一、数据中台的定义？

数据中台是对既有/新建信息化系统业务与数据的沉淀，是实现数据赋能新业务、新应用的中间、支撑性平台。（百度百科）

个人理解中台是介于前台和后台的中间支撑平台，对各业务与数据进行沉淀，实现数据赋能。

二、为什么建数据中台？

数据中台的产生有其历史必然，一些大的互联网公司，各业务线交叉，数据杂乱无章，无法很好的使用。

但数据中台并不是一下子就出来了，它是有其历史积累的，一般来说是这样：

数据库 ---> 传统数仓 ---> 大数据平台 ----> 大数据中台。

最初业务主要是数据库crud操作，但是随着业务的发展，数据库越积越多，管理层也会有新想法，比如如何对数据分析来更好满足的业务的需要，但是还是使用原来的业务库，可能对线上业务产生影响，此时便产生了数据仓库。

数据仓库的定义：数据仓库之父比尔·恩门（Bill Inmon）在 1991 年首次给出了数据仓库定义，数据仓库是在企业管理和决策中面向主题的、集成的、与时间相关的，不可修改的数据集合。

构建数据仓库，首先要把不同业务系统的数据同步到一个统一的数据仓库中，然后按照主题域方式组织数据。主题域是业务过程的一个高层次的抽象，像商品、交易、用户、流量都能作为一个主题域，可以理解为数据仓库的一个目录。数据仓库中的数据一般是按照时间进行分区存放，每个时间分区内的数据都是追加写的方式，对于某条记录是不可更新的。

这里需说明下几个概念：

OLTP（on-line transaction processing）: 联机事务处理，传统的数据库应用，比如crud等。

OLAP（On-Line Analytical Processing）：联机分析处理，主要面对数据仓库，侧重于数据分析。

BI（Business Intelligence）：商业智能，将企业已有的数据转化为知识，帮助企业做出经营分析决策，它促成了数据仓库。

随着业务持续发展，特别是互联网公司的数据越来越多，数据类型也变得异构化，2003年谷歌发表了3篇论文：分布式文件系统 GFS、大数据分布式计算框架 MapReduce 和 NoSQL 数据库系统 BigTable。开创了大数据时代。

大数据平台是面向数据研发场景的数据研发全链路的工作平台。可以实现数据流水线化快速加工。由于基于Hadoop的组件越来越多，版本混乱，于是也产生了商业级的解决方案CDH等。

随着业务的不断发展，不同业务线是割裂的，造成了数据的重复加工，导致研发效率、数据存储和计算资源的浪费，成本变高。阿里马云率队参观了实力强大的游戏公司supercell，它的成功的游戏产品有很多，其独特优势是能够快速推出新产品，而依靠的就是中台系统。马云便提出了“大中台、小前台”战略：沉淀共享服务，打破系统壁垒，业务快速创新。其中“大中台”包含两部分，一个是业务中台，一个是数据中台。

形象地讲，数据中台构建的服务考虑了"可复用性"，每项服务都像一个积木，可以随意组合，灵活高效地解决前台的个性化需求。数据中台的核心理念是"数据取之于业务，用之于业务"，跟传统数据平台相比，数据中台着眼于业务的积累和沉淀，构建了从数据生产到消费、消费后数据返回到生产的闭环过程。数据中台强调数据标准和口径的统一，以及将数据封装为服务，比如数据基础服务、标签画像服务、算法模型服务等，支撑前台业务更智能化；业务中台强调流程类、服务类服务的高效复用。

三、如何建设数据中台？

数据中台的建设成本极高，所以要根据自身企业的情况来决定，影响要素主要是：数据是否足够多；业务分析是否存在瓶颈。

关于数据中台怎么建，参考线上的案例：

这个图完整地描述了数据中台支撑技术体系。

大数据计算、存储基础设施：数据中台的底层是以Hadoop为代表的大数据计算、存储基础设施，提供了大数据运行所必须的计算、存储资源。

工具产品：在Hadoop之上，浅蓝色的部分是原有大数据平台范畴内的工具产品，覆盖了从数据集成、数据开发、数据测试到任务运维的整套工具链产品。同时还包括基础的监控运维系统、权限访问控制系统和项目用户的管理系统。由于涉及多人协作，所以还有一个流程协作与通知中心。

数据治理模块：灰色的部分，是数据中台的核心组成部分：数据治理模块。它对应的方法论就是One Data体系。以元数据中心为基础，在统一了企业所有数据源的元数据基础上，提供了包括数据地图、数仓设计、数据质量、成本优化以及指标管理在内的5个产品，分别对应的就是数据发现、模型、质量、成本和指标的治理。

数据服务：深绿色的部分是数据服务，它是数据中台的门户，对外提供了统一的数据服务，对应的方法论就是One Service。数据服务向下提供了应用和表的访问关系，使数据血缘可以延申到数据应用，向上支撑了各种数据应用和服务，所有的系统通过统一的API接口获取数据。

数据产品和应用：在数据服务之上，是面向不同场景的数据产品和应用，包括面向非技术人员的自助取数系统；面向数据开发、分析师的自助分析系统；面向敏捷数据分析场景的BI产品；活动直播场景下的大屏系统；以及用户画像相关的标签工厂。