一是数据模型的能力。在业务层面，80%的共性难题由业务抽象化解决，20%的个性化难题由开放式系统架构解决，但为了避免业务逻辑中间的碰撞，必须将平台上的业务逻辑分离出来，这在智能化中台表现为数据的中心化，即数据的高内聚集、低耦合，在共性难题中抽象化业务规则，建立数据模型。
数据中心是信息信息中心和联合作战总司令部，是企业智能化的大脑，收集各种第一线作战板块的数据和信息完成数据分析，制定战略和战术计划，完成不同业务中心能力的智能计划和组合，为前台作战部队提供快速的数据和信息服务
数据中心台是集数据收集、融合、管理和分析为一体，集可再利用的能力于一体，以统一的标准和口径向前心业务部门和决策部门以API提供数据和计算服务的整体平台，是连接前心业务系统和后心数据系统之间的数据和能力的快速通道。由于有中台的支持，解决了数据的保存、通用、使用问题，各种开放服务可以应对前端应用的快速变化，达到减少冗馀、增加再利用、迅速应对客户需求的目的。
我们在2016年左右建立了统一的平台、统一的流程、统一的权限。2016年，我们开始考虑云智能数据化，把东西全部搬到云上，同时做出了中台化的决定。我们必须抽出各种垂直系统的中心。正好蚂蚁在中台战斗，我们开始了。
如果将企业数据比作池子里的一堆积木，在没有数据中台之前，想要调用某些特定数据，就需在积木池里从头到尾寻找那块特定的积木，运气好的时候第一块就是想要的，运气不好的时候要把所有积木都要翻一遍；有了数据中台之后，其将对所有积木按照形状分类，企业在需要特定数据的时候，数据中台直接提供相对应形状的积木，效率大幅提升。
一是随着企业数据规模和复杂性的增加，有必要利用智能技术进一步深入挖掘数据价值。随着数据中心获得的数据越来越多，其中有价值信息的识别、数据关系的发现、数据倾向的把握越来越困难，必须用智能的方法分析大数据，提高业务，实现业务创新。由此可见，智能是企业数据化发展的方向，数据中心必须向具有智能能能力、业务、管理能力的方向发展。
从eHR到iHR，最大的区别是下层技术中心提取数据，成为intelligence。我们的信息系统非常丰富，应该说一个人进入蚂蚁后所有的东西都数据化了。他每一步的动作，每一次的审查，我在这里讲课，参加训练，共享，在网上投稿，所有的动作都数字化了。他当过几次评委，他晋升过几个员工，他培养过的人还在不在公司，他领导力怎么样，他多年来业绩怎么样，他在哪些领域有专长，他善不善长说英语，他有没有去过俄罗斯，各种各样东西都被数字化了。什么是数字化？结构化。结构化意味着什么？信息粒子变得非常好，可以进行非常正确的定位和分析。
第四，平台集成了NLP算法中心，通过算法团队提供的这种算法能力，使数据分析师能够利用训练的模型
数据中心台的建设需要集中企业内外所有数据、产品和技术，找到可再利用的能力进行沉淀，因此在系统建设中保持唯一性，实现功能统一。强大的数据中心需要应用正确的营销、智能控制、智能研究等多种智能服务技术能力，以及企业客户、业务、管理等数据资产的管理能力，实现数据应用的灵活组装、数据服务的稳定高效，为智能系统的学习进化、业务应用的快速在线奠定基础
二是业务竞争及客户需求的不断升级，需要数据中台提升智能化水平。除了基于数据自下而上的智能驱动外，随着业务竞争的激烈和客户需求的不断升级，行业开始形成自上而下的企业智能理念，通过快速结合前端转换的业务场景和后台强大的数据分析能力，实现数据中台智能水平的提高
目前，国资委发布的《加快国有企业数字转型的通知》指出，探索数据中心等新的IT结构模式，表明数据中心确实对企业数字转型有一定的价值。
蚂蚁、海尔、许多互联网时代的先驱企业，敏锐地嗅到时代的气息，革命自己，推进组织的升级。蚂蚁的大中台、小前台数据-业务双中台战略发展，海尔的中小企业、人单模式、创业平台都适应时代的发展进行组织变革，组织变革驱动IT结构的变革。