原標題：中臺+場景：實現業務與數據的匹配

2019年，隨著知識圖譜、NLP技術的興起，大數據從業務洞察進入到業務決策階段，正式進入業務智能化階段，即由機器形成數據報表或者數據報告，業務人員進行決策，變為機器直接給出決策建議，讓機器具備推理能力。

中臺：賦能場景、業務、行業

在進入數據智能階段后，大數據的行業呈現出兩大趨勢：首先是多技術融合。開源時代，大數據公司具備深度學習、NLP、知識圖譜等技術能力；從客戶需求來看，為了指導決策，需要匯聚海量多源數據，其中必然會涉及非結構化數據的處理，基于復雜網絡的推理和決策，因此單一技術很難解決問題。如，交互式BI即是將自然語言處理技術與BI相結合，將數據轉換為視覺圖表，提供見解以實現快速、明智的決策。其次是中臺的形成。在企業數字化轉型進程中，傳統企業需要具備互聯網公司那樣快速迭代升級的能力，基于數據驅動業務發展，這就需要建立一站式技術能力統一的數據管理、快速配置開發業務的能力。中臺模式能夠彌補數據開發和應用開發之間由于開發速度不匹配出現的響應力跟不上的問題，基于中臺、融合多種技術，利用數據解決企業的各類決策問題。

當前，企業數字化轉型的建設重點集中于產品業務線上化和連接終端用戶，不論是數據層面還是技術層面，都需要統一管理、統一調的技術平臺和數據平臺支撐，而這個平臺又不同于過往的后端大數據平臺，它需要與業務密切相關，即為“中臺”，它基于數據驅動業務發展，利用數據更好地了解終端用戶的需求以優化產品與業務。統一中臺的建設，能夠匯聚多源數據，對數據進行資產化，實現內外部數據的整合，更加有效地支撐數字化轉型的需求。

企業在建設數據中臺過程中，通常選擇從單場景出發著手建設數據中臺，首先解決在具體場景下的數據及業務需求，針對單場景的使用環境，幫助企業探索數據價值，隨著這些單場景的數據中臺逐步成熟，業務將逐步由數據驅動，數據不再是業務系統的副產物，而是業務系統的根基，數據中臺也將在融合越來越多的業務場景需求后，逐步發展成業務中臺。這些單場景數據中臺的數據處理、資產化能力則會逐步匯聚，形成企業內部的統一中臺，支持企業的各個業務場景的發展。也就是說，企業的數據中臺會從單場景數據中臺向多場景數據中臺，最終變成整個企業的數據中臺。

特別是在垂直行業中，隨著核心企業連接更更多的上下游廠商，核心企業的業務量與數據越來越龐大，他們具備承載數據中臺的天然優勢，隨著系統的智能化程度會越高，這類企業將可以通過數據中臺服務于自身業務事業群和上下游廠商，以帶動業務的進一步增長。

對場景的新一輪爭奪

隨著業務中臺的能力和價值度越來越強，與其緊密綁定給的場景價值也越來越大，對場景的爭奪將是數據智能行業的主旋律。未來的數據服務模式主要是通過數據模型和數據應用對外提供服務，也就形成符合業務場景需求的數據產品，只有不斷深化對場景的理解，實現基于場景的數據閉環，才能真正發揮數據智能的價值。

如何形成基于場景的數據閉環？

單一場景的數據中臺驅動形成業務中臺，由業務中臺支持業務場景落地，而業務場景又將數據不斷反饋到數據中臺，實現整個流程的數據閉環，循環往復，最終會使得業務更加智能化，即場景產生數據，而這些數據將進一步應用在場景內。如，社交平臺可形成基于生態內的個性化廣告、個性化服務業務，數據本身不溢出場景嗎，而這些場景中產生的“熱數據”“活數據”，不僅能夠及時、有效的反映用戶當前場景的使用偏好，也將最適合當前場景的應用需求，場景內形成的反饋閉環，將是算法、產品持續優化迭代的關鍵。

隨著場景中數據閉環的價值提升，也意味著依靠場景建立的壁壘會越來越高。對于基礎設施（信息化、云化、數據資產化等）相對完善的行業或領域，數據智能即將進入成熟階段，如，金融、品牌營銷、政務等，其次是零售、醫療等已經有了一定的發展基礎，但如工業、農業等依然處于早期，數據智能在各個行業的能發展水平并不平衡。

以零售行業為例，盡管行業的整體信息化?水平較低，但受益于互聯網業務，零售行業是最積極擁抱數據智能的行業。在基礎設施方面，零售的信息化程度和 IT 投入較低，但零售的云化和數據資產化在快速推進，特別是在線上線下數據打通方面表現突出。在商業應用方面，受限于當前零售整體基礎設施相對薄弱，大部分零售行業的數據應用還處于早期階段，在“人、貨、場”三個核心因素方面，除了了基于用戶的應用相對成熟外，針對賣場和商品的數據應用仍然處于相對早期階段。

類似線下零售的數據洼地場景并不少見，這些場景中，由于基礎設施相對薄弱、企業自身技術能力有限等原因，仍舊處于搭建數據中臺和技術中臺的初級階段，而隨著大數據行業進入數據智能階段，數據正在改造企業的業務流程，場景價值的提升，正在使大數據行業的競爭轉向對場景的爭奪。返回搜狐，查看更多

責任編輯：