数据中台厂商大比拼!

2023-01-26 07:30 浏览量:1122

 

中台的分类不同的厂家有不同的分法,但都大同小异,总结起来都是业务中台,技术中台,技术管理中台,组织架构中台。按照目前普遍的说法,中台分为6类:

 

数据中台:提供数据分析能力,帮助企业从数据中学习改进,调整方向。

 

业务中台:提供重用服务,例如用户中心、订单中心之类的开箱即用可重用能力。

 

算法中台:提供算法能力,帮助提供更加个性化的服务,增强用户体验。

 

技术中台:提供自建系统部分的技术支撑能力,帮助解决基础设施、分布式数据库等底层技术问题。如中间件,分布式存储,AI,负载均衡等基础设施

 

研发管理中台:提供自建系统部分的管理和技术实践支撑能力,帮助快速搭建项目、管理进度、测试、持续集成、持续交付。

 

组织中台:为项目提供投资管理、风险管理、资源调度等支持。

 

 

学习大厂经验,是指导我们工作必要的方法,但是切不可照搬照用,包括我们自己发的内容,一定要结合自己的实际情况实际处理,不能因为这样好那样好折腾了自己的团队,最好的中台是你自己的团队,相信自己的团队。

 

构建自己的想要团队,帮助他们与他们一起进步,或许这是比高贵中台更重要的事情。

 

这里收集了一些各大厂中台建设的详细PPT,核心一点:要不要中台,要怎么样的中台,多吸取知识,实际情况实际出发,具体怎么做。找一个合适的架构师吧,其他都是众说纷纭,没有好坏,只有最适合;不迷信,不盲从,充分认知和技术积累,逐步实施。

 
 

 1  阿里

 
 

“大中台,小前台”战略

 

 

一、阿里数据中台三大体系

 

经过多年实战,沉淀出了阿里云上数据中台内核能力框架体系:产品+技术+方法论。

 

历经阿里生态内各种实战历练后,云上数据中台从业务视角而非纯技术视角出发,智能化构建数据、管理数据资产,并提供数椐调用、数据监控、数据分析与数据展现等多种服务。

 

承技术启业务,是建设智能数据和催生数据智能的引擎。在OneData、OneEntity、OneService三大体系,特别是其方法论的指导下,云上数据中台本身的内核能力在不断积累和沉淀。在阿里巴巴,几乎所有人都知道云上数据中台的三大体系,

 

OneData致力于统一数据标准,让数据成为资产而非成本;OneEntity致力于统一实体,让数据融通而以非孤岛存在;OneService致力于统一数据服务,让数据复用而非复制。 

 

这三大体系不仅有方法论,还有深刻的技术沉淀和不断优化的产品沉淀,从而形成了阿里巴巴云上数据中台内核能力框架体系。

 

二、阿里数据中台建设方法论

 

阿里数据中台建设方法论主要总结为四个部分:数据中台建设方法论体系的全局、OneData体系方法论、OneEntity体系方法论、OneService体系方法论。

 

 

1、数据中台建设方法论体系的全局

 

(1)全流程一体化:即从数据采集到数据服务实现全链路通。在产品层面,不会让用户在不同使用阶段来回切换于不同产品。

 

例如,用户要做实体识别、用户标签画像等,如果要依赖的数据在另外一个产品中, 甚至需要使用风格迥异的产品来完成,则用户会不知所措。所以,以数据建设为例,要实现数据从采集到标准化、实体识别、标签画像及最终面向应用的一站式服务。

 

(2)向上多样化赋能场景:不仅要有通用产品,还要有行业产品及尊享产品。应向不同的应用场景和用户,提供差异化服务。

 

例如,阿里数据中台向阿里生态内小二提供数据产品时,就包括数据工具、专题分析、 应用分析、数据决策这四个层次的产品和服务。

 

(3) 向下屏蔽多计算引擎:不管是哪里的云计算服务,都应该尽可能兼容甚至屏蔽的,让用户在应用时感觉简单。

 

在阿里10年大数据建设历程中,数据建设的底座依赖至少经历了Oracle— GP-Hadoop—阿里云计算平台的变化过程。很多大数据应用与创新者也一定会面临类似的变化。

 

所以,对于产品和服务,需要连同生态合作伙伴一起努力实现屏蔽多种计算引擎,不管底座是阿里云公共云,还是阿里云专有云,还是自建的私有云,都可以在此之上构建数据并实现平滑切换。

 

(4) 双向联动:在构建大数据及服务业务应用与创新的过程中,业务和技术是需要协同互动的,而不是一方是另一方的资源这种单向关系。

 

一般来说,对于业务需要技术的协同这一点,人们很容易理解,但对于技术同样也需要业务的协同这一点,人们可能就不太容易理解。例如,要对消费者进行识别、刻画、触达和服务,则需要业务部门在业务前台按照数裾技术规范和标准进行布点,以便采集到数据,以及需要业务人员与技术人员一起讨论刻画消费者标签的关键因素,并确定哪些标签符合业务线的价值诉求。

 

2、OneData体系方法论

 

OneData体系方法论至少包括:数据标准化、技术内核工具化、元数据驱动智能化3个方面。

 

(1)数据标准化。要从源头实施数据标准化,而非在数据研发之后,基于数据指标梳理的数据字典实施数据标准化。因为,只有每一个数据都是唯一的,数据模型才能稳定、可靠,数据服务才是靠谱、可信的。

 

(2)技术内核产品化。所有的规范、标准等,如果没有一个全流程的工具作为保障, 则无法实现真正意义上的全链路通,因此,我们首先推进技术内核全面工具化。

 

(3)元数据驱动智能化。阿里正在持续努力实现数据建模后的自动化代码生成,以及保障其实现和运行的智能计算与存储框架。为什么阿里能做这件事情?其中一个重要原因就是,在源头对每个元数据进行了规范定义,尽可能实现数据的原子化和结构化,并将其全部存在元数据中心里。这些元数据对于计算、调度、存储等意义非凡,因此有望实现从人工到半自动化,进而实现智能化。

 

3、OneEntity体系方法论

 

OneEntity体系方法论至少包括:技术驱动数据连接、技术内核工具化、业务驱动技术价值化3个方面。

 

(1)技术驱动数据连接。OneEntity要实现实体识别,首先依赖很强的实体识别技术,所以要用技术来驱动数据连接。

 

(2)技术内核产品化。产品化是目标,其发展过程不是一蹴而就的。一定要往这个方向努力,否则每一次进行标签画像(哪怕是类似的标签),都要通过人力重复做一次,这实在是一件让人非常痛苦的事情。所以,要高效地进行实体识别、用户画像,工具化是一条必由之路。当然,全部工具化总是很难实现的,一定还有工具无法替代人脑的部分,所以,努力追求的是将人脑智慧尽可能沉淀在工具型产品中。

 

(3)业务驱动技术价值化。将数据从孤岛变得融通,进而实现高价值,是需要业务来驱动的。在此过程中,再一次体现了业务和技术要“背靠背”“你情我愿”地进行双向联动的。

 

4、OneService体系方法论
 

OneService体系方法论至少包括:主题式数据服务、统一多样化的数据服务、跨源数据服务3个方面。

 

(1)主题式数据服务。举一个例子,假设用户想要看的是“会员”这个主题下的数据,至于“会员”主题背后有1000张物理表还是2000张物理表,他都不关心。而主题式数据服务要做的是,从方便用户的视角出发,从逻辑层面屏蔽这1000张甚至是2000张物理表,以逻辑模型的方式构建而非物理表方式。

 

(2)统一但多样化的数据服务。例如,双十一当天上百亿次的调用服务是统一的,但获取形式可以是多样化的,可以通过API提供自主的SQL查洵数据服务,也可以通过API提供在线直接调用数椐服务。

 

(3)跨源数据服务。不管数据服务的源头在哪里,从数据服务的角度出发,都不应该将这些复杂的情况暴露给用户,而是尽可能地屏蔽多种异构数据源。

 

三、数据中台核心产品Dataphin

 

Dataphin是一款PaaS产品,致力于一站式解决智能数据构建与管理的全链路诉求。具体来说,Dataphin向各行各业的大数据建设、管理及应用诉求,一站式提供从数据接入到数据消费的全链路的大数据能力,包括产品、技术和方法论等,助力客户打造智能大数据体系,以驱动创新。

 

 

智能大数据体系的建设,极大地丰富和完善了阿里巴巴大数据中心,OneData、 OneEntity、OneService三大体系也渐趋成熟,并成为阿里巴巴中上至CEO、下至一线员工共识的三大体系。

 

Dataphin将指导解决所有与大数据体系建设有关的OneData、OneEntity、OneService体系方法论,及其在解决阿里巴巴数据公共层建设,及后续数据体系建设中的实际问题的具体做法全部沉淀下来。

 

四、数据中台核心产品Quick BI

 

大数据构建与管理完毕之后,需要利用Quick BI这一智能数据与可视化组件将数据背后的价值展现在人们面前。

 

Quick BI扭转了当初重度依赖专业数据分析人才的局面,能够赋予一线业务人员智能化的分析工具,真正的做到了“数据化运营”让数据产生价值。

 

现在,越来越多的企业开始数据上云,也有的行业如政府、金融因为严苛的安全需求而自建本地数据库,导致企业出现数据分散式存储的状况。而Quick BI却可以链接各种数据源,满足云上和本地的不同需求,整合为可被统一调度的数据集。

 

Quick BI的可视化能力也不容小觑,内设地图、柱图、雷达图等21种数据图表,任何场景下的报表展示均毫无压力。特别令人惊喜的是Quick BI 特有的类Excel的电子表格功能,它足以让企业数据分析人员兴奋不已,不仅延续了本地化操作的经验,也更加贴合中国式复杂报表的制作需求。

 

 
 

  华为

 
 

数据中台

 

 

 

 

 

百度

 
 

数据中台

 

 

百度中台:百度由于是以搜索基础为核心的业务,那么其他业务在没有发展起来的时候投入的资源就不会那么多,和阿里的情况不一样。

 

阿里有一个重要的产业:阿里云,那么它就必须建设强大的中台,同时阿里的各个业务线都是比较壮大,那么这个中台做好就能给各个业务线提供比较强的支撑。
 

百度,是以搜索技术为核心,其他业务都没有强大到阿里这种程度,就显得没有花大力气建设统一的大中台,但百度具有深厚的技术能力,业务视角:

 

中台提供了灵活的可定制业务框架, 使得业务可以聚焦业务特有逻辑的开发;

 

中台还提供了可以复用的业务组件, 使得业务可以通过配置化来复用优秀的中台能力;

 

中台还提供了完备的文档建设、视频教程, 支持业务快速上手、快速迭代, 同时还提供了面向全流程开发效能提升的完整自动化工具链。

 

 

现在,百度不但深耕了搜索,更加加速移动化,也扩展了更多的流量入口,包括小程序、百度云,贴吧,独立站等,随着产品思路的调整,产品形态日趋复杂,如果这些业务都能发展壮大,百度的大中台战略会推进等更好,但是目前百度的重心还是加速移动化,抢占移动搜索入口很重要,至于大中台可能不是其当务之急,小部门内小中台已经足够使用。

 
 

腾讯

 
 

中台战略,All in产业互联网

 
 

腾讯和百度有些类似,是以即时通讯为核心的应用,这个本身就是一个大中台,不像阿里都是以业务模块为核心的购物,金融应用,自然阿里对于大中台的需求会更强烈。
 

但是,腾讯又在发力腾讯云,所以从业务上讲又比百度更加重视大中台,所以形成了目前BAT目前这几种中台格局:
 

大中台是阿里的核心业务,百度搜索是核心业务,腾讯即时通讯和社交是核心业务,所以各自对大中台的诉求程度不一致。

 

“在产业互联网大厦里,腾讯提供从毛胚房到精装房的各种行业解决方案,让企业不管规模大小、不管需求多少都能拎包入住。”在2019腾讯全球数字生态大会上,腾讯公司高级执行副总裁、云与智慧产业事业群(CSIG)总裁汤道生这样形容腾讯的服务能力。

 

在人口红利临近发展瓶颈的时候,大公司们都开始思考新的增长点。对于年届20岁的腾讯来说,新的增长点总办的老板们看来已经想得很明确了——产业互联网。从To C到To B,将是腾讯未来最大的关键词——而在汤道生眼中,腾讯的「中台」,则无疑是支撑腾讯掌握产业互联网大局的中流砥柱。

 

自去年CSIG成立以来,腾讯通过成立技术委员会来加强技术共享和协同,并设立「开源协同」和「自研上云」项目组来推动公司技术的整合、公司产品的开源与云端化。

 

汤道生介绍了自CSIG成立以来,腾讯通过成立技术委员会来加强技术共享和协同,并设立「开源协同」和「自研上云」项目组来推动公司技术的整合、公司产品的开源与云端化。

 

整合带来的最大好处就是技术的标准化,而这一切显然是为其中台战略做铺垫——标准化意味着腾讯可以更高效地把自己的能力交付给客户。
 

大会中,汤道生公布腾讯开放的中台能力包括数据中台和技术中台。其中,数据中台包括用户中台、内容中台、应用中台等;技术中台包括通信中台、AI中台、安全中台等。企业与开发者可以灵活地把这些技术应用到业务场景中。
 

而在技术中台方面,虽然腾讯过往并没有明确解释其具体的落实方案,但从名字上我们也可以看出一些端倪——通信中台基于的是腾讯从QQ和微信两端积累下来的即时通信技术;AI中台则基于腾讯三大AI实验室的技术,涵盖了光学文本识别、人脸识别、图片识别、音频识别、文本分析等方面的技术;而安全中台则是腾讯基于其安全运营经验和安全数据库为方便企业进行高效安全管理而打造出来的一站式大数据和智能化安全管理平台。

 

用户中台,指的是一整套囊括了用户增长、用户沟通、用户数据保护、会员管理等方面的客户管理工具。

 

内容中台则是腾讯以企鹅号为中心,为合作伙伴和内容创作者提供高效的内容生产工具。

 

应用中台,是腾讯旗下的应用宝以「分发中台」作为核心功能全面向合作伙伴开放,打造全新的应用分发生态,提高应用分发效率。

 

技术中台,虽然腾讯过往并没有明确解释其具体的落实方案,但从名字上我们也可以看出一些端倪——通信中台基于的是腾讯从QQ和微信两端积累下来的即时通信技术。

 

AI中台,基于腾讯三大AI实验室的技术,涵盖了光学文本识别、人脸识别、图片识别、音频识别、文本分析等方面的技术。

 

安全中台,则是腾讯基于其安全运营经验和安全数据库为方便企业进行高效安全管理而打造出来的一站式大数据和智能化安全管理平台。

 

我们不能否认中台的优点,前提是你的业务有足够的财力来保障其正常有序正确的搭建和实施,用什么样的架构,用什么样的中台,中台做到什么程度,不是中台的问题,不一定是你需要中台,而是你更需要一个合格的架构师。

 

来源:谈数据
 

上一篇:专题丨基于智能化数据探索的数据质量管理平台

下一篇:华为VS阿里数据中台厂商建设方法论

分享到-微信
X

为什么选择龙石数据?