数据仓库、数据集市、数据湖、数据中台到底有什么区别？都得做吗？
点击上方蓝字关注数据玩家
经常看到有人问这个问题，数据玩家也看过很多解释，感觉都不够直观，这里，我尝试用一个大家都理解的例子来说明。
什么是数据仓库？
大家都去宜家买过东西吧，还记得一楼的大仓库不，你如果看中了某个家具，想要自己去仓库提货，一般都会记下商品上的编码：
这个编码对于顾客来说，肯定是没有任何含义的，看到这个编码，不可能知道他是一个什么商品。
但是这个编码，对于仓库管理员来说是有含义的，他们可以清楚的知道，是哪一个货架，哪一个位置。
当然，顾客到仓库里顺着货架和位置也可以找到商品，但是总归不太直观，挑选的过程还是得在楼上进行。
因此数据仓库就相当于宜家的一楼仓库，在这里，数据（家具）按照特定的模型，如FS-LDM等（货架-位置）组织起来，这种模型，对于顾客（业务人员，数据最终用户）是不友好的，但是对于科技人员（仓库管理员，宜家员工）来说相对友好，因为他按照一种更加集约化的规则将数据（家具）管理起来了，存放集中、规整，提取数据（提货）不用跨库（货仓）寻找，查找的效率更加高。
那什么是数据集市呢？
还是用这个例子，上文提到，数据仓库对业务人员不是很友好，同样，你总不能让顾客直接逛仓库吧？顾客的需求，是按照家具的种类分门别类，按照家庭的不同房间，组合在一起展示的，正如宜家楼上的展厅：
图片来自：https://factualfacts.com
虽然也被吐槽像迷宫一样，但是总的来说，购物体验肯定比逛仓库来得好多了。
所以，数据集市就像宜家楼上的展厅，正如其名字“集市”一样，是一个面向最终用户（顾客）的数据市场，在这里，数据（家具）以一种更加容易被业务人员（顾客）接受的方式组合在一起，这些组合方式可能是多变的，因为业务人员（顾客）的需求是多变的，因此我们需要定期调整集市的计算口径（展厅的陈列方式），经常会创建新的数据集市（装修新的展厅）。
数据仓库和集市的概念理解了，其他一些相关问题也就迎刃而解，比如为什么有了数据仓库还要建数据集市？等等。
那什么是数据湖呢？
数据湖至今仍然没有一个特别标准的概念，各种概念中，比较统一的一点是数据湖存储的是未经加工的原始数据，包含结构化和非结构化的各类数据。数据玩家仍然尝试用上面的例子来解释。
大家都知道，宜家的家具是需要自己组装的，所以宜家的顾客们都有一些动手能力，他们突发奇想，所有的家具能不能全部拆散成零部件存放，由顾客们根据实际需要挑选零部件自行拼装？
所以，数据湖就是一个存储了所有企业内原始数据（家具零部件）的存储，这就带来一系列问题，加工后数据的存储已经非常复杂，原始数据则依赖更多的管理功能，不然数据又多又杂难以管理，数据湖会退化为数据沼泽。此外，原始数据如果缺少统一的数据标准，就像不同的家具零部件之间的接口不同，那就无法组装在一起了。
因此，数据湖必须有完善的数据管理功能，也依赖于统一的数据标准和良好的数据质量管理。
那什么又是数据中台呢？
数据中台也没有一个特别明确的定义，这里很难套用宜家的例子强行解释了，我们来看下各类数据平台：
在我们传统的数据应用中，随着数据对于业务友好度的增加，其时效性也在减弱。而我们的目标，显然是数据又快又好。既然各部门的需求都不一样，为何不让业务自助分析数据呢？于是我们有了右上角的目标状态。但是这个理想状态和我们现在的数据应用中间有巨大的空隙，靠什么来填补？答案就是数据中台。
我们可以将其分为狭义的数据中台和广义的数据中台。狭义的数据中台，指的是一套数据应用和工具，包括分布式ETL、数据资产管理、数据标签管理、数据沙箱、自助分析平台、元数据管理、数据质量管理等等，底层则以现有的数仓、大数据平台等为数据源，为企业提供数据资产管理的能力，并持续挖掘数据价值，持续提供数据智能服务。
广义的数据中台，则在狭义的数据中台基础之上，包含了顶层数据战略，数据治理体系以及数据管理及运营、数据文化培养和组织架构支撑，是一套持续管理和运营的体系。
可以这么说，狭义的数据中台，是专为达成数据中台的使命而打造，一类是让数据更快的处理、整合、加工，比如分布式ETL工具。随着传统数据被大数据平台逐步替代，ETL工具对于大数据平台的适配也需要与时俱进，支持分布式计算、弹性计算，并且减少开发量。
另一类是让数据更好的产生业务价值，比如数据标签管理，自助分析平台等。数据标签大家都在用，但是真正深度使用的企业都会感觉：建好容易用好难，如果没有一套标签管理系统，标签是否重复加工，标签的使用率、准确性等都无从掌控，业务部门想要针对近期营销活动新建一个标签，还得走开发流程，时效性也难以保证。数据标签管理系统就是为了解决数据标签的使用问题而建立。自助分析平台则是方便业务人员自助进行数据分析、加工、探索的平台，它与数据沙箱结合，直接将去隐私化的生产数据提供业务人员分析，使数据更快的产生价值，支撑关键决策。
广义的数据中台，则是辅助狭义数据中台达成使命的机制，虽然看起来都很“虚”，但是却是数据中台成功落地的必要保障。
那所有这些都必须做吗？
这个问题要看具体的企业情况，总的来说，一个大原则是以满足业务发展为第一优先，不要为了做基础设施而做基础设施，一定要以能解决业务诉求为最终目的。
《人月神话》里早就宣告了银弹不存在，自然，数据仓库、数据集市、数据湖、数据中台都不是银弹，千万不能以为做了他们就水到渠成，数字化转型就自动完成了。
简言之，用了一系列时髦的新技术不见得就是数字化领军企业，不用也不见得就是古典互联网时代的落后作坊。关键是认清自身的数字化现状，拟定数字化目标，制定数字化路径，优选场景，实现价值。新技术、各类数据基础设施只是这条道路上，一套套切实可行的行动方案，是把过去银行的种种数字化的尝试，重新以体系化、结构化的方法论梳理，并且赋予当下最新的技术架构予以实施。
RECOMMEND
推荐阅读
01
《Apache Kylin权威指南（第2版）》
推荐理由
基于较新的ApacheKylin2.5，从架构设计、各模块的使用、与第三方的整合、二次开发以及开源实践等各个方面讲解ApacheKylin。
02
《Flink原理、实战与性能优化》
推荐理由
这是一部以实战为导向，能指导读者零基础掌握Flink并快速完成进阶的著作，从功能、原理、实战和调优等4个维度循序渐进地讲解了如何利用Flink进行分布式流式应用开发。作者是该领域的资深专家，现就职于第四范式。
03
《Kafka源码解析与实战》
推荐理由
资深架构师带你构建大数据消息传递系统。包含Kafka源代码分析与内部的实现原理，以及外部的维护工具、客户端编程、与第三方集成方式，本书穿插了大量的图片，讲解细致、生动有趣。
06
《企业数据湖》
推荐理由
企业数据平台化运营利器，赋能企业构建复杂大数据解决方案。从软件工程师、架构师角度出发，手把手教企你为业构建自己的数据湖。
07
《数据中台：让数据用起来》
推荐理由
数据中台领域领先企业数澜科技出品，阿里巴巴集团联合创始人推荐！萃取百家头部企业数据中台建设经验，系统总结数据中台建设方法论。
08
《中台战略：中台建设与数字商业》
推荐理由
双中台技术领先企业阿里系云徙科技官方出品，从成功要素、建设方法论、架构设计、成熟度模型4个维度详解业务中台、业务中台、数据中台建设思路和方法，实现企业数字化转型。
09
《企业IT架构转型之道——阿里巴巴中台战略思想与架构实战》
推荐理由
金融是货币资金融通的总称。主要指与货币流通和银行信用相关的各种活动。金融是以货币本身为经营标的、目的通过货币融通使货币增值的经济活动，包括以银行为中心的间接投融资和以投资银行行为中心的直接投融资两种形式。
10
《中台实践：数字化转型方法论与解决方案》
推荐理由
领先的中台服务提供商云徙科技官方出品，近百家龙头企业数字化转型经验总结；业务中台、数据中台、技术平台3大平台建设方法论，地产、汽车、直销、零售、渠道5大行业和领域数字化转型解决方案。
更多精彩回顾
书讯 |9月书讯（下）| 开学季，读新书
书讯 |9月书讯（上）| 开学季，读新书
资讯 |开源搜索引擎排名第一，Elasticearch是如何做到的？
上新 | 区块链应用开发实战 | Dapp开发专业指南
书单 | 大数据必备的十大工具
干货 | RPA 如何赋能金融行业数字化转型？
收藏 | 架构师的成长之路