数据中台如何设计?主要分为哪几个步骤？大家面临的难题域是整体数据信息管理体系，这一管理体系就是指传统式上面有数据仓库、数据集市组成的生态环境，不包含联网交易平台（如关键系统、投资理财销售管理系统）和纯粹的流程管理系统（如业务流程审批流程）。

伴随着技术的发展，这一管理体系提升互联网大数据和AI的设计元素，更为智能化系统，但仍然是以战略和战术方面的数据信息工作能力提供为关键，能够作为业务流程变更的权威性根据和关键性因素，但不直接改变业务流程状态。
首次分解，大家按照是不是具备业务流程特性作为规范，能够先拆出技术平台和“其他部分”。这样从整体架构方面看，后续无论“其他部分”分解为多少个系统，这些系统与技术平台的关系都是一致的，即技术平台提供与业务流程无关的支撑工作能力，这种工作能力包括数据信息的存储、生产加工，甚至能够涵盖可视化方面，前提是这种技术工作能力有进行平台化的必要。
再次分解，大家从“其他部分”拆分出前台和中台。支持这次分拆的理由自然是“小前台、大中台”，也是中台建设热潮的Slogan。前台注重灵活性，中台注重稳定性，两者组成类似“变速齿轮”的关系。
怎么理解灵活与稳定呢？我觉得一条重要的规范就是系统的投产频率。面临需求变更，前台与中台的投产频率至少达到2：1，才能体现出中台的稳定。反之，如果每次需求变更中台都要受到影响，那这一中台就是不成功的。
面临数据信息管理体系，大家通过明确中台边界，产生了前台、中台、技术平台三分天下的格局，如下图所示。
设计构思一个数据中台，总共分几步？
目前大家描述的边界仍然是概念上的，比较宽泛，也就会造成理解上的很多分歧。细化接口能够帮助大家更深刻得描述对中台的期望，从而在组织内达成一致，所以大家第二步就来做这项工作。
技术平台与中台的接口各种各样，但因为是业务流程无关的，不容易有歧义，所以大家重点谈谈前台和中台的接口。传统式上，数据信息管理体系的系统接口主要是以大批量文件形式为主导，前台和中台是不是要延续这种接口呢？我的见解是，应该最大程度的避免使用大批量文件作为接口，更多的使用API服务形式。具体原因有以下几点。
工程实践中，大批量文件的数据信息与元数据常常是分离的，甚至干脆省略掉元数据。具体来说，大批量文件通常是仅包含数据信息的平面文件，在源系统中（可能存在于数据库中）的“数据项标识”、“名称”、“数据类型”、“备注”这些内容，很少在接口中看到。当然，如果做得好些，大家也可以在数据治理系统中登记这一接口，但难题是治理系统中“元数据”的正确性与系统运行是完全无关的，它们从来没被真正验证过，也无法确定是不是伴随着业务流程变更被即时更新，当我们需要根据这些“元数据”做出决策时往往信心不足。
久而久之，治理系统中“元数据”不再被使用，就成了死数据信息。
相对而言，服务的自描述要好很多，大家甚至能够在组织范围内约定更丰富的元数据，将其与服务发布融合在一起。基于架构设计上的服务注册与发现机制，这些服务会受到更强有力的约束，从而保证元数据的质量。
我们在系统建设中常常能够观察到一个现象，系统会自我驱动，业务流程会越来越复杂和发散。究其原因，大概是系统的主要利益相关方更倾向于在系统中拓展功能，能够降低与外部（科技、业务流程等）的协调成本。从局部，尤其是某个特定需求上看，这可能是更快、更好的选择，但从全局而言就是一种伤害。在哲学上方面，这个问题就是局部最优解未必是全局最优解。
追求局部最优解的后果就是建设大量竖井式系统，无法沉淀可复用的工作能力。中台的使命恰恰是要从全局角度，破除或者削弱这种建设模式。
前台尽量不积累数据信息，也就杜绝或者控制了其逻辑向复杂化、发散化演进的可能。我们可以在更高阶的管理方面，以更低的成本洞察到这种演化的趋势，从而采取相应的措施。
服务形式天然满足了控制前台系统积累数据信息的目标。
数据仓库方法论是秉承“以空间换时间”的思路，通过ETL（SQL处理）预加工来降低用户查询报表时的计算负载，从而实现低延时交互。为了统筹提升整体生产加工效率，并不会将单张报表依次生产加工，而是合并报表的生产加工层次，先共性后个性逐层推进，一个批次（一天可能会存在2-3个大批量生产加工批次，通常不会太多）的生产加工结果大致会在同一个时间段完成。
这种形式的弊端是，一旦上游数据信息或基础层生产加工出错，发现错误的时点会大幅延后。本来通过单进程查询就可以发现的错误，现在必须预支大量的大批量计算成本后才能看到。这一过程浪费了大量的计算资源和时间资源（ETL必须在当日完成，因此时间资源也是受限的），甚至导致无法在剩余的时间窗口内完成纠错和任务重跑，造成业务流程的重大影响。
大家应该看到“以空间换时间”的策略是基于若干年前的即时计算能力而做的权衡。今天，分布式技术发展趋势带来了即时计算能力的大幅提升，是时候在ETL处理和即时计算之间寻找更优的平衡点了。
我的建议是将一些计算负载迁移到服务中来，用分布式计算框架代替部分ETL。中台与前台的接口处位于整体ETL的末端，所以这里也就更适合采用服务接口。
此外，还要说说第三种接口方式JDBC，我个人也是不推荐的。一个原因是JDBC暴露了数据源的数据存储结构，强化了前台与中台的耦合，既然我们在架构方面希望两者松耦合，那具体接口上也应该选择匹配的技术。第二个原因是业务流程语义上的差异，RESTFUL服务有一个“有趣（Interesting）”原则，服务要有业务流程语义。直接对一张表的访问显然不够“有趣”，那么JDBC也就不能称为服务了。
数据中台的外部接口主要是API服务。
大家继续探讨数据中台的内部结构，按照我们在第一步设定的边界，“数据仓库”与“数据湖”必然是中台的一部分。两者是不是中台的全部呢？我认为并不是全部。

数据仓库方法论有Inmon和Kimball两个流派，国内数据仓库的实施多数采用Inmon的方法。
具体来说，在数据仓库与数据集市的二元结构中，数据仓库对接上游各类业务系统，按照企业级模型重组数据信息以消除源系统的特异性，这一模型按照若干主题进行组织，是数据仓库理论体系的关键；数据集市在此基础上，根据具体的应用场景进一步生产加工数据信息，实现最终的功能交付。
能够看出两者的指导思想不同，数据仓库是“面向主题”的，数据集市是“面向应用”的。
有些企业以前是竖井式的数据集市，现在把集市中的共性部分下沉，节省了加工成本，认为这就是数据中台。如果笼统得用“工作能力复用”作为规范，似乎数据仓库与数据集市就是中台和前台了。
那么数据中台是在炒概念吗？我认为并不是。
数据中台与数据仓库的差别不是有没有工作能力复用，而是因为数据集市仍然太重不符合前台的灵活性要求。一样是二元结构，因为数据集市不等于前台，所以数据仓库也就不等于中台。
理论上数据集市是满足一个“业务流程单元”的数据分析需求，实践中这一“业务流程单元”往往对应到“业务部门”，因为这样业务流程管控职责明确，能够快速需求边界，和财务管理制度也有直接的关系，项目操作较简便。
但是，今天这种形式遇到了挑战。伴随着数据信息应用的深入，需求越来越具体，同一部门的不同团队的需求也各有侧重，都希望保证各自的灵活性，又不希望自身的稳定性受到其他团队灵活性的影响，“业务流程单元”呈现明显的“碎片化”。
跟伴随着业务流程的“碎片化”，数据集市不断裂变，底层逻辑大量重复。显然，该做架构方面的调整了。这就说到前台，其服务的“业务流程单元”更小，但逻辑相比数据集市要更为轻薄，将原有针对“业务部门”的生产加工要沉淀到数据中台，沉淀的部分也有再次重组的机会。
数据中台既“面向主题”也“面向应用”
数据中台“面向主题”是因为包含了数据仓库，“面向应用”则是因为包含了数据集市下沉部分。这里的新难题是如何重组数据集市下沉到中台的部分，重组形式依赖设计者的经验，其实没有统一方法。我的建议是按“价值链”和“产品线”两个维度分解，两者正交组成若干单元，这些单元称为“业务流程域”。
一样是数据信息沉淀，为什么不使用数据仓库的主题，而要新建“业务流程域”呢？数据仓库的主题是数据信息方面的高度抽象，基本不体现业务流程。今天，数据信息应用的大趋势是强化对“一线操作”数据赋能，必然更为关注业务流程，而价值链正是业务流程的起点；产品则是衔接企业与用户的桥梁，同时也是业务流程操作的关键。
“业务流程域”是对业务流程的抽象，能够说是“面向流程的”，本质还是“面向应用”的。“业务流程域”数据模型不像数据仓库“主题”那样严格的去冗余，有些维度信息会重复出现，比如客户基本信息、机构信息等。
以银行为例，“价值链”上的典型性阶段包括营销、运营、风控等，“产品线”能够分为零售、对公、同业等，两者正交则能够得到“零售营销”、“对公营销”、“零售风控”等业务流程域，当然正交得出的业务流程域也可以适当调整。
数据中台包含一个“面向主题”的数据仓库（及数据湖）和若干个“面向应用”的业务流程域。
目前为止，大家仅在数据结构上探讨了中台的组成，并没有考虑系统的非功能性需求。事实上，在不同应用场景下前台的非功能性需求会有较大的差异，其中最有代表性的是对并发和延时的要求。因为大家已经约定中台与前台的接口是API服务，这些需求会直接传导到中台。接下来，让我们谈谈中台的针对性设计构思。
数据中台如何设计?主要分为哪几个步骤？我给大家的建议是减少“数据信息搬家”和ETL，因为这会导致削弱系统的特性，针对中台的内部设计构思我也坚持一样的见解。数据信息应该通过很短的生产加工路径，产生API服务向前台交付，所以数据仓库和业务流程域都应该具备API服务能力。
数据仓库本来以大批量生产加工为主导，以文件形式输出。