iot|关于数据中台与数据仓库的区别，你需要知道这些( 二 )_

3. 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。

文章插图
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。
4. 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。
二、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”。