中臺是一種體系/生態/方法論，有標準和機制，解決頂層領域下各業務子域的高效協同和資源復用問題。中臺建設強調企業級，IT部門與業務部門協同建設，各部門、各業務域是中臺能力的使用方，同時也是中臺能力的重要提供方。目前網上比較主流的中臺定義和分類有如下三種:

業務中臺: 指微服務業務平臺，像常見交易中臺、訂單中心、營銷中心。

數據中臺:通過數據技術，對海量數據進行采集、計算、存儲、加工，同時統一標準和口徑。

技術中臺:如微服務框架、Devops平臺、容器之類。

業務中臺Business Middle Platform業務中臺是企業實現各業務板塊之間鏈接和協同，持續提升業務創新效率，確保關鍵業務鏈路的穩定高效和經濟性兼顧的思想體系。業務中臺的目的是“提供企業能夠快速，低成本創新的能力”。業務中臺的核心是“構建企業共享服務中心”。業務中臺的過程是通過業務板塊之間的鏈接和協同，持續提升業務創新效率，確保關鍵業務鏈路的穩定高效和經濟性兼顧的思想體系，并突出組織和業務機制。業務中臺也包含技術和組織兩大部分，通過“方法 + 工具 + 業務理解”加以實現。業務中臺通過一個統一的管理平臺，統一管理企業內的各種管理系統，從而避免出現數據孤島。同時實現企業不同地域的系統之間的互聯互通，實現跨地域的全球信息同步。對外，通過標準的協議接口，集成企業外部的系統，來實現和外部異構系統之間的互聯互通，實現上下游資源一體化。再添加權限控制、流程流轉和統計分析等，最終形成一個有關聯的，整體的數據系統。為企業提供有價值的數字運營支撐建議。業務中臺恰好實現了“將數字技術集成到企業的所有領域，從而對企業的運營方式以及如何為客戶創造價值進行根本性改變”這個目標。

(阿里業務中臺架構)

(電商業務通用中臺架構)

(滴滴業務中臺架構)

(有贊財務業務中臺架構)

業務中臺是為業務服務的，各業務中心要了解和掌握你所支撐的業務具體情況是什么樣子，對業務知識和流程要有深刻的認識。企業建設業務中臺不應該完全從IT技術層面考慮，需要從技術、業務、組織和運營多個維度協同推進，而不單單是IT系統的一個維度。CIO們不能聽信于廠商吹得天花亂墜，沒有實際調研過的與業務碰撞過的方案一定不是最適合的方案。業務中臺化不會有一套拿來改改就能用的方案，必須具體情況具體分析，中臺化的過程不出意外一定是痛苦和艱難的。 數據中臺Data Middle Platform

在業務中臺構建完成后，考慮到后續端到端流程監控分析，大數據分析的需求才會涉及到數據中臺的構建。當然數據中臺本身也為上層應用提供各種數據服務能力。數據是從業務系統產生的，而業務系統也需要數據分析的結果，那么是否可以把業務系統的數據存儲和計算能力抽離，由單獨的數據處理平臺提供存儲和計算能力？這個專用的數據處理平臺即數據中臺。數據中臺是一個用技術連接大數據計算存儲能力，用業務連接數據應用場景能力的平臺?！斑B接能力”是數據中臺的精髓。作為一個處在中間層的能力平臺，“連接”是其根本任務。在業務層面需要盡可能連接各種數據源作為其生產資料；同時，由于生產數據的場景越來越多，覆蓋了線上線下等多渠道，各數據生產資料之間也需要進行連接，才能形成全域的數據；數據在數據中臺這個平臺上按照標準的模型進行規范加工處理后需要服務于多種場景，同樣需要我們提供標準的數據服務接口將數據與應用場景連接起來。連接是數據中臺的根本能力，也是數據中臺的價值所在。數據中臺通過數據技術，對海量數據進行采集、計算、存儲、加工，同時統一標準和口徑。數據中臺把數據統一之后，會形成標準數據，再進行存儲，形成大數據資產層，進而為客戶提供高效服務。這些服務跟企業的業務有較強關聯性，是這個企業獨有且能復用的。

(網易云數據中臺架構)

(菜鳥數據中臺架構)

數據中臺建設的基礎還是數據倉庫和數據中心，并且在數倉模型的設計上也是一脈傳承。數據中臺一般包括了數據模型和數據資產管理，數據服務開放，上層的數據類應用和標簽管理等。圍繞“規劃、治理、整合、共享”四步，將企業海量、多維的數據資產盤點、整合、分析、確保整個公司數據一致性和可復用性，為前臺提供數據資產、數據定制創新、數據監測與數據分析等服務，最終實現數據資產的價值最大化。在具體建設策略方面，企業應基于自身的業務戰略，選擇明確數據資產對象，由業務或應用（需求）驅動，若沒有實際的應用場景或沒有足夠的客戶群體，不建議建數據中臺。

AI中臺

AI Middle Platform將數據中臺外面套著的幾層能力抽象剝離出來，整合形成一個獨立的中臺層，依托數據中臺進行一定的協作，共同應對前臺的智能化業務需求。數據中臺主要集成數據挖掘、數據洞察智能算法和模型；AI中臺主要承擔復雜的學習預測類智能需求研發。這一中臺我們稱之為“AI中臺”。數據中臺提供基本能力，包括數據標準化、數據實體化、數據服務統一化等；還支持部分數據處理的智能需求，包括智能數據模型、關聯分析、主成分分析、異常點分析等。數據中臺主要承擔數據探索的職責。AI中臺提供模型設計訓練、模型/算法庫、復用標注管理、監控服務等一系列相關AI緊耦合的能力支持。AI中臺從事的是學習預測的任務。為了確保AI中臺中的所有模型和服務都能組合使用，AI中臺需要為所有AI模型和服務能互通、互助、并行應用提供一些基礎的支撐。

人工智能從研究領域進入到實用領域的步伐越來越快，越來越多的場景可以并需要實用人工智能技術提高效益。在AI的實用化階段，需要解決AI技術如何與業務場景更好結合，如何減少重復投資、降低成本使投入產出比更高的問題。AI中臺不是一個孤立的平臺，而是整體信息化建設的一部分，必要要能與基礎平臺、業務系統很好的融合。只有做好與原有業務系統的對接，才能使AI能力更好的助力于業務智能化。

技術中臺Tech Middle Platform云技術正在迅速取代傳統的IT架構，尤其基于容器、微服務為核心的PaaS平臺的成熟和普及，為IT系統的構建和運維，提供了全新的模式和效能。為了提升IT對業務需求的響應度，快速響應需求變化，實現新業務的上線應用，IT需要基于敏捷迭代的方式進行系統建設，支持業務用戶自建簡易系統，降低業務試錯成本。同時整合企業內外部各類IT能力、資產和數據，使得更為復雜、新型的業務模式創新在IT層面得以支持。IT部門也需要中臺化思維，以業務運營視角進行IT解決方案的設計與系統建設，實現未來的業務重用實現服務與數據的中臺沉淀。

（云端技術棧）

（DevOps研發交付運維一體化）

（研發組件化）

（研發標準化）

（技術中臺整體架構）

中臺最重要的作用就是減少資源的復用，通過一個個微服務快速完成前臺（即業務部門）的需求，從而提高企業對?戶的響應?，幫助前臺完成規?；瘎撔隆．敇I務線變多且越來越復雜，前臺與后臺之間的“技術債”會隨之變多，重復造輪子與溝通成本太高的現象會增多，通過技術中臺可以一定程度上來解決這個問題。但如果「技術中臺」做得太多，資源投入就會很大，無法形成正向的利益傳導；如果「技術中臺」做得太少，又無法深入理解業務，導致適配方案落地性變差，漸漸失去價值。 建議建設中臺是一項耗時耗力耗錢的大工程。中臺架構的實施落地推薦從易到難逐步實施，從最簡單的資源中臺開始，到技術中臺、數據中臺->業務中臺->組織中臺，最終完成企業架構的中臺化。很多傳統企業內部往往存在多種管理系統，部門間數據孤島的問題很嚴重，缺乏治理，有時甚至連最基本的用戶賬號統一都沒有打通。這也就意味著，一個項目往往要同所有部門梳理業務、統一接入數據，打通難度可想而知，投入產出問題還需企業審慎考慮。

責任編輯：lq