有数据中台和没有数据中台的区别是什么

数据中台交付的常见成果，一是大屏，但问题是没有数据中台的时候也能干大屏。二是存大数据的底座，但问题是对非数字原生企业的数据量来讲就是极大浪费。三是协同开发工具，但大多数企业的数据开发人员只是个位数。四是客户分析，聚焦在单一的领域又不能发挥中台打通的价值。导致业务用户无法直接看出其存在的独特意义。

为什么数据价值出不来

我们总结为客户做过的不同类型的数据应用，发现数据价值出不来的核心原因是：供需双方立意要解决的问题太大，想解决远超当下技术限制的问题。实际数据的作用只是解决巨大问题的微小一粒，最终造成了使用者对数据价值可有可无的感知体验。

比如：解决自动涨工资问题、解决利润增长问题、公司战略方向选择的问题。因为“越复杂的问题，分析模型就越复杂”。

“工资该不该涨”决策因素包括：整体业绩、薪酬政策、是否达到预期、有没有性价比更高的员工代替……可以说非常多，数据模型也很复杂。

反过来就很容易理解，特斯拉的智能驾驶那么大的投入，那么先进的技术，人家不就解决了一个普通人仅需个把月培训都能干的驾驶活嘛，而且仍然还不太成熟。

=02=

什么是数据微智能

“数据微智能”是早见云数对数字技术的深刻理解+有远见的用户共创+科学的分析客户实际应用效果，实践总结出来的数据类项目价值交付方法。“微”的内涵是瞄向更小的场景，更多的场景。“智能”的内涵是更主动、更易懂、更直接：“让数据主动找人”“让人更容易理解数据”“让数据直接产生价值”。

微智能让数据能够直接产生价值

用句俗话就是“宁做鸡头，不做凤尾”力求瞄准有价值的小问题发挥出数据的关键作用，并解决多个这样的问题，这是微智能的核心方法。

微智能重新定义了多数企业发挥数据价值的可行路径：聚焦到有价值的小场景，解决特定的问题，并且解决这个问题数据能够做到人不易做到的程度。

比如：虽然现有模型解决不了工资该不该涨的问题，但是完全可以解决员工“入调离”的社保公积金「漏缴多缴」的问题，在这个场景数据的作用就非常直接。

微智能让人更容易理解数据

传统的数据应用模式像“字典”，用户需要先从字典里面把每一个字查出来，然后再组装成自己需要的“作文”。所以这是一个很复杂的过程，只有少数精英能掌握如何使用这些与场景不匹配的数据。

微智能更像“作文范本”，因为要解决的问题更清晰具体了，就可以“预置数据模型”，用户基于场景就更容易读懂数据了。

微智能让数据主动找人

有了按场景组装的数据产品后，还需要解决“最后一公里”的问题，从传统的“百货公司卖货”转向“快递到家门口”，数据运营者需要更理解用户的需求，主动把数据产品按用户的习惯和需要送到用户手中，自动把使用者关心的数据呈现到他面前。

当然我们也相信随着数据技术的进步，能解决的问题也会越来越大！

=03=

数据中台的“黄金搭档”

起初我们和一些有远见的业务用户交流“微智能数据应用”思想时产生了强烈的共鸣。但也产生了一个大疑问，场景虽然小但是需要的指标可不小，如何解决小场景的成本投入和开发效率问题呢？

用传统的方法数据无法被复用，每个小场景都得单独从头到尾开发数据，实施成本很高，投入产出就不划算。但是有了数据中台特别是基于云原生的数据中台，成本大幅下降，指标一次开发出来就可无限复用，用得越多，ROI反而越高，数据价值便可涓流成河！

回到前面的问题“有数据中台和没有数据中台有什么不同？”就是要看在数据中台的支撑下：数据应用有没有“百花齐放”，各个层级/部门的数字化探索有没有“百舸争流”，企业的数据业务化有没有“百炼成钢”。