自中台系统引入以来，其在国内各大企业间广泛地掀起了一波又一波的热门浪潮。无论是在猎聘网还是boss直聘上搜索中台产品经理、中台架构师等职位，我们都能看到各大公司正在积极招募相关人才，以组建其团队。
在市场上，BAT等大型互联网公司也有许多关于中台的论述，但其中更多地是阐述了中台解决的问题。关于数据中台的具体功能描述相对较少。
作为企业运营的基础设施，数据中台贯穿了整个数据生命周期。虽然中台的概念并非新近才出现，历史上的数据湖、数据管理平台等也涉及了相关内容，但本文将尝试将数据中台拆解为更具体的产品和功能，以帮助大家更好地理解。
中台与传统的软件、产品存在显著差异。确切地说，中台并非独立产品，而是一套融合了方法论、与工具的集合。本文的重点将聚焦在工具集合部分。
那么，数据中台究竟是什么呢？
汇聚平台主要从数据存储的角度出发，用于集中存放原始数据，以便后续的读取和使用。
具体而言：
1. 业务数据：指企业在业务办理过程中产生的各类数据，如订单、客户、商品及供应链数据。这些数据由业务信息系统生成，通常存放在如ERP系统、CRM系统等现有信息系统中。
2. 在线监测数据：如企业自有媒体上部署的代码所获取的用户媒体行为日志数据，或传感器实时产生的监测数据。这类数据需要实时在线服务来接收并记录相应的日志。
3. 第三方平台数据：这些数据存储在如微信公众号、支付宝等第三方平台上，而这些平台通常提供API以进行数据的拉取。
数据汇聚（或ETL）是将不同业务系统的数据加载到数据仓库中的过程。其有多种方式，如文件传输、数据抽取、消息推送等。
基于基础支撑软件和网络设施，数据汇聚平台通过图形化配置界面实现了分布式、异构、跨网络的各场景数据汇聚。其结构如下所述：
确保数据满足标准是数据治理的主要目标。这些标准主要涉及：
1. 数据的正确性；
2. 描述语言的一致性。
数据治理平台包含两个层次：
第一层为数据清洗，其目标是确保数据的准确性，剔除错误的数据。这包括清洗规则算法的管理以及数据的分布查看。
第二层为加工平台，其承担了数据的衍生计算任务，为开发人员提供了可视化或可编码的环境来进行加工规则的管理和实施。该平台将数据资产化，其典型任务包括用户标签计算、ID打通计算以及电商典型购买指标计算等。
加工平台还涵盖了体系指标管理和计算模型管理等方面。如指标体系的定义、增删改查等操作以及计算模型的调度配置等管理任务。
通过上述功能模块，数据中台为企业构建了全面的数据地图和看板，使得不同业务领域的用户都能方便地获取和使用准确的数据。这一平台不仅服务于公司高层决策者，也涵盖了基层业务人员，因此其提供了丰富的自助统计分析工具以满足不同用户的分析需求。
在实施过程中，企业可以考虑采用现有的成熟产品来构建自助统计分析平台，如帆软、达芬奇和supset等工具，它们均已在市场上得到广泛应用并具有相应的技术文档支持。
关于数据供应平台则是将数据进行业务化处理，提供了与业务相关的公共技术组件或产品服务。这些服务包括但不限于数据目录、标签、分析、开放接口及机器学习算法模型等。它们可以采用SAAS模式直接对外提供服务或以更细粒度的方式如API接口等只提供部分能力给第三方应用使用。通过这样的方式实现了内部和外部应用的无缝连接和数据服务的便捷开发使用。
图例来自Unsplash网站并基于CC0协议进行使用。所有上述功能和流程在实际情况中的运用还需要进一步细致的设计和实现才能成功搭建高效且全面的企业级中台体系结构布局模型供我们学习与借鉴其他领域研究类似体系的构想方法因此没有做更深入的展开说明但可以参考网上相关资源进行进一步学习研究。