精华内容
下载资源
问答
  • 平台与中台区别

    2021-10-27 12:56:03
    平台与中台这两个概念比较容易混淆,最近学习了领域驱动设计后,觉得中是对业务领域通用知识的沉淀,更靠近业务,配合前台一起使用,而平台则是尽可能的远离业务,独立存在,提供一种通用的解决能力。 ...

             平台与中台这两个概念比较容易混淆,最近学习了领域驱动设计后,觉得中台是对业务领域通用知识的沉淀,更靠近业务,配合前台一起使用,而平台则是尽可能的远离业务,独立存在,提供一种通用的解决能力。

    展开全文
  • 台和平台区别

    2021-09-06 15:50:29
    台和平台区别平台是什么在计算机及软件工程领域,平台侧重技术及系统层面的属性,能够独立运行并自主存在。平台能为其所支撑的上层系统和应用提供运行所依赖的环境、公共服务、框架及工具。平...

    中台和平台的区别

    ▊  平台是什么

    在计算机及软件工程领域,平台侧重技术及系统层面的属性,能够独立运行并自主存在。平台能为其所支撑的上层系统和应用提供运行所依赖的环境、公共服务、框架及工具。平台一般都有自己所聚焦的问题域、核心的设计理念、关键概念、配套规范、标准及工具。

    平台代表着很强的支撑性、可复用性,所以被广泛应用在信息化乃至数字化转型的各个方面。以产品而非项目为主导的IT及互联网公司,还有大型的集团性企业,由于业务的复杂度及多样性,往往都非常重视平台的建设。

    用友在ERP阶段,统一的UAP平台支撑了高端产品NC的飞速发展,也为ERP产品的行业化、客户化定制及外部生态的参与提供了强有力的支撑。

    平台有大有小,有不同种类,不同层次。比如上述提到的用友UAP平台包含的内容就很多,其内部会进一步分解为多个子平台,如集成平台、流程平台、报表平台、开发平台、企业建模平台等。每一类子平台聚焦解决特定问题域的关键痛点。

    比如,集成平台解决异构系统的集成和互通问题;企业建模平台解决企业人员、组织、编码规则、权限、元数据管理等基础建模问题;开发平台则提供可视化、配置化的低门槛开发工具。用友全新一代云平台iuap则基于云原生技术,为企业数字化转型提供技术、数据、业务的支撑框架和基础能力,同时还包括连接集成服务、生态服务以及统一的开发者入口和工具。

    随着互联网经济的快速发展和深度实践,平台的含义也有了进一步的延伸。“市场”成为最有价值的经济模式,单边平台、多边平台、平台经济学等快速发展,被越来越多的人所了解。平台超越技术和系统的概念,开始包含流量、交易、配套服务等运营属性。

    比如腾讯的微信也可以称之为社交平台,阿里巴巴的淘宝、天猫是连接商家、消费者、第三方物流商及服务商的电商平台,并进一步演变为线上/线下一体化的新零售平台。

    ▊ 平台 vs 中台

    平台的发展有很多年的历史,大大小小、分门别类的平台也非常多。如何更好地应对数字化新时期市场和用户需求的不确定性,如何进一步增强平台对业务的支撑和加快响应速度,如何在业务发展过程中实现平台的可持续进化——就需要引入中台。

    比如,阿里巴巴在2015年之前,内部有很多平台,包括商品运营平台、汇金平台、会员管理平台。但阿里巴巴真正明确中台战略并大力推动中台的发展是从2015年才开始的,而且随着“云上阿里巴巴”的构建其中台建设在进一步加速。

    用友在ERP阶段打造的UAP平台放在现阶段看,也是企业信息化和内部经营管理领域非常有价值的平台。但在数字化阶段,随着云原生技术及大数据技术的发展,随着企业业务从内部管理延展到产业链协作和社会化商业,业务变化也越来越快,中台化就成了构建新平台必须坚持的核心理念。

    平台和中台最显著的差别:平台是名词,中台更像是形容词。不是所有的平台都是用中台化的方式构建的。

    站在客户角度看:大型企业和公共组织在思考新时期的IT战略时,越来越多的客户会更加关注中台的构建,也就是平台必须用中台的理念和架构来建设,只有这样才能打通系统和数据壁垒,实现能力沉淀和复用,支撑业务持续快速创新。

    站在数字化转型服务商(比如用友)角度看:平台、领域、行业代表一种服务和产品分层。只是随着数字化、智能化的推进,平台、领域及行业产品都正在按照中台能力的维度被重构,平台里出现了技术平台、数据中台、业务中台(基础业务能力),领域里则出现了财务中台、人力中台、营销中台等。

    从业务和组织形态看:非中台化的平台会影响组织形态,但不太会影响业务形态。很多企业有平台类的组织,这个组织可以解决很多公共和基础的问题。中台是共建共创的,中台能力不一定固定由特定的平台组织提供。

    从架构层面看:非中台化的平台也有可复用的特性,但这类平台的复用主要是面向功能的(非数据驱动,无法通过持续运营产生更大价值),是相对静态的(无法随业务快速变化,不会和业务的变化有机结合,对依赖平台的业务缺乏有效管理),粒度也比较粗(大一体架构,铁板一块,非微服务架构)。

    从文化和理念角度看:非中台化的平台对企业文化及价值观并没有很高的要求。

    建设中台,初期可以认为是引入中台的组织架构和理念,长远来看则是建设一个中台化的“数智平台”。

    03

    中台要解决的痛点问题

    各行各业、各种规模的企业都在积极推进商业创新。几乎所有的企业都希望借助数字化和智能化技术实现产品与业务创新、组织与管理变革。但是对于大部分企业来讲,推进商业创新仍然存在不少障碍,需要跨越几座“大山”。

    在技术方面,基于云计算的IaaS虽然可以解决底层的计算能力和网络通信问题,但在企业进行业务和管理的创新时,技术的部署、应用、开发等障碍仍然存在。这需要中间层的平台来消除。相当于IaaS厂商把路修好了,但要运输货物还离不开高效的交通工具。

    在商业方面,不同的企业处于不同的发展阶段和水平。并不是所有企业都具有丰富的管理和运营经验,它们依旧面临很多商业创新的障碍,包括专业知识、能力与经验。企业要取得进一步的发展,依然需要更加富有“智慧”的营销、制造、采购、供应链、金融、财务、人力资源、协同等服务。

    在成本方面,在上一轮信息化阶段,企业的投资巨大,项目的研发、部署、实施周期长,运维成本高。一旦后期业务流程或模式发生了改变,信息系统势必需要调整,但耗时更长、成本更高。而且,不是所有企业都具备这种应对能力。

    企业的数智化要以战略为引领,以业务为核心,以数据为基础,以智能为价值,以场景为抓手,以连接为前提,以运营为保障,以技术为平台。 

    新时代需要的信息化架构

    传统IT信息化建设完全被动接受业务部门的需求,再进行设计、开发、测试和上线。

    这种开发模式导致每个新系统的上线都预示着一座新的“烟囱”矗立。

    这种“烟囱式”系统,大量的功能和业务在多个系统中同时存在,重复建设造成了成本和资源的浪费。

    随着时间的推移,企业中很可能出现多个系统共同运作的情况。系统之间的接口,异构系统之间的集成让信息部门管理的难度、复杂度大大增加。特别是新系统上线或者某个系统的升级,需要重新或者部分改造与其他多个异构系统的对接关系。信息部门往往需要对大量的接口逻辑及说明文档进行重新梳理,工作量巨大。而且高昂的交互成本也会导致业务部门对于信息化的感知越来越慢,信息系统对业务的快速变化的支持力度也变得不足。

    当年风靡全球的非智能手机,面对现在淘宝、微信、抖音、微博等应用,在手机硬件不升级的情况下,基本就是无用的“废物”了。随着互联网的飞速发展与企业精益化、数据化管理的业务诉求的增加,原有系统不仅面临的是数据量的增加,更多面临的是对原有系统信息化架构建设的挑战。

    DT时代企业业务飞速发展,如果不能打通多个信息化系统壁垒进行统一管理,没有数据整合分析挖掘能力,在复杂的生态环境中没有快速跟进的能力,企业很可能会失去发展的先机。

    数字化中台采用云原生技术架构,将传统IT系统的单体应用进行拆解,将相对独立的各类业务应用打包成多个小服务,每个服务独立开发、更新和部署,并且每个服务有运维支撑以及安全和质量保障,服务之间通过轻量级的协议做统一协作管理。

    这就像在一个管理运行良好的自动化机器中,增加一个符合规范的定制器件,它就能增加新的功能并继续稳定工作一样。有了这种工作机制,数字化中台就能够灵活适应企业业务的发展需求,支持企业业务的柔性拓展与营销创新。数字化中台是企业IT资源的综合指挥和调度平台,它以统一的标准和流程规范,帮助企业实现业务互联互通、资源协调和信息共享。数字化中台的新架构和新技术是适应时代发展需要的信息化架构。

    企业数字化转型的新途径

    中国互联网已经进入存量时代,企业的营销战略也从过去粗放式的流量扩张向精细化运营方向转移。零售端企业以消费者为中心重构人、货、场,采用各种智能技术多维触达消费者,建立清晰的用户画像洞察用户,并通过精益数字化运营降低获客成本,提升企业业绩。

    另外随着智能制造领域政策的持续出台,中国制造业逐渐向智能制造方向转型。制造端企业以数据为驱动,构建企业的生产研发、采销、营销等环节的精益生产,并将产业上下游、企业之间、企业与终端之间等多个利益相关的数据进行深度挖掘,精准配置制造资源,提高生产力、提升响应速度,最终以更加准确的市场决策加大数字营销比例,推动企业增长。

    企业应用数智技术开展商业创新,必须要突破技术、商业、成本三大屏障。企业数字化转型涉及从生产经营到运营管理的各个方面,需要一个强大的基础设施进行支撑。 

    烟囱林立的传统企业信息化,数据分割散落在各个系统中,普遍存在系统间数据不一致、不完整、不合法、不准确、质量低下的情况。企业进行数据集成、数据处理和数据应用等数字化建设的阻力非常大,导致数据的有效性和时效性很难保证。企业对数据的有效管理和分析利用非常有限,连最基础的要求“数据准确”都很难满足,在此基础上进行的数据分析就没有太大的价值。

    数据分析与决策结果没有强关联关系,企业的经营决策往往依靠企业管理者的经验、直觉和魄力。大数据时代来临,企业数据呈现几何倍数的增长,不仅对存储技术提出了挑战,对数据传输能力、数据计算处理能力、IT技术架构也提出了挑战。这对企业领导而言更是前所未有的挑战,凭经验、直觉决策取胜的概率大大降低。得到数据的有效支撑,进行精益化、数据化管理,提高管理和决策水平是企业数字化转型的核心诉求。

    在产业互联时代,当数字化成为企业的核心战略后,如何实现数据化,如何让数据赋能企业并推动企业数字化转型呢?

    数字化中台是指导企业数字化转型、实现数字营销的新途径。数字化中台建设关注全局思考,采用大数据核心技术打通、整合企业线上/线下全渠道业务数据,并在数据接入/集成后进行数据清洗、转换、加工、抽取形成统一的数据标准、数据规范和标准的数据管理流程。企业能够全盘把握靠谱数据,就能实现企业全渠道数据真正意义上的互联互通和协同响应。

    在数据有效管理后,以规范准确的数据资产为基础,结合实际业务场景创建数据分析模型和算法模型,利用大数据挖掘技术、云计算和AI等技术企业可以实现智能分析、用户画像、行业数据图谱等数据服务能力。企业通过封装的数据服务实现数字化管理和决策,让业务“滋养”数据的同时,也让数据“反哺”业务,构造数据跟业务的良性循环,真正实现数据赋能组织,促进企业发展。

    ▊ 高质量系统构建的保证

    传统信息系统在面临高并发情况时无法支撑短时间大量信息的涌入,经常出现系统崩溃的情况。

    例如早些年的12306订票网站,每年春运期间,网站就会遭遇购票难的问题。12306在与阿里巴巴合作后采用了新的架构思路,将最复杂的余票查询模块和12306现有系统做了分离并独立部署,在云上也独立部署了一套余票查询系统。这样12306和云上都有了一套余票查询系统,其中75%的余票查询业务都在云上运行。如今的12306已经十分顺畅了。

    数字化中台的新架构模式不仅能够在业务上有弹性的支持,在数据上能够赋能企业,在系统的稳定性上也有相当多的创新技术。数字化中台能保证在错综复杂的服务逻辑和各种交互情景下,面对各种未知的条件变化整体系统依旧能够正常平稳地提供服务。数字化中台采用的微服务架构,比传统的Web应用更稳健。

    传统的Web应用(如图8所示)一般是单体式开发的,所有的功能打包在一个WAR包里。优点是管理集中、部署方便、容易测试。缺点是维护难,代码功能耦合在一起;构建时间长,任何小修改都要重构整个项目;稳定性差,一个微小的问题都可能导致整个应用崩溃;扩展性不够,无法满足高并发的业务需求。

     

    图8  传统的Web应用

    微服务架构如图9所示。微服务将单体应用进行了拆分,各服务相对独立,没有冗余代码,轻薄灵活,可以支撑企业柔性扩展业务的需求。其数据库也进行了拆分,消除了烟囱,也消除了数据库性能瓶颈。为了提高系统的实时性,加入了消息队列机制。数据分析服务使用数据仓库作为持久化层,可以高效地做一些分析计算。访问频率比较高的数据库则加入了缓存机制。微服务架构采用了保障高可用的措施来解决服务依赖的问题。

    图9  微服务架构

    数字化中台采用多种新技术来保障系统的稳定运行,所以说数字化中台是高质量系统构建的保证。

    本文摘自《数字化中台》一书,欢迎阅读本书了解更多关于数字化中台的内容!

    限时五折专享

    快快扫码抢购吧!

    
    
    如果喜欢本文
    欢迎 在看丨留言丨分享至朋友圈 三连
    公众号回复:技术群, 加入技术琐话粉丝群。
      往期推荐:
    3 万字《漫谈线上问题排查》原创电子书下载!
    商城计价中心 - 从容应对复杂场景价格计算
       牛逼的PM应该是这样的!
       软件的核心是为用户解决领域相关的问题   打造杰出软件开发团队的12条指导建议
       ……技术琐话 以分布式设计、架构、体系思想为基础,兼论研发相关的点点滴滴,不限于代码、质量体系和研发管理。
    
    
    
    展开全文
  • 一、数据仓库 数据仓库(Data Warehouse),也称为企业数据仓库,它是一个面向主题的、集成的、相对稳定的、反映历史... 参考资料: 微信公众号(大数据真好玩)-《关于数据仓库、数据湖、数据平台和数据中台的概念和区别

    一、数据仓库

    数据仓库(Data Warehouse),也称为企业数据仓库,它是一个面向主题的、集成的、相对稳定的、反映历史变化的数据集合存储系统,它将来自不同来源的结构化数据聚合起来,用于业务智能领域的比较和分析,数据仓库是包含多种数据的存储库,并且是高度建模的。

    1.1 优势(作用)

    数据仓库系统的作用能实现跨业务条线、跨系统的数据整合,为管理分析和业务决策提供统一的数据支持。数据仓库能够从根本上帮助你把公司的运营数据转化成为高价值的可以获取的信息(或知识),并且在恰当的时候通过恰当的方式把恰当的信息传递给恰当的人。

    数据仓库的作用主要体现在企业决策、分析、计划和响应以下几个方面:

    1.2 劣势

    数据仓库针对实时数据处理和非结构化数据处理能力较弱,以及在业务在预警预测等方面应用有一定的限制。

    二、数据湖

    数据湖(Data Lake)是Pentaho公司CTO James Dixon提出来一种数据存储理念—即在系统或存储库中以自然格式存储数据的方法。数据湖作为一个集中的存储库,可以在其中存储任意规模的结构化和非结构化数据。在数据湖中,可以存储不需要对其进行结构化的数据,这样就可以运行不同类型的分析。下面的定义是维基百科所给出的“数据湖”定义。

    数据湖(Data Lake)是一个存储企业的各种各样原始数据的大型仓库,其中的数据可供存取、处理、分析及传输。

    数据湖是以其自然格式存储的数据的系统或存储库,通常是对象Blob或文件。

    数据湖通常是企业所有数据的单一存储,包括源系统数据的原始副本,以及用于报告、可视化、分析和机器学习等任务的转换数据。数据湖可以包括来自关系数据库(行和列)的结构化数据,半结构化数据(CSV,日志,XML,JSON),非结构化数据(电子邮件,文档,PDF)和二进制数据(图像,音频,视频)。

    关于数据湖的示意图

    2.1 优势(作用) 

    数据湖能够帮助企业实现数据的集中式管理等多种能力;数据湖融合了先进的数据科学、机器学习和人工智能技术,帮助企业构建更加优化的数据运营模型,为企业提供预测分析、推荐模型等能力,这些模型能够刺激企业能力的持续增长,不断赋能于企业增长。

    数据湖能从以下方面帮助到企业:

    • 实现数据治理;

    • 通过应用机器学习与人工智能技术实现商业智能;

    • 预测分析和模型推荐,例如:领域特定的推荐引擎 ;

    • 信息追踪与一致性保障;

    • 基于历史数据分析生成新的数据维度,挖掘数据深度价值;

    • 提供集中式存储的企业数据中心,并提供基于数据传输优化的数据服务;

    • 协助企业实现灵活的增长决策。

     三、数据平台

    数据平台是在大数据基础上出现的融合了结构化和非结构化数据的数据基础平台,为业务提供服务的方式主要是直接提供数据集。

    数据平台的出现是为了解决数据仓库不能处理非结构化数据和报表开发周期长的问题,所以先撇开业务需求、把企业所有的数据都抽取出来放到一起,成为一个大的数据集,其中有结构化数据、非结构化数据等。当业务方有需求的时候,再把他们需要的若干个小数据集单独提取出来,以数据集的形式提供给数据应用。

    大数据时代,数据平台一般被称之为大数据平台。狭义上的大数据平台和传统数据平台的功能一致,只是技术架构和数据容量方面的不同,但广义的大数据平台通常被赋予更多的使命,它不仅存储多样化的数据类型,还具有报表分析等数据仓库的功能,以及其他数据分析挖掘方面的高级功能。

    四、数据中台

    网易数据中台架构图:

    阿里数据中台逻辑架构图:

     4.1 形式

    数据中台通过对企业内外部多源异构的数据采集、治理、建模、分析和应用,使数据对内优化管理提高业务价值,对外进行数据合作让业务价值得到释放,使之成为企业数据资产管理中枢。

    数据中台建立后,会形成数据API服务,为企业和客户提供高效各种数据服务。

    4.2 优势(作用) 

    • 解耦:数据中台为解耦而生,企业建设数据中台的最大意义就是应用与数据之间的解藕,这样企业就可以不受限制地按需构建满足业务需求的数据应用。数据中台对一个企业的数字化转型和可持续发展起着至关重要的作用。

    • 打破数据边界:构建了开放、灵活、可扩展的企业级统一数据管理和分析平台, 将企业内、外部数据随需关联,打破了数据的系统界限。

    • 数据共享:利用大数据智能分析、数据可视化等技术,实现了数据共享、日常报表自动生成、快速和智能分析,满足企业各级部门之间的数据分析应用需求。

    • 助力数据化产品:深度挖掘数据价值,助力企业数字化转型落地。实现了数据的目录、模型、标准、认责、安全、可视化、共享等管理,实现数据集中存储、处理、分类与管理,建立大数据分析工具库、算法服务库,实现报表生成自动化、数据分析敏捷化、数据挖掘可视化,实现数据质量评估、落地管理流程。

    五、对比

    5.1 数据仓库 VS 数据湖

    相较而言,数据湖是较新的技术,拥有不断演变的架构。数据湖存储任何形式(包括结构化和非结构化)和任何格式(包括文本、音频、视频和图像)的原始数据。

    根据定义,数据湖不会接受数据治理,但专家们一致认为良好的数据管理对预防数据湖转变为数据沼泽不可或缺。

    数据湖在数据读取期间创建模式,与数据仓库相比,数据湖缺乏结构性,而且更灵活,并且提供了更高的敏捷性。值得一提的是,数据湖非常适合使用机器学习和深度学习来执行各种任务,比如数据挖掘和数据分析,以及提取非结构化数据等。

     数据仓库数据湖
    类型主要处理历史的、结构化的数据,而且这些数据必须与数据仓库事先定义的模型吻合。能处理所有类型的数据,如结构化数据,非结构化数据,半结构化数据等,数据的类型依赖于数据源系统的原始数据格式。
    目的处理结构化数据,将它们或者转化为多维数据,或者转换为报表,以满足后续的高级报表及数据分析需求。适合于深度分析,拥有足够强的计算能力用于处理和分析所有类型的数据,分析后的数据会被存储起来供用户使用。
    特点高性能、可重复性、持续使用便于探索、创新、灵活性高

     5.2 数据仓库 VS 数据平台

    由于数据仓库具有历史性的特性,其中存储的数据大多是结构化数据;而数据平台的出现解决了数据仓库不能处理非结构化数据和报表开发周期长的问题。

     数据仓库数据平台
    数据类型结构化数据所有类型的数据,包括结构化数据,非结构化数据,半结构化数据等
    服务方式为业务提供分析报表为业务提供数据集

    通过以上的论述,我们发现数据平台和数据湖好像存在诸多相似性,这二者之间的区别:

    从个人角度理解上分析应该是数据加工的角度不同,数据湖更着重于对原始数据的存储,而数据平台则同数据仓库一样,需对原始数据进行清洗、转换等数据处理后按照统一的标准规范进行存储。

    5.3 数据仓库 VS 数据中台

    数据仓库和传统的数据平台,其出发点为一个支撑性的技术系统,即一定要先考虑我具有什么数据,然后我才能干什么,因此特别强调数据质量和元数据管理;而数据中台的第一出发点不是数据而是业务,一开始不用看你系统里面有什么数据,而是去解决你的业务问题需要什么样的数据服务。

     数据仓库数据中台
    建设思想以数据为驱动,自下而上设计以业务为驱动,自上而下设计
    服务方式提供数据集或者分析报表提供数据API服务
    业务距离用于支持管理决策分析,距离业务远,无法直接体现业务价值加速企业从数据到业务价值的转变过程,能够在一定程度上体现业务价值
    应用场景分析型场景,如决策分析分析型、交易型场景
    处理结构ETL结构ELT结构

    在具体的技术处理环节,二者也有明显不同,数据的预处理流程正在从传统的ETL结构向ELT结构转变。传统的数据仓库集成处理架构是ETL结构,这是构建数据仓库的重要一环,即用户从数据源抽取出所需的数据,经过数据清洗,将数据加载到数据仓库中去。而大数据背景下的架构体系是ELT结构,其根据上层的应用需求,随时从数据中台中抽取想要的原始数据进行建模分析。

    六、总结

    根据以上数据平台、数据仓库、数据湖和数据中台的概念论述和对比,我们进行如下总结:

    • 数据中台、数据仓库和数据湖没有直接的关系;

    • 数据中台、数据平台、数据仓库和数据湖在某个维度上为业务产生价值的形式有不同的侧重;

    • 数据中台是企业级的逻辑概念,体现企业数据向业务价值转化的能力,为业务提供服务的主要方式是数据 API;

    • 数据平台是在大数据基础上出现的融合了结构化和非结构化数据的数据基础平台,为业务提供服务的方式主要是直接提供数据集;

    • 数据中台距离业务更近,能够更快速的响应业务和应用开发需求,从而为业务提供速度更快的服务;

    • 数据中台可以建立在数据仓库和数据平台之上,是加速企业从数据到业务价值的过程的中间层。

    参考资料:

    微信公众号(大数据真好玩)-《关于数据仓库、数据湖、数据平台和数据中台的概念和区别》

    展开全文
  • 中台”这个概念,是相对于前台和后台而生,是前台和后台的链接点,将业务共同的工具和技术予以沉淀。 相对于业务中台来讲,数据中台跟企业的业务有较强的关联性,是企业业务...数据中台与数仓的区别 首先可以先看看专

    “中台”这个概念,是相对于前台和后台而生,是前台和后台的链接点,将业务共同的工具和技术予以沉淀。

    相对于业务中台来讲,数据中台跟企业的业务有较强的关联性,是企业业务和数据的沉淀,如果在烟囱林立的各财务业务系统之上搭建共享的数据中台,其不仅能降低重复建设和减少烟囱式协作的成本,也是企业差异化竞争优势所在。

    然而,当说到数据中台这里,很多人就有了疑问,以前没有数据中台这个概念时,企业不是也建设了数据仓库、商业分析之类的东西吗?对比这个有什么区别?不就是换了个概念和马甲吗?

    数据中台与数仓的区别

    首先可以先看看专业的数据中台的白皮书是怎么说的:数据中台是一站式解决平台,从数据集成、大数据计算、数据治理、数据工具、数据模型、数据应用、市场集成完整一套综合解决方案及产品系列。

    数据中台与数据仓库的区别

    而数据仓库平台逐步从BI报表为主到分析为主、到预测为主、再到操作智能为目标。数据仓库系统的作用能实现跨业务条线、跨系统的数据整合,为管理分析和业务决策提供统一的数据支持。

    但数据中台从某个意义来说也属于数仓的一种,都是要把数据抽进来建立一个数据仓库。但是两者的数据来源和建立数仓的目标以及数据应用的方向都存在很大差异。

    首先,从数据来源来说,数据中台的数据来源期望是全域数据包括业务数据库,日志数据,埋点数据,爬虫数据,外部数据等。数据的来源可以是结构化数据或者非结构化的数据。而传统数仓的数据来源主要是业务数据库,数据格式也是以结构化数据为主。

    数据中台不单单指系统或者工具,而是一个职能部门,通过一系列平台、工具、流程、规范来为整个组织提供数据资产管理和服务的职能部门。数据中台负责全域数据采集、数据资产加工和管理、并向前台业务部门和决策部门提供数据服务。所以,数据中台的核心应该是数据资产管理和数据赋能,通俗的讲就是数据弹药库。

    01
    数据来源不同
    数据中台的数据来源期望是全域数据,包括:业务数据库,日志数据,埋点数据,爬虫数据,外部数据等,数据的来源可以是结构化数据或者非结构化的数据。
    而传统数仓的数据来源主要是业务数据库,数据格式是以结构化数据为主。
    02
    建立的目标不同
    目标是为了融合整个企业的全部数据,打通数据之间的隔阂,消除数据标准和口径不一致的问题。
    数据中台通常会对来自多方面的的基础数据进行清洗,按照主题域概念建立多个以事物为主的主题域。比如会员域,商品域,渠道域,门店主题域等等。
    数据中台与数据仓库的区别
    数据中台遵循三个One的概念:One Data, One ID, One Service,就是说数据中台不仅仅是汇聚企业各种数据,而且让这些数据遵循相同的标准和口径,对事物的标识能统一或者相互关联,并且提供统一的数据服务接口。就像做菜一样,按照标准化的菜名,先把所有可能用到的材料都准备好。
    而传统的数仓主要用来做BI的报表,目的性很单一,只抽取和清洗相关需要使用到的基础数据,进行建仓,然后再用来做领域分析,有的时候可能因为新增一张报表,就要从底层到上层再做一次加工和处理。
    03
    数据应用方面不同
    建立在数据中台上的数据应用不仅仅只是面向于BI报表,更多面向营销推荐,用户画像,AI决策分析,风险评估等。这些应用的特点比较轻,容易快速开发出来,因为重要的数据分析工作在数据中台已经完成并且沉淀,所以之前工作成果都能被多个应用共享。
    数据中台与数据仓库的区别
    而传统的数据仓库主要是面向报表或者高级可视化,数据应用的建设一般是面对相对确定的主题内容,在诸如数据建模,进行数据追踪与探查,深度挖掘层面存在较大的局限性。
    04
    依赖平台不同
    数据中台一般都是建立在分布式计算平台和存储平台,理论上可以无限扩充平台的计算和存储能力。
    而多数的传统数仓工具只是建立在传统关系数据库和单一服务器部署的基础上,一旦数据量变大,很容易出现存储、效率、计算的问题,其后续扩充存在较大的成本和时间。

    数据中台经历的阶段
    事实上,阿里巴巴很早便开始运用中台模式满足业务需求,并于 2015 年正式提出中台战略。中台战略的原理是将不同业务通用的工具和技术加以沉淀,成立专门的中台部门,这样新的业务需求可以不再重新设计,避免因重复的功能建设和维护造成资源浪费。
    构建灵活、多变的组织机制和业务机制是阿里巴巴建立数据中台的战略核心。各行业的领头企业也开始对数据中台、数字化转型进行积极探索,力求以数据智能的方式实现生产经营的智能化和精细化管理。
    2018 年 8 月末,腾讯宣布组织架构变革,成立技术委员会,未来将打造技术中台。与此同时,京东、华为、美团等不同业务领域的互联网公司均着手改革组织架构,积极打通数据平台,构建数据中台。至此,数据中台由概念逐渐变为现实,数据智能赋能业务,用更低的成本、更高的效率为用户服务的模式逐渐被认可,数据中台得到进一步发展,掀起了一波数字化转型的浪潮。
    而我们从阿里数据中台发展历程,可以看到大概经历以下4个阶段:
    数据库阶段,主要是OLTP(联机事务处理)的需求;

    数据仓库阶段,OLAP(联机分析处理)成为主要需求;

    数据平台阶段,主要解决BI和报表需求的技术问题;

    数据中台阶段,通过系统来对接OLTP(事务处理)和OLAP(报表分析)的需求,强调数据业务化的能力;

    那么,数据中台这个阶段有什么特征?
    其显著的特征就是数据量的指数级增长,从PB迈向了EB级别。
    这个数量级的变化主要来源于IOT(物联网)的发展起来,带动了视图声(视频、图像、声音)数据的增长,这些数据需要视觉计算技术、图像解析的引擎+视频解析的引擎+音频解析的引擎来转换成结构化数据;来源于线下要想和线上一样,通过数据来改善业务,就要和线上一样能做到行为可监测,数据可收集,这是前提。
    线下最大量的就是视图声数据,依靠IOT技术和算法的进步,最终会通过智能端来自动化获取数据;要使用这些数据,光有视觉算法和智能端也不行,还要有云来存储和处理这些数据,以及打通其他领域的数据。
    综合这个阶段特征,我们看到依靠传统的数据仓库方法已经全然不能满足企业大数据量、非结构化、分布式存储的需求。还需要基于IOT设备收集数据、基于云端存储数据、基于AI算法和云计算进行应用。
    未来的数据中台,一定是AI驱动的数据中台。
    这个中台包括计算平台+算法模型+智能硬件,帮助企业去打通业务数据,最终建立线上线下触达和服务消费者的能力。中台不仅仅是系统,亦是一套方法论,中台最重要的价值在于从“管理在线”到“业务在线”。真正做到“一切业务数据化,一切数据业务化”。
    关于国云数据
    国云数据成立于2013年,是由原阿里数据团队建立的以独创的数字合伙人方式为客户提供数字化转型落地服务的公司,也是国内唯一一家能为客户提供“战略+技术+人才”三位一体全方位、高标准数字化转型落地综合服务的供应商。陪伴客户成长,与客户风险共担、价值共享是国云数据作为数字合伙人的服务宗旨。

    公司发展至今已服务17万+个人用户,7万+企业用户,500+高校,拥有软件专利著作权100余项,多次获得中国数据企业30强、数据细分技术领域第一称号,是公认的数字化转型领域独角兽。目前,国云数据已为华为集团、雅戈尔集团、广汽丰田、得力集团、特步、人民数据、中国乳业大数据平台、中国交通部等上百家行业头部企业和政府提供数字化转型产品和服务,同时为华东师范大学、南京工业大学、新疆财经大学、河南机电职业学院等500多所高校提供数字化人才培养平台服务。

    展开全文
  •  一、数据中台/平台区别  之前求职,我也被问过这个问题,这种情景下,哪怕不知道我也必须要回答。当时我的思路是有两个。  第一,先说数据平台,再说数据中台。毕竟,平台这个词很早就出现了,中台概念16年...
  • 数据中台与传统大数据平台有什么区别? 作者:大数据DT 来源:大数据DT 导读:我们可以这样理解,传统大数据平台和数据仓库是数据中台的数据来源,建设数据中台是为了更好地服务于业务部门。 下图显示了信息化系统...
  • 而这两者的出现,都是为了解决“快速响应”而生,虽然都是为了解决快速响应,但它们还是有所区别的,主要区别在于:中台是互联网行业为快速响应业务需求提出的一种架构思想,低代码开发平台则是为了简化和加速开发而...
  • * 留言点赞排名前2位即可获得免费赠书我们可以这样理解,传统大数据平台和数据仓库是数据中台的数据来源,建设数据中台是为了更好地服务于业务部门。图 1 显示了信息化系统、数据仓库、传统大数据...
  • 数据中台是一套可持续“让企业的数据用起来”的机制,一种战略选择和组织形式,是依据企业特有的业务模式和组织架构,通过有形的产品和实施方法论支撑,构建一套持续不断把数据变成资产并服务于业务的机...
  • 微服务 中台与领域驱动设计 其实中台与领域驱动设计没有必然联系,这里放在一起就像是NginxLua的,炒饭海天拌饭酱的关系,用Nginx不一定适用lua脚本,但是lua脚本能帮助你更好的定义nginx模块更好的发挥它的优势...
  • 随着大数据技术的不断更新迭代,数据管理工具得到了飞速的发展,从数据库、数据仓库、数据集市数据湖,再到大数据平台与如今的数据中台,其实将它们比喻成一场“数据的旅程”就不难理解在数字化运营的不同阶段,...
  • 编辑导语:上篇文章作者...目前市场仅对“中台”和“平台”间的继承和发展关系有一定共识,“中台”的定义及建设规范尚未有明确定论。 本系列文章旨在基于“以终为始”的思维模式,及“软件对现实世界建模”的基.
  • 一些先知先觉的企业在讨论和探索数字化转型,谈论有关“数据中台”的概念,有人认为这是新一波的厂商向甲方企业收“智商税”的概念泡沫,有人认为这是给予CIO影响力的权柄,也有人认为这是企业应对“危”“机”的...
  • 业务中台、数据中台、技术中台到底是什么?

    千次阅读 多人点赞 2021-03-16 13:48:38
    业务中台、数据中台、技术中台到底是什么?00 中台能力总体框架01 业务中台02 数据中台数据应用技术发展迅猛数据架构更加灵活数据来源更加多元化,数据格式更加多样化数据智能化应用将会越来越广泛03 技术中台1. API...
  • 什么是数据湖?什么是数据中台?数据中台与数据湖有什么区别
  • SOA架构思想 我们可以来看下SOA本身的定义,即: SOA是一种架构方法,将传统的单片式应用打破,分解为离散的、自治的业务...这个思想和中台思想完全一致。 我们来举个例子详细说明SOA架构思想: 我们以注册一家
  • 作者 | 彭锋 宋文欣 孙浩峰来源 | 大数据DT头图 | 下载于视觉中国传统大数据平台和数据仓库是数据中台的数据来源,建设数据中台是为了更好地服务于业务部门。下图展示了信息化系统、数据仓...
  • 过去几年,中台的“待遇”用过山车来形容再贴切不过:从互联网巨头振臂一呼,瞬间成为业界备受关注的宠儿;到落地之路遇到各种挫折、质疑声四起,中台饱尝“人间冷暖”。 然而,不要高估中台的短期效应,亦不要低估...
  • 中台学习

    2021-01-25 10:58:10
    台和平台、微服务、中间件的区别 理想VS现实中台实施效果对比 数据中台起源: 数据中台理解: 数据中台传奇人物 参考资料: 中台分类 业务中台: 数据中台: 技术中台: 算法中台: 理想和...
  • 前台、中台、后台到底是什么?

    千次阅读 2021-03-16 09:06:22
    前台、中台、后台到底是什么?01 前台02 中台1. 业务中台2. 数据中台03 后台 作者:欧创新 邓頔 来源:大数据DT 导读:很多人提到中台时自然会问:“既然有中台,那是否有前台和后台?它们各自的职责又是什么呢? ...
  • 1.数据中台的由来 数据库阶段 ---> 传统数仓 ---> 大数据平台 ----> 大数据中台 1.1.数据存储起源:数据库 1979年:Oracle1.0商用数据库发布 1996年:MySQL1.0发布,到2000年以后开始火起来。 特点:...
  • 随着 5G 时代的到来,物联网技术极大地促进了智慧城市的建设发展,伴随而来的实时物联数据的爆发增长以及地理空间的二维表达向三维精细化的展示转化,BIM、CIM 的发展建设要求带来了对...
  • 目前市场仅对“中台”和“平台”间的继承和发展关系有一定共识,“中台”的定义及建设规范尚未有明确定论;本系列文章旨在基于“以终为始”的思维模式,及“软件对现实世界建模”的基础条件,梳理传统软件“平.
  • 数据中台包括了底层数据技术平台(可以是我们熟悉的大数据平台能力),中间的数据资产层,上层的数据对外能力开放。 核心的资产层本身也分层,从最底层的贴源数据,到分域应用数据,再到上层的数据仓库和数据标签库...
  • 数据中台 -- 学习笔记(一)

    千次阅读 2021-04-22 17:23:39
    数据中台: 是指通过数据技术,对海量数据进行采集、计算、存储、加工,同时统一标准和口径,中台还可以根据ThoughtWork首席咨询师给出的定义来解释。...“平台”说明了中台的主要形式,区别于应用系统拼凑的方

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 202,561
精华内容 81,024
关键字:

中台与平台的区别