由于TiDB具有在线扩展和弹性能力，该T0实时数据服务中心采用在线扩展方式。在阿里巴巴的模式下，业务部门必须使用数据中心团队提供的数据能力。那么，业务部门为什么要冒险尝试像数据中心这样的新结构呢？例如，在推特内部的数据平台中，如果业务部门的数据以标准方式记录，则数据可以自动连接到A/B测试框架，系统上线后，数据中心可以自动进行A/B测试、报告，产生标准的监视屏幕。

深圳市华做数据技术有限公司CEO贾西贝说，数字基础设施是底座＋中台的结合，底座即为最基本的技术支撑，如AR、物联网等，而中台则是数据、业务和技术三者综合下的产物，“只有做好数字基础设施构建，才能进一步支撑数字化应用场景的实际投用和数字政府的建设，搭乘技术顺风车，尽享数据红利。”

数据中心可以为管理决策层提供全局、多维的报告来反映各业务线的状况。数据中心的系统建设不是一蹴而就的单一项目，而是上下联动、持续管理的提高。一个企业之所以决定建设数据中心，是因为业务部门需要这些能力，现有的数据系统不能提供快速高效的支持。

数据来源是一个异构数据库，对数据的时效性要求很高，需要在数据处理后展示报告。使用数据中台，业务端无需关注数据的异构性，无论是实时数据还是批量数据，只需要了解更多关于SQL的信息，业务端都可以在数据中台申请数据，自助写作SQL进行数据清洗、数据处理，最后通过配置和写作SQL生成自己需要报表，无需等待排期，完全自助快速完成。

上述两层从概念上接近国内流行的业务中心台和数据中心台，本层可以认为是业务后台。“康赛信息项目”面向高校的数据治理及资产化、数据服务中台、数据深度挖掘、数据联机分析、指标聚合模型、敏捷数据分析等技术在教育信息化领域的应用而设立，以科技变革促进教育变革，创新人才培养机制，推动社会发展为目标。

在数据中心，用户可以使用标准化、产品化的中心服务进行数据自助服务，不需要从数据结果和机器学习的模型自动生成数据服务。数据资产运营平台是管理全球数据资产和应用，提供数据能力变化的管理工具，实际上实现了大数据平台、数据仓库和数据中心的数字运营。

双中台中的数据中台需要提供有价值的数据服务以应用于业务流程处理中以及后台业务管理分析中。许多数据分析和服务离不开人工智能技术的支持，包括机器学习算法、自然语言处理、图像识别等。在业务中，RPA等人工智能技术也可能应用于业务流程的智能化和自动化处理。

业务中心与数据中心相比，可以描述为数据化所有业务。在数据集成开发平台中，我们使用数据基础能力平台的各种组件将源数据采集到数据中台中并对其进行治理和转换，使之成为能够被业务部门使用的数据，并在此之上提供数据探索、开发、管理、服务的工具，使各个业务部门可以在这个平台上抽象、共享和复用它们的数据能力。

去年是数据中心台的滑铁卢，今年的数据中心台利用企业的数字变革再次上升，很多企业在数据中心台一知半解的情况下，有些公司拿着一些统计图表鼓励自己做大数据，提出完整的实施解决方案和落地实施，就像没有中心台的生命，但是中心台的病一样，甲的内心驱动力是业务创新、数字化变革，中心台是他们理想的成功路径，乙的内心驱动力是销售产品解决方案，做项目这种供求不对称，在企业的数字变革实施中，简单地向企业的数据系统提交报告书，或者访问点的实时数据实施用户图像概念的营销结束。

企业可以着重于核心共享服务的建设，提高服务的再利用，创造数字运营能力。中台集成共享各生产线共性、再利用性高的业务、功能、数据连接方式，以避免重复开发、提高效率、降低成本为目的。中台给企业带来的最大价值是共享服务，避免重复造轮，提高服务再利用的中台有助于业务通过共享核心能力的沉淀，进行数字化运营。

许多企业建设中台，不太成功，往往跳跃，缺乏在线化的数字转型过程，中台不是直接在线化和数字化，而是从追加技术开始，中台可以是引擎。中台架构是构建灵活性的大中台、小前台组织机制，通过对业务、数据和技术的抽象，加强系统的服务能力，消除系统内部各部门之间的障碍，是中心化的结构，适应业务的多样化发展，为组织结构的数字化变革提供明确的道路[10]。

数据中心:数据服务数据时代越来越依赖于数据，包括数据收集、数据处理、数据算法和分析、报告和数据管理。技术结构中，技术中心主要作为数据中心和业务中心的基础支持环境，监视和运输业务中心发布的服务。数据中心台采用14个系统价值，1指数据工厂，数据工厂是完整的数据管理工具，为用户建设数据资产、服务、质量、监测。