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）。

数智基建与数据中台的巨大差异，导致了这一转变的发生。

Gartner介绍称，数据中台是一种中心化、集中式的端到端数据分析平台，由单一厂商利用开源技术进行二次开发和迭代，提供全面的数据分析和AI功能。它强调“中心化管理”，以提高技术的复用性。

然而，如今的企业比以往更希望更快看到价值，具体到数据分析领域，需要业务部门更加快速地交付数据分析结果，这让数据中台显得不合时宜。

更重要的是，如今爆火的AI技术不断带来很多新技术，如果还是选择使用传统数据中台的交付方式，可能刚建好就已经过时了，数据中台不能帮助企业快速利用新的AI技术，可能会导致企业错失新技术带来的发展机遇。

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。

尽管面临挑战，数据中台仍具有强大的生命力和发展潜力。通过不断优化技术架构、降低运营成本、提升服务能力，数据中台有望在未来的数字化转型中继续发挥关键作用。

企业应积极探索数据中台与新兴技术的融合，如云计算、大数据、人工智能等，以提升数据中台的竞争力。同时，企业需要根据自身业务特点和市场需求，灵活调整数据中台的建设和应用策略，以适应不断变化的市场环境。

2、Gartner分析要点

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。

3、数据中台的未来趋势

随着数字化转型的加速推进，数据中台作为企业数智化建设的核心，其发展前景备受关注。尽管Gartner提出“数据中台即将消亡”的论断，但事实上，数据中台并非走向终结，而是在不断演进与升级中，以适应更广泛的业务需求和技术创新。

1）市场规模的稳步增长

根据艾瑞咨询的预测，尽管宏观经济影响部分企业减少了对数据中台的投资，但整体市场规模预计将保持相对平稳，2023至2028年的复合年增长率约为7%。这表明，数据中台依然是企业数字化转型的重要支撑。

2）技术与业务的深度融合

数据中台正逐渐从单一的数据平台建设，转向与业务的深度融合，形成数据智能的整体方案。通过统一的数据标准和治理机制，数据中台消除数据孤岛，确保数据的一致性和完整性，同时提供高效的数据处理和分析工具，支持企业快速响应市场变化和客户需求。

3）智能化应用的拓展

数据中台的智能化应用正在不断拓展，特别是在零售、制造、金融等行业，数据中台支撑智能化应用，如设备状态监测、用户行为分析、市场预测等，帮助企业提升智能化水平，增强业务的灵活性和响应能力。

4、企业应对策略

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。

本文来自公众号：松哥聊汽车数字化

原文阅读