读透《阿里巴巴数据中台实践》_阿里巴巴 数据中台实践

片子中提到的DT是问题导向，IT是需求导向，这是一个问题的两面，而不是DT和IT的区别；新抛出的DT的授之以渔，IT的授之以网的区别在于方法的观点倒是有点道理，比如DT的智能推荐就是提供了方法，而以前IT的推荐靠的是人的判断。

3、企业组织对于DT的希望

高管团队：看指标发现风险这是BI时代的基本诉求，没啥好说的；大数据更强大的处理、可视化、实时等技术可以提供更好的看数据体验，这是相对于以前BI提升的地方。

业务团队：提到三个变化：

一是通过数据发现问题，而不是拍脑袋。

二是业务人员要既懂业务也懂数据，甚至能自己DIY数据和模型。

三是数据要嵌入生产流程中直接发挥作用，比如标签库要成为营销目标用户的发起地，风控模型要嵌入在用户操作流程中等等。

第一点大家都在做，实际还是以经验为主，数据只是参考和佐证，这种模式本质上没有改变。第二点，第三点执行到位对于大多数企业都很难。

技术团队：提到三个要点：

一是“数据多跑路”是智能平台的核心，浙江的“最多跑一次”就是要靠数据和平台整合实现这个目标。

二是IT人员要有数据化的思维，这个提的很好，缺乏数据思维的人设计IT系统很少考虑智能，现在很多企业的受理系统跟推荐系统是两者皮多少有这个原因。

三是通过数据分析发现新的知识，从而赋能业务，这是数据技术团队的使命。

4、大中台、小前台

这张图诠释了阿里的商业操作系统的引擎：大中台，小前台，展示的很清晰了，特别提醒要理解两个重要概念：业务数据化和数据业务化。

业务数据化：就是所有的商业活动都应该记录下相关的数据，这是业务中台应该承担的使命。

业务数据化挑战其实很大，以前业务平台在设计的时候，是以功能和流程为核心的，只记录对于要实现功能和流程必需的数据，其他的就可有可无了。

比如运营商的一些信令日志记录不全面导致可能影响后续的网络分析或数据价值变现，这就没有做到业务数据化。

但业务数据化有时意味着巨大的成本投入，说来容易执行难，大多企业的数据不是业务数据化战略执行的结果，而仅仅是顺便摘取的低垂的果实。

数据团队的一个使命就是业务数据化，很多好的数据是你进入前端争取来的，这样才能驱动业务记