数据中台

数据模型是分层次的，以前叫作数据仓库模型，概括为三层，基础模型一般是关系建模，主要实现数据的标准化，我们叫作“书同文、车同轨”，融合模型一般是维度建模，主要实现跨越数据的整合，整合的形式可以是汇总、关联，也包括解析，挖掘模型其实是偏应用的，但如果用的人多了，你也可以把挖掘模型作为企业的知识沉淀到中台，比如离网挽留的模型具有很大的共性，就应该有人把它规整到中台模型，以便开放给其它人使用，中台的中是相对的，没有绝对的标准。

数据服务将数据模型按照应用要求做了服务封装，就构成了数据服务，这个跟业务中台中的服务概念是完全相同的，只是数据封装比一般的功能封装要难一点，毕竟OLTP功能的变化有限，而数据分析受市场因素的影响很大，变化更快，导致服务封装的难度变大。随着企业大数据运营的深入，各类大数据应用层出不穷，对于数据服务的需求非常迫切，大数据如果不服务化，就无法规模化，比如浙江移动封装了客户洞察、位置洞察、营销管理、终端洞察、金融征信等各种服务共计几百个，每月调用量超过亿次，灵活的满足了内外大数据服务的要求。

但有数据模型和数据服务还是远远不够的，因为再好的现成数据和服务也往往无法满足前端个性化的要求，这时候就得授人以鱼不如授人以渔了，数据中台的最后一层就是数据开发，其按照开发难度也分为三个层次，最简单的是提供标签库（DMP），用户可以基于标签的组装快速形成营销客户群，一般面向业务人员，其次是提供数据开发平台，用户可以基于该平台访问到所有的数据并进行可视化开发，一般面向SQL开发人员，最后就是提供应用环境和组件，让技术人员可以自主打造个性化数据产品，以上层层递进，满足不同层次人员的要求。

——来自只喝牛奶的杀手整理