数据中台、数据湖、数据仓库和BI是什么？具体区别是？

2022-10-03 09:32:32 作者：2200 1789

1.数据中台

中台概念最早由中国国内公司阿里巴巴提出，其目的是为了解决大数据时代到来所引发的“数据孤岛”和“业务孤岛”问题。

阿里对中台的定义是：“中台是一个基础的理念和架构，用中台的思想建设、联通所有基础服务，共同支持上端的业务。”ThoughtWorks 认为：“中台是企业级能力复用平台。”李巍巍指出中台这概念产生的核心思想是“共享”与“复用”，意在通过中台分别与前后台相对应，还指出数据中台重要的不是技术和数据质量高低，应注重其所带来的数据思维和数据文化。

数据中台是一种架构，是一种连接前台和后台桥梁。通过中台将数据汇聚沉淀，快速响应前台业务需求。数据中台提供一种可复用的共性能力，将数据进行提炼，提供共性能力。其本质与 SOA(Service-Oriented Architecture，面向服务)一致，都是提供共性能力。但其实现方式与SOA不同，SOA以Web Service为载体，通过EBS(Enterprise Service Bus，企业服务总线)进行交互。

数据中台

2.数据湖

数据湖(Data Lake)这个术语由Pentaho公司的创始人兼首席技术官詹姆斯·狄克逊(James Dixon)提出，他对数据湖的定义是，可以把所有的数据都放入数据湖中，应用数据时定义它的数据结构。也就是说，对于存储的数据，数据湖并不定义它的数据类型，这样数据湖就可以存储各种类型的数据，并且通过统一的存储，让不同的数据都有相同的存储方式，而在数据应用的时候定义其数据结构，让应用方便连接到数据湖上获取数据。

3.数据仓库

数据仓库的概念最早是由美国信息工程学家W.Hinmon博士所提出，其将数据仓库定义为：数据仓库是一个面向主题的、继承的、稳定的、随时间变化的、用来支持管理人员决策的数据集合。

4.BI

商务智能(BI，Business Intelligence)是一种以提供决策分析性的运营数据为目的而建立的信息系统。它将数据仓库、在线分析处理、数据挖掘等技术与客户关系管理等应用系统结合起来,并应用于企业活动实际过程当中,最终实现服务于管理层决策的目的。

5.数据仓库VS数据湖

在储存方面上，数据湖能处理所有类型的数据，如结构化数据，非结构化数据，半结构化数据等，数据的类型依赖于数据源系统的原始数据格式。数据仓库，主要处理历史的、结构化的数据，通常从事务系统中提取。

数据湖适用于深度分析，它拥有足够强的计算能力用于处理和分析所有类型的数据，可以做数据挖掘和数据分析。数据仓库主要是处理结构化数据，将它们或者转化为多维数据，或者转换为报表，以满足后续的高级报表及数据分析需求。

与数据仓库相比，数据湖缺乏结构性，而且更灵活，并且提供了更高的敏捷性。数据仓库具有高性能、可重复性的特点。

6、数据仓库VS数据中台

数据仓库的出发点为一个支撑性的技术系统，强调数据质量和元数据管理;而数据中台的第一出发点不是数据而是业务，更加注重思考业务问题需要什么样的数据服务。

在具体的技术处理环节，二者也有明显不同，数据的预处理流程正在从传统的ETL结构向ELT结构转变。传统的数据仓库集成处理架构是ETL结构，这是构建数据仓库的重要一环，即用户从数据源抽取出所需的数据，经过数据清洗，将数据加载到数据仓库中去。而大数据背景下的架构体系是ELT结构，其根据上层的应用需求，随时从数据中台中抽取想要的原始数据进行建模分析

7、数据仓库VS BI

商业智能BI相比于数据仓库，它是一个更大的概念。商业智能可以说是基于数据仓库，经过了数据挖掘后，得到了商业价值的过程。所以说数据仓库是个金矿，数据挖掘是炼金术，而商业报告则是黄金。数据仓库就像是 BI 这个房子的地基，搭建好 DW 这个地基之后，才能进行分析使用，最后产生价值。

以上梳理了数据中台、数据湖、数据仓库和BI的定义及其区别，希望对你有所帮助，如果你想了解更多相关内容，敬请关注三个皮匠报告的行业知识栏目。

推荐阅读：

华为：数据湖治理中心-数据治理方法论(2021)(22页).pdf

数据湖建设解决方案(2022)(38页).pdf