在我们看来，数据中台不仅是一种解决方案，也是一个团队的职能。企业应该建设一个独立的数据中台团队来支持业务。对于企业来说，数据和商品、会员以及设备一样，是非常重要的资产。企业数据中台团队的同学，是资产的建设者、管理者和运营者，通过这些资产去驱动整个零售供应链全链路、智能化的升级。通过采集、管理、建设数据，让数据更好地运用到业务上。
首先介绍一下通用性，整个基础设施的建设基本采用的是阿里云的基础设施，阿里云上的DataWorks+MaxCompute十一年来一直支持阿里巴巴集团数据中台的建设。在整个数据分层这边，源数据层基本上来自于业务系统，接入层相对来说会比较复杂一点，很多企业现在讲全渠道覆盖，包含APP，线下，甚至一些企业还有自己的配送员、电动车，以及门店的一些IOT设备数据，人力资源等，所以这里面就会出现很多结构化和非结构化的数据。通过数据加工层把非结构化的数据进行一定的加工，最终会形成非常重要的数据资产层。
数据资产层构建之后就会有一定的业务含义，这部分数据是可以直接被业务使用的。但是在数据资产层上我们会定一层数据服务层，让数据使用起来更方便，开箱即用。到了服务这一层，可能还是无形的，从业务方来看，肯定希望业务用户能直接去用数据，而不是去到很多表里面查数据。所以在数据服务层之上，数据应用层数据中台团队可以建立很多数据产品，通过产品化的方式给到业务，提供真正的数据使用。产品形式也会比较多，在不同的端，包括PC、钉钉、掌中宝，还有很多IOT的小设备，可能就是一个小的黑白屏幕，都会有数据的透传。并且在最右侧数据中台会有一套管理体系，通过这种管理体系，让企业整个运营和运维可以有效地执行起来。这个架构图，就是我们理解的一个偏业务型的数据中台分层架构图。
基于刚才提到这种业务型的数据中台分层架构，我们需要继续设计一套数据中台的技术架构。大家如果做过大数据的话，在数据采集的时候经常会碰到，同时有离线和实时的计算该怎么办？离线计算我们推荐阿里云上的MaxCompute，阿里巴巴几乎所有的离线数据都放在MaxCompute上，2020年双11MaxCompute每日数据处理量达到1.7EB级。实时计算我们推荐Flink，峰值每秒处理消息规模达到40亿条，计算的性能也非常强大。除了计算，还要去做数据的存储，比如实时计算Flink的数据汇总加工后，可以存储到MaxCompute交互式分析（Hologres），来构建我们的实时数据仓库，MaxCompute交互式分析（Hologres）可以支持峰值写入速度达到5.96亿条，同时支持PB级数据的亚秒级查询，以及在线搜索Elasticsearch，并且这些存储都会变成一个个数据服务。数据服务会有指标明细，还有特征、标签等等，这些数据可以推广到运营最常使用的一些设备、运营平台、钉钉移动办公、智能化管理等，这些更多是runtime层面的。在整个数据集市运营层面，还有元数据、数据质量、容灾管控、数据治理等等。这个技术架构图，更多的是当成一个技术需求架构图，是新零售企业技术团队在做数据中台的时候需要去做的一些事情。