阿里巴巴云上数据中台负责人：数据中台建设是长线过程
随着电子商务、物联网、社会化网络的持续发展，企业的业务模式和数据体系愈加复杂，对大多数企业而言，数智化转型不再是一道选择题，而是一道关乎未来发展的生存题。
在10月21日举办的2021云栖大会·数据中台专场论坛上，阿里巴巴云上数据中台负责人王赛透露，作为国内率先提出数据中台概念的阿里巴巴，过去几年将自身数据中台建设能力通过阿里云对外输出，而承载其满足不同行业、不同企业、不同场景需求的“Dataphin+Quick系列”产品，已被包括麦当劳、财通证券、联合利华、海底捞等在内的几千家企业所用，并沉淀出体量丰富的实践经验。
“数据产品的服务，一定不只是单向的能力输出，”王赛说道，“我们会在不断地实践探索中，去吸收不同企业的个性化诉求，寻找共通性，并总结提炼去反哺我们的产品能力拓展�！�
同时他强调，数据中台建设是一个长线过程，企业也许比较难在短时间内看到整体效果，“但一旦建设完成，对企业来说不论是人力成本还是时间成本，降本提效就会变得显而易见�！倍攵云笠翟谝滴癫忝孀非罅⒏图靶Ч乃咔螅硎灸壳鞍⒗镌剖葜刑ㄒ材芄灰圆纷楹霞靶幸到饩龇桨傅男问浇氲狡笠稻咛逡滴癯【�，给予针对性问题解决，“从当前企业反馈来看，场景级部署战略的效果都还不错�！�
Dataphin+Quick系列，从自身实践沉淀出的产品矩阵
2015年，阿里巴巴正式提出数据中台战略，这也是数据中台这一概念在国内首次亮相——但在更早之前，阿里巴巴其实就有动作。
王赛表示，早在2012年，阿里巴巴集团就面临两个基础却又不失挑战的难题——即服务于内部管理层的数据报表时效性问题，以及面向淘系平台商家的服务一致性问题。
也正是在探索这两个问题解决方法的过程中，阿里数据建设方法论开始萌芽，这也成为后来Dataphin产品的核心思想。而随着阿里巴巴集团多业务并向开展以及数据量再度累积提升，阿里数据建设方法论在2014年完成升级，同时启动Dataphin产品化。
2016年，在阿里巴巴集团内部经过充分实践，解决包括多业务数据标准、数据质量、需求响应等多项数据建设问题的基础上，Dataphin正式上线阿里云，开始服务外部企业之路。
在王赛看来，阿里云数据中台产品的商业化输出绝非一簇而就，而是先经过阿里巴巴集团自身内部多复杂场景实践的成果，“在阿里巴巴集团早前发展的过程当中，我们的确在数据建设层面遇到了这些问题，并竭尽全力去解决它们，那么在这个过程中我们摒弃失败的部分，萃取其中成功并可复用的经验，去沉淀我们的方法论，并最终以产品化的姿态对外输出，去更好地服务企业�！�
无独有偶，Quick BI从早先服务于阿里巴巴集团内部到如今稳坐国内商业分析行业TOP位置，也已走了11年历程。
2010年，为能及时满足包括淘系平台在内的多条业务线临时取数需求，阿里巴巴集团开始着手自研BI产品，并完成内部BI产品FBI的打造，在随后的6年发展中，FBI为适应不同业务及岗位员工需求，新增包括可视化“仪表盘”、在线电子表格等功能，进一步解决了降低数据分析门槛，只是业态扩展以及保障数据安全等需求。
2016年，FBI以“Quick BI”为产品名开始对外商业化，并迅速受到市场认可，并于2019年成为中国首个且唯一入选Gartner ABI魔力象限的数据产品。
截至目前，Quick BI已经上万家企业，帮助产出几十万张数据报表。
通过阿里云全面输出数据中台能力
如今，阿里云数据中台已经形成以Dataphin、Quick BI、Quick Audience等产品为主的核心产品矩阵。
作为阿里巴巴集团数据治理方法论基于内部实践的产品化输出，Dataphin可以为企业提供一站式数据采、建、管、用全生命周期管理的能力，以助力企业显著提升数据治理水平，构建质量可靠、消费便捷、生产安全经济的企业级数据中台。
其核心能力在于全域数据集成汇聚、数据规范定义、统一数据调度运维和兼容自由的数据开发。
此外，Dataphin还具备业界唯一“设计即文档、设计即开发”能力及专利，同时，它提供多种计算引擎支持及可拓展的开放能力，可以适应各行各业的平台技术架构和个性化诉求。
以金融行业为例，作为数字化起步较早的行业，银行、证券、保险等行业数据平台的建设周期和历史不比互联网行业时间短，对于数据使用积累了一定的经验，然而依旧难以避免数智转型地阵痛。
核心体现在数据标准问题、数据质量问题、需求相应问题、成本资源问题四方面：
数据标准问题：烟囱式开发及局部业务服务支撑，导致指标同名不同口径问题频发；历史上不同业务系统逐步迭代上线，相同对象属性编码不一致等问题突出;
数据质量问题：重复建设导致任务链冗长、任务繁多，计算资源紧张，数据时效性不好；口径梳理定义的文档沉淀到开发代码实现之间存在脱节，数据准确性保障风险高;
需求响应问题：烟囱式开发周期长、效率低，面向应用的服务化不足，导致业务响应速度慢，业务不满意的同时技术又觉得没有沉淀与成长；既懂业务又懂数据的人才不足，需求理解到开发实现涉及大量沟通，服务效率较差;
成本资源问题：烟囱式开发的重复建设浪费技术资源；上线难下线更难，源系统或业务变更不能及时反映到数据上，加之数据不标准，研发维护难上加难的同时，大量无用计算和存储造成资源浪费。
这也和阿里巴巴数据中台建设时期所面临的难点不谋而合。
阿里巴巴通过实践经验提出的数据治理方法论，能够帮助企业捋清了数据全生命周期的管理思路，更将其植入到产品Dataphin(智能数据构建与管理)中，通过阿里云为企业提供服务。
正因如此，Dataphin除了大数据处理全链路涉及到的数据集成、开发、发布、调度、运维能力，同时还将为企业提供数据规范定义、逻辑模型定义、代码自动化生成、数据主题式服务能力，高效地完成好数据的构建。
也正是基于Dataphin产品的能力，财通证券打通既有多个系统数据，实现数据及时接入及标准统一，整合加工处理后，基于市场形态完成包括“金融属性”“产品类型”等在内的300多个数据标签。
数禾科技也在长达7个月的共创共建后，完成传统数仓体系地重构升级，统一数据资产管理平台，同时借助项目全面梳理了公司核心业务流程，将所有的业务过程及背后对应的数据串联起来，统一一套信息系统，每个业务过程在信息化平台都能看到具体的数仓表、指标、指标当前的值、环比同比等信息，一旦这些指标出现异常，就可以快速自动化归因，定位问题环节，创新性建立了数据运营模式。
数禾科技大数据负责人万鹏说道:“阿里云数据中台自带One Service数据接口服务，之前我们自研的数据平台，面向线上业务提供数据接口的链路太长太复杂，目前通过阿里云数据中台产品Dataphin构建数据输入输出的链路既通畅又迅速，产品本身自带集成通道。”
除了金融行业，Dataphin服务的企业还遍布零售、餐饮、运营商、航空等多个行业。
目前，阿里云数据中台除了Dataphin(智能数据构建及管理)、Quick BI(数据可视化分析平台)之外，还推出了Quick Audience(全域消费者运营平台)、Quick Tracking(全域行为洞察分型平台)、Quick Decision(决策分析平台)和DataTrust(隐私增强计算)等多个面向企业不同业务场景的产品。
“我们也在不断丰富产品矩阵，”王赛说道，“我们的产品在服务企业的过程中也会洞察到新的需求，这是我们阿里云数据中台产品发展的新机会�！�
而阿里云数据中台显然也愿意把更多新机会共享，在会上阿里巴巴数据服务生态负责人甄日新发布“阿里巴巴万树数据服务生态”合作计划，旨在以阿里云数据中台能力为基础，引入更多合作服务商践行帮助企业数智化转型。
“产品能力到位之后，我们需要更多优秀服务商帮我们一起把这项能力带给更多企业，这是一件我们、企业和生态伙伴三方共赢的有意义的事�！闭缛招氯缡撬档�。
发表评论
登录 | 注册