为什么大数据和数据中台落寞了？

在最近做数字化项目的过程中，不管是和客户交流还是看一些项目的技术方案，都发现有一个曾经很火的概念，突然很少出现了。

不错，这个概念就是“大数据”（Big Data）。

大数据这个词曾经引领了数字化转型的第一波潮流，让人们觉得数据中蕴含着大量的宝藏。对于数据来说，the more, the better，几乎成为行业铁律。

暂且不谈那个经典的“啤酒尿布”的例子，光5V这个概念就已经成为千万数字化厂商的坚定价值信条。

于是，很多技术创业项目开始沉迷于对海量数据进行收集和开发，大规模地投入到建设算力中心，建设存储中心，打造监测平台等事项中。

然而，在实践过程中，人们发现“大数据”的价值远远没有达到预期的水平，就像互联网出现的早期一样，人们开始满怀期待，但是并不知道如何变现 ...

仅仅追求数据的规模，并不会让人们从中得到更多的“实惠”。

同时，由于数据质量良莠不齐，与业务相关性差，导致“大浪淘金”的数据分析模式，浪费了大量的人力物力。

“大数据中，蕴含了跨业务、跨场景的用户商业洞察，有利于精准决策和业务创新。” 这句话虽然是大数据精神的内核，但是并不好落地。

绝大多数企业，只掌握供应链上的一个环节，很难做到跨域关联。

如果想通过整合厂商的数据资源来开拓新场景，数据服务成本以及和数据服务关联的商务成本，都是不可低估的。

因此，大数据的实践思路一般只适合互联网原生企业，因为这些企业更容易从平台侧逐渐辐射到供应链的两端。

从数据量的角度，平台侧数据量更大，在关于数据融合需求的博弈方面，具有更强的话语权。

反之，对于绝大多数企业，都是非平台型企业。要么只负责生产，要么只负责销售。

想要实现跨域的大数据场景，既缺乏专业能力，也缺乏资金方面的有效保障。

当前，还有一种思路是基于开源的大数据来进行“数据场景”强化。这个思路后来验证也行不通，或者说“投入产出比”不高。

开源的大数据在数据质量上很低，同时与业务的相关性差，这就意味着单位数据投入产出的业务价值非常有限——数据价值密度低。

尽管在学界一直对于开源大数据的建模和分析比较痴迷，营造了一种开源数据价值含量更高的假象，其主要原因还是在于“拿不到”产业数据。

在这种情况下，更多的传统企业开始反思，应该聚焦于将数据挖深、做透，而不是单纯地追求数据规模的大。

如果大数据不能带来直接有效的价值，那么对于企业来说是负债，而不是资产。

基于上述的这些讨论，并不是说大数据不重要，而是说大数据并不适合每一个数字化企业对数据资产的投资。

数据的获取渠道，已有数据和所需数据的比例，数据的治理效率和开发效率，都是应该慎重考虑的决策门槛。

与其盲目拓展新的数据，去探索难以得到验证的未知规律，还不如在现有的业务架构中把现有的数据资源规整、加工、治理，先满足当下的业务需求。

换句话说，大数据是一个数字化企业发展到比较高级阶段的任务，对于数字化基础还不够强的传统企业或中小企业，还是应该以传统数据分析任务为中心开展数据方面工作。

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）。

参考：

1、数据中台面临的挑战

参考：

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。

• 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。

• 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。

虽然“大数据”这个概念似乎不再那么热门，但这并不意味着数据处理和分析的需求减弱了。相反，随着数字化转型的深入，数据基础设施的现代化成为了企业发展的关键。

数据基础设施现代化的核心在于提升数据处理的效率和安全性。据《数字中国发展报告》显示，我国数字经济规模已超过50万亿元，占GDP比重达到41.5%，这背后是对数据基础设施现代化需求的直接体现。企业需要更加强大的数据存储、处理和分析能力，以支撑日益增长的数据量和复杂的数据分析需求。

现代化的数据基础设施还包括对数据的实时处理能力。例如，5G技术的推广使得物联网设备能够产生并传输更多的实时数据，这要求数据基础设施能够快速响应和处理这些数据，以支持企业的实时决策需求。

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。