數據中臺不是簡單的一套軟件系統或者標準化產品，更多的是一種強調資源整合、集中配置、能力沉淀、分步執行的運作機制，是一系列數據組件或模塊的集合，為企業數據治理效率的提升、業務流程與組織架構的升級、運營與決策的精細化賦能。2020年數據中臺市場規模達到68.2億元。隨著企業數字化轉型驅動，市場需求將持續增加，數據中臺行業增長勢頭明顯，市場規模快速擴張，預計將在2023年達到183.2億元。當前數據中臺行業集中度較低，公有云廠商、數字化解決方案提供商、數據與智能公司及垂直的獨立中臺開發商紛紛入局。但隨著數據中臺的技術架構和方法論趨于完善，現階段建設的難點更多聚焦在如何將成熟的技術方案與行業及企業的實際情況和特征結合，即企業更需要廠商切身的咨詢規劃服務，以發揮數據中臺的效能。

數據中臺應用的業務領域和場景眾多，其中營銷領域發展最早，目前應用也最廣泛成熟；而在管理會計領域，由于數據價值高且對經營決策意義重大，數據中臺深化管理運營的效用明顯。從行業來看，當前數據中臺在金融和泛零售行業的應用和部署程度高，在政務、工業、醫療等行業仍有較大的發展空間。

數據中臺發展驅動因素

政策推動企業信息化轉型

各行業陸續頒布核心政策，為信息化轉型提供支持和引導

順應信息化時代發展，我國很早便部署了信息化發展規劃，自起步以來，多呈現政策先行的節奏，為行業的轉型提供了戰略參考。近年來，隨著5G技術和標準的發展，我國加快、提前部署各類基礎設施，本著適度超前的原則，為企業的轉型、創新提供土壤。簡而言之，我國信息化建設緊密圍繞著打造網絡強國、建設數字中國、“互聯網+”行動計劃等國家戰略，充分發揮信息化驅動引領作用，積極推進以物聯網、云計算、大數據、人工智能、區塊鏈等為代表的新一代信息技術與行業深度融合。各領域信息化建設緊緊圍繞行業任務部署及關鍵戰略統籌，以新技術、新模式為支撐，強調網絡安全保障能力的同時，積極規劃產業進程，穩步促進信息化轉型。

數字經濟規模穩步擴張

數字經濟結構優化升級，對GDP貢獻持續增強

我國數字經濟維持高速增長，在信息通信新技術、新業態的帶動下，傳統行業煥發出新的活力，質量效益顯著提升，2019年數字經濟對GDP增長的貢獻率達到67.7%，已經成為國民經濟增長強大的引擎之一。數字產業化和產業數字化是數字經濟發展的核心。數字產業化不斷演進升級，與服務業全面融合發展后，正向實體經濟范圍拓展。產業數字化從單點應用向行業協同發展演進，利用數字技術進行全方位、全鏈條的降本增效，促進高質量發展，成為數字經濟越來越重要的增長動力。“兩化”協同發展，數字經濟內部結構持續優化，為市場創造新動能的同時也帶來了新的挑戰，如何價值化數據并與傳統生產要素融合，驅動傳統產業向信息化、智能化轉型升級，已經成為數字經濟發展的關鍵問題，這既是挑戰也是機遇，所以加快推進數據價值化進程是企業發展的本質要求。

數據孤島林立的系統架構

底層計算和存儲架構的多源和異構形成系統煙囪和數據孤島

早期業務發展過程中，企業為了解決一些當下的業務問題，按照垂直的、個性化的業務邏輯部署IT系統，各種信息系統大多是獨立采購與建設的，與流程、底層系統耦合較深，橫向和上下游系統之間的交叉關聯也較多，導致企業內部形成多個數據孤島，很難做到信息的完全互聯互通。同時在新平臺、新業務、新市場的拓展過程中，系統沒法直接復用和快速迭代，產生的數據也無法與傳統模式下積累的數據互通，進一步加劇了數據孤島的問題。分散的數據無法很好地應對前端業務變化，難以支撐企業的經營決策，因此亟需一套機制將新老模式融合，整合分散在各個孤島的數據，形成數據服務能力。

數據的價值化需求

形成數據全生命周期的閉環為企業賦能

近年，多數企業的認知已經從“跟風轉型”過渡到“數據驅動轉型”，認識到數據是企業的新型資產。而數據收集、存儲和處理成本的大幅下降和計算能力的大幅提高，為數據資產化應用提供了經濟環境基礎。事實上，多數企業已經擁有了較好的數據基礎，然而在現實情況中，并不是所有的企業都能獲得顯著的收益，其主要原因之一在于沒有形成數據全生命周期的閉環，所以價值化數據的比例低，無法作為關鍵生產要素為企業注入新動能。如今，數據資產化程度低、數據服務提供效率與業務訴求不匹配等“讓數據用起來”的問題成為擺在企業面前的新型數字化轉型難題。

數據中臺概述

數據中臺的內涵

是技術的概念，更是企業管理的概念

數據中臺居于前臺和后臺之間，是企業級的數據共享、能力復用平臺。數據中臺通過將企業全域海量、多源、異構的數據整合資產化，為業務前臺提供數據資源和能力的支撐，實現數據驅動的精細化運營，是一系列數據組件或模塊的集合。企業基于自身的信息化建設基礎和業務特點對數據中臺的能力進行定義，基于能力定義選擇和利用數據組件搭建中臺。各類數據技術是構建數據中臺的基礎，能夠高效對數據進行統一收集、處理、儲存、計算、分析和可視化呈現，使數據最終與業務鏈條結合，真正轉化為企業核心資產。而從廣義上，數據中臺更是一種企業組織管理模式和理念，集公司戰略決心、組織架構、技術架構于一體，企業從戰略上構建統一的協同基座即中臺化組織，以協調和支持各業務部門，用技術拓展商業邊界，為新業務、新部門提供成長空間。

數據中臺的能力保障

系統落地需要供求雙方多維度的能力

數據中臺的搭建涉及技術諸多，在整個技術構架上需要考慮可拓展性、敏捷性、輕量化，并注重與前臺的交互，靈活地通過服務編排實現應用功能，以滿足前臺需求。當前數據中臺遵循“高內聚、松耦合”的設計原則，融合分布式、微服務、容器云、DevOps、大數據處理及高可用高性能高并發架構，已形成了一套較為成熟的方法論。

因此現階段，數據中臺的建設難點更多的聚焦在如何將成熟的技術方案與行業及企業的實際情況和特征結合，基于真實應用場景，規劃設計數據中臺建設的可行性方案。企業自身的資源配置能力、管理經驗、組織架構、業務梳理能力，以及數據中臺服務商在企業中臺搭建過程中為企業數據治理提供的咨詢規劃服務，逐漸成為數據中臺建設過程中的關鍵性要素。

數據中臺的核心價值

降低數據建設成本，提高數據治理效率

數據中臺的建設天然會幫助企業打通數據孤島，并建設統一的數據標準，包括數據建設規范和數據消費規范。此外，數據中臺基于原有的數據關系及SOA架構等企業數據管理的經驗，能解決企業信息管理中“數據煙囪”的問題，從全生命周期的角度管理數據。隨著數據中臺的建設，數據二義性逐漸消除，透明度和利用率大大提高，有效發揮數據及分析技術對前臺業務的復用價值，降低數據計算與數據存儲成本，減少因數據體系建設不一致或重復建設導致的人力成本浪費等。

由于系統和能力容易復用，當業務量增加或數據連接點、流程發生改變時，打通的數據中臺可以避免系統的重復建設，支撐新業務形態的產生和快速發展；由于數據中臺整合了業務與技術兩大職能，業務產生的數據省去了跨部門傳遞的步驟，而基于技術產生的數據分析結果也可直接轉化為業務優化方案。數據實時共享，直接賦能業務，使企業數據治理全鏈條的時效性與靈敏度得到提升，同時避免了技術與業務兩部門因信息不對稱而導致的認知偏差。

激活數據商業價值，賦能企業運營與決策

提升對數據的管理利用能力是企業數字化轉型的重要目標。數據中臺與過去的數據工具相比，最大的優勢在于基于企業組織、戰略及業務框架設計，對企業全域的數據資產進行高效的開發、應用及質量管理。通過將數據資產化，將不同系統、不同類型的數據納入一個可對比、可計算的范圍，使其更易于企業日常經營活動中進行搜索、過濾和管理，充分激活數據的商業價值。

此外，數據中臺匹配和銜接了當前業務與數據間協作的需求，形成價值鏈閉環。在實現數據接口標準化和在線交互實時化的基礎上，集成可快速復用的數據生產力工具或模塊，使數據具備敏捷地對外服務的能力，智能服務全流程的部門及人員，使每個層級的員工都能快速制定適合自己的數據決策服務，有效賦能業務決策。

改造企業業務流程，升級企業組織架構

傳統的作業方式通常呈現“流水線”的特點，往往由業務人員基于行業經驗進行流程設計，結合商業套件建立和操作業務系統。數據僅僅是用于監測業務進展和洞察規律的副產物，最終的決策由業務人員進行，因此決策不確定性較強，整個業務流程的迭代速度極慢，很難與當前快速變化的前端應用匹配。而隨著數據中臺在整個業務鏈條中的部署和應用，大數據進入決策階段，企業的業務流程也逐漸快速、扁平化，由原先依賴業務人員經驗的流程驅動逐步轉向數據驅動。

另外，傳統企業數據孤島、業務割裂、資源分配等問題，其根源往往來自于組織架構的分割，尤其當業務需要涉及跨部門協同時，“部門墻”的現象十分嚴重，甚至出現沖突和制衡。因此數據中臺的部署應用既是打通了數據的壁壘，更是打通了部門、事業群間的壁壘，使企業組織靈敏性得到提升。

數據中臺行業發展現狀

數據中臺的市場規模

行業增長勢頭明顯，市場規模快速擴張

伴隨著數據量的爆發式增長、數據處理技術的進步，以及數據中臺產品逐漸實現商業化、需求端企業對數據中臺的認知開始樹立，2019年可以稱為數據中臺元年。當前我國數據中臺行業處于從萌芽轉向高速發展的過渡期，整體仍處在相對基礎的發展階段，但由于企業數字化轉型驅動市場需求不斷增加，行業增長勢頭明顯，市場規模快速擴張。

此外，隨著數據中臺逐漸實現從理論架構到實際部署的落地實踐，需求端企業對數據中臺的理解和信任程度逐漸加深，而行業玩家也正積極探索和拓展數據中臺的更多呈現形式，例如挖掘服務于中小微企業的實施路徑，以助力各類企業數字化轉型全流程。因此數據中臺產品類型與服務內容有待進一步拓展，未來參與布局數據中臺的企業數量也將快速增加，市場增量空間廣闊。

數據中臺的玩家類型

行業集中度較低，市場競爭格局尚未成型

數據中臺行業的主要參與者指幫助下游企業搭建數據中臺并提供服務的供應廠商。整體而言，數據中臺行業尚處于發展成型的早期階段，參與者眾多但行業集中度較低，尚未形成鮮明的市場競爭格局。

數據中臺供應商主要由五類廠商構成：頭部互聯網企業、數字化解決方案提供商、大數據公司、獨立中臺開發商及人工智能廠商。市場不斷有新玩家進入，各類型的廠商都具有不同的競爭優勢，處在占領市場份額、憑借優勢領域構建進入壁壘的擴張階段，與此同時也帶來了一些產品區分度低、邊界不明、業務混雜等行業亂象。

數據中臺的客戶畫像

有數據基礎、多元化經營的各行業頭部企業為主要客戶

事實上，并非所有企業都需要或適合部署數據中臺。是否進行數據中臺的建設，與企業所處行業、發展階段以及自身的數據成熟度和數字化程度等因素相關。對于初創公司以及一些業務較為單一的企業，現階段實際不存在數據互聯互通的問題，則并不適合也并非必須搭建中臺，因為數據中臺的建設模式較重，建設周期較長，需要投入較高的資金和人力成本，短期內反而不利于這一類企業的快速發展。

我們認為，滿足以下至少三種情況的公司適合進行數據中臺的部署：①業務場景具備不確定性，迭代速度快，所處市場環境變化快，需要具備快速試錯和敏捷反應的能力；②生態和流程系統復雜，有多條產品線或橫跨多種業態，各業務單元間存在功能模塊低水平重復建設的問題；③由于事業部等的組織架構，導致數據和信息系統存在互聯互通問題，需要打通壁壘進行統一管理；④營收具有一定規模，信息化建設達到一定水平，但信息技術仍對企業發展存在制約，需要進行整體的技術升級、業務重構；⑤對外需要多業態擴張，多消費渠道觸達，希望協調整個產業鏈上下游合作伙伴之間資源。

數據中臺應用的業務領域

營銷領域：發展最早，落地最廣泛

隨著進入數字化營銷時代，線上營銷場景已經實現云化，線下營銷場景也可以通過IoT、AI等技術實現對用戶行為數據的獲取和完全跟蹤，目前營銷獲客領域的數據基礎設施已達到較高的成熟度。然而企業獲取的銷售、營銷數據也愈發零散、且往往都是孤立存在；日益碎片化的觸達時段及場景、層出不窮的媒介載體和復雜的社交數據，也使全景化的消費者畫像和用戶標簽體系難以整合建立；與此同時，爆發式的海量數據使企業原有的CRM系統算力和能力難以滿足業務的計算分析需求。

營銷數據中臺在集數據采集、融通聚合、管理服務等功能于一體的基礎上，基于場景的特點開發專門的數據模型、標簽體系等多種數據智能應用，構建用戶360°全景畫像，深入洞察目標客群特征，分析交易銷售數據及營銷效果，助力企業實現基于智能營銷和消費者智能運營及管理的數據管理、洞察分析和決策支持。

管會領域：激活財務數據價值，深化管理會計應用，落實企業經營戰略

在過去的信息化建設過程中，基于ERP系統的管理會計往往以獨立、零散的模塊化工具應用（如預算、成本管理、合并報表）各自存在，缺乏整體規劃和統一的數據平臺支撐。特別是對于多元化經營的集團型企業，各版塊都搭建一套不同的ERP系統，財務、業務和管理信息系統間通過開發接口進行連接和集成，形成蛛網結構，造成開發成本高，數據口徑不統一，接口獨立運營而無法統一管理等問題。此外，自動化程度低、時效性差使系統難以滿足瞬息萬變的商業環境下企業的實時分析與決策等管理需求，以及前端的業務模式快速變化創新下對業務運營的快速響應需求。

管理會計數據中臺匯集企業內部業財數據，同時打通外部的社會大數據到內部的業財數據，統一規范和口徑，實現數據的有效共享和復用。通過分析企業全財務流程，識別、提取并沉淀財務核心能力，減少各前端系統對財務功能的重復開發，使財務人員更多地基于財務數據和實際業務，做出科學、場景化的分析預測和經營決策，真正激活財務數據價值。

此外，隨著創新應用不斷擴展，管理會計與基礎財務會計的關系也將被重構。基于一個更實時、更精細、更統一的底層數據支撐，管理會計將不再依賴于財務會計信息就能進行全場景數據處理，并反過來生成財務會計規則化、格式化的信息。

在眾多企業數字化轉型軟件商和服務商中，元年科技由于具有豐富的財務管理以及業務和行業經驗，在數據中臺常規基礎功能模塊的基礎上引入偏向業務建模的適配插件，形成真正實現業財稅一體化的行業解決方案，已成為國內管理會計、財務管理這一專業領域的示范者。

數據中臺應用的行業場景

行業應用成熟度高：金融行業

相對而言，金融行業是數據資產化更為成熟的行業，信息化建設起步早、資金投入巨大，因此信息化水平高，數據標準化程度高，且技術實力也較強。然而，伴隨著數據量快速積累和膨脹、數據結構和類型趨于多元化，各種高并發、需要強一致性和橫向擴展能力的業務場景越來越多。傳統金融行業數據研發效率低，數據時效性差，數據質量難以保障，數據標準模型無法適應快速變化的業務需求，且缺乏數據深度使用和綜合分析的能力，方法論體系亟需迭代升級。另外，在強監管與統一風控的形勢下，對IT設施的服務能力和運營能力要求也越來越高。

對于數字化轉型升級中的金融機構而言，數據中臺是實現全渠道、全鏈路的敏捷業務能力的有效方案。根據數據治理的需求，落地全生命周期的標準管理流程，幫助企業實現內部部門連接和與終端客戶的連接，實現跨部門、多業務系統數據的統一管理，以提升數據質量，形成數據管理的工作環境，并提供數據服務，更快地應對政策、規則、需求的變化。

目前，金融行業是數據中臺落地滲透率最高、應用最成熟、數據服務類型最豐富的行業之一。

行業應用成熟度高：泛零售業

在信息化建設過程中，零售企業積累建設了包括ERP、MES、CRM、WMS、TMS、POS等在內的各種業務系統，而隨著線上線下各種零售渠道的涌現，線下門店、自有商城、電商平臺、社交軟件平臺等渠道也帶來大量碎片化的數據。業務系統的割裂和渠道的分散逐漸暴露出弊端，即無法通過統一的會員數據管理搭建全場景的消費者畫像以實現精準營銷，無法實時更新“進-銷-存”數據并與營銷數據結合以實現智能化的數據分析。

由于數據中臺架構兼具強兼容和擴展性，且封裝完成了適用于各種業務場景的復雜算法，通過API標準數據接口就能支持企業快速對接零售智能應用和業務系統，幫助企業減少對原有業務系統的改造，提高復用效率。依托數據中臺，零售企業能打通企業內外部數據，充分進行數據流通。數據中臺的建設整體上提升了零售企業的數據能力，使企業能夠以數據為導向進行銷售策劃、選品鋪貨策略制定、商品運轉與庫存預測等，實現對消費者的精準分析以及對終端市場變化的靈活應對。

行業仍有開發空間：政務

近年來，政府部門信息化建設投入不斷加大，政務云化進程也不斷加速，基礎設施建設已趨于成熟。然而，政務服務具有專業性強、流程環節多、處理情形復雜等特點，多以多線方式進行信息化建設，如稅務系統、公安系統等，造成了嚴重的數據孤島情況。同時，各政務服務部門間的信息化水平也存在極大的差異。因此當前的政務系統存在功能重疊度高、應用分散、部門協同困難等問題，亟需建立組織、用戶、協同、業務均在線的數據體系，解決政務服務業務創新速度落后于社會需求的問題，推動數據和業務的融合，提升服務型政府供給側能力。

政府部門依托數據中臺提供的統一的數據采、建、管、用能力，能實現政務領域數據的統一管理，基于各部門打通的數據能展開更深度的數據洞察，提升部門內和跨部門的辦公及辦事效能，促進政府工作精細化開展，全面提升政府面向公眾的便捷服務能力、科學化的決策能力，為政府帶來新的治理模式和服務模式。

數據中臺應用的挑戰

數據中臺應用的挑戰

企業內外的認知和推廣仍面臨挑戰

盡管數據的價值屬性已經獲得業界的廣泛共識，但是選擇觀望的企業依舊占據大多數，數據中臺在認知和推廣上仍然面臨著多方面的挑戰。從企業內部來看，管理者對數據治理一知半解，如果在沒有深入梳理企業業務現狀及需求的情況下盲目建設數據中臺、追求“大而全”的概念，可能導致數據中臺落地效果不佳。如果數據中臺不能發揮降本提效的作用，反而使得實際使用者在適應時耗費更多的時間和精力，那么數據中臺在企業內部的推廣必然受到阻礙。

而從市場環境來看，數據中臺外在表現為偏定制化的解決方案，它們涉及不同的應用領域、覆蓋不同的生產環節，很難有一套面對全行業、全領域通用的中臺產品，因此企業對數據中臺的認知非常依賴市場內正確信息的傳遞和頭部企業的成功案例示范。整體而言，認知和推廣仍是數據中臺應用的挑戰，這需要供應商和企業長期共同協作來解決。

數據標準化困難、耗時費力

多數企業在過去的信息化建設過程中，有一些遺留的數據問題待解決：①多源異構的數據需要標準化：企業從不同的角度切入，多點建設了很多單鏈的業務系統，造成不同系統中架構、標準不一致，同一個項目中生產、運營、營銷的數據編碼定義不一致。②各種信息系統積累的數據需要集成打通：數據在保持及時性、準確性和完整性的同時進行PaaS層和IaaS層、各系統之間的集成打通。③業務數據量大，多源異構數據處理的技術水平要求高。④各部門數據共享意愿低：部分數據的敏感性、重要性較高，相關部門共享資源的意愿較低。這些問題在客觀上阻礙了數據共享、復用的過程。

數據中臺未來發展趨勢

數據中臺未來發展趨勢

深入下沉市場，產品更加標準化

數據中臺的核心在于共享和沉淀能力，隨著數據中臺在行業頭部及領先企業逐漸落地，供應商經歷了各類業務場景能力沉淀的過程。在深度上，數據中臺廠商承載細分行業的各類定制化業務，不斷沉淀業務能力。在廣度上，隨著不同業務場景的持續輸入，數據中臺廠商產品的能力越來越豐富，覆蓋的領域也越來越廣泛。完善數據中臺的深度和廣度，提煉和整合數據中臺的服務，尤其是對于對數據中臺能力要求相對簡單的中小企業，為客戶提供標準化的整體解決方案將成為數據中臺服務商的產品方向。

深耕細分領域，場景愈加精細化

首先，數據中臺所提供的底層技術支撐能力，需要供應商在軟件架構、云技術、容器編排、DevOps等多方面有充足的技術儲備，還需要具備資本和技術實力的雙重積累。縱觀中國數據中臺行業，雖然界限并不明晰，但是大致形成了以阿里、騰訊等技術雄厚的頭部企業側重提供底層架構技術，其他中小供應商側重提供行業化服務和產品的競爭格局。其次，沒有一家供應商可以覆蓋企業龐大的、所有的需求，尤其是多組織、多板塊、跨業務的大型企業，所以在一個領域內已經完成實踐和形成規模的供應商會優先深耕本領域，提供更加細分的場景切入口。最后，企業也會根據業務需求面向不同領域的數據中臺產品進行選擇，不會局限于一家中臺服務商。隨著創業公司不斷成長，細小賽道逐漸被填充，愈加激烈的市場競爭會使差異化成為供應商采取的產品戰略。

原文標題：2021年中國數據中臺行業白皮書

文章出處：【微信公眾號：工業IoT】歡迎添加關注！文章轉載請注明出處。

責任編輯：haq