从业务的角度来看，它代表了客户获取逻辑的逆转和重构，业务平台太厚，难以适应新的变化；从数据的角度来看，会员数据管理方法是一般的——新获得的在线用户数据，仍然需要根据性别、频率、金额等标签进行总结。新的网页浏览记录和其他行为标签只需要在原始数据平台上添加访问。
值得注意的是，目前工业数字旗帜，建设强大的平台，也写入主要银行、保险战略布局：招商银行宣布设立数据资产和平台研发中心，定位为数据平台；中国农业银行制定六平台战略，建设数据、信贷、开放银行、零售营销、公共营销和运营；中国太平洋集团首次与阿里巴巴云合作建设集团级数据平台，全面分红数据智能。
在整个数据处理过程中，底层是通信网络，中间层是数据收集和分析的中间层，上层是人工智能技术的应用。中间的平台就像一个大脑，有数据，有智慧，可以决策，使数据从资产化到智能决策。
在数据授权过程中，包括AI、质量风险控制、精细运营等团队需要来自不同业务方的大量数据。低效率将成为一个卡点，影响核心项目的发展。因此，有必要通过业务来处理数据。
AI以 中台为例：AI 中间平台智能聊天机器人平台，对接第一业务从零开始，从研发平台、模型研发、数据对接，到使用在线第一阶段，花了 6个月，第二业务享受平台的优势，直接导入数据，验证对接，4个月在线第一阶段，业务更快，2个月在线，最近的业务达到 3 周在线速度，反映了平台的方便，快速响应业务需求。
首先，由于台湾维护的数据不够全面，单次数量需求高，需要业务方的支持，这些数据往往缺乏文档记录，完成需求需要更高的沟通成本。这种需求水平大，频率高，管理者可以通过增加人力来解决。劳动力成本较高。
02AI以 中台为例：AI 中间平台智能聊天机器人平台，对接第一业务从零开始，从研发平台、模型研发、数据对接，到使用在线第一阶段，花了 6个月，第二业务享受平台的优势，直接导入数据，验证对接，4个月在线第一阶段，业务更快，2个月在线，最近的业务达到 3 周在线速度，反映了平台的方便，快速响应业务需求。
长期以来，业界对中台的看法褒贬不一。支持方认为，中台避免了重复造轮，可以快速推出产品。反对方认为方认为，中国平台扼杀了创新，整个系统将变得复杂和维护不良。经过近年来的探索和实践，数据中心发现中国平台的优势远远大于缺点。运维中心可以共享运维业务能力、数据能力和计算能力，抽象运维活动，依靠中国平台实现IT运维全专业监、管、控、分析一体化。
当然，不同企业的中间平台承担着完全不同的业务形式。他们借用中间平台进行更高层次的工作PaaS层面的PK。比如对阿里来说，中台是业务实施的重要保障；对百度来说，中台是AI与智能云云智能形成的独特优势；对于腾讯来说，中国平台是大生态战略和垂直轨道耦合的连接器；对于星云数字，中国平台是使用数据的新武器，即通过云数据的综合管理和智能，赋予企业数字力量。
从另一个角度来看，中台侧本身也存在一些同质化问题，如数据本身的黑盒：数据在中台关闭，不向用户推广，会影响数据共享，导致沟通成本高。此外，一些需求的开发成本较高，需要更多的产品、研发、测试学生参与，需要提高效率。第三点是格式混乱，可读性差，导致中台侧无法及时响应一些紧急数据需求。
A：举个例子，比如业务新增加一个上报的动作，如果业务方自己开发，功能开发之后需要等待测试同学排期，以及后续一系列上线流程都比较耗时。但是如果是中台来做，我们会监控原始数据的变动，然后根据业务事件定义的规则，对新增加的事件进行定义和自助测试。这个过程不需要测试同学介入即可完成上线发布。如果后续有同学需要用这些新增加的数据进行联调，我们可以提供测试样例，并把这部分数据发到对方的kafka topic里。