前言
倘若有一个国内的全航空领域的大数据平台及集市，或者有国家相关职能部门所领导的建设方向。个人的架构实现建议及技术领域突破方向简要罗列如下。
背景理解
以一国家行为为驱使的特定行业数据中心及应用集市建设。
民用航空行业数据应用趋势
IT技术提供跳跃式发展能力；同时要求转换思维。
民用航空行业数据应用蓝图，一切皆服务
How Airline Industry Uses Data to Fly Higher: Creating the Connected Airline Capability, Everything as a Service.
民用航空行业企业级数据信息蓝图
数据测层次，使用对象，相互上下游关系，已经IT等技术的融入。
数据建设成败的关键因素
总纲
用户决定应用。数据支撑应用。而不是技术或单纯大数据所驱使的建设。
数据使用视角
一切皆为用户。以最终使用用户的角度，去梳理和构建其针对性的数据应用。
平台能力与应用匹配
用户决定应用。数据支撑应用。但是其必须遵循一定的发展规律和建设阶段。在每个不同的阶段，必须针对性的去解决数据和业务的诉求，及两者之间的结合及平衡。
数据存储选型及设计
特殊的存储，资源和平台为特殊的诉求。分阶段分级不仅为了清晰和易用性更为数据安全考虑。
数据管控
数据的4V特征增加管理及使用的难度；应用的繁多和变化也加剧数据管控压力。
持续实施及改进
需求、用户、时间在变化；数据也在变化。在不断迭代中固化平台及优化流程。
数据处理管道化
经由管道正确和高效的注入日积月累的数据；持续的改进需要使数据周而复始的在管道中流动。
数据处理原则
正因为大数据的4V，所以更应该从开始就注意数据质量的提高；大数据管控其实还是数据管控的范畴，但对于数据质量的严格要求是区别于其他大数据平台的关键。
数据应用生态系统
端到端的可验证的产生价值的数据消费；从自应用的消费者，变为服务提供商。
产出及收益，和展望
SaaS是重点，但是PaaS是能力的体现，然而DaaS和更深层次的BDaaS则是进阶的高级应用。
高阶智能应用及应用集市
躺在“金山”上的用户，寻找数据挖掘的目标和方向。
一切皆可量化，生产行为的数据化。
取之不尽用之不竭，发挥数据的潜在价值。
试错，后验，仿真，迭代，持续。
建设关键
在技术层面上，ODS和IDS等几个相关领域，必须按照技术层面的最佳实践，并结合行业等特殊规范及特性，认真构建及演进。
任务工作协同的统一视图（ODS）
数据平台的第一点功效，就是多任务、系统、应用，乃至平台之间的协同。
EDW的主题版 – IDS
数据分析往往发生在EDW上，但是IDS是一个最优实践的产物，不仅仅避免EDW的高额投入，更关键的是使用真实数据使用的场景，已经一定范围的数据洞察诉求。
航司ODS & IDS全局蓝图
在民航领域，如下3个数据领域是需要构建，并根据实际情况有机的融合在以其。
基于ODS的BEL & FIDS & AIDS
对于航司飞行运行及相关空管政府职能部门，最关心及必须建设的就是一个整体及连贯的数据体系。
IDS数据建模 – 面向主题的星型维度建模
对于IDS的建模，虽然是IT层面的内容，但是其必须根据实际接入的业务数据及业务特征，进行优化。
IDS数据建模 – 面向主题的星型维度建模
各类时序及颗粒度的处理是优化后续数据洞察使用的关键。
IDS星型数据模型（FIDS）
以航班的飞行运行领域为例，其需要至少构建如下序列化数据集，从而方便后续数据洞察使用的诉求。
非民航领域案例
如下几个非民航领域的数据建设平台架构。
JD金融集团大数据分析平台
东风雷诺汽车数据分析平台架构
用友大数据分析体系
结论
其关键不是技术或大数据技术的简单罗列，必须根据行业的固有特征，和实际能够接入的数据范围，按照阶段性的建设方针，从ODS再到IDS，再到后续数据的智能应用。然而即使简单的数据堆积，也需要一定数据建模，尤其是基于行业需求和特征的数据建模，将数据规整到较高的质量水平和后续使用的最优数据基础。