数据中台已经是一个非常容易就听到的概念，很多企业目前也在做数据中台，或者大数据平台，那么最初谁最先提出数据中台这个概念的，又是为了解决什么问题而去做数据中台？

数据中台的概念是最早由阿里巴巴首次提出，是为了应对像双十一这样的业务高峰、应对大规模数据的线性可扩展问题、应对复杂业务系统的解耦问题，而在技术、组织架构等方面采取的一些变革，其本质上还是一个平台，阿里称之为“共享服务平台（Shared Platform as Service，SPAS）”。总结一下，数据中台是指通过数据技术，对海量的数据进行采集，清洗，加工，统一的标准和口径。数据通过数据中台之后，形成标准数据，进行存储，加工成大数据资产，另外可以快速的对不同数据进行处理，形成数据处理流水线，提高数据处理的效率。数据中台的应用场景，数据中台应该是应用在数据对A,B,C,D 等不同部门的提供服务的场景，如果一个公司本身就只有一个业务部门，或者就是一种应用场景的情况，需要的是大数据平台即可，数据中台是满足不同应用场景，且高效率的情况下提供服务。数据中台和大数据平台的区别是什么？数据中台区别大数据平台所必须具备的特征是什么？总结来看，数据中台必须具备4项核心特性。

• 数据汇聚能力，即可以从不同地方获取数据，采集，抽取，汇聚的能力，并且通过数据中台服务上层业务系统之后，数据可以回流到数据中台，进而进行数据迭代。
• 数据清洗加工能力，因为数据中台需要提供标准的，统一的数据服务，所以数据中台必须具备从不同数据源获取到的数据，经过数据清洗规则，数据加工规则之后，形成标准的数据。
• 数据服务的可视化能力，由于需要提高数据处理，数据服务的效率，所以需要对数据的采集，清洗，加工，分析，管理可视化，即需要具备数据分析能力可视化，数据洞察可视化，数据资产可视化，数据管理可视化。
• 数据价值变现能力，跨部门实现业务价值，数据应用管理，数据驱动业务，面向市场的数据应用。

数据中台的技术体系在不同公司所使用的技术体系不一样，主要是跟企业的应用的场景相关。

• 报表需求：hadoop
• 实时的指标统计和实时推荐需要实时的流失计算能力：storm 、spark、flink
• 决策类业务，比如海量人群的筛选需求，即席计算能力和即时查询，需要 elasticsearch、greenplum、impala。
• 高并发业务应用场景（用户画像），需要在线计算能力：mysql、oracle、redis
• 语言分析，关联分析，企业图谱等，使用的是neo4j等。

总结一下，数据中台是为了提高数据开发效率，同时满足不同应用场景，高效率的提高数据价值的平台，根据不同企业的应用场景使用不同的技术框架。