車品覺：數據中台的通用性，會不會殺掉創新？_風聞

車品覺認為，如果數據中台所服務的前台的性質改變了，那麼整個數據中台也會也會改變。比如説數據中台的服務更多的是用在數據分析上的，這與數據中台更多是服務於自動化有很大的區別，尤其是這兩種類型的數據中台裏面的內容有蠻大的區別。

在談到數據科學平台跟算法平台之間的關係時，他説，“如果數據中台不只是在數據整合的時候所用的數據工具，那麼還要往上面走，對接算法平台。”

車品覺更細緻地談到，對“數據中台的通用性，會不會殺掉創新？”這一問題的看法。他認為，很多時候發現，不管是計算資源、算法資源以及數據資源，都是有公用的部分。所謂的common data。

數據放在中台的時候很方便，你不需要再重新從底下打井再挖水上來。算法也是這樣。所以，使用通用的算法或者數據科學的工具的時候，往往是抽象到一個跟業務場景不是很相關的情況下。一旦你把這個數據科學工具放了在場景裏面的時候，你就發現你不如把它放在場景裏面，不要放在數據中台。

比如説智慧交通。智慧交通本身就服務於交通場景的時候，數據為什麼要把它放在中台？為什麼不把大量的數據，放到更接近業務場景裏面去。這是他的觀點。選擇的時候，把數據放在前台還是中台？因為這個並不是個零跟一的關係來的，很多企業都有這個方面（選擇的）困難。

再舉一個例子，難道在阿里巴巴有數據中台之後，天貓就沒有自己的數據平台嗎？不會的。 阿里媽媽就沒有自己的數據平台嗎？難道你中台全都做了嗎?車品覺認為，如果真的是這樣的話，會有問題出現。值得思考最近蠻流行的一句話，什麼東西都要標準化，但標準是會殺掉創新的。有了標準的時候會發現創新很難。因為差異化的東西就很難出現了。太早提出標準的時候，同時也會把創新殺掉的。到底喜歡百花齊放，還是應該已經開始收斂到一箇中台？他認為數據中台更多的是去做需要重複的東西，而讓前面創新的東西出現在創新的業務端裏面。

他還強調，數據科學平台與數據中台，這兩者其實是有分工的。如果發現非常貼近場景的時候，有可能並不需要放在數據中台裏面。因為數據科學與數據中台的關係，本來就是一個是供給的關係，一直供應數據給算法。但是，算法不一定要數據的時候只能跟中台要，還有可能跟數據所在的場景要，有時候還會跟中台要。如果這個數據更多的是從外部的數據抽取進來，而又是供給到很多的算法使用。外部數據進來的時候，往往也會把它放在中台裏面。

他最後總結道，這問題是挺複雜的，可能沒有回答的足夠全面。但是最重要的是，“這是一個業務的決定，一定要以應用作為決策的出發點。”（完）

本文參考：車品覺公開課演講。

親愛的數據

出品：譚婧

美編：黃楠