数据中台学习笔记-原理篇 .pdfVIP

数据中台学习笔记-原理篇

概述

最近使⽤鹅⼚的tbds和整套的数据中台产品，通过最近的使⽤和学习，略有些⼼得和体会，所以随笔记录以备学习和共享。

⾸先聊⼀下，到底什么是数据中台？如何来建设数据中台？数据中台有哪些应⽤价值？说到数据中台，你肯定不陌⽣，从2018年末开始，

它突然在⼤数据圈⼉⾛红。⼤家聊天如果不提中台，好像就落伍了。也正是因为数据中台，⼤数据受到了前所未有的关注。作为⼀个数据

⼈，我⾮常⾼兴，也感到责任重⼤，因为⼤家对数据中台寄予了很⼤的期望，把它当作企业数字化转型的⾦钥匙，投⼊了上百万，甚⾄是千

万，希望解决企业经营效率的问题。但是我们也看到⼀些企业未能达到预期的结果，⽐如说，指标⼝径不⼀致造成数据不可信；数据经常⽆

法按时产出，影响⼯作效率；敏感数据泄露，引发安全危机。最终的结果就是数据不好⽤，⽆法发挥应有的价值。所以有⼈泼冷⽔说：数据

中台就是⼀个充满诱惑的陷阱，看上去很美好，但是根本不可能落地成功。那数据中台到底是陷阱？还是⾦钥匙呢？为什么这些项⽬很难成

功呢？

在我看来，这⾥⾯既有客观原因，⼜有主观原因：客观上讲，数据中台的建设是⼀项系统性⼯程，从组织架构、⽀撑技术到流程规范，既要

有宏观的顶层设计，⼜要有强有⼒的落地执⾏，所以对整个团队的要求会⽐较⾼；从主观上讲，这些企业本⾝数据建设经验不⾜，或者还处

于⽐较初级的阶段，不知道数据建设中有哪些痛点，更不知道⽤什么样的技术⼿段和管理机制去解决这些问题。

数据中台崛起过程

深⼊⼤数据的发展历史，先从数据仓库的出现讲起，途径数据湖，再到⼤数据平台，因为这样，你才能理解⼤数据发展的每个阶段遇到的问

题，从⽽深⼊理解数据中台在⼤数据发展中的历史定位。

启蒙时代：数据仓库的出现

商业智能（BusinessIntelligence）诞⽣在上个世纪90年代，它是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。⽐如在零售

⾏业的门店管理中，如何使得单个门店的利润最⼤化，我们就需要分析每个商品的销售数据和库存信息，为每个商品制定合理的销售采购计

划，有的商品存在滞销，应该降价促销，有的商品⽐较畅销，需要根据对未来销售数据的预测，进⾏提前采购，这些都离不开⼤量的数据分

析。⽽数据分析需要聚合多个业务系统的数据，⽐如需要集成交易系统的数据，需要集成仓储系统的数据等等，同时需要保存历史数据，进

⾏⼤数据量的范围查询。传统数据库⾯向单⼀业务系统，主要实现的是⾯向事务的增删改查，已经不能满⾜数据分析的场景，这促使数据仓

库概念的出现。

数据仓库之⽗⽐尔恩门（·BillInmon）⾸次给出了数据仓库的完整定义，他认为：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。

为了帮你理解数据仓库的四要素，我举个电商的例⼦。

在电商场景中，有⼀个数据库专门存放订单的数据，另外⼀个数据库存放会员相关的数据。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，你可以把它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，⼀般会保留5年以上，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。

除了这个概念之外，我还要提⼀下他和⾦博尔（Kimball）共同开创的数仓建模的设计⽅法，这个⽅法对于后来基于数据湖的现代数据仓库

的设计有重要的意义，所以你有必要了解。恩门提出的建模⽅法⾃顶向下（这⾥的顶是指数据的来源，在传统数据仓库中，就是各个业务数

据库），基于业务中各个实体以及实体之间的关系，构建数据仓库。

⾦博尔建模与恩门正好相反，是⼀种⾃底向上的模型设计⽅法，从数据分析的需求出发，拆分维度和事实。那么⽤户、商品就是维度，库

存、⽤户账户余额是事实。

这两种⽅法各有优劣，恩门建模因为是从数据源开始构建，构建成本⽐较⾼，适⽤于应⽤场景⽐较固定的业务，⽐如⾦融领域，冗余数据少

是它的优势。⾦博尔建模由于是从分析场景出发，适⽤于变化速度⽐较快的业务，⽐如互联⽹业务。由于现在的业务变化都⽐较快，所以我

更推荐⾦博尔的建模设计⽅法。传统数据仓库，第⼀次明确了数据分析的应⽤场景应该⽤单独的解决⽅案去实现，不再依赖于业务的数据

库。在模型设计上，提出了数据仓库模型设计的⽅法论，为后来数据分析的⼤规模应⽤奠定了基础。但是进⼊互联⽹时代后，传统数据仓库

逐渐没落，⼀场由互联⽹巨头发起的技术⾰命催⽣了⼤数据时代的到来。

技术⾰命：从Hadoop到数据湖

但2005