阿里数据中台方法论（阿里数据中台与ai中台的关系）

本篇文章给大家谈谈阿里数据中台方法论，以及阿里数据中台与ai中台的关系对应的知识点，希望对各位有所帮助，不要忘了收藏本站喔。

本文目录一览：

• 1、阿里新一轮组织调整：电商与本地生活进一步融合，淘系中坚力量崛起
• 2、企业的数据中台的价值
• 3、《数据产品经理》作者: 杨楠楠 / 李凯东 / 陈新涛 / 萧饭饭
• 4、阿里服务器和腾讯服务器哪个更好？为什么？

阿里新一轮组织调整：电商与本地生活进一步融合，淘系中坚力量崛起

双11过了没多久，阿里进行了新一轮的组织架构调整。

12月11日，阿里以内部信的形式宣布了对电商业务和本地生活业务的人事调整。据晚点LatePost报道，这两封内部信并非由阿里巴巴董事局主席兼 CEO 张勇发布，而是业务的负责人蒋凡和王磊告知全员。

根据内部邮件，在电商版块，汤兴负责产品与技术；杨光负责天猫商家和行业的运营工作；刘博负责平台商业化，阿里妈妈事业群、天猫商家营销中心也向其汇报；天猫服饰风尚事业部下的奢品运营中心和魅力惠业务并入天猫进出口事业群，向刘鹏汇报；天猫品牌市场部向集团 CMO 董本洪汇报；淘宝商家与行业线继续由张凯夫负责。

至于本地生活版块，阿里集团新零售技术事业群总裁吴泽明将兼任阿里本地生活首席技术官（CTO），向阿里集团 CTO 程立和王磊双实线汇报。同时，两员大将加入，分别是现蚂蚁智能引擎技术事业部负责人王志荣和现新零售搜索推荐事业部应用工程技术负责人李天民。王志荣和李天民向吴泽明汇报。

值得注意的是，此前陷入贪腐风波的胡伟雄（花名：古迈）并没有出现在这次调整的名单中，原新零售智能引擎事业群总裁Jingren(靖人）则另有任用。

2020年，除了疫情因素，阿里实际上面临着更大的挑战与竞争压力。钛媒体也从侧面了解到，最近阿里包括蚂蚁金服在内不少业务都在调整。尽管这次的调整并未涉及大集团层面，也在很大程度上反映了阿里对未来格局的预判。

一周前，晚点LatePost一篇名为《阿里电商的关键人物和组织设计》的文章认为，淘宝、天猫、阿里妈妈总裁蒋凡之下，有五个关键人物：周靖人、汤兴、胡伟雄、杨光、刘博。

然而就在这篇文章发布后没多久，就有人在脉脉透露胡伟雄由于贪腐问题已经被警察带走。如今这一传言在晚点LatePost的报道中也被证实。

不过，在这次调整中周靖人、汤兴、杨光、刘博都有涉及。

2019年刚加入阿里的阿里巴巴副总裁汤兴（平畴）全面负责淘系用户产品与技术。根据公开资料，汤兴此前为爱奇艺 CTO，他不仅负责爱奇艺大脑，还打造了爱奇艺的视频社交产品 “泡泡社区”。

来到阿里后，汤兴负责淘系产品和内容生态，以及闲鱼、家装家居平台 “躺平” 、手淘“逛逛”版块等创新项目。同时，淘宝直播及内容生态事业部负责人俞峰、商家平台事业部负责人齐俊生等几位过去直接向蒋凡汇报的高管，目前已经向平畴汇报。

阿里巴巴副总裁汤兴（花名平畴）

根据内部信，在原有职责基础上，搜索推荐事业部、天猫－消费者平台产品团队、淘系消费者运营事业部均向平畴汇报。

花名为吹雪的阿里巴巴副总裁杨光此前曾担任过淘宝旅行平台负责人，后担任天猫供应链创新事业部总经理，人事调整前负责天猫消费电子和家装事业部，向蒋凡汇报。此外，杨光还在2017年3月出任了苏宁易购的董事。

内部信中介绍，调整后杨光将全面负责天猫商家和行业的运营工作。同时，天猫服饰风尚事业部、天猫快速消费品事业部、阿里 汽车 事业部、聚划算事业部、天猫活动营销中心、天猫商家策略部向吹雪汇报。

至于花名家洛的阿里巴巴副总裁刘博，自2015年起就负责聚划算事业部，其后来主要负责与用户增长、营销相关的业务部门。此次调整后，刘博将全面负责平台商业化体系的建设和发展。

有意思的是，此前蒋凡是淘宝、天猫、阿里妈妈三大事业群总裁。但在此次调整后，阿里妈妈事业群、天猫商家营销中心（含原天猫品牌营销中心和部分商业化团队）日后将向家洛汇报。

此外，原本由胡伟雄负责的天猫快速消费品服饰风尚事业部也经历了重大调整。

内部信中，天猫服饰风尚事业部下的奢品运营中心和魅力惠业务将会进入天猫进出口事业群，向刘鹏（奥文）汇报；天猫品牌市场部向集团CMO董本洪（张无忌）汇报；淘宝商家与行业线继续由张凯夫（凯芙）负责。

值得注意的是阿里巴巴资深副总裁周靖人，曾为微软研发合伙人的他在2015年加入阿里，此前曾是担任阿里云首席科学家，并管理着阿里的搜索 AI 中台与效果广告业务，负责阿里搜索及广告技术事业部。

虽然在内部信称对周靖人另有安排，但最新披露的信息显示，作为新零售智能引擎事业群总裁的他将调任蚂蚁集团，担任蚂蚁智能引擎与数据中台技术部负责人。

阿里2021财年Q2财报中披露，中国零售商业和跨境及全球零售商业占据了阿里总收入的 67%。毫无疑问，电商零售仍然是阿里最核心的业务。

这次电商业务人事调整的重要性也不言而喻。

此次调整一个最显著的变化是，杨光、刘博、汤兴等中坚力量的权力也比之前有所扩大。

虽然并无直接证据显示这与此前的“蒋凡事件”有关，但在这轮调整中蒋凡的职权明显被削弱。因此，不排除阿里在可预见的将来会对淘宝天猫的人事结构做进一步调整的可能。

除了电商业务，负责与美团直接竞争的阿里本地生活的调整同样值得关注。

在阿里旗下的本地生活公司的内部信中，董事长王磊（花名：昆阳）表示本地生活不只是一城一地一店一户的竞争，决胜的关键在于谁能更好的参与和推动各行各业的数字化进程，数字化本地生活服务才是饿了么真正的未来。

我们看到，本地生活公司的人事调整主要集中在关键技术的岗位上：

对此，一位阿里本地生活公司内部人士向钛媒体APP表示，这次调整过后，集团的几个技术大拿都来到了本地生活，加大了技术支撑和投入。

我们来看看阿里调整的逻辑。

一方面，为了预防类似“蒋凡事件”对公司业务与组织架构造成的负面影响，阿里通过反腐、人事调整等手段进一步完善组织架构、保持团队与业务发展的稳定性。

另一方面，通过不同业务的交叉调整，促进业务间的协同融合。

以阿里本地生活公司为例，不光在餐饮外卖、到店业务上尝试与美团缠斗，本地生活的数字化俨然成为阿里本地生活业务最为重视的目标，也是目前阿里最有可能突破的环节。

在前不久的双11，饿了么、支付宝的本地生活版块的深度参与就更像是一场两者融合的积极尝试。而此次调整，无论是周靖人调去蚂蚁，还是集团技术骨干来到本地生活均是这个逻辑。

为什么阿里要这样做呢？

首先，尽管阿里仍然是电商行业的领头羊，但近几年京东与拼多多仍在背后穷追不舍。与此同时，本地生活的饿了么很难在短期内缩短与美团的差距，抖音、快手等短视频平台在尝到了直播带货的甜头后也正在发展各自的电商业务与本地生活业务。加之，前不久蚂蚁金服上市延后的影响。这都使原本在疫情冲击下表现出色的阿里巴巴面临最为严峻的竞争形势。

实际上，无论是哪家公司都不希望陷入“多线作战”的境地。虽然阿里的生态体系极为庞大，但能够看出，针对多个领域的威胁，阿里正在做差异化的应对，而这次人事调整或许只是刚刚开始。

（本文首发钛媒体APP，作者 高梦阳 ）

1、汤兴（平畴）全面负责淘系用户产品与技术。在原有职责基础上，搜索推荐事业部、天猫－消费者平台产品团队、淘系消费者运营事业部向平畴汇报。

2、杨光（吹雪）全面负责天猫商家和行业的运营工作，在原有职责基础上，天猫服饰风尚事业部、天猫快速消费品事业部、阿里 汽车 事业部、聚划算事业部、天猫活动营销中心、天猫商家策略部向吹雪汇报。

3、刘博（家洛）将全面负责平台商业化体系的建设和发展，阿里妈妈事业群、天猫商家营销中心（含原天猫品牌营销中心和部分商业化团队）向家洛汇报。

4、天猫服饰风尚事业部下的奢品运营中心和魅力惠业务将会进入天猫进出口事业群，向刘鹏（奥文）汇报；天猫品牌市场部向集团CMO董本洪（张无忌）汇报；淘宝商家与行业线继续由张凯夫（凯芙）负责。

5、原新零售智能引擎事业群总裁Jingren(靖人），另有任用。

特别感谢靖人和团队这些年对平台电商的巨大贡献，以及在技术领域的重大突破，帮助平台各项业务实现快速增长，我们期待他在新的战场再创佳绩。

蒋凡

12月11日

我坚定认为，本地生活不只是一城一地一店一户的竞争，决胜的关键在于谁能更好的参与和推动各行各业的数字化进程，数字化本地生活服务才是饿了么真正的未来。

今天，我宣布一项组织决定：

阿里集团新零售技术事业群总裁吴泽明（范禹）将兼任阿里本地生活首席技术官（CTO），该职责上，向阿里集团CTO程立（鲁肃）和我双实线汇报。

同时，青峰，现蚂蚁智能引擎技术事业部负责人；天民，现新零售搜索推荐事业部应用工程技术负责人，也将加入本地生活。青峰和天民向范禹汇报。我们感谢集团给本地生活带来更为强大的技术支撑和投入。

范禹、青峰和天民的加入，不仅仅是加快我们本地生活业务的数字化，也是加快和推进我们客户的数字化，客户数字化了，本地生活才是真正的数字化。客户的数字化程度，就是我们本地生活业务的未来。 欢迎范禹、青峰和天民。

昆阳

12月11日

企业的数据中台的价值

企业的数据中台的价值

在经分的年代，数据仓库推倒重来了几遍，构建了很多的专题项目，经历了上万次取数，制作了成百上千的报表，但在支撑了当初的业务发展的同时，到底给如今的企业留下了多少资产？

也许是培养了一代又一代的数据人员，如今有的成为数据专家，有的转型业务人员，有的晋升为领导，有的离职踏上新的岗位，为企业服务的合作伙伴也由此获得快速成长，很多也成了庞然大物。

但这个够吗？

显然不够，但很多企业现有的数据历史底蕴就是这些了吧，老系统迟早要倒，新系统还是要建，但老系统的好基因却很难留下来，这一代的数据仓库与上一代数据仓库一般不能说是演进，而是重来，或者是靠着个人的经验撑起整片天，又如10年前笔者用逻辑回归实现的飞信潜在模型，现在只能到历史的PPT中去寻找其踪影了，反应了同样的道理。

想向新人介绍一下历史，囧于历史没什么好说的，也没什么好展示的，说明了传承的不够，曾经沧海难为水，其实可以做的更好。

那么问题的核心在哪里？

答案就是数据中台，今天就来谈一谈。

广义的数据中台包括了数据技术，比如对海量数据进行采集、计算、存储、加工的一系列技术集合，对于大多企业，这些能力是能够买到的，因此无所谓积淀，要积淀大多也是别人的积淀，而不是企业的，当然自主研发的除外，比如阿里的ODPS等。

笔者提的数据中台要更往上走，包括数据模型，算法服务，数据产品，数据管理等等，这些服务跟企业的业务有较强的关联性，是这个企业独有的且能复用的，比如企业自建的2000个基础模型，300个融合模型，5万个标签，这些就是笔者说的中台，它是企业业务和数据的沉淀，其不仅能降低重复建设，减少烟囱式协作的成本，也是差异化竞争优势所在。

为什么数据中台如此重要呢，笔者概括大致有以下四个原因：

1、回归服务的本质-数据重用

今天的浙江移动已经将2000个基础模型作为所有数据服务开发的基础，这些基础模型做到了“书同文，车同轨”，无论应用的数据模型有多复杂，总是能溯源到2000张基础表，这奠定了数据核对和认知的基础，最大程度的避免了“重复数据抽取和维护带来的成本浪费。”

曾经企业的数据抽取就有多份，报表一份，数据仓库一份，地市集市一份，无论是抽取压力、维护难度及数据一致性要求都很高。

同时，统一的基础模型将相关业务领域的数据做了很好的汇聚，解决了数据互通的诉求，这点的意义巨大，谁都知道数据1+12的意思。

2、数据中台需要不断的业务滋养

在企业内，无论是专题、报表或取数，当前基本是烟囱式数据生产模式或者是项目制建设方式，必然导致数据知识得不到沉淀和持续发展，从而造成模型不能真正成为可重用的组件，无法支撑数据分析的快速响应和创新。

究其原因是模型建设往往是项目式的建设方式，一旦项目结束，在面对业务提出更多需求时，项目模型团队可能已经撤离了，或者考核指标早已经随着项目结束，模型提供者在主观上没有太大的积极性去满足新的需求，如果当初模型的扩展性设计的不好，或者时间太紧，或者系统稳定的需要，往往导致有心无力满足新的需求，结果是数据模型无法再扩展，成为事实上稳定的但无用的模型。

其实，业务最不需要的就是模型的稳定，一个数据模型如果一味追求稳定不变，一定程度就是故步自封，这样的做法必然导致其他的新的类似的数据模型产生，当越来越多的模型都采用自建的方式满足需求时，意味着老的数据模型就可能要离开历史舞台了，而留下的是割裂的成千上万的模型，也就失去了模型知识沉淀的可能，曾经做过一张几百个字段的万能宽表，由于太大后来就没人敢去动它，随着新的业务不断增加，这张宽表的价值却越来越低直至退出历史舞台。

数据模型不需要“稳定”，而需要不断的滋养，只有在滋养中才能从最初的字段单一到逐渐成长为企业最为宝贵的模型资产。

其实标签也一样，做过不少异动标签或离网模型，曾经效果不错，随着公司转型流量经营，原来以语音异动判断为主的这类标签开始难以适应变化，但后续已经没人能改得动它，这个标签也就退出了历史舞台，退出的可不仅仅是一个标签，这个标签承载的所有的既有经验也就被废弃掉了，想想这些标签当初花了多大的代价做成就会感觉非常可惜。

再以报表为例，企业报表成千上万的原因往往也是没有沉淀造成的，针对一个业务报表，由于不同的业务人员提出的角度不同，会幻化出成百上千的报表，如果有报表中台的概念，就可以提出一些基准报表的原则，比如一个业务一张报表，已经有的业务报表只允许修改而不允许新增，自然老报表就会由于新的需求而不断完善，从而能演化成企业的基础报表目录，否则就是一堆报表的堆砌，后续的数据一致性问题层出不穷，管理成本急剧增加，人力投入越来越多，这样的事情在每个企业都在发生。

3、数据中台是培育业务创新的土壤

企业的数据创新一定要站在巨人的肩膀上，即从数据中台开始，不能总是从基础做起，数据中台是数据创新效率的保障。

搞过机器学习的都知道，没有好的规整数据，数据准备的过程极其冗长，这也是数据仓库模型的一个核心价值所在，比如运营商中要获取3个月的ARPU数据，如果没有融合模型的支撑，得自己从账单一层层汇总及关联，速度可想而知。

很多合作伙伴的数据科学家到一个企业水土不服，除了业务上不熟悉外，往往还面临着数据准备的困境，取数的高难度导致他难以快速的去验证想法，企业想借助外力去搞数据创新有时成了一厢情愿。

标签也一样，企业打造标签可并不仅仅是做几个标签那么简单，它需要打造的是一个标签服务平台，要能最大限度的规范标签的格式，接入方式，组合方式，调用方式等等，只有这样，基于标签的二次快速创新才有可能，企业每发布一个新的标签，就意味着新增了一种能力，这才是数据知识的真正传承。

比如当常驻地模型发布成为标签平台的一个标签后，以后凡是涉及到常驻地判断的都可以直接调用，这极大降低了关于用户位置数据准备的成本。

在如今的互联网时代，企业都在全力谋求转型，转型的关键是要具备跟互联网公司一样的快速创新能力，大数据是其中一个核心驱动力，但拥有大数据还是不够的，数据中台的能力往往最终决定速度，拥有速度意味着试错成本很低，意味着可以再来一次。

4、数据中台是人才成长的摇篮

记得笔者刚进企业的时候，要获得成长一是靠人带，二是找人问，三是自己登陆各种系统去看源代码，这样的学习比较支离破碎，其实很难了解全貌，无法知道什么东西对于企业是最重要的，获得的文档资料也往往也是过了时的。

现在有了数据中台，很多成长问题就能解决，有了基础模型，新人可以系统的学习企业有哪些基本数据能力，O域数据的增加更是让其有更广阔的视野，有了融合模型，新人可以知道有哪些主题域，从主题域切入去全局的理解公司的业务概念，有了标签库，新人可以获得前人的所有智慧结晶，有了数据管理平台，新人能清晰的追溯数据、标签和应用的来龙去脉，所有的知识都是在线的，最新的，意味着新人的高起点。

更为关键的是，数据中台让新人摆脱了在起步阶段对于导师的过渡依赖，能快速的融入团队，在前人的基础上进行创新。

数据中台天然的统一，集成的特性，有可能让新人打破点线的束缚，快速构筑起自己的知识体系，成为企业数据领域的专家。

当然，数据中台的建立不是一蹴而就的，每个企业都应该基于实际打造独有的中台能力，在这个过程中，需要遵循一些原则：

首先，企业的组织架构及机制需要顺势而变，比如以前负责数据的部门或团队往往缺乏话语权，面对业务需求往往是被动的接受的角色，这让一切数据中台的想法化为泡影，需要为数据中台团队授权。

其次，要改变工作方式，现在很多企业的数据团队的主要工作内容就是项目管理、需求管理等等，当一个项目完成后又投入到下一个项目，做好一个需求后又开始负责下一个需求，这样的工作确实非常锻炼人的组织、协调能力，但这样能力的提升与工作时间的长短并不是呈线性增长的，虽然增加了项目和需求管理经验，但并不能在某一个专业领域得到知识和经验的沉淀，随着时间的流逝，越来越多的人会失去最初的工作积极性和创造性，事实上，数据人员只有深入的研究业务、数据和模型，端到端的去实践，打造出数据中台，才是最大的价值创造，才能使得持续创新成为可能。

第三，数据中台的团队要从传统的支撑角色逐步向运营角色转变，不仅在数据上，在业务上也要努力赶超业务人员，中台人员要逐步建立起对于业务的话语权，不仅仅是接受需求的角色，更要能提出合理的建议，能为业务带来新的增长点，比如精确营销。

DT时代，接下来整个社会会进入开放共享的时代，致力于大数据变现的企业最大的价值就是将这些核心数据能力进行对外开放的运营，到那个时代，数据中台将成为企业最为宝贵的资产。

从个人的角度讲，将自己的贡献幻化为中台能力，能够持续的为公司创造价值，这是值得骄傲的事情。

《数据产品经理》作者: 杨楠楠 / 李凯东 / 陈新涛 / 萧饭饭

。。ISBN: 9787111662396

。。文件格式：epub2802031363

。。内容简介。。

这是一部全面讲解数据产品经理核心知识体系的著作。12位作者大多来自国内的知名企业，涉及不同的行业，让本书拥有了更广泛的视角，能帮助读者从不同的角度去了解数据产品经理如何在数据、产品、运营、市场等多个方面产生价值。本书的最终目的是让读者全面了解数据产品经理的工作内容、系统掌握数据产品的核心知识体系，快速实现从入门到进阶的突破。

全书一共11章，重点讲解了数据产品经理应该掌握的11个核心知识点，可以概括为四个部分。

第一部分 基础知识（第1章）

首先介绍了数据产品的定义、组成、分类，其次介绍了数据产品经理的分类和能力模型，最后介绍了数据产品经理的招聘、应聘和面试。

第二部分 通用能力（第2~3章）

讲解了数据产品经理应该具备的数据分析能力和项目运作能力（产品路线图）。

第三部分 数据管理（第4~9章）

依次讲解了数据埋点、数据中台、数据指标体系、A/B测试、数据管理、数据服务等知识点，涵盖数据采集、治理、应用、能力输出的整个链条。

第四部分 策略产品（第10~11章）

重点讲解了搜索系统和用户画像等策略产品相关的知识。

。。作者简介。。

杨楠楠

资深数据产品经理，擅长数据分析，为多家世界500强公司提供数据分析服务，能在数据、产品、运营、市场等多个方面发挥数据价值。擅长策略产品，在广告、电商等领域有较多经验，为多家厂商提供流量变现服务。维护有数据产品经理的知乎专栏和社群，本书的合作者全部来自专栏的粉丝。

李凯东

某视频媒体的大数据负责人，前京东数据中台应用数据平台部负责人、京东商城算法专家委员会核心委员，阿里天池数据科学家。京东研发最高成就奖项“杰出成就奖”获得者，在京东期间曾主导智慧营销，单条产品线GMV增长数十亿；创办京东大数据比赛平台JData，并成功举办全世界最大的单体大数据比赛。有9年创业经历，在社交、电商、O2O等领域有多年经验和深刻见解，公司于2014年以4000万估值被收购。

陈新涛

58转转前数据总监、美团外卖首任数据负责人，拥有多年数据产品及分析经验，擅长带领团队搭建企业级数据中台，以及结合企业战略分析数据并提供增长策略。曾负责从 0 到 1 搭建美团外卖数据平台，其中智能业绩系统为外卖事业部赢得首个美团点评集团大奖。任转转数据总监期间，带领数据产品及分析团队，搭建公司数据中台，为各业务线提供分析支持，并连续两年培养出公司最佳员工，获得高管团队及合作方的高度认可。

萧饭饭

高级数据产品经理，擅长用算法解决业务问题。资深策略产品经理，从0到1负责过完整的搜索、推荐、个性化push及用户画像项目，并持续优化，曾打造亿级DAU产品策略。精通用户增长策略，尤其擅长C端产品的打磨和创新型功能设计，以提升新老留存为路径的增长模式。

胡玉婷

高级数据产品经理。原大数据公司的数据产品经理，在在线教育、内容文娱、电商、大数据等多行业具备丰富的数据产品经验，同时具备丰富的埋点设计和数据采集经验。拥有toB应用型数据产品及BI平台型数据产品经验，主导的数据产品辅助大中型公司进行宏微观决策，主导的大数据分析平台服务于亿级用户量app进行用户行为分析，toB付费数据产品市场占有额Top2。曾多次受到微软中国及微软美国总部表彰，全球技术项目中国区成员，参与过世界上最大的学生科技大赛中国区运营项目，2015年被美国微软总部表彰为“2014年度优秀MSP”，并长期享有MSDN最高级订阅。

曹畅

资深数据产品经理，曾就职于国内某大型智能语音技术提供商。主要研究企业数据标准建设与数据管理方法论，以及用户行为数据标准。曾主导制定某上市公司子公司的企业数据标准。

谷坤明

TMD互联网公司大数据平台数据产品经理。擅长智能BI类产品，曾提升数千名员工的数据应用效率，实现数据驱动业务发展的目标。擅长“数据服务”类产品，擅长全套指标体系搭建和可视化、服务化API接口的产品方案。拥有较丰富数据可视化经验，深度参与公司一站式数据消费应用平台。

俞京江

某知名地产集团金融事业群产品负责人。有9年互联网金融行业产品设计经验，多年产品团队管理经验，精通金融行业产品的业务流程及功能设计。独立负责过五百亿交易规模的App的版本迭代；独立负责过单日破亿交易额的营销活动，有丰富的用户增长和营销获客实战经验，善于搭建体系化的营销服务管理系统，包括精细化运营平台、自动化营销平台、SCRM等。

赫子敬

次元降维创始人，有8年数据产品和数据分析经验，曾在多家大型企业担任数据负责人，精通全栈数据链路和数据策略。滴滴现代交通安全数据奠基人，2016年帮助滴滴平台将安全事故降低20%，在技术方面实现重大突破；2018年全面负责爱奇艺AI产品线，帮助爱奇艺在内容制作、生产、分发环节全链路应用AI产品，大幅提升业务指标。

贺园

资深数据产品经理，曾在宜信、京东数科等多家知名互联网金融公司从事数据产品相关工作，擅长偏技术类数据产品的设计。曾负责从0到1搭建公司的A/B测试平台，标签和用户画像平台的设计，以及公司级数据资产管理系统的搭建。

刘扬

数据产品专家，曾就职于用友、唯品会，在数据采集与埋点、数据ETL、数据建模与分析、数据应用方面均有丰富的实战经验。先后做过搜索、推荐、算法、大数据平台、ABTest系统等不同形态的数据产品。精通SQL，懂Python及主流挖掘算法；擅长基于ABTest的数据驱动理论的价值挖掘和产品落地。

朱诗倩

曾任Google系独角兽公司数据科学产品线负责人，现任世界500强公司科技事业部数据负责人，擅长利用数据驱动业务增长，在集团跨业务板块数字化转型方面有独特经验。在教育、地产、金融领域拥有企业级数据产品和数据营销实战经验，多次完成从0到1产品体系和数据平台搭建。

。。精彩短评。。

#

个人感觉干货很多

#

适合想要了解数据产品的pm从业者，对标签、画像的应用很有帮助，值得一看

#

每个部分写的都比较浅，适合初入门了解

阿里服务器和腾讯服务器哪个更好？为什么？

阿里的，阿里十年前开始搞阿里云，建立数据中台（就是数据中心，打通各个模块的数据，比如说在淘宝领券后可以在闲鱼上用）

而腾讯去年底才开始做这件事！

还有，阿里云是分布式服务器。一台负责分发，分发给其他众多服务器分别一起处理！

促使马云下决心做阿里云的是当时的紧迫情况：淘宝访问量暴涨，服务器扛不住。买美国人的设施又太贵。（其实当时可以买，只是马云下决心自己做）

时至今日，阿里云已经是世界第一。以此为基础的城市大脑武装杭州市，使之成为全世界互联网最发达的城市。

阿里数据中台方法论的介绍就聊到这里吧，感谢你花时间阅读本站内容，更多关于阿里数据中台与ai中台的关系、阿里数据中台方法论的信息别忘了在本站进行查找喔。