第二阶段：数据平台。这是一种集约化的数据管理模式，主要是通过构建统一的数据平台来收集、存储、处理、分析和共享数据。数据平台可以有效地提高数据处理效率，降低成本，并提供更准确、更及时的数据支持。同时，数据平台的建设也需要大量的资金和技术支持，需要长期的规划和实施。
中台化后，故障中心集中处理各应用中的共同能力和数据，通过核心能力沉淀和微服务实现故障中心高可用性、高复用性和应用支持的快速迭代，全面支持未来网络和业务的运维和运营［11］。图2显示了故障中心架构设计的示意。
数据飞轮与数据中心平台之间的关系不是完全替代的，而是继承和升级的关系。数据中心平台提供了企业所需的基本数据支持和数据处理能力，在此基础上指出了数据消费的重要性，并提供了支持方便易用的数据消费工具，帮助企业形成数据应用和业务价值提升的良性循环。
经过十多年的数据经验沉淀，数据飞轮模式也从数据车间、数据平台和字节跳动衍生出来。我们认为，在企业数据建设和发展的过程中，我们经历了从数据车间、数据平台到数据飞轮的三个阶段。
构建可重复使用、共享的运维数据平台，加快运维数字场景的研发效率。打破运维数据岛，运维数据中心实现多源、异构运维数据统一“采存算”全生命周期管理能力，支持复杂、格式多样的运维数据处理、登陆运维主题水、指标系统相关数据资产，形成可重复使用的数据服务能力。对于数据中心平台和智能运维场景的交付，数据采集、集成、处理和标准化的时间大大降低，运维场景应用的开发时间从月到天。同时，试错成本降低，数据创新应用的研发可以在很短的时间内以很小的成本实现，数据运维理念可以实现（DataOps）。
从运维平台系统来看，运维数据平台定位为数据中心平台。运维数据中心平台重点建立统一数据“存储和计算”的基本能力，实现所有运维数据的集中控制，对各源端的运维数据进行二次加工，落地运维主题流水和指标系统相关数据资产，形成可重用、服务的数据能力，更好地服务于运维场景的应用。