團、高朋等專業(yè)的團購網站，面對先入者和新的業(yè)務模式，其實這對于阿里也是一次嘗試。

所以當時阿里投入了產品、運營、研發(fā)等10+人用了1月+就成功上線，而且跑得非常好。

為什么這么快？

因為80%的東西不需要做了，中臺有現(xiàn)成的業(yè)務能力（用戶、商品、交易、評價等），直接調用就行了。上線后聚劃算展現(xiàn)了超出想象的流量吸力，阿里確定這個是重要流量入口后，大力投入，在14個月之后，這個10+人的小團隊發(fā)展為600+人的事業(yè)部，與淘寶、天貓并駕齊驅。

構建數(shù)據(jù)中臺，打通數(shù)據(jù)孤島，抽象公共模型，由中臺統(tǒng)一管理，提高數(shù)據(jù)處理效率。

天貓和淘寶都有各自買家的評價數(shù)據(jù)。在過去，淘寶和天貓的數(shù)據(jù)體系是沒有打通的。但實際上，二者在鑒別虛假評價時所使用的數(shù)據(jù)模型又是相同的。所以即便業(yè)務場景不一樣，但很多基礎數(shù)據(jù)模型和算法可以被重復使用。

建立中臺后：

1. 將公有化的那部分做沉淀，畢竟有太多的問題在各個地方都反復出現(xiàn)，每一次都有人掉入差不多的坑。公有化沉淀之后復用，形成中臺壁壘。
2. 剩下的就是將差異化的那部分做好。周期短、成本低，這樣大家就敢去創(chuàng)新。

回到阿里的案例，如果沒有高層的支持（馬云、行顛）、配套的組織（共享事業(yè)部和 2010 年對聚劃算流量的控制到現(xiàn)在的中臺團隊）、創(chuàng)新的業(yè)務（淘寶、天貓、聚劃算到現(xiàn)在的新零售），那么也很難有現(xiàn)在的阿里大中臺。

即便中臺戰(zhàn)略落地了，每天的變更仍然頻繁，每天會產生眾多新的需求。比如新收購了一個公司或者新成立一條業(yè)務線，新的 IT 應用如何融入到現(xiàn)有的中臺上來，讓中臺能力更豐富，這就是中臺能力持續(xù)進化的過程。

圖 阿里巴巴云上數(shù)據(jù)中臺賦能業(yè)務運行

中臺，幫企業(yè)把數(shù)據(jù)用起來，連通傳統(tǒng)IT架構和各類數(shù)據(jù)，平衡前后臺矛盾，最終提升決策水平和業(yè)務表現(xiàn)，幫企業(yè)實現(xiàn)商業(yè)本質。

中臺就是整合治理資源，降低成本提高效率，更好響應前臺需求。

不僅僅是工具和方法論，更需要企業(yè)戰(zhàn)略及組織架構等全方位的規(guī)劃和配合。

二、行業(yè)分析

本節(jié)主要全局概覽行業(yè)內做中臺的主要公司。

圖 行業(yè)分析部分文章結構

首先，我們引用愛分析的2019年數(shù)據(jù)智能行業(yè)圖譜，一圖概覽中臺主要公司。

（ps：對于愛分析的分類，肯定仁者見仁智者見智，包括我也有不一樣的觀點，但此圖能讓大家對行業(yè)有一個基本的認識，故在此引用。）

圖 愛分析2019年數(shù)據(jù)智能行業(yè)圖譜

01 主流互聯(lián)網公司

目前中臺概念的火爆主要就是源于主流互聯(lián)網公司的中臺相關建設：

2018年9月，騰訊宣布新成立云與智慧產業(yè)事業(yè)群（CSIG）和技術委員會，技術委員會將負責打造技術中臺。

2018年11月，阿里云事業(yè)群升級為阿里云與智能事業(yè)群，并開始對外輸出中臺能力。

同月，美團被曝正在打通大眾點評、摩拜等各業(yè)務間的數(shù)據(jù)，構建數(shù)據(jù)中臺。

2018年12月，百度調整組織架構，王海峰同時負責基礎技術體系（TG）和AI技術平臺體系（AIG）。此后，王海峰在公開場合表示，打造技術中臺是百度調整組織架構的戰(zhàn)略方向之一。

同月，京東進行有史以來最大組織架構調整，增設中臺部門，京東商城CEO徐雷還在去年年會上強調：要將中臺提升為“永不停歇”的超級引擎。

2019年3月，字節(jié)跳動被曝正在搭建“直播中臺”，抖音、西瓜、火山視頻3款APP未來將共用技術和運營團隊。

2019年5月，騰訊宣布將進一步開放數(shù)據(jù)中臺和技術中臺。其中，數(shù)據(jù)中臺包括用戶中臺、內容中臺、應用中臺等；技術中臺包括通信中臺、AI中臺、安全中臺等。

其他相關內容在此不一一枚舉。

圖 主流互聯(lián)網公司的中臺建設歷程

阿里可以算是互聯(lián)網公司里中臺的鼻祖了，早在2015年12月，阿里巴巴集團CEO張勇就宣布啟動中臺戰(zhàn)略。成為中國乃至全球第一家踐行中臺戰(zhàn)略的大型互聯(lián)網公司。阿里中臺起步早，發(fā)展相對成熟，同時明確表示要對外輸出中臺，并已經做出了許多經典案例。

圖 阿里云墨跡天氣案例

02 大數(shù)據(jù)公司

典型的如我們TalkingData正在著力打造我們的中臺（技術中臺、數(shù)據(jù)中臺），強調數(shù)據(jù)和科技。

還有很早旗幟鮮明地提出要做數(shù)據(jù)中臺，像數(shù)瀾，以及后續(xù)漸漸進入或被人歸為這個賽道，如北交云、袋鼠云、奇點云等。

圖 TD數(shù)據(jù)中臺價值定位

數(shù)據(jù)中臺型：

在數(shù)據(jù)中臺領域深耕的，這里可以根據(jù)自身是否有數(shù)據(jù)源將公司分為兩類：

• 第一類是自身沒有數(shù)據(jù)源，幫助客戶搭建數(shù)據(jù)中臺并服務于客戶的公司，典型的如數(shù)瀾、滴普等公司。
• 第二類是自身有數(shù)據(jù)源，并形成三方數(shù)據(jù)中臺并服務于客戶的公司，典型的如我們TalkingData和個推、極光等公司。

現(xiàn)在第二類公司也開始慢慢涉及第一類公司的業(yè)務，即幫助客戶搭建數(shù)據(jù)中臺并服務于客戶的公司。因為自身有數(shù)據(jù)源、自己內部有數(shù)據(jù)團隊和業(yè)務團隊，有大量的內部需求來迭代中臺產品，因此做第一類公司的業(yè)務只是一個“數(shù)據(jù)中臺對外”的問題，同時產品因為場景多也更具競爭力。

技術中臺型：

在技術中臺領域深耕的：

這一塊根據(jù)平臺特性細分，玩家很多：

• 主攻用戶行為分析平臺，如神策，
• 主攻數(shù)據(jù)科學平臺，如第四范式，
• 其他等等~

業(yè)務中臺型：

在業(yè)務中臺領域深耕的：

很少有大數(shù)據(jù)公司一開始就直接切入企業(yè)的業(yè)務中臺，大部分都由技術中臺和數(shù)據(jù)中臺公司演化而來。

一般都從行業(yè)應用切入，在服務大量垂直行業(yè)客戶并掌握場景需求后，逐步形成業(yè)務中臺能力。

從客戶價值的角度來看，業(yè)務中臺最接近業(yè)務場景，實現(xiàn)技術賦能，按照效果計費，客戶價值較高。

比如我們切入垂直行業(yè)餐飲銷量預測領域，幫助世界頂級餐飲集團百勝 (YUM)旗下肯德基做銷量預測，通過銷量預測解決肯德基采購和人員排班問題，節(jié)省成本每年億級別，受到一線餐廳經理的熱烈歡迎，集團十分認可。我們也打造了近實時生產決策的標桿項目，同時沉淀零售餐飲行業(yè)銷售預測領域知識并積累算法模型大規(guī)模工程部署經驗。

圖 TD銷量預測系統(tǒng)示意

03 傳統(tǒng)軟件服務商

這部分公司主要是傳統(tǒng)軟件服務商中的佼佼者，老一代IT架構的建設者，如金蝶、用友等。

圖 用友全域中臺

三、需求分析

本節(jié)將進行需求分析，分析中臺的主要用戶及使用場景。

圖 需求分析部分文章結構

中臺的主要用戶可以分為生產者、消費者、監(jiān)管者三大類群體。

生產者主要指我們的數(shù)據(jù)團隊，包括數(shù)據(jù)產品經理、數(shù)據(jù)分析師、數(shù)據(jù)科學家、數(shù)據(jù)工程師等，他們將使用我們中臺數(shù)據(jù)工具生產數(shù)據(jù)，具體場景包括數(shù)據(jù)分析、數(shù)倉規(guī)劃、開發(fā)運維、算法開發(fā)、資產管理與運營、數(shù)據(jù)安全與合規(guī)管理等。（ps：其中不同的數(shù)據(jù)生產場景將使用我們不同的數(shù)據(jù)工具。）

對于生產者，他們想要的是高效治理數(shù)據(jù)資產。

正如之前提到的，煙囪式數(shù)據(jù)體系造成數(shù)據(jù)調用混亂、口徑不統(tǒng)一、質量參差不齊、建設和維護的重復，造成人力、物力、時間等資源的浪費和前端使用不便。

這正是生產者（組織中臺）+中臺（數(shù)據(jù)、技術）需要重點解決的問題，我們SDK采集等數(shù)據(jù)主要是移動互聯(lián)網等數(shù)據(jù)，因此我們將應用統(tǒng)計分析、游戲運營分析、移動廣告監(jiān)測等幾條業(yè)務線等數(shù)據(jù)統(tǒng)一規(guī)劃，通過原子標簽體系開放出設備、APP、位置、wifi等幾個主題域的相關數(shù)據(jù)集數(shù)據(jù)集供前端使用。打破煙囪，降本增效。

圖 TD原子標簽體系

消費者主要指我們的業(yè)務團隊，包括BD、咨詢、運營、商業(yè)分析師乃至管理層（CEO、CFO、CTO等），他們將消費我們生產者精心準備的數(shù)據(jù)，結合業(yè)務直接運用數(shù)據(jù)最大程度發(fā)揮數(shù)據(jù)的價值。對于不同消費者，數(shù)據(jù)應用的訴求和場景很多。

對于管理層（CEO、CFO、CTO等），他們想知道自己有多少數(shù)據(jù)資產，分布情況怎么樣，ROI怎么樣，趨勢怎么樣，他們想要準確評估及合理應用數(shù)據(jù)資產，做好企業(yè)戰(zhàn)略管理。

對于一線業(yè)務人員，他們不關心到底有多少張數(shù)據(jù)表以及底層實現(xiàn)，他們只關心自己對應的業(yè)務，比如會員數(shù)據(jù)這類具體業(yè)務主題域的數(shù)據(jù)，他們想要的是可以清晰查看并快速使用我們的數(shù)據(jù)資產，并解決業(yè)務問題創(chuàng)造數(shù)據(jù)價值，傳統(tǒng)行業(yè)借助數(shù)據(jù)進行經營管理和分析。

正如之前提到的，沒有前臺何來中臺，中臺將賦能前臺，前臺將直接享受我們中臺的成果，可以快速查看并使用我們的數(shù)據(jù)資產，業(yè)務平臺可以很方便等調用我們的主題服務，一個個完整等主題服務可以很方便等供我們等客戶和合作伙伴使用，咨詢等業(yè)務人員可以很方便的提取高質量數(shù)據(jù)進行營銷投放、競品分析等解決方案的制定。

圖 TD中臺業(yè)務場景的實現(xiàn)過程

監(jiān)管者包括公司內部法務等相關團隊、App開發(fā)者、個人信息用戶、國家相關部門（網信辦、工信部、公安部等）。這部分用戶更關注數(shù)據(jù)資產安全合規(guī)問題。

在這一部分，一方面從法務角度我們結合法規(guī)確定了SDK開發(fā)者協(xié)議、隱私政策、服務條款，另一方面從中臺角度我們去標識化用戶并圍繞數(shù)據(jù)采集、數(shù)據(jù)傳輸、數(shù)據(jù)存儲、數(shù)據(jù)匯聚、數(shù)據(jù)使用、數(shù)據(jù)刪除等一系列流程進行數(shù)據(jù)保護。中臺健全的數(shù)據(jù)安全管理體，包括信息分級分類、加密保存、數(shù)據(jù)訪問權限劃分，指定內部數(shù)據(jù)管理制度和操作流程。

圖 TD數(shù)據(jù)分級管理策略

四、商業(yè)分析

本節(jié)將分析中臺商業(yè)模式。

圖 商業(yè)分析部分文章結構

商業(yè)模式可以分兩大類，長遠戰(zhàn)略和直接盈利。

長遠重戰(zhàn)略，我賣中臺但不靠中臺賺錢，中臺只收個成本價甚至免費，我在其他地方賺錢，賣了中臺后，我占了一個入口或者獲得一個資質，講戰(zhàn)略做長線。這部分內容在此不做展開。

現(xiàn)在資本市場不景氣，企業(yè)需要有造血能力，才能生存并進一步發(fā)展。

本節(jié)主要討論直接盈利。

現(xiàn)在大部分公司的中臺都在建設中，主要還是服務于內部用戶，建中臺的目的還是在降本增效，降低成本賦能前端，間接產生商業(yè)價值，在此不做展開。

本節(jié)重點更聚焦討論在正式對外售賣中臺的場景里，中臺的商業(yè)模式是什么。

商場變化莫測，玩法很多，但萬變不離其宗，我們從中臺的本質開始分析。

中臺包括業(yè)務中臺（應用）、技術中臺（平臺）、數(shù)據(jù)中臺（數(shù)據(jù)）、組織中臺（人），對應的商業(yè)打法可以單獨售賣，也可以結合打包售賣。具體怎么賣，綜合客戶需求和自身ROI等隱私考慮。

01 先說幾種打法打打樣

（1）只賣技術中臺（平臺）

這種模式在國內比較少，在國外做的比較好的是Dataiku，賣你一個數(shù)據(jù)科學平臺，在你這私有化部署一套，純賣軟件，其他不管。

這樣的好處是邊界很清晰，成一單就收一單的錢，后續(xù)實施維護等成本較低。

但缺點也很明顯，正如我提到的，在國內比較少，因為現(xiàn)在純賣軟件的時代已經慢慢過去了，主要原因：

• 客戶更關心你能去解決具體的業(yè)務問題，純買一個技術中臺，上不碰業(yè)務中臺（應用）下不碰數(shù)據(jù)中臺（數(shù)據(jù)），很難找到合適的場景切入，后續(xù)客戶要解決業(yè)務問題還有很多事情要做。
• 純賣軟件，陷入惡性價格戰(zhàn)，最終大家都不掙錢。

圖 Dataiku產品截圖

（2）只賣業(yè)務中臺（應用）

只有真正為客戶解決問題，客戶才更愿意為此付費。因此，從業(yè)務切入是一個不錯的選擇。

切業(yè)務，打法也有很多。

1）賣一個應用平臺SAAS，比如專注線下選址場景的應用平臺智選，為新零售、銀行等行業(yè)提供門店選址、商圈洞察、潛客濃度探索等服務，在量化數(shù)據(jù)的基礎上，為選址的開、停、并、轉研究場景提供決策支持。

圖 TD智選產品截圖

2）賣一個數(shù)據(jù)服務DAAS，比如欺詐風險偵測模型服務，專注于為客戶解決現(xiàn)金分期中貸前欺詐風險識別問題。

圖 欺詐風險服務調用演示

具體打法還很多，在此不一一展開。

02 整體梳理一下中臺商業(yè)模式

說了幾種具體打法后，在整體梳理一下中臺商業(yè)模式，可以單賣/組合應用（業(yè)務中臺）、平臺（技術中臺）、數(shù)據(jù)（數(shù)據(jù)中臺）、人（組織中臺）設計商業(yè)模式以進行盈利。

（1）賣業(yè)務中臺

• 賣業(yè)務平臺SAAS，主要是軟件付費模式。
• 賣數(shù)據(jù)服務DAAS，主要是服務調用計量計費。
• 賣解決方案，按解決方案價值計費

（2）賣技術中臺

1）賣數(shù)據(jù)平臺PAAS，技術中臺中的一個個數(shù)據(jù)平臺PAAS又可以進行單賣/組合。

技術中臺里的數(shù)據(jù)平臺包括但不限于數(shù)據(jù)分析平臺、數(shù)據(jù)目錄平臺、數(shù)據(jù)提取平臺、模型自動化平臺、行為分析平臺、AB測試平臺、BI平臺、營銷平臺等等。

每一個數(shù)據(jù)平臺，又可以按功能模塊及能力進行單賣/組合。

圖 阿里云DataWorks版本及收費標準

2）基礎設施IAAS，因為數(shù)據(jù)平臺底層依賴存儲及計算資源，因此對應這類資源服務類商品還需進行計費，對應的收費方式包括包年包月（資源包、獨享資源）、按量付費。

選擇不同地區(qū)不同規(guī)格等機器和不同等帶寬又會有對應等計價標準：

圖 云物理服務器 產品規(guī)格及價格示意

（3）賣數(shù)據(jù)中臺

可以賣支撐數(shù)據(jù)中臺的數(shù)據(jù)平臺，這部分可以參考技術中臺。

可以賣數(shù)據(jù)，賣數(shù)據(jù)集、模型、服務，這部分需要慎重考慮合法合規(guī)問題，最佳等數(shù)據(jù)輸出方式還是數(shù)據(jù)服務DAAS，這部分可以參考業(yè)務中臺。

（4）賣組織中臺

組織中臺不會單獨售賣，它滲透在業(yè)務中臺、技術中臺、數(shù)據(jù)中臺中。

業(yè)務解決方案等包裝、業(yè)務平臺和數(shù)據(jù)平臺的部署和實施，數(shù)據(jù)建設和規(guī)劃等等都離不開人（組織中臺）。

結語

以上，從市場、行業(yè)、需求、商業(yè)等角度對中臺進行了整體分析。

至此，《中臺產品面面觀（1）》告一段落。后續(xù)報告將兼顧深度和廣度，串聯(lián)起數(shù)據(jù)、技術、業(yè)務三大中臺，進行進一步分析。

深度主要是側重于完成整個中臺完整實踐，產品包括工具產品、方法論產品、數(shù)據(jù)產品，并將其結合落地最佳實踐，數(shù)據(jù)平臺型產品包括于DataWorks、DataPhin、Data Science Studio、Data Catalog、Data ATM等，數(shù)據(jù)治理型產品包括線下消費標簽、原子標簽、智能招商模型等，數(shù)據(jù)方法論型產品包括OneData、OneService等。

廣度主要是側重于分析國內外Top中臺公司的相關產品，包括阿里、華為、百度、騰訊、網易、京東、TalkingData、數(shù)瀾、Teradata、Microsoft、Google、Amazon、IBM等。

很多人會高估中臺的短期價值，但低估中臺的中長期價值。

中臺之路，路漫漫其修遠兮，吾將上下而求索。

作者：xingquan.he。TalkingData高級數(shù)據(jù)產品經理，熱愛產品&數(shù)據(jù)&技術，不斷挑戰(zhàn)自我。

本文由 @楚權?原創(chuàng)發(fā)布于人人都是產品經理。未經許可，禁止轉載。