数据中台是目前企业规划建设最多的中台类型，对应的方法论和支持技术也是最成熟的，但认知上一些模糊之处，方法论和实践也在迅速发展。这篇文章讲述了数据中台的重要问题和发展。
由此可见，阿里最初提出的双中台概念清晰易懂。双中台与组织和系统两个维度有关，组织维度有责任部门，系统维度业务中台是共享的业务中心，数据中台是数据公共层。
指标体系是数据中台的牛鼻子，是数据中台提供的服务主体。数据仓库维度建模中的度数和指标相似，但指标体系应该是独立的方法论，通过业务流程分析，通过原子指标、衍生指标、修饰语等形成规范的指标建设和管理方法，数据中台方法论是超越传统数据仓库的创新遗憾的是，最近两年的几本新书对指标的系统化建设不太了解，详细介绍主要是我们极客时间栏和蚂蚁的第一本书。
数据中心台和应用在建设和管理上必须结合。数据中心台的内聚度很高，应该由一个团队建设，乙方建设也只能交给乙方(当然，如果一个组织建设多个数据中心台，不同的数据中心台交给不同的团队和供应商也没有问题)，但是应用程序完全可以由各个前心台团队建设，不同的应用程序交给不同的乙方也没有问题。数据中台和应用所需的支撑能力非常不同。数据中心一般需要数据整合、数据开发、数据管理、数据仓库等技术支持，但数据应用一般需要数据报告、敏捷的BI、数据可视化甚至通用的应用开发机制支持。
我们首先看到蚂蚁刚提出中台时的样子，这时的中台往往最能反映初心和精髓。蚂蚁最初提出的中台架构是双中台:业务中台的数据中台，分别对应2本书，2017年出版。
鲸智WhaleDIAI中台解决方案在电信、交通、公安、政务、巴士等领域得到广泛实践。例如，在电信运营商领域，鲸智WhaleDI帮助客户构建了中台化的AI能力平台，构建了需求和生产的新业务开发模式，复盖了计算资源管理、数据标记、数据训练、数据推理到AI算法能力的开放能力，一站式完成了模式的开发、开放
这个定义可以用最典型的数据中心来测试。数据中心的样子很清楚，数据中心完全符合上述中心定义