随着数据来源日益丰富、数据体量快速增长，企业对数据的依赖和挖掘愈发深入，不仅带来数据应用场景、数据用户角色的复杂和多元，也使得企业对于数据应用的敏捷性和即时性的要求变得越来越高。
数据中台厂商已经变得越来越重要，那么这些厂商需要有什么能力呢？
支持多源异构数据接入和集成针对数据集成，厂商应支持文件传输协议采集、数据采集、接口应用程序接入采集、流式采集、网络爬虫采集以及物联网网关数据采集等多种采集方式，提供分布式异构数据集成引擎，支持离线数据同步、实时数据同步。
同时，厂商应考虑用户体验，为客户屏蔽底层技术栈差异,提供零代码开发接入功能,如配置可实现多源异构数据一步接入。另外，在数据集成同步、数据集成监控方面也应提供可视化工具，降低数据开发人员的操作门槛。
一方面，在数据接入后，厂商应提供丰富的数据存储方式，满足数据模型、数据规模，数据生产方式、数据应用方式等带来的多样化的数据存储需求，如提供OLTP数据库、分布式文件系统、NoSQL数据库、云数据库等。
另一方面，厂商应提供可视化的离线开发、实时开发、算法开发环境，降低数据开发人员的使用门槛，支撑实现批计算、流计算、在线查询、即席分析等数据计算能力。此外，厂商还应配合提供智能调度、智能运维、监控告警等系列工具,保证数据中台的计算性能和系统稳定性。
厂商需要提供数据治理服务，帮助企业构建一套统一的、可执行的数据标准，同时对数据血缘、数据质量、元数据、数据生命周期进行管理和可视化展示，使企业数据资产可见、可用。
同时，厂商也应对数据生命周期提供数据安全保障，如对数据进行分类分级、发现敏感数据以及对数据权限进行细粒度控制等，保护用户隐私、防止数据泄漏。
支持构建数据服务，实现数据共享数据中台的核心功能是为业务部门提供数据服务，因此厂商应支持向导模式或是SQI模式快速生成API，同时应提供接口性能实时监控、权限管控、API发布等功能，提高数据开放与共享效率。
企业需要具备较强的咨询服务能力，需为企业在数据架构涉及、数据资产梳理、数据团队规、数据运营等方面提供切实可行的方案，并通过培训等方式强化和落实。
此外，不同行业、不同规模的企业其组织文化、业务场景和数字化水平差异巨大，因此数据中台的定制化程度较高，厂商需要基于对行业和业务场景的Know-how，结合企业数字战略，为企业提供个性化的数据中台解决方案。
