随着电子商务、物联网、社会化网络的持续发展，企业的业务模式和数据体系愈加复杂，对大多数企业而言，数智化转型不再是一道选择题，而是一道关乎未来发展的生存题。

在10月21日举办的2021云栖大会·数据中台专场论坛上，阿里巴巴云上数据中台负责人王赛透露，作为国内率先提出数据中台概念的阿里巴巴，过去几年将自身数据中台建设能力通过阿里云对外输出，而承载其满足不同行业、不同企业、不同场景需求的“Dataphin+Quick系列”产品，已被包括麦当劳、财通证券、联合利华、海底捞等在内的几千家企业所用，并沉淀出体量丰富的实践经验。

“数据产品的服务，一定不只是单向的能力输出，”王赛说道，“我们会在不断地实践探索中，去吸收不同企业的个性化诉求，寻找共通性，并总结提炼去反哺我们的产品能力拓展。”

同时他强调，数据中台建设是一个长线过程，企业也许比较难在短时间内看到整体效果，“但一旦建设完成，对企业来说不论是人力成本还是时间成本，降本提效就会变得显而易见。”而针对企业在业务层面追求立竿见影效果的诉求，他表示目前阿里云数据中台也能够以产品组合及行业解决方案的形式进入到企业具体业务场景，给予针对性问题解决，“从当前企业反馈来看，场景级部署战略的效果都还不错。”

Dataphin+Quick系列，从自身实践沉淀出的产品矩阵

2015年，阿里巴巴正式提出数据中台战略，这也是数据中台这一概念在国内首次亮相——但在更早之前，阿里巴巴其实就有动作。

王赛表示，早在2012年，阿里巴巴集团就面临两个基础却又不失挑战的难题——即服务于内部管理层的数据报表时效性问题，以及面向淘系平台商家的服务一致性问题。

也正是在探索这两个问题解决方法的过程中，阿里数据建设方法论开始萌芽，这也成为后来Dataphin产品的核心思想。而随着阿里巴巴集团多业务并向开展以及数据量再度累积提升，阿里数据建设方法论在2014年完成升级，同时启动Dataphin产品化。

2016年，在阿里巴巴集团内部经过充分实践，解决包括多业务数据标准、数据质量、需求响应等多项数据建设问题的基础上，Dataphin正式上线阿里云，开始服务外部企业之路。

在王赛看来，阿里云数据中台产品的商业化输出绝非一簇而就，而是先经过阿里巴巴集团自身内部多复杂场景实践的成果，“在阿里巴巴集团早前发展的过程当中，我们的确在数据建设层面遇到了这些问题，并竭尽全力去解决它们，那么在这个过程中我们摒弃失败的部分，萃取其中成功并可复用的经验，去沉淀我们的方法论，并最终以产品化的姿态对外输出，去更好地服务企业。”

无独有偶，Quick BI从早先服务于阿里巴巴集团内部到如今稳坐国内商业分析行业TOP位置，也已走了11年历程。

2010年，为能及时满足包括淘系平台在内的多条业务线临时取数需求，阿里巴巴集团开始着手自研BI产品，并完成内部BI产品FBI的打造，在随后的6年发展中，FBI为适应不同业务及岗位员工需求，新增包括可视化“仪表盘”、在线电子表格等功能，进一步解决了降低数据分析门槛，只是业态扩展以及保障数据安全等需求。

2016年，FBI以“Quick BI”为产品名开始对外商业化，并迅速受到市场认可，并于2019年成为中国首个且唯一入选Gartner ABI魔力象限的数据产品。

截至目前，Quick BI已经上万家企业，帮助产出几十万张数据报表。

通过阿里云全面输出数据中台能力

如今，阿里云数据中台已经形成以Dataphin、Quick BI、Quick Audience等产品为主的核心产品矩阵。

作为阿里巴巴集团数据治理方法论基于内部实践的产品化输出，Dataphin可以为企业提供一站式数据采、建、管、用全生命周期管理的能力，以助力企业显著提升数据治理水平，构建质量可靠、消费便捷、生产安全经济的企业级数据中台。

其核心能力在于全域数据集成汇聚、数据规范定义、统一数据调度运维和兼容自由的数据开发。

此外，Dataphin还具备业界唯一“设计即文档、设计即开发”能力及专利，同时，它提供多种计算引擎支持及可拓展的开放能力，可以适应各行各业的平台技术架构和个性化诉求。

以金融行业为例，作为数字化起步较早的行业，银行、证券、保险等行业数据平台的建设周期和历史不比互联网行业时间短，对于数据使用积累了一定的经验，然而依旧难以避免数智转型地阵痛。

核心体现在数据标准问题、数据质量问题、需求相应问题、成本资源问题四方面：

数据标准问题：烟囱式开发及局部业务服务支撑，导致指标同名不同口径问题频发；历史上不同业务系统逐步迭代上线，相同对象属性编码不一致等问题突出;

数据质量问题：重复建设导致任务链冗长、任务繁多，计算资源紧张，数据时效性不好；口径梳理定义的文档沉淀到开发代码实现之间存在脱节，数据准确性保障风险高;

需求响应问题：烟囱式开发周期长、效率低，面向应用的服务化不足，导致业务响应速度慢，业务不满意的同时技术又觉得没有沉淀与成长；既懂业务又懂数据的人才不足，需求理解到开发实现涉及大量沟通，服务效率较差;

成本资源问题：烟囱式开发的重复建设浪费技术资源；上线难下线更难，源系统或业务变更不能及时反映到数据上，加之数据不标准，研发维护难上加难的同时，大量无用计算和存储造成资源浪费。

这也和阿里巴巴数据中台建设时期所面临的难点不谋而合。

阿里巴巴通过实践经验提出的数据治理方法论，能够帮助企业捋清了数据全生命周期的管理思路，更将其植入到产品Dataphin(智能数据构建与管理)中，通过阿里云为企业提供服务。

正因如此，Dataphin除了大数据处理全链路涉及到的数据集成、开发、发布、调度、运维能力，同时还将为企业提供数据规范定义、逻辑模型定义、代码自动化生成、数据主题式服务能力，高效地完成好数据的构建。

也正是基于Dataphin产品的能力，财通证券打通既有多个系统数据，实现数据及时接入及标准统一，整合加工处理后，基于市场形态完成包括“金融属性”“产品类型”等在内的300多个数据标签。

数禾科技也在长达7个月的共创共建后，完成传统数仓体系地重构升级，统一数据资产管理平台，同时借助项目全面梳理了公司核心业务流程，将所有的业务过程及背后对应的数据串联起来，统一一套信息系统，每个业务过程在信息化平台都能看到具体的数仓表、指标、指标当前的值、环比同比等信息，一旦这些指标出现异常，就可以快速自动化归因，定位问题环节，创新性建立了数据运营模式。

数禾科技大数据负责人万鹏说道:“阿里云数据中台自带One Service数据接口服务，之前我们自研的数据平台，面向线上业务提供数据接口的链路太长太复杂，目前通过阿里云数据中台产品Dataphin构建数据输入输出的链路既通畅又迅速，产品本身自带集成通道。”

除了金融行业，Dataphin服务的企业还遍布零售、餐饮、运营商、航空等多个行业。

目前，阿里云数据中台除了Dataphin(智能数据构建及管理)、Quick BI(数据可视化分析平台)之外，还推出了Quick Audience(全域消费者运营平台)、Quick Tracking(全域行为洞察分型平台)、Quick Decision(决策分析平台)和DataTrust(隐私增强计算)等多个面向企业不同业务场景的产品。

“我们也在不断丰富产品矩阵，”王赛说道，“我们的产品在服务企业的过程中也会洞察到新的需求，这是我们阿里云数据中台产品发展的新机会。”

而阿里云数据中台显然也愿意把更多新机会共享，在会上阿里巴巴数据服务生态负责人甄日新发布“阿里巴巴万树数据服务生态”合作计划，旨在以阿里云数据中台能力为基础，引入更多合作服务商践行帮助企业数智化转型。

“产品能力到位之后，我们需要更多优秀服务商帮我们一起把这项能力带给更多企业，这是一件我们、企业和生态伙伴三方共赢的有意义的事。”甄日新如是说道。