前言：
-更多關於數智化轉型、數據中臺內容請加入阿里雲數據中臺交流群—數智俱樂部 （文末掃描二維碼或點此加入）
-阿里雲數據中臺官網 https://dp.alibaba.com/index
（作者：DeeperMan）
數據中臺要從“組織”出發
最近中臺比較熱，但業界內並沒有對中臺有統一認可清晰的定義，很多人會把中臺與數據倉庫、數據湖混為一談。但需要提醒讀者注意的是，數據中臺並不是一個系統，它首先是一種組織架構。
“中臺”是馬雲提出來的，他是一位商業領袖，不是技術專家，也不是數據專家。中臺是與業務模式、組織戰略相關的。將阿里巴巴調整成了大中臺、小前臺的架構，目的是讓這家公司面對不確定的易變化的商業環境可以靈活快速地做出反應。
很多人都沒有理解中臺是一種組織架構，而片面地從純技術或者純數據的角度來理解中臺。其實反過來想，如果中臺是個技術或數據的東西，那應該是某位技術大牛或數據大牛提出來的。
中臺，很多人都沒有理解對。
我們生活在烏卡VUCA時代
這個時代意味著我們正面對著一個易變（volatility）、不確定性（uncertainty）、複雜（complexity）和模糊（ambiguity）的世界。
**易變，V=Volatility（易變性）是變化的本質和動力，也是由變化驅使和催化產生的。
**
· 特點：挑戰本身與維持的時長是未知並且不穩定的，但是並非難以理解。相關信息通常是現成的。
· 舉例：突然來了一次疫情，工廠無法開工，繼而導致產品價格波動。
· 做法：勤於閒時，將資源投入到預備力上，例如，保持庫存和儲備人才。這些措施通常意味著大額的花銷，但是投資應與風險程度匹配。
不確定性，U=Uncertainty（不確定性）缺少預見性,缺乏對意外的預期和對事情的理解和意識。
· 特點：儘管缺乏額外信息，事件的基本因果關係已知。具備變革的可能性，但不一定成功。
· 舉例：競爭者的新產品發佈懸而未決，業務與市場的未來不夠明朗。
· 做法：將資金投入信息的蒐集、分析，並分享你的所得。這一做法與組織結構變革相結合時效果最佳，例如用信息擴大分析網絡，降低不確定性。
複雜性，C=Complexity（複雜性）企業為各種力量，各種因素，各種事情所困擾。
· 特點：這種情況包括許多相互連通的變量，有些信息是現成的，或能預測到。但想清晰地梳理其複雜程度與本質並非易事。
· 舉例：阿里巴巴生意遍佈多個國家，每個國家的監管環境千差萬別，關稅體系以及文化價值觀也各不相同。
· 做法：重組、聘用或培養專業人士，積累重組資源，應對複雜性。
**模糊性，A=Ambiguity（模糊性）對現實的模糊，是誤解的根源，各種條件和因果關係的混雜。
**
· 特點：因果關係往往是不清晰的。沒有先例可供參考，你面對的是“不確定中的不確定”。
· 舉例：決定將業務拓展到未成熟的市場或新興市場，或在主營業務範圍之外開發新產品。
· 做法：試驗。理解因果關係需要不斷提出假設，確保你能夠從中得到教訓，並將成果廣泛應用到實際中。
很多企業對於外部環境的不確定性響應比較慢，就很容易被競爭對手搶走市場額。
在烏卡時代，對於一個企業來說不在於你做了什麼，重要的是你比你競爭對手多做了什麼、你的客戶真正感受到了什麼、你構築了什麼樣的新型能力。而想要快競爭對手一步或者幾步，就必須讓自己的企業靈活敏捷起來。
“小前臺，大中臺”的組織架構，是應對烏卡時代的利器。它能根據外部商業環境的變化，迅速做出響應。
中臺驅動業務創新
中臺把企業的公共資源和優勢收攏，形成火力中樞，賦能前方。中臺是產品、研發、運營市場、財務後勤等支撐部門，前臺是業務單元，這樣避免了業務線部門和部門之間資源重複建設，同時可以根據商業環境的變化而快速敏捷調換前方的業務單元，以面對不確定。比如這次疫情，杭州健康碼在短短數天內上線，就得益於阿里巴巴的中臺架構。
“小前臺，大中臺”的架構，對於企業管理者來說，如果看到新的商業機會，可以輕量的成立一個新的業務單元來跟進；如果某個業務單元一直沒有起色，也很容易把這個業務單元併入到其它業務單元裡面。
在這裡講一個阿里巴巴的故事，淘寶分拆的例子。
2011年，阿里巴巴做了一件很誇張的事，商業史上都很少有這樣的例子。那時，淘寶如日中天，2012年就到了1萬億元的規模。那年，阿里巴巴管理層決定把淘寶拆成三家獨立的子公司——淘寶、天貓和一淘，找了三個最厲害的領導者去帶這三個團隊。當時集團跟這三家公司講得很清楚，讓它們就照自己對未來的理解拼命地往前闖，即便相互競爭也沒關係，目標就是把對手幹掉。
為什麼會有這麼激烈的一個動作？為什麼願意耗費這麼大的資源和組織成本來做這件事？原因其實很簡單，2009—2011年，阿里巴巴管理層爭論了三年，大家對於未來的產業終局無法形成一個統一判斷：未來到底是B2C，還是淘寶這樣的C2C，抑或是一個搜索引擎指向無數小的B2C。
小的獨立B2C其實是美國的格局，即電商的流量都是在谷歌上，谷歌把流量導給無數的小B2C網站。比如，亞馬遜的流量其實並不太高，它只是一個買東西的地方，大家不會在上面進行購物搜索等。阿里巴巴管理層在2011年的時候，其實無法確定中國會不會往美國的方向發展，由於無法就未來的判斷達成共識，內部資源的分配就很困難，導致大家天天打架。這個問題怎麼解決呢？最後馬雲下定決心，說我們也別爭了，大家到市場上去試，看未來的趨勢到底怎麼樣，在游泳的過程中得到的真實感受才代表未來。所以阿里巴巴管理層就把這三家公司“扔”下去幹。
幹了一年很快就清楚了，所謂的購物搜索這條路不存在，因為那個時候淘寶、天貓的基礎設施已經非常強大，大部分人發現獨立的B2C成本太高。在淘寶、天貓這個“面”上做生意，其實是把絕大部分的成本都分攤了，所以它們才能夠快速、低成本的運營。由於沒有獨立B2C的存在，搜索的流量入口也就失去了價值。一年後，一淘就變成了一個部門，重新回到阿里巴巴。
在這個例子裡面，我們可以看到，下決策花了3年時間（2009-2011），看結果用了1年時間。
這是阿里巴巴還沒有中臺的時候，做一次組織架構的調整如此謹慎和艱難。
而時至今日，如果關注新聞的話，可以發現在過去的三年裡面，阿里巴巴調整了19次組織架構。這些被稱為“晴天補屋頂”的動作，也正是發生在中臺架構在阿里巴巴蓬勃發展的時期。普通公司可能根本無法承受這樣的“折騰”。而實際上我們卻看到阿里巴巴的組織架構調整為其帶來了巨大的收益。這就是中臺架構帶來的好處。
寫在最後
中臺，是為了讓企業在面對商業環境的不確定時，響應更加靈活敏捷。
而中臺並不是一拍桌子就憑空出現、拔地而起的。數據中臺的構建是組織升級主體和先行，阿里巴巴在享受到數據中臺帶來的紅利之後，將思想沉澱為了方法論，在通過方法論研發出產品，通過產品孵化出適用行業的解決方案。有了產品的支撐，數據的資產化和價值化，變得可視、可衡量。
數據中臺是企業數智化的新基建，阿里巴巴認為數據中臺是集方法論、工具、組織於一體的，“快”、“準”、“全”、“統”、“通”的智能大數據體系。目前正通過阿里雲數據中臺解決方案對外輸出，包括零售、金融、互聯網、政務等領域，其中核心產品有：
- Dataphin，一站式、智能化的數據構建及管理平臺；
- Quick BI，隨時隨地 智能決策；
- Quick Audience，全方位洞察、全域營銷、智能增長；
- Quick A+， 跨多端全域應用體驗分析及洞察的一站式數據化運營平臺；
官方站點：
數據中臺官網 https://dp.alibaba.com