数据仓库、大数据平台、数据中台演进之路

随着数据中台越来越火，很多企业纷纷建起了自己的数据中台，数据中台一下子火爆起来，很多人就会存在疑问，数据中台到底是如何兴起的？

数据中台演进的四个阶段：数据库阶段(OLTP联机事务处理)、数据仓库阶段(OLAP联机分析处理)、大数据平台阶段、数据中台阶段。

数据仓库

        是一个面向主题的、集成的、相对稳定的、反映历史变化的数据集合，用于支持管理决策。从数据角度，数据仓库更适合传统的数据库，离线采集，数据一般为结构化的，每天处理数据量不易超过TB集，数据仓库一般在数十T到几百T以内，数据仓库一般为满足内生的应用，满足内部决策支持分析需求。

缺点：海量数据存储计算存在瓶颈，无法支撑非结构化数据、实时数据计算；硬件设备成本也过高。

大数据平台

        实现了企业数据模型的构建，包括统一的数据采集中心、数据计算和存储中心、数据治理中心、运维管控中心、开放共享中心和应用中心等组件。

优点：节约硬件投资降低成本；解决了海量数据、实时数据的计算和存储。

缺点：数据应用问题，不同表之间的数据一致性和口径也会不同，而且不同的表不同的字段对数据安全要求级别也不同，此外还要考虑多租户的资源安全管理，如何让内部开发者快速获取所需的数据资产目录，如何阅读相关数据的来龙去脉，如何快速的实现开发，这些在大数据平台建设初期没有考虑周全；另外一个问题是对外应用，随着大数据平台的应用建设，每一个对外应用都采用单一的数据库加单一应用建设模式，独立考虑网络安全、数据安全、共享安全，逐渐又走向了烟囱似的开发道路。

数据中台

        数据中台解决数据安全的、快速的、最小权限的、且能够溯源的被探测和快速应用的问题。

        数据中台不应该被过度的承载平台的计算、存储、加工任务，而是应该放在解决企业逻辑模型的搭建和存储、数据标准的建立、数据目录的梳理、数据安全的界定、数据资产的开放，知识图谱的构建，通过一系列工具、组织、流程、规范，实现数据前台和后台的连接，突破数据局限，为企业提供更灵活、高效、低成本的数据分析挖掘服务，避免企业为满足具体某部门某种数据分析需求而投放大量高成本、重复性的数据开发成本。

        厚平台，大中台，小前台，没有基础厚实笨重的大数据平台，是不可能构建数据能力强大、功能强大的数据中台的。没有大数据中台，要迅速搭建小快灵的小前台也只是理想化的。

 关注公众号，发送 jddsj免费下载《京东大数据技术白皮书》pdf。