隨著電子商務、物聯網、社會化網絡的持續發展，企業的業務模式和數據體系愈加復雜，對大多數企業而言，數智化轉型不再是一道選擇題，而是一道關乎未來發展的生存題。

在10月21日舉辦的2021云棲大會·數據中臺專場論壇上，阿里巴巴云上數據中臺負責人王賽透露，作為國內率先提出數據中臺概念的阿里巴巴，過去幾年將自身數據中臺建設能力通過阿里云對外輸出，而承載其滿足不同行業、不同企業、不同場景需求的“Dataphin+Quick系列”產品，已被包括麥當勞、財通證券、聯合利華、海底撈等在內的幾千家企業所用，并沉淀出體量豐富的實踐經驗。

“數據產品的服務，一定不只是單向的能力輸出，”王賽說道，“我們會在不斷地實踐探索中，去吸收不同企業的個性化訴求，尋找共通性，并總結提煉去反哺我們的產品能力拓展。”

同時他強調，數據中臺建設是一個長線過程，企業也許比較難在短時間內看到整體效果，“但一旦建設完成，對企業來說不論是人力成本還是時間成本，降本提效就會變得顯而易見。”而針對企業在業務層面追求立竿見影效果的訴求，他表示目前阿里云數據中臺也能夠以產品組合及行業解決方案的形式進入到企業具體業務場景，給予針對性問題解決，“從當前企業反饋來看，場景級部署戰略的效果都還不錯。”

Dataphin+Quick系列，從自身實踐沉淀出的產品矩陣

2015年，阿里巴巴正式提出數據中臺戰略，這也是數據中臺這一概念在國內首次亮相——但在更早之前，阿里巴巴其實就有動作。

王賽表示，早在2012年，阿里巴巴集團就面臨兩個基礎卻又不失挑戰的難題——即服務于內部管理層的數據報表時效性問題，以及面向淘系平臺商家的服務一致性問題。

也正是在探索這兩個問題解決方法的過程中，阿里數據建設方法論開始萌芽，這也成為后來Dataphin產品的核心思想。而隨著阿里巴巴集團多業務并向開展以及數據量再度累積提升，阿里數據建設方法論在2014年完成升級，同時啟動Dataphin產品化。

2016年，在阿里巴巴集團內部經過充分實踐，解決包括多業務數據標準、數據質量、需求響應等多項數據建設問題的基礎上，Dataphin正式上線阿里云，開始服務外部企業之路。

在王賽看來，阿里云數據中臺產品的商業化輸出絕非一簇而就，而是先經過阿里巴巴集團自身內部多復雜場景實踐的成果，“在阿里巴巴集團早前發展的過程當中，我們的確在數據建設層面遇到了這些問題，并竭盡全力去解決它們，那么在這個過程中我們摒棄失敗的部分，萃取其中成功并可復用的經驗，去沉淀我們的方法論，并最終以產品化的姿態對外輸出，去更好地服務企業。”

無獨有偶，Quick BI從早先服務于阿里巴巴集團內部到如今穩坐國內商業分析行業TOP位置，也已走了11年歷程。

2010年，為能及時滿足包括淘系平臺在內的多條業務線臨時取數需求，阿里巴巴集團開始著手自研BI產品，并完成內部BI產品FBI的打造，在隨后的6年發展中，FBI為適應不同業務及崗位員工需求，新增包括可視化“儀表盤”、在線電子表格等功能，進一步解決了降低數據分析門檻，只是業態擴展以及保障數據安全等需求。

2016年，FBI以“Quick BI”為產品名開始對外商業化，并迅速受到市場認可，并于2019年成為中國首個且唯一入選Gartner ABI魔力象限的數據產品。

截至目前，Quick BI已經上萬家企業，幫助產出幾十萬張數據報表。

通過阿里云全面輸出數據中臺能力

如今，阿里云數據中臺已經形成以Dataphin、Quick BI、Quick Audience等產品為主的核心產品矩陣。

作為阿里巴巴集團數據治理方法論基于內部實踐的產品化輸出，Dataphin可以為企業提供一站式數據采、建、管、用全生命周期管理的能力，以助力企業顯著提升數據治理水平，構建質量可靠、消費便捷、生產安全經濟的企業級數據中臺。

其核心能力在于全域數據集成匯聚、數據規范定義、統一數據調度運維和兼容自由的數據開發。

此外，Dataphin還具備業界唯一“設計即文檔、設計即開發”能力及專利，同時，它提供多種計算引擎支持及可拓展的開放能力，可以適應各行各業的平臺技術架構和個性化訴求。

以金融行業為例，作為數字化起步較早的行業，銀行、證券、保險等行業數據平臺的建設周期和歷史不比互聯網行業時間短，對于數據使用積累了一定的經驗，然而依舊難以避免數智轉型地陣痛。

核心體現在數據標準問題、數據質量問題、需求相應問題、成本資源問題四方面：

數據標準問題：煙囪式開發及局部業務服務支撐，導致指標同名不同口徑問題頻發；歷史上不同業務系統逐步迭代上線，相同對象屬性編碼不一致等問題突出;

數據質量問題：重復建設導致任務鏈冗長、任務繁多，計算資源緊張，數據時效性不好；口徑梳理定義的文檔沉淀到開發代碼實現之間存在脫節，數據準確性保障風險高;

需求響應問題：煙囪式開發周期長、效率低，面向應用的服務化不足，導致業務響應速度慢，業務不滿意的同時技術又覺得沒有沉淀與成長；既懂業務又懂數據的人才不足，需求理解到開發實現涉及大量溝通，服務效率較差;

成本資源問題：煙囪式開發的重復建設浪費技術資源；上線難下線更難，源系統或業務變更不能及時反映到數據上，加之數據不標準，研發維護難上加難的同時，大量無用計算和存儲造成資源浪費。

這也和阿里巴巴數據中臺建設時期所面臨的難點不謀而合。

阿里巴巴通過實踐經驗提出的數據治理方法論，能夠幫助企業捋清了數據全生命周期的管理思路，更將其植入到產品Dataphin(智能數據構建與管理)中，通過阿里云為企業提供服務。

正因如此，Dataphin除了大數據處理全鏈路涉及到的數據集成、開發、發布、調度、運維能力，同時還將為企業提供數據規范定義、邏輯模型定義、代碼自動化生成、數據主題式服務能力，高效地完成好數據的構建。

也正是基于Dataphin產品的能力，財通證券打通既有多個系統數據，實現數據及時接入及標準統一，整合加工處理后，基于市場形態完成包括“金融屬性”“產品類型”等在內的300多個數據標簽。

數禾科技也在長達7個月的共創共建后，完成傳統數倉體系地重構升級，統一數據資產管理平臺，同時借助項目全面梳理了公司核心業務流程，將所有的業務過程及背后對應的數據串聯起來，統一一套信息系統，每個業務過程在信息化平臺都能看到具體的數倉表、指標、指標當前的值、環比同比等信息，一旦這些指標出現異常，就可以快速自動化歸因，定位問題環節，創新性建立了數據運營模式。

數禾科技大數據負責人萬鵬說道:“阿里云數據中臺自帶One Service數據接口服務，之前我們自研的數據平臺，面向線上業務提供數據接口的鏈路太長太復雜，目前通過阿里云數據中臺產品Dataphin構建數據輸入輸出的鏈路既通暢又迅速，產品本身自帶集成通道。”

除了金融行業，Dataphin服務的企業還遍布零售、餐飲、運營商、航空等多個行業。

目前，阿里云數據中臺除了Dataphin(智能數據構建及管理)、Quick BI(數據可視化分析平臺)之外，還推出了Quick Audience(全域消費者運營平臺)、Quick Tracking(全域行為洞察分型平臺)、Quick Decision(決策分析平臺)和DataTrust(隱私增強計算)等多個面向企業不同業務場景的產品。

“我們也在不斷豐富產品矩陣，”王賽說道，“我們的產品在服務企業的過程中也會洞察到新的需求，這是我們阿里云數據中臺產品發展的新機會。”

而阿里云數據中臺顯然也愿意把更多新機會共享，在會上阿里巴巴數據服務生態負責人甄日新發布“阿里巴巴萬樹數據服務生態”合作計劃，旨在以阿里云數據中臺能力為基礎，引入更多合作服務商踐行幫助企業數智化轉型。

“產品能力到位之后，我們需要更多優秀服務商幫我們一起把這項能力帶給更多企業，這是一件我們、企業和生態伙伴三方共贏的有意義的事。”甄日新如是說道。