Gartner：数据中台“不再香”？
在新发布的“中国数据分析和人工智能技术成熟度曲线图”中，Gartner认为，“数据中台（Data Middle Office）”即将消亡，取而代之的是“数智基建”（Data Infrastructure）。
在上图中，数据中台处于幻灭的深渊（Trough of Disillusionment）；而数智基建则处于技术萌芽期（Innovation Trigger）。
1、数据中台面临的挑战
Gartner的分析指出，随着技术的发展和企业需求的变化，数据中台可能面临消亡的风险。这一观点引发了业界的广泛讨论和思考。
数据中台消亡论主要基于以下几点：技术迭代速度加快，新的数据处理和分析工具不断涌现；企业对数据中台的依赖可能限制了创新能力的发展；数据中台的建设和维护成本高昂，部分企业可能难以承受。
数据中台的建设初衷是支撑企业战略，实现数据的资产化和服务复用，但在实际操作中，很多企业却出现了功能与战略的错位现象。一方面，部分企业在建设数据中台时过分强调技术功能，而忽视了与企业战略的紧密结合。这种“为技术而技术”的做法，导致数据中台无法有效支持企业的核心业务，也无法为企业创造实际价值。
据调查，约有60%的企业在数据中台建设中存在战略定位不清晰的问题。这些企业往往将数据中台视为一个简单的数据存储和处理工具，而没有将其作为企业战略的一部分来规划和实施。结果，数据中台成为了一个昂贵的“数据仓库”，而非企业战略的有力支撑。
数据中台的建设不仅需要强大的技术支持，更需要企业具备相应的组织能力和数据能力。然而，现实情况是，许多企业在这方面存在明显不足。
首先，数据中台的建设需要企业进行组织架构的调整，建立专门的数据管理和运营团队。但根据行业调研，约有40%的企业在组织架构调整上面临困难，难以形成有效的数据管理和运营机制。其次，数据中台的建设需要企业具备强大的数据治理能力，包括数据标准制定、数据质量管理、数据安全保障等方面。然而，数据显示，超过50%的企业在数据治理方面能力不足，无法确保数据中台的高效运行和数据资产的保值增值。
此外，数据中台的建设还需要企业员工具备一定的数据思维和数据操作能力。但遗憾的是，许多企业在员工培训和数据文化建设上投入不足，导致员工对数据中台的接受度和使用率不高，数据中台的潜在价值无法得到充分发挥。
总的来说，数据中台建设的挑战与失败因素主要集中在功能与战略的错位、组织能力与数据能力的不足等方面。要解决这些问题，企业需要从战略层面重新审视数据中台的定位，加强组织架构和数据治理能力的建设，并加大对员工培训和数据文化的投入，以确保数据中台能够真正成为企业数字化转型的有力支撑。
数据中台的建设涉及到众多技术选型和架构设计问题，这对于企业的技术团队提出了较高要求。然而，由于缺乏统一的标准和成熟的经验，企业在技术选型和架构设计上往往面临较大的不确定性和风险。
综上所述，大数据和数据中台概念的“落寞”并非意味着它们的价值消失，而是市场对于这些技术和概念的认识更加成熟和理性。未来，随着数字化转型的不断深入，数据中台将在企业中扮演更加重要的角色，但其发展也将更加注重实际应用和价值创造。
2、还有谁在坚持“中台”？
技术行业日新月异，企业若不紧跟潮流，创造新名词，就会缺乏升级动力，业务增长也会受限，多年来一直如此，那些耳熟能详的缩写词也一直在更新换代。中台热潮退去后，真正有价值的东西才会沉淀下来。销售人员总希望每月都有新名词，一旦被冷落就弃之不顾，只有真正使用中台并获益的人，才深知其好处，目前支持中台理念的，也都是实际受益者。
第一类受益者是技术人员，他们借助中台概念打破业务壁垒，用合适工具整合技术平台，持续获益。信息系统常因业务快速变化、底层架构老化，只能不断打补丁，导致业务系统混乱，一处改动可能引发其他系统崩溃。在预算不足时，难以进行迭代，陷入恶性循环：业务迭代，IT改软件，问题层出不穷，人力捉襟见肘，业务埋怨技术不给力，技术则有苦难言，难以获得预算投入底层迭代。
当初中台概念火热时，若能争取到大笔预算并下定决心迭代，借助中台概念获得更多缓冲时间，压制业务新需求和阵痛，即使不能全胜，也能缓解技术压力。简单说，就是利用中台概念融资，获得时间和资源，化解技术债务，减少债务利息和压力，让工作更顺畅。
设想一个集团公司，旗下多个子品牌，各品牌都有自己的物流企业，但因各品牌发展区域重点不同，业务扩张时，已签约物流企业可能并非最优解，多份合同还易滋生贪腐。此时，集团成立新部门，负责与全国物流公司对接，子品牌取消物流签约，物流需求在信息系统中自动分解、派单、追踪，无需实际落地，经验告诉我们，这样能提升效率、降低成本，这就是企业建立的物流中台。未来成立子品牌时，只需上传发货地、收货地、包裹特征等信息，就能轻松对接优质物流体系。物流体系还可延伸至企业上下游生态，中台的灵活性在互联网时代优势明显。
中台失败最常见的原因是“未达预期”，预期至关重要，没有预期就没有投入，投入后达不到预期同样会失败。不上中台，意味着IT没给领导正确规划；预期过高却落地失败，又显得IT缺乏执行力。中台上线前的重要承诺是业务中台化后能快速灵活开展新业务，通过业务抽象和微服务的K8S系统，实现业务逻辑复用，减少开发时间。
但现实是，中台只是将部分可复用业务逻辑变成服务，一线还需加上UI、前端逻辑、批量处理操作和特殊业务判断，真正节省的开发时间可能很少，甚至只是将问题从一处挪到另一处。投入资金后未立刻变强，中台就会被反噬，遭人诟病。软件开发是系统工程，非一两个工具能颠覆，对中台架构理解不深的人易陷入技术陷阱，忽略业务本质。
3、Gartner分析数据中台要点
数据中台，一度被视为企业数字化转型的加速器，如今却面临被Gartner预言的消亡。这一转变并非无迹可循，其背后有着深刻的市场和技术逻辑。
技术迭代速度：在人工智能和大数据技术的快速发展下，数据中台的传统架构和技术可能迅速变得过时。企业需要更快地适应新技术，而数据中台的更新换代速度可能跟不上市场需求。
成本与效益：数据中台的建设和维护需要巨大的成本投入，但随着时间的推移，其带来的效益增长可能会放缓，甚至出现边际效益递减的现象。
灵活性与扩展性：数据中台往往被设计为一个集中式的平台，这在一定程度上限制了其应对快速变化市场的能力。企业可能需要更加灵活和可扩展的解决方案来应对不断变化的业务需求。
数据治理挑战：随着数据安全和隐私保护法规的日益严格，数据中台需要满足更高的数据治理标准，这可能会增加企业的合规成本和运营复杂性。
生态系统脱钩：Gartner预测，许多现有的数据中台将因为与生态系统脱钩而过时。这意味着，如果数据中台不能有效整合新兴技术和市场趋势，就可能被边缘化。
在数据中台逐渐显露出局限性的同时，Gartner提出了“数智基建”（Data Infrastructure）作为替代概念。数智基建代表了一种全新的企业数据管理和应用模式，它具有以下特点：
云原生：数智基建强调云原生技术的应用，支持企业在多云或混合云环境中灵活部署和管理数据。
技术生态合作：与数据中台依赖单一供应商不同，数智基建倡导通过多个供应商的密切合作，构建一个开放、可扩展的技术生态系统。
持续迭代与优化：数智基建被视为一种持续的服务，而不是一次性的交付项目。它能够不断迭代和优化，以适应不断变化的技术和业务需求。
数据与智能的深度融合：数智基建不仅仅是数据存储和处理的平台，更是数据智能和分析能力深度融合的场所，支持企业实现更深层次的数据洞察和业务创新。
业务场景驱动：数智基建更加注重与具体业务场景的结合，能够根据不同业务需求提供定制化的数据分析和智能应用。
数据治理与安全：在数智基建中，数据治理和安全是核心考虑因素，确保企业在享受数据带来的便利和价值的同时，也能保障数据的合规使用和安全防护。
随着数据中台的局限性逐渐暴露，企业需要重新思考其数据管理和应用策略。数智基建作为新兴的概念，为企业提供了一种更为灵活、可持续的解决方案，有望成为企业数字化转型的新引擎。
4、AI时代的中台启示
AI智能化的根基，在企业端，绝对不是硬件或者软件，而是企业和行业知识，没有内部专业知识的AI，只是一个玩具而已。
所以，企业要优先构建知识管理部门，这一步越早迈出越好，很多企业买好了硬件，选好了系统，再开始进行知识整理，等到几个月后知识整理的差不多了，新的硬件和系统已经出来，之前购买的软硬件价值大幅缩水，一旦上线没有那么“好用“、“AI幻觉”再闹几个笑话，被业务抱怨就是IT下课的导火索。
其次，通过聊天窗口的Chat，对大型企业的生产力提升有限，可以考虑引入一个可以灵活配置与优化的管理平台，也就是常说的“Agent智能体平台“，简单的说，就像OA流程编排系统，将人的操作和AI的操作“连接起来”，解耦以后的另一个好处则是可以发现很多很多“业务入口”其实可以被简单的AI智能体所优化。
智能化年代一个重要特点就是原来的键盘+鼠标构成的UI形式会被改变，虽然不至于是什么都用语音，至少可以将原来大量的录入、条件选择，变为更智能化的端对端操作。
其次，切勿过度夸大预期。AI技术虽强大，但并非完美无瑕，它自身存在一定的“幻觉”现象。若没有内部知识的严格校正与核对，尤其是多段AI连接形成的复杂智能体系统，哪怕起初只是微小的误差，也可能在传递和处理过程中被不断放大，最终导致不可挽回的严重后果。对于非业务核心部门的IT人员来说，他们识别这些潜在错误的能力相对薄弱。倘若业务部门也对此视而不见，那么后续出现的问题，责任究竟该由谁来承担呢？
最后，AI体系的端对端导致知识和数据的界限进一步模糊，也意味着IT的安全管理需要更加严格和规范，千里之堤，溃于蚁穴。
5、企业应对策略建议
综上，面对数据中台的未来发展趋势，企业需要制定相应的应对策略，以确保在数字化转型的道路上保持竞争力。
1）明确战略规划
企业应明确数据中台的战略目标和价值，制定相应的战略规划，包括确定关键业务需求、技术要求和组织变革，以及明确投资和ROI预期。
2）构建灵活的数据架构
企业需要建立一个灵活、可扩展和安全的数据架构，以支持数据的收集、存储、处理和分析。这可能涉及数据集成、数据湖、数据仓库和数据治理等技术和工具。
3）强化数据治理与质量管理
数据中台需要有效的数据治理和质量管理机制，以确保数据的准确性、一致性和可信度。这包括建立数据质量标准、数据清洗、数据标准化和数据安全等方面。
4）推动文化和组织变革
数据中台的建设需要伴随着文化和组织的变革。企业需要培养数据驱动的文化，推动数据共享和合作，并培训员工以提高数据素养和分析能力。
5）持续优化与迭代企业应确保
数据中台紧密围绕业务需求进行设计，并引入自动化工具提升数据治理效率。同时，建立持续优化机制，迭代创新数据中台，真正实现数据赋能业务，助力企业高质量发展。
6）探索数据中台与AI技术的结合
随着AI技术的快速发展，企业应积极探索数据中台与AI技术的结合，利用大模型等AI技术提升数据中台的数据处理能力和智能化水平，为企业带来更大的业务价值。
7）关注数据安全与合规性
在数据驱动的商业环境中，企业必须重视数据安全与合规性，采取充分措施确保数据中台的数据安全，严格遵守地区法规，以维护其数字化战略。
8）构建开放性架构
数据中台应构建开放性架构，便于对第三方工具的集成，促进企业内外部数据的共享与协作。通过采用标准化API、微服务、容器技术等，数据中台能够迅速整合更先进的新兴技术，加速数据处理和分析的创新。
9）积极参与数据要素市场化
企业应积极参与数据要素市场化进程，探索数据定价、收益分配、数据安全和隐私保护等技术与制度障碍的解决方案，以实现数据要素的价值创造和实现。
通过上述策略，企业不仅能够应对数据中台的未来发展，更能在数字化转型的浪潮中把握先机，实现持续的业务创新和增长。
参考：
1、腾讯云开发者，沈欣，《现在还有谁在信“中台”么？》
2、指令者，《为什么大数据和数据中台“落寞”了？》
3、大话数字化转型，《为什么这两年，“大数据”谈得越来越少了...》
4、松哥聊汽车数字化，《Gartner分析：数据中台即将消亡》
