车品觉：数据中台的通用性，会不会杀掉创新？_风闻

车品觉认为，如果数据中台所服务的前台的性质改变了，那么整个数据中台也会也会改变。比如说数据中台的服务更多的是用在数据分析上的，这与数据中台更多是服务于自动化有很大的区别，尤其是这两种类型的数据中台里面的内容有蛮大的区别。

在谈到数据科学平台跟算法平台之间的关系时，他说，“如果数据中台不只是在数据整合的时候所用的数据工具，那么还要往上面走，对接算法平台。”

车品觉更细致地谈到，对“数据中台的通用性，会不会杀掉创新？”这一问题的看法。他认为，很多时候发现，不管是计算资源、算法资源以及数据资源，都是有公用的部分。所谓的common data。

数据放在中台的时候很方便，你不需要再重新从底下打井再挖水上来。算法也是这样。所以，使用通用的算法或者数据科学的工具的时候，往往是抽象到一个跟业务场景不是很相关的情况下。一旦你把这个数据科学工具放了在场景里面的时候，你就发现你不如把它放在场景里面，不要放在数据中台。

比如说智慧交通。智慧交通本身就服务于交通场景的时候，数据为什么要把它放在中台？为什么不把大量的数据，放到更接近业务场景里面去。这是他的观点。选择的时候，把数据放在前台还是中台？因为这个并不是个零跟一的关系来的，很多企业都有这个方面（选择的）困难。

再举一个例子，难道在阿里巴巴有数据中台之后，天猫就没有自己的数据平台吗？不会的。 阿里妈妈就没有自己的数据平台吗？难道你中台全都做了吗?车品觉认为，如果真的是这样的话，会有问题出现。值得思考最近蛮流行的一句话，什么东西都要标准化，但标准是会杀掉创新的。有了标准的时候会发现创新很难。因为差异化的东西就很难出现了。太早提出标准的时候，同时也会把创新杀掉的。到底喜欢百花齐放，还是应该已经开始收敛到一个中台？他认为数据中台更多的是去做需要重复的东西，而让前面创新的东西出现在创新的业务端里面。

他还强调，数据科学平台与数据中台，这两者其实是有分工的。如果发现非常贴近场景的时候，有可能并不需要放在数据中台里面。因为数据科学与数据中台的关系，本来就是一个是供给的关系，一直供应数据给算法。但是，算法不一定要数据的时候只能跟中台要，还有可能跟数据所在的场景要，有时候还会跟中台要。如果这个数据更多的是从外部的数据抽取进来，而又是供给到很多的算法使用。外部数据进来的时候，往往也会把它放在中台里面。

他最后总结道，这问题是挺复杂的，可能没有回答的足够全面。但是最重要的是，“这是一个业务的决定，一定要以应用作为决策的出发点。”（完）

本文参考：车品觉公开课演讲。

亲爱的数据

出品：谭婧

美编：黄楠