数据中台建设与架构
持续让数据用起来的价值框架
数据中台的使命就是持续让数据用起来，它的一个根本性创新就是把“数据资产”作为一个基础要素独立出来，让成为资产的数据作为生产资料融入业务价值创造过程，持续产生价值。数据中台要迅速提供数据服务（服务业务化），从而敏捷地响应企业的创新
业务 -- 业务数据化 -- 数据 -- 数据资产化 -- 资产 -- 资产服务化 -- 服务 -- 服务业务化 -- 业务
- 数据中台不是单纯的技术叠加，不是一个技术化的大数据平台，二者有本质区别；
- 大数据平台更关心技术层面的事情，包括研发效率、平台的数据处理能力，针对的是技术人员；
- 数据中台的核心是数据服务能力，要结合场景，通过服务直接赋能业务应用，不仅仅面向技术人员，面向多个部门的业务人员。
数据中台建设方法论
1种战略行动
把数据中台驱动业务发展定位为企业级战略，全局谋划,只有企业“一把手”能推送企业数据中台的建设，需要有相应的组织、制度、流程、资源的保障；数据中台要求整个企业共用一个数据技术平台、共建数据体系、共享数据服务能力；数据中台目标是实现企业经营的数据化、精细化、智能化、本质是建设一套可持续让企业数据用起来的机制；2项保障条件
中台战略实施需要有组织保障（建设团队、运维团队、运营团队、产品团队）；中台战略实施需要提升全企业的数据意识（数据采集意识、数据标准化意识、数据使用意识、数据安全意识）3条目标准则
数据可见（指标管理可用性、元数据管理可用性、数据资产目录的可视化、数据源的可视化、数据集成的可视化、数据ETL的可视化、数据建模的可视化、数据消费者的可视化、算法模型的可视化）；数据可用（数据内容可用性、数据服务可用性、数据任务可用性、数据指标化、数据标签化、资产的易阅读性）；数据可运营（质量量化管理、价值量化管理、数据运营角色）4套建设内容（数据中台建设的核心）
技术体系：基础支撑，包括大数据存储计算技术（Hadoop、Spark、Flink、Greenplun、Elasticsearch、Redis、Phoenix等）和工具技术组件（数据汇聚、数据开发、数据资产管理、数据服务管控等）； 数据体系：核心要素（全企业的数据通过各种方式汇聚到数据中台，按照一定的建模方式进行加工，形成企业的数据资产体系）； 服务体系：机制所在（通过服务组件能力，把数据变为一种服务能力，让业务决策通过数据而不是仅凭经验。通过提供数据生成、发布、监控、管理功能，帮助企业逐步建立数据服务，完成企业数据服务体系的构建）；运营体系：中台守护者，包括平台流程规范执行监督、平台资源占用的监管及优化推动、数据质量的监督及改进推进、数据价值评估、数据服务的推广、稽查排名等。-
5个关键步骤
理现状（组织现状、业务现状、数据现状、技术现状）； b. 立架构：4A架构（业务架构、技术架构、应用架构、组织结构）业务架构：保障中台能适用于企业的业务运营模型和流程体系； 技术架构：对数据存储和计算进行统一选型； 应用架构：即中台应用架构，后续应用的工具主要由数据中台最为应用平台来承接； 组织结构：保证中台项目顺利落地需要企业考虑的组织保障。
建资产：涉及数据汇聚、数据仓库建设、标签体系建设（最关键）、应用数据建设； 标签体系：面向具体对象构建的全维度数据标签，通过标签体系可以支撑应用，大数据的核心魅力和服务能力主要体现在标签体系的服务能力上；用数据：数据资产服务化过程；做运营：中台架构基本稳定的情况下，不断循环第3-5步，多方不断挖掘业务场景的结合点，逐步形成企业特有的数据认知，这是企业在数字化转型中国非常重要但很难跨越的点。
数据中台架构
- 数据汇聚：数据接入的入口，数据来源于业务系统、日志、文件、网络等；汇聚方式包含数据同步、埋点、爬虫、消息队列等；从时效性又分为离线批量汇聚和实时采集；
- 数据开发：主要面向开发人员、分析人员，提供离线、实时、算法开发工具，以及任务的管理、代码发布、运维、监控、告警等一系列集成工具、方便使用，提升效率；
- 数据体系：按照贴源数据、统一数仓、标签数据、应用数据的标准统一建设；
- 数据资产管理：包括对数据资产目录、元数据、数据质量、数据血缘、数据生命周期等进行管理和展示，以一种更直观的方式展示企业的数据资产、提升企业的数据意识；
- 数据服务体系：没有很多自带服务，而是提供快速的服务生成能力以及服务的管控、鉴权、计量等功能；
- 运营体系和安全管理：数据中台得以健康、持续运转的基础。
