其中，可视化建模是一个需要快速构建模型的场景，用户可以根据需求和条件筛选模板，快速构建模型训练过程。渊亭AI中台内置了丰富的数据源管理、数据处理、特征工程、算法选择、模型调整等可视化算子，可以拖动使用
在与众多厂家客户的沟通中，忽然发现，传统家电由于产品业务线众多，在整合语音等第三方服务时，面临数据泄漏、资源难以集中管理等诸多问题。因此，突然认识到这次TCL的实际情况，统一配置了适合家电行业的AI中台系统。
有些企业不适合做中间台。例如，采用条块系统，各模块被分割，或者原始系统中有多个中间台。想象一下我们自己，在家里生活，早上用煤气做饭，上班开车，工作时在办公室，各系统(家、煤气、汽车、办公室)都有自己的专业分工，所以没有必要再利用。业务需要时，可以相互调用数据使用。这个系统本身没有必要制作中台系统。当然，短板系统混乱，联动效率低。
业务中心和数据中心在此期间成型，前者包括交易中心、账户中心、支付中心等，后者集中了银行内部的智能数据应用能力，如智能营销、智能控制、智能呼叫。
在泛零售行业，依托数字中心，企业资产化了原有的许多实体数据，充分进行了数据流通，整体提高了泛零售企业的数据能力，加强了消费者的接触系统，迅速洞察消费者，迅速反应，实现了在线的一体化经营，最终提高了消费者体验，形成了新的零售生态圈。
(1)根据广度和深度继续扩大中台的能力。广度是指中台相关领域的内容越来越多，业务中台后可以建设数据中台，中台相关业务领域也可以扩大。例如，从用户、交易、市场营销等扩展到库存、内容等。深度是指一个领域的共享服务能力越来越丰富。
张家兴说:数据本身不等于数据资产，AI本身也不能发挥价值。单独依靠数据中心，可以通过整合企业内部数据，但缺乏技术辐射能力，很难实现最大化的业务能力。从技术角度来看，只有从数据到计算，模型数据加上AI链接，才能提高更好的能源业务，提高运营效率。
必须保证业务数据的一体化。通过业务中心数据化所有业务，通过数据中心业务所有数据，实时提供业务，使数据资产化和服务化。