先下个结论

未来，作为企业中台的底座，数据中台将从数据智能转换到智能数据。

“湖仓一体”满足架构灵活升级、“智能数仓”解决超大规模下的数据管理难题、“智能查询”极大降低了数据分析门槛、AI的云原生化/规模化/标准化与普惠化让其成为大数据的终极出口，不断加速大数据与AI一体化的融合。

在介绍数据平台的四大技术趋势之前，咱们再明确一下数据中台和数据平台的关系。

• 数据中台是企业级的逻辑概念，体现企业 D2V（Data to Value）的能力，为业务提供服务的主要方式是数据 API；

• 数据平台是在大数据基础上出现的融合了结构化和非结构化数据的数据基础平台，为业务提供服务的方式主要是直接提供数据集；

• 数据中台可以建立在数据仓库和数据平台之上，是加速企业从数据到业务价值的过程的中间层。

趋势一：一体两面的湖仓一体

作为下一代数据平台架构，“湖仓一体”满足复杂现状下架构的灵活升级。

数据仓库主打企业级数据，处理更精细、更经济、更高效。企业可以建设自己的数据中台，无论是引擎优化，还是数据管理，都有一整套方法论以及支撑的工具。但是进入门槛很高，成本又贵，还有使用门槛。

数据湖是脱胎于开源体系的技术，进入门槛和成本较低，比较灵活，企业容易实现自建数据湖，只是数据统一存储之外，企业需要进一步做各种精细化管理，希望数据能治理，能管理，成本低，还可运维。

如何打通数据湖和数据仓库之间割裂的体系，架构上融合数据湖的灵活性以及数据仓库的企业级能力？

阿里巴巴提出的“湖仓一体”架构，统一存储和元数据，打通数据体系，利用智能数仓技术针对不同的数据和义务，做自动分类存储和处理。

趋势二：数据仓库进入“自动驾驶”时代

超大规模数据带来管理难题，传统的“DBA模式”已经很难胜任。阿里巴巴有超过千万级别的表，很多核心数据开发工程师，一个人负责上万张表，没有办法做精细化的治理和建模，这样的系统不能随人的方式扩展。

所以未来，越来越多的AI技术会融合进大数据系统，进入“自动驾驶”时代。

趋势三：所查即所得，基于自然语言的智能数据查询

阿里巴巴正在数据之上尝试构建一个超大规模的知识图谱，通过知识图谱的方式做数据到语义层的翻译，再通过NLP(自然语言处理)等技术跟用户做结合，形成一个桥梁。

比如用户输入北京市互联网客户有哪些，就可以自动生成得到一份数据。阿里巴巴正试图把通过自然语言的智能查询在海量数据上用起来，规模化起来，让更多的非专业数据人员也可以独立完成数据分析工作。

趋势四：数据即智能，AI工程化的基础能力

数据需要智能的加速，AI是大数据的终极出口。我们知道，真正想把AI用起来是一个非常难的事情，从最初的数据兴起、数据提炼、模型训练、模型调优，再到模型部署和服务，整个链路非常长。

如果我们有5万人可以直接使用数据，可能真正能用AI的人可能不超过5000人，那如何把AI技术随着数据赋能给业务方，这就是所谓的AI工程化。

上述内容只是简单提了数据平台的四大技术趋势，数据平台建设在经过技术积累后，也在不断推动数据中台向智能化进化，并且还会一直向前演进，最终服务于企业。

源自：2021阿里云金融数据智能峰会演讲内容