1 数据中台建设
1.1 数据只处理一次
在未做数据中台之前，每个部门都会有一些小的数仓去完成本部的数据分析任务。而数据中台就是要在整个业务形成一个公共数据层，消灭这些跨部门的小数仓，实现数据复用，强调的是数据只加工一次。
那么要实现数据只加工一次，需要做五个方面的工作：
- 分主题域管理
- 命名规范定义
- 指标一致
- 数据模型复用
- 数据完善
1.2 数据即服务
数据中台的数据用该是通过API接口的方式被访问。
这么做有什么好处呢？
当一个数据应用开发一个数据产品时，首先要把数据导出到不同的查询引擎上：
- 数据量小的使用Mysql
- 大的可能用到Hbase
- 需要多维分析的可能用到Greenplum
- 实时性要求高的需要用到Redis
可以看到，不同的查询引擎，应用开发需要定制不用的访问接口。同时还有一个问题，如果当某个任务无法按时产出，发生异常时，想要了解这个表可能会影响到下游的哪些应用或者报表，但是却发现单纯依赖表与表的血缘无法触及应用，根本无法知道最后的这些表被哪些应用访问。
此时，使用API接口的话，一方面对应用开发屏蔽数据存储，使用统一标准的API接口查询数据，提高了数据接入速度。另一方面，对于数据开发，提高了数据应用额管理效率，建立了表到应用的链路关系。
那么要实现数据服务化，需要做4个方面的工作：
-
屏蔽异构数据源
数据服务必须要能够支撑类型丰富的查询引擎，满足不同场景下数据的查询需求 -
数据网关
要实现包括权限、监控、流控、日志在内的一系列管控能力，哪个应用的哪个页面访问了哪个模型，要做到实时跟踪，如果有一些模型长时间没有被访问，应该予以下线。 -
逻辑模型
逻辑模型可以类比视图，它可以帮助应用开发者屏蔽底层的数据物理实现，实现相同粒度的数据构造一个逻辑模型，简化了数据接入的复杂度。 -
性能和稳定性
由于数据服务侵入到用户的访问链路，所以对服务的可用性和性能都有很高的要求，数据服务必须是无状态的，可以做到横向扩展。
1.3 数据中台方法论总结
- 适合数据中台的组织架构是建设数据中台的第一步，数据中台组织一定是独立的部门，同时要避免与业务脱节，深入业务，要与业务目标绑定。
- 数据中台支撑技术大规模落地，需要有成熟的系统工具作为支撑，同时要注意这些系统工具之间的联动和打通。
- 数据中台的方法论可以借鉴，但是不能完全照搬，每个公司的数据应用水平和当前遇到的问题都不相同，可以针对这些问题，分阶段制定数据中台的建设计划，选择性的应用一些技术，例如当前最主要的问题是数据质量问题，那就应该优先落地数据质量中心，提升质量
