如果要将数据中台价值的生成与业务数据应用场景结合起来，请举例说明：

保险业队伍管理的增员方案看，为了促进自身团队结构的裂变，管理人员需要进行增员，在此过程中管理人员需要分析哪些人员适合增员，增员成功通常需要满足哪些条件，每天还需要对代理人增员的效果进行跟踪。为了进行这些分析，需要使用代理人的行为和业绩数据，同时还需要标杆案例数据，这些数据通常存储在不同的数据库中，并以每日的频率将数据提供给页面显示。

常规数据处理逻辑是：各业务系统处理数据，然后将处理结果提供给报表平台显示，但是这样的情况就出现了，对于同一指标，A报表和B报表可能出现指标不一致的情况，并且各系统间指标重复计算。

资料中台是将各业务系统的增员数据汇报，然后统一做数据清理、加工建模，最后以API接口的形式将结果提供给应用系统在不同页面上显示。在避免重复计算的同时，提高了开发效率，在提供数据共享的同时，也保证了数据的一致性。

最后说一下数据资产化管理，可以分为两个方面来看：

基于面向开发的观点：数据中台可以提供开发基于血缘关系的分析和指标、标签词典，通过血缘关系、指标、词典查询可以快速掌握数据结构，了解业务数据的逻辑。

以业务为导向：通过数据中台可输出数据资产目录和报表，使数据资产以可视形式呈现出来，使管理人员了解企业数据状况，例如：企业数据资产目录，每个部门使用数据的情况，以及最核心资产是哪部分。一般情况下要托管一个数据资产管理平台。

并非所有的公司都适合做数据中台，要满足特定的条件才适合建立它，下面的条件可以参考：

第一，企业是否有大量的数据应用场景，数据中台本身就不能直接产生业务价值，本质上是对数据应用的快速支持，当企业有更多的数据应用场景时，就要考虑;

二是公司业务经历了一轮快速扩张，产生了大量的数据，存在着较大的业务数据孤岛，需要整合各业务系统的数据，进行关联分析;

企业数据需求明显提高，数据采集要求高、指标准确，开发团队面临着数据开发量大、数据质量、数据效率、数据成本等诸多问题;

面对经营困难的企业，需要通过数据突破来实现新的业务突破，提高业务运行效率。

资料中台投入大，时间周期长，所说的普通点资料中台适用于有钱稳定的大公司，而不适用于创业初期的小公司。