数据中台是从阿里兴起的一场运动，几乎每个开发者都对数据中台有所耳闻，很多企业都思考过需不需要建立数据中台。不管企业业务规模大还是小、不管公司技术水平或高或低，都或多或少地对数据进行投资，除了基础的数据系统建设，还包括数据湖、数据仓库等基础设施。这些投入往往难以产生期望的价值。首要原因就在于这些数据资产投入与业务严重割裂，后端应用与前端消费者之间出现巨大的价值鸿沟。
Gartner 的 Pace Layer提到，我们可以按照事物变化的速度来分层，这样可以逐层分析并设计合理的边界与服务。数据中台的出现，弥补了数据开发和应用开发之间，由于开发速度不匹配，出现的响应力跟不上的问题。
搭建中台本身不容易，但是在各种机构以销售为目的的包装之下成了业务增长的万金油。结果，实际上反而带来了负面效果。对于大型互联网企业来说，数据中台源于业务需求，业务部门希望对日益增长的数据进行有效管理，并利用这些数据指导决策。这代表着我们的管理架构和战略决策也要进行转变。在中台架构的过程中，往往需要领导层、IT技术人员和业务成员共同决策，避免执行中出现认知偏差。
在智能化发展的背景之下，中台的建设情景更加丰富。Gartner认为，组装式数据分析架构是中台建设未来的方向。组装式分析架构，是基于智能化的采集和连接，帮助用户实现自助式分析。数据中台将数据、应用、开发、治理有机生态化，形成了完整的数据有机综合体。
当数据编织可以给用户提供合适数据，能够建立一些分析型应用的时候，企业便可以通过组装的形式把一个个和数据相关的产品直接整合，而不是每次都从零开始。所以，中台建设的最终目标，其实是让用户基于数据进行组装。
成功的数据中台，应该是一个组装型能力平台，带来的是一个个和数据分析相关的能力，而不只是数据的复用。企业可以通过自助式分析，找到可复用的数据分析模块，并以组装的形式构建符合业务需求的分析型应用。 具体而言，组装式分析架构的底层依赖于数据编织设计模式，上一层是企业已购买的类似于报表平台、分析工作站、 自助式分析平台或数据科学平台，且这些能力平台被微服务以及容器化，以高度开放性确保用户上了中台后，可以获得组装式体验。 此外，组装式数据分析架构的底层，还会涵盖在应用开发过程中经常用到的一个概念——DevOps。
随着企业应用搭建的加快，或者说建立数据产品需求的不断上涨、越来越多地把 DevOps 实践放到与数据相关的应用上，我们简单造字称之为 DataOps。 包括版本控制、持续集成、持续开发和 CAID 理论等，在智能数据时代同样适用，组装式架构可以使中台的发展飞跃到新的高度。
