“數據中台”憑什麼佔據C位

本文轉自【經濟日報】；

“數據中台”作為2019年科技圈公認的最火概念，當仁不讓地佔據了各大行業數字化轉型舞台的“C位”。眾多機構紛紛加緊佈局，開啓了頭部企業對數據中台的探索熱潮——不過，隨後的實操較量顯示，市場在不斷加深認知中逐步迴歸理性。

“中台”最早被應用於軍事領域，用以統一協調前方作戰單位。後來，這種方式逐步被企業學習採用，由此發展出“數據中台”的概念，其核心價值在於幫助企業將分散的業務數據統一規劃、管理、整合形成其獨有的“數字資產”；與此相對的AI（人工智能）中台，則是一個用來構建大規模智能能力的“基礎設施”。很多企業單獨建設了數據中台或AI中台。

以阿里巴巴為例，其數據中台系統由多元數據採集和接入、公共數據中心、統一數據服務3個核心板塊構成，主要用於整體商業生態當中，為其新零售、金融、旅遊等板塊實現業務數據化，為業務前台與雲端雙向賦能。此外，京東的數據中台建設速度也較快。

與數據中台對企業自身業務的絕對依託不同，AI中台以內外部兩種形式發展壯大：一種通過第三方機構科技賦能形式出現，如曠視、商湯等；另一種則以企業內部AI Lab聞名，如阿里達摩院、騰訊AI Lab等。

如今，傳統互聯網金融公司轉型金融科技公司已成大勢。但在業內專家看來，以業務為主導，追求技術架構快速迭代的傳統方式，不足以支撐金融科技公司繼續壯大發展。隨着業內中台化趨勢加劇，單一中台在業務賦能中的劣勢初露端倪。基於此，“融合中台”概念應運而生，即通過數據與AI的組合實現價值最大化，也實現了金融科技業務驅動1.0時代到數據智能2.0時代的過渡。“融合中台”提出者——360金融首席科學家張家興認為：“數據本身不等於數據資產，AI本身也無法發揮價值。單獨依靠數據中台，雖可打通、整合企業內部數據，但缺少技術輻射能力，很難實現最大化業務賦能。從技術角度本身而言，只有打通從數據到計算，再到模型這個數據加AI鏈路，才能更好賦能業務，提升運營效率。”

“數據與AI的融合並進是業務發展到一定階段的優選之路，融合中台並非1 1等於2那麼簡單。”張家興表示，“融合中台”是一個功能複雜、多技術、全場景的賦能平台，也是融合了傳統數據挖掘、大數據、深度學習等能力的多維度平台。

具體來看，一是數據維度，即數據處理的全生命週期，包括數據接入、特徵處理、模型訓練等數據處理全生命週期的能力。二是場景維度，即跨業務的基礎平台。融合中台不會侷限在某個特定業務線，它將服務於公司所有業務，其發揮作用的必要性前提是要有很多業務線，且它們之間有一定相似性，並可能還會產生新的業務線。三是技術維度，即數據 算力 算法三位一體。“數據 算力 算法”構成了智能金融的核心技術體系。首先，數據是一切金融服務與金融安全的基礎，是金融科技得以有效落地的核心生產資料。其次，以分佈計算、GPU為代表的算力，為處理海量數據提供了有力保障。第三，以機器學習、圖學習、強化學習等為代表的算法技術幫助金融行業細分領域發現規律並提供智能決策支持。“甚至可以説，金融科技在三者互為要素、互為支撐的世界中，變革了金融業的發展要素。”張家興説。

張家興舉例道，在融合中台支撐下，智能金融全鏈路將發生顛覆改變。在獲客環節，傳統依賴人去優化與決策的廣告投放方式，將通過算法加持變得更加自動、智能；在客户運營環節，公司可通過搭建實時數據平台，支持數以億計用户全生命週期的及時有效觸達，提升運營效率；在風控上，採用基於圖數據的機器學習模型判定人的風險；最後服務環節，通過智能調度引入更多對話機器人，讓服務變得更高效。“融合中台的搭建將使‘數據 AI’更為高效運轉，從而讓整個鏈路實現數據化、智能化。”