进入大数据时代，很多企业都开始或多或少的利用大数据所产生的价值。对于企业来说，大数据能够起到的角色和分量因企业本身而异。但是有一点可以肯定的是，大多数企业尤其是依靠数据或互联网兴起的产业一定是需要赶上大数据这一趟高铁，否则就可能被时代抛弃或错失商机。
自阿里提出“大中台，小前台”的口号以来，数据中台成为企业解决数字化手段之一。
数据中台是什么
数据中台是指通过数据技术，对海量数据进行采集、计算、存储、加工，同时统一标准和口径。数据中台把数据统一之后，会形成标准数据，再进行存储，形成大数据资产层，进而为客户提供高效服务。这些服务跟企业的业务有较强的关联性，是这个企业独有的且能复用的，它是企业业务和数据的沉淀，其不仅能降低重复建设、减少烟囱式协作的成本，也是差异化竞争优势所在。
从广义上讲，数据中台包括了数据技术，比如对海量数据信息进行采集、存储、计算、加工等一系列数据技术的集合。而今天谈到的数据中台是包括数据建模、数据产品、数据管理等，和企业业务有较强的关联性，是企业独有的且能复用的。它是企业业务和数据的沉淀，不仅能够降低重复建设，而且能减少烟囱式协作成本，同时也是差异化竞争优势所在。
数据中台、数据仓库、大数据平台的区别是什么
数据中台
数据中台是企业级的逻辑概念，体现企业C2V的能力，为企业提供服务的主要方式是数据API；数据中台是为企业业务提供数据支持和帮助的。
数据中台可以建立在数据仓库和数据平台之上，是加速企业从数据到业务价值过程的中间层。
数据仓库
数据仓库(Data Warehouse)，也称为企业数据仓库，它是一个面向主题的、集成的、相对稳定的、反映历史变化的数据集合存储系统，它将来自不同来源的结构化数据聚合起来，用于业务智能领域的比较和分析，数据仓库是包含多种数据的存储库，并且是高度建模的。
数据仓库系统的作用能实现跨业务条线、跨系统的数据整合，为管理分析和业务决策提供统一的数据支持。数据仓库能够从根本上帮助你把公司的运营数据转化成为高价值的可以获取的信息（或知识），并且在恰当的时间通过恰当的方式把恰当的信息传递给恰当的人。
数据仓库具有历史性，其中存储的数据大多是结构化数据，这些数据并非企业全部数据，而是根据需求提取的针对性数据。
数据平台
数据平台是在大数据基础上出现的融合结构化和非结构化数据的平台，它为业务直接提供数据集。
通常说数据平台是为了解决数据仓库所不能处理的非结构化数据和报表开发周期长的问题。它是抛开业务需求，将企业所有数据都抽取出来集合在一起，成为一个大数据集，包括结构化数据、非结构化数据等。当业务方有需求时再将需要的若干个小数据集单独提取出来，然后以数据集的形式提供给数据应用。
总体来说，数据中台是距离业务最近，提供的数据复用性更强，业务发展速度更快。但是数据中台是在数据平台和数据仓库的基础上，将数据生产为一个个数据API服务，使业务更加高效化运转。当然，数据中台也是可以建立在数据平台和数据仓库之上，实现企业从数据到业务价值过程的中间层。
什么样的企业适合建数据中台？
从业务方面来看：
第一，TOC业务，且业务运营非常依赖于用户、/客户数据；
第二，企业内部运营多业态/品牌/产品的客户数据，需要打通数据共享服务；
第三，供应链特别复杂，且业务必须要通过数据驱动优化；
第四，传统制造业，生产线上的数据需要数据中台来整合服务化。
从数据成熟度来看：
第一，具有良好的数据基础，拥有丰富的数据维度；
第二，企业各业务板块都有数仓和报表，需要向集团企业构建统一的数据管理平台；
第三，多数据应用场景，如天猫、淘宝、支付宝、京东等多业务板块的企业。
如何通过数据价值变现？
不管是数据平台还是数据中台或是数据仓库，其目的最终都是为了让数据的价值更好的作用于业务、经营和管理。
首先，把数据管理起来，形成统一数据资产（数据资产不等同于数据，数据资产是唯一的，能为业务产生价值的数据）；
其次，将数据可视化，在我们将数据自动化、可视化的呈现出来的过程中，我们能够充分释放数据的信度、效度、准确度方面的价值。这也是为什么越来越多的传统企业在进行数据项目规划时，通常会先做一个叫做”管理驾驶舱”的东西。
其本质就是，通过上层呈现所要保证的一致性和规范性，倒逼下层的数据管理、数据治理，从而逐渐开展数据分析辅助决策、数据驱动业务等。
这些年通过数据挖掘技术，可以充分利用海量的数据，通过算法模型去挖掘数据背后的规律，从而辅助我们提前预测或者个性化推荐。
最后，是基于企业要做的数据项目，构建数据中台，形成具有优先级顺序的数据平台。
