台湾是真火还是数据投机？

数据中心真的着火了吗？

马云在2019年说，“许多人将数据与石油进行比较，我们正在建设的数据中心希望发挥电厂的作用”。这篇文章现在被公众认为是“数据中心”概念的起源

在2019年的企业服务市场中，“中国台湾”概念下的数据来自世界各地的中国台湾，奴役着行业中的甲乙双方。每个人都在讨论和思考，并且不乏争议和怀疑。然而，有一件事似乎是台湾的数据着火了。

那么数据中心真的着火了吗？

我做了一点研究，用百度指数作为参考指数

百度，作为行业中中国搜索市场的王者(虽然我认为百度作为互联网的基础设施已经做得不好，如果百度做得更好并成为头条新闻，它不太可能成为微信等私有领域流量的内容巨头，但目前我们仍然不得不面对百度占据中国搜索市场的大部分)，这可以客观地反映出在中国语境下对一个概念的关注程度

百度指数是反映关注度的量化指标体系

百度索引分为两个系统，一个是搜索索引，另一个是信息关注 搜索索引显示有多少人搜索过这个关键词。信息关注是该关键词在各种媒体信息中出现的频率。

信息关注经常受到关键词相关方的营销、软写作和一般写作的影响，这反映了关键词相关方在推广这一概念方面的努力和传播。

搜索索引(Search Index)是该关键词在搜索引擎上被搜索的次数的统计，相对真实地反映了行业对关键词的认知和热情。 因此，我们将更加关注搜索索引 为了客观地反映数据，我将研究台湾的数据、数据仓库和台湾三个关键词作为一个组合

让我们看看“中国台湾”和“中国台湾数据”的搜索索引

上图清楚地显示了中心站和数据中心站的搜索索引。绿色的是中心站，青色的是数据中心站 自2012年以来，“中国和台湾”这个词最早出现，但搜索数据一直相对较低，低于每日平均20个

2018年6月4日，数据中心突破了每日平均100次搜索，然后继续攀升。

从2019年5月13日到2019年5月19日，网络对数据中心的兴趣猛增，达到每天平均497次搜索。 在此期间，中国大陆和台湾搜索的日平均值仍然是0

然后，在2019年5月20日至5月26日期间，中国的搜索数据突然超过了中国的数据

2019年9月26日，中国和台湾的搜索热达到历史最高点，每天搜索1667个

当然，直接可能的原因是2019年的云人居会议将于9月25日至9月27日举行。

谈到数据中心，不可避免地要谈到数据仓库。数据仓库作为近十年来企业数据领域的主要承载平台，在一定程度上促进了企业的数字化转型。因此，让我们来看看行业对数据仓库和数据中心的关注之间的关系。

上图是数据仓库和数据中关键字的搜索索引 我们可以看到，自2011年以来，数据仓库一直保持着持续的搜索热。

直到2018年6月4日至10日，台湾在数据上受到了一点点关注，然后一直在增长，直到这个转折超过了数据仓库的热度

的转折点发生在2019年6月17日至6月23日。台湾对数据中心的关注首次超过了对数据仓库的关注，目前保持了领先地位和快速增长。

从上图的数据分析中，有几个关键的发现(蓝线是数据中心，绿线是数据中心和数据仓库):

从下图可以看出，数据中心呈下降趋势，数据中心的搜索量最近超过了数据中心的搜索量:

数据仓库和数据中心的整体关注度是一致的

关键发现

数据在台湾的流行始于2018年，在2019年7月超过了数据仓库，目前还在继续上升。

从以上数据分析判断，数据中的站点确实着火了，而且越来越受到关注和重视

每个现象背后都有根本原因。我试图理解和分析数据中台湾受欢迎背后的根本原因。这种现象代表了什么样的需求和变化

仍然使用百度索引，我发现大数据的搜索量仍然远远高于数据中心和数据仓库，而且趋势与数据中心一致，但是大数据的整体受欢迎程度没有前两年那么热。

今年3月，中国数据价值研究中心发布了一份关于台湾数据的调查问卷，收到了400多份有效问卷。问卷中的以下数据可以帮助我们分析台湾的数据现象。

数据中心是一个系统

100%的受访者认为数据中心是一个系统，而不仅仅是一套软件

因此，数据仓库和数据仓库有着本质的区别。大数据是一个愿景和概念。数据仓库是一个特定的软件系统，而数据仓库是一个系统。

台湾在数据对企业中的价值

在问卷中，有一个主观问题要求所有受访者填写他/她认为台湾在数据对企业中的价值 我已经对这个问题的所有答案进行了分段，并做了词频统计。我以下列单词cloud的形式展示了它们:

如你所见，前10名是(不包括单词data):

business，data service，value，speed，scene，unification，empowerment，assets，isolated island，open

从这些关键词中，我们可以看出台湾在数据中受到企业的关注和追捧，形成了行业层面现象背后的几个主要根源。

企业对数据部门或数据平台的需求从未改变，即:

快速为企业提供基于统一的数据服务，并在数据资产之上开放数据服务，从而实现业务场景并创造价值

这是一个非常尖锐的问题，但这是一个直接触及灵魂的问题。

坦白地说，我在行业中看到了一些现在打着“数据台湾”旗号的产品和解决方案。然而，他们中的许多人以“数据中的台湾”的名义做着传统数据仓库之类的事情

13年前，我就参与了几个企业数据仓库的规划、咨询和实施 包括科诺斯、BW、Microstrategy、BIEE等。 就个人而言，我不认为数据仓库和数据中心是一个维度，它们之间也没有冲突。 在台湾的数据时代，数据仓库仍然很有价值，在大多数情况下，台湾企业建立自己的数据的第一步是建立数据仓库。

但是，在企业构建数据仓库之前，它必须有数据中心的全景蓝图。数据仓库的构建只是这个蓝图的一部分。数据仓库的构建不是整个数据中心，也不是目标。

数据仓库(Data Warehouse)是一个相对标准化的技术平台，可以拥有成熟且高度可复制的软件产品，但数据中心绝对不是。数据中心与企业的业务密切相关。 根据《中国数据价值研究中心-数据中台行业调研报告》年的调查，超过60%的受访者认为数据中心应该更靠近业务，是一个业务系统，而不是一个技术平台。

因此，台湾在数据中有一些非常强的业务属性，这些属性与企业文化、业务模式、历史演变、组织结构、绩效体系和流程治理密切相关。对于这样一个系统平台，不可能有标准化的和全面的重用解决方案。

ThoughtWorks数据智能事业部在2017年提出了数据驱动智能企业的愿景和支持这一愿景的六个功能系统(当时我们还没有称之为中泰，我们称之为数据资产创新平台，它登陆了行业内第一个数据资产平台，跨越了五个行业领域，拉动了数据，开放了会员、订单和支付系统)

这样一个系统非常大，它的构建不能在一天内完成，也不能通过安装一套软件和构建几个应用程序来实现。 因此，如何从整体上规划、探索和识别业务场景，并快速开始持续创造价值？我们探索了一个系统(LDIM)。精益数据创新系统可以帮助企业在自顶向下和自底向上相联系的领域建立数据中心。

数据站的主机系统

数据中心是一个系统，它包括以下组件:

策略和治理部分

数据中心是一个数据服务系统，它使用数据作为原材料，处理数据服务，以支持各种业务应用程序和前端用户 因为它是一个商业系统，它需要一个商业策略和计划。企业需要制定清晰的数据战略，包括业务价值、业务场景识别和规划、数据资产规划和治理，以及技术战略、运营战略和组织结构等。 清晰的数据策略是数据落地的基础和前提，但我们谈论的不是传统的重而细致的策略，而是较轻的精益数据策略和精益数据治理。

技术和平台

在战略指导下，调整业务价值优先级，企业应该构建自己的数据技术产品和平台 它主要包括五个部分:

1。数据智能连续交付平台，是所有数据服务、数据产品和数据平台的基础设施，以确保自动和连续的集成和交付。我们称之为数据操作和AIOps

2。数据自助服务平台，是获取所有数据、存储和管理数据的基础设施。

3。面向业务的数据服务产品，是可重用的数据能力组件

4。企业的机器学习平台(machine learning platform)，即智能服务平台，能够持续、高效地帮助企业大规模应用人工智能，实现所有业务场景。

5。智能服务产品是基于机器学习和人工智能的智能服务，是可重用的算法模型和智能服务

数据中心不是一个项目。它为客户和企业内的其他部门提供基于数据的服务和产品。它是一个能够与其他业务部门合作产生价值和衡量价值的组织系统。最终，这是一个独立的操作。 因此，在企业层面，台湾在数据上相当于一个组织部门，拥有完整的操作系统。

如何建立数据中心？我们认为企业需要构建以下四个蓝图，我们用三个圆圈来表示:

business bluetooth

identificati on，整理出有价值的业务场景

building value panorama

结合业务策略。优先“业务架构顶层设计”数据蓝图“数据状态分析”数据问题诊断“数据全景构建”精益数据治理“围绕业务场景设计数据服务目录”技术蓝图“整理技术架构状态”识别和诊断现有架构问题“关键点技术验证”设计数据中心平台架构“启用数据服务技术”操作蓝图“分析和整理， 开发数据驱动的业务运营系统

构建数据运营团队，建立持续的数据分析能力

构建数据价值测量和绩效系统，持续深化数据应用

承载企业向智能企业转型愿景的数据中心

数据产业回顾实际上非常传统，历史悠久。 数据诞生得比软件业早。当人们用笔、纸记录、算盘和石头来计算时，数据已经被人们认可和使用。 软件诞生后，数据的利用可以分为四个阶段:

Data 1.0

最早的独立软件时代，大部分数据并不存储在计算机中，而只是计算的副产品

Data 2.0

在企业资源规划/办公自动化时代，即企业信息化时代，企业需要跨领域的数据分析来建立决策支持和辅助企业管理的能力。数据仓库和商业智能应运而生。这一时期主要是对结构化数据的分析

Data 3.0

随着企业数据的多样化，企业需要越来越多的数据分析。不仅需要分析结构化数据，还需要分析非结构化数据。企业数据湖应运而生

数据4.0

在数据仓库和数据湖的基础上，结合云计算强大的计算能力，机器学习和深度学习等人工智能技术得到广泛应用，它们是挖掘数据价值的新利器，从而使人们能够发现统计分析之外的业务规则。 这一阶段的代表是数据中心

从数据1.0到数据3.0，有一个共同的本质。数据的使用仍然是基于作为用户的人，还是人们看着数据然后做出影响业务的决策？ 数据4.0实现的飞跃是数据中心数据服务的用户不再是人本身，而是更多的业务应用程序。数据服务将直接嵌入业务系统，以推动和改变业务的发生。

第三波数字转型-工业工程-智能授权

透过数据中心中各种信息、各种风险融资和各种热点信息的迷雾，我们可以看到数据中心为企业带来了什么样的愿景 我们认为数据平台承载着企业智能的业务目标

数据中心将成为企业业务拉动、合并和创新的生产力平台，从而赋予所有业务场景大规模数据智能的能力。

数据中心还有很长的路要走。也许这个术语明年会改变，但企业对智力的需求和愿景不会改变。