随着业务的多元化发展，企业内部往往信息部门和数据中心林立，大量系统功能和应用重复建设，存在巨大的数据资源和人力资源浪费，同时组织壁垒导致数据孤岛，使得难以对内外部数据进行全局规划。
数据中台需要对数据进行整合和完善，提供适用、适配、成熟、完善的一站式大数据平台工具，在简便有效的基础上，实现数据采集、交换等任务配置以及监控管理。
数据中台必须具备数据集成与运营能力，能够接入、转换、写入或缓存来自企业内外部多种渠道的数据，协助不同部门和团队的数据使用者更好地定位数据，理解数据，消除数据孤岛、应用孤岛。
同时，数据安全、灵活可用非常重要，这能帮助企业提升数据可用性和易用性。
另外，系统部署也要能支持多种模式。而数据中台必须且能够解决的数据资产管理问题，正是大数据平台面临的问题。问题如下：
1）数据不可知：用户不知道系统中有何数据，也不知道如何将自己的业务问题对应到可用的数据上，甚至不知道系统中是否有自己需要的数据。
2）数据不可控：如果没有全局的数据标准，各个业务部门自己制定数据记录的格式和编码，就会造成数据难以汇聚和利用。如果不对这个问题加以控制，数据的后续迭代会造成语义变化，甚至会导致错误的统计结果。
3）数据不可取：用户获取自己所需数据的流程长，无法快速自主地开发业务需要的数据应用，且缺乏完善的开发工具和流程管理，从数据实验到生产化的周期长，外部依赖多。在以关系型数据库为主的数据仓库时代，数据读取和开发以SQL为主，复杂度相对较低；而在大数据和数据中台时代，获取和开发数据都需要更完善的工具链支持。
在解决上述问题时，都会涉及一个很重要的功能——数据资产管理。
大数据平台建设过程中的数据资产管理，其主要目的是回答下面9个问题：
·What：系统中有什么数据和应用？如何理解这些数据和应用？
·Who：这些数据和应用的创建者、使用者和维护者分别是谁？
·When：这些数据和应用在什么时候可以使用？
·Where：这些数据和应用在哪里？
·How：我们如何使用这些数据和应用？这些数据和应用是如何关联的？
·How much：这些数据和应用的建设和使用要花多少钱？它们能创造多少价值？
·How fast：我们能以多快的速度访问这些数据和应用？我们的工作成果多快能发布到生产环境？
·How large：系统的边界是什么？对于每一种应用，我们最多能处理多少数据，最多能支持多少用户？
·How many：系统能支持多少种应用？我们能以什么方式使用这些数据？有哪些可以复用的工具？
