数据平台是基础（数据平台是基础工作吗）

本篇文章给大家谈谈数据平台是基础，以及数据平台是基础工作吗对应的知识点，希望对各位有所帮助，不要忘了收藏本站喔。 今天给各位分享数据平台是基础的知识，其中也会对数据平台是基础工作吗进行解释，如果能碰巧解决你现在面临的问题，别忘了关注本站，现在开始吧！

本文目录一览：

• 1、什么是基础数据信息平台
• 2、CDP指的是什么
• 3、到底什么是数据中台？

什么是基础数据信息平台

一直想整理一下这块内容，既然是漫谈，就想起什么说什么吧。数据平台是基础我一直是在互联网行业，就以互联网行业来说。
先大概列一下互联网行业数据仓库、数据平台的用途：

整合公司所有业务数据，建立统一的数据中心；

提供各种报表，有给高层的，有给各个业务的；

为网站运营提供运营上的数据支持，就是通过数据，让运营及时了解网站和产品的运营效果；

为各个业务提供线上或线下的数据支持，成为公司统一的数据交换与提供平台；

分析用户行为数据，通过数据挖掘来降低投入成本，提高投入效果；比如广告定向精准投放、用户个性化推荐等；

开发数据产品，直接或间接为公司盈利；

建设开放数据平台，开放公司数据；

。。。。。。

上面列出的内容看上去和传统行业数据仓库用途差不多，并且都要求数据仓库/数据平台有很好的稳定性、可靠性；但在互联网行业，除了数据量大之外，越来越多的业务要求时效性，甚至很多是要求实时的 ，另外，互联网行业的业务变化非常快，不可能像传统行业一样，可以使用自顶向下的方法建立数据仓库，一劳永逸，它要求新的业务很快能融入数据仓库中来，老的下线的业务，能很方便的从现有的数据仓库中下线；

其实，互联网行业的数据仓库就是所谓的敏捷数据仓库，不但要求能快速的响应数据，也要求能快速的响应业务；

建设敏捷数据仓库，除了对架构技术上的要求之外，还有一个很重要的方面，就是数据建模，如果一上来就想着建立一套能兼容所有数据和业务的数据模型，那就又回到传统数据仓库的建设上了，很难满足对业务变化的快速响应。应对这种情况，一般是先将核心的持久化的业务进行深度建模（比如：基于网站日志建立的网站统计分析模型和用户浏览轨迹模型；基于公司核心用户数据建立的用户模型），其它的业务一般都采用维度+宽表的方式来建立数据模型。这块是后话。

整体架构下面的图是我们目前使用的数据平台架构图，其实大多公司应该都差不多：

请点击输入图片描述

逻辑上，一般都有数据采集层、数据存储与分析层、数据共享层、数据应用层。可能叫法有所不同，本质上的角色都大同小异。

我们从下往上看：

数据采集数据采集层的任务就是把数据从各种数据源中采集和存储到数据存储上，期间有可能会做一些简单的清洗。

数据源的种类比较多：

网站日志：

作为互联网行业，网站日志占的份额最大，网站日志存储在多台网站日志服务器上，

一般是在每台网站日志服务器上部署flume agent，实时的收集网站日志并存储到HDFS上；

业务数据库：

业务数据库的种类也是多种多样，有Mysql、Oracle、SqlServer等，这时候，我们迫切的需要一种能从各种数据库中将数据同步到HDFS上的工具，Sqoop是一种，但是Sqoop太过繁重，而且不管数据量大小，都需要启动MapReduce来执行，而且需要Hadoop集群的每台机器都能访问业务数据库；应对此场景，淘宝开源的DataX，是一个很好的解决方案（可参考文章 《异构数据源海量数据交换工具-Taobao DataX 下载和使用》），有资源的话，可以基于DataX之上做二次开发，就能非常好的解决，我们目前使用的DataHub也是。

当然，Flume通过配置与开发，也可以实时的从数据库中同步数据到HDFS。

来自于Ftp/Http的数据源：

有可能一些合作伙伴提供的数据，需要通过Ftp/Http等定时获取，DataX也可以满足该需求；

其他数据源：

比如一些手工录入的数据，只需要提供一个接口或小程序，即可完成；

数据存储与分析毋庸置疑，HDFS是大数据环境下数据仓库/数据平台最完美的数据存储解决方案。

离线数据分析与计算，也就是对实时性要求不高的部分，在我看来，Hive还是首当其冲的选择，丰富的数据类型、内置函数；压缩比非常高的ORC文件存储格式；非常方便的SQL支持，使得Hive在基于结构化数据上的统计分析远远比MapReduce要高效的多，一句SQL可以完成的需求，开发MR可能需要上百行代码；

当然，使用Hadoop框架自然而然也提供了MapReduce接口，如果真的很乐意开发Java，或者对SQL不熟，那么也可以使用MapReduce来做分析与计算；Spark是这两年非常火的，经过实践，它的性能的确比MapReduce要好很多，而且和Hive、Yarn结合的越来越好，因此，必须支持使用Spark和SparkSQL来做分析和计算。因为已经有Hadoop Yarn，使用Spark其实是非常容易的，不用单独部署Spark集群，关于Spark On Yarn的相关文章，可参考：《Spark On Yarn系列文章》

实时计算部分，后面单独说。

数据共享这里的数据共享，其实指的是前面数据分析与计算后的结果存放的地方，其实就是关系型数据库和NOSQL数据库；

前面使用Hive、MR、Spark、SparkSQL分析和计算的结果，还是在HDFS上，但大多业务和应用不可能直接从HDFS上获取数据，那么就需要一个数据共享的地方，使得各业务和产品能方便的获取数据； 和数据采集层到HDFS刚好相反，这里需要一个从HDFS将数据同步至其他目标数据源的工具，同样，DataX也可以满足。

另外，一些实时计算的结果数据可能由实时计算模块直接写入数据共享。

数据应用

业务产品

业务产品所使用的数据，已经存在于数据共享层，他们直接从数据共享层访问即可；

报表

同业务产品，报表所使用的数据，一般也是已经统计汇总好的，存放于数据共享层；

即席查询

即席查询的用户有很多，有可能是数据开发人员、网站和产品运营人员、数据分析人员、甚至是部门老大，他们都有即席查询数据的需求；

这种即席查询通常是现有的报表和数据共享层的数据并不能满足他们的需求，需要从数据存储层直接查询。

即席查询一般是通过SQL完成，最大的难度在于响应速度上，使用Hive有点慢，目前我的解决方案是SparkSQL，它的响应速度较Hive快很多，而且能很好的与Hive兼容。

当然，数据平台是基础你也可以使用Impala，如果不在乎平台中再多一个框架的话。

OLAP

目前，很多的OLAP工具不能很好的支持从HDFS上直接获取数据，都是通过将需要的数据同步到关系型数据库中做OLAP，但如果数据量巨大的话，关系型数据库显然不行；

这时候，需要做相应的开发，从HDFS或者HBase中获取数据，完成OLAP的功能；

比如：根据用户在界面上选择的不定的维度和指标，通过开发接口，从HBase中获取数据来展示。

其它数据接口

这种接口有通用的，有定制的。比如：一个从Redis中获取用户属性的接口是通用的，所有的业务都可以调用这个接口来获取用户属性。

实时计算现在业务对数据仓库实时性的需求越来越多，比如：实时的了解网站的整体流量；实时的获取一个广告的曝光和点击；在海量数据下，依靠传统数据库和传统实现方法基本完成不了，需要的是一种分布式的、高吞吐量的、延时低的、高可靠的实时计算框架；Storm在这块是比较成熟了，但我选择Spark Streaming，原因很简单，不想多引入一个框架到平台中，另外，Spark Streaming比Storm延时性高那么一点点，那对于我们的需要可以忽略。

我们目前使用Spark Streaming实现了实时的网站流量统计、实时的广告效果统计两块功能。

做法也很简单，由Flume在前端日志服务器上收集网站日志和广告日志，实时的发送给Spark Streaming，由Spark Streaming完成统计，将数据存储至Redis，业务通过访问Redis实时获取。

任务调度与监控在数据仓库/数据平台中，有各种各样非常多的程序和任务，比如：数据采集任务、数据同步任务、数据分析任务等；

这些任务除了定时调度，还存在非常复杂的任务依赖关系，比如：数据分析任务必须等相应的数据采集任务完成后才能开始；数据同步任务需要等数据分析任务完成后才能开始； 这就需要一个非常完善的任务调度与监控系统，它作为数据仓库/数据平台的中枢，负责调度和监控所有任务的分配与运行。

前面有写过文章，《大数据平台中的任务调度与监控》,这里不再累赘。

总结在我看来架构并不是技术越多越新越好，而是在可以满足需求的情况下，越简单越稳定越好。目前在我们的数据平台中，开发更多的是关注业务，而不是技术，他们把业务和需求搞清楚了，基本上只需要做简单的SQL开发，然后配置到调度系统就可以了，如果任务异常，会收到告警。这样，可以使更多的资源专注于业务之上。

请点击输入图片描述

CDP指的是什么

1. 什么是CDP（Customer Data Platform）
CDP（Customer Data Platform）指数据平台是基础的就是跨平台收集和整合客户数据的公共数据平台数据平台是基础，CDP可以收集实时数据数据平台是基础，并且将其构建成单独的，集中的客户档案。
CDP的存在是由于客户数据和营销运营都不可或缺。那么究竟什么是客户数据呢？
2. 什么是客户数据
客户数据主要有四种。
身份数据：
身份数据中包括姓名，年龄，性别等基本信息，正是这些信息使企业能够快速识别每一个客户。
描述性数据：
描述性数据中包括职业，爱好等信息，是对于身份数据的扩充，能够让企业更全面地了解客户。不同类型的公司所收集的描述性数据也各不相同，例如纸尿裤公司会注重对于客户家庭信息的收集。
定量或行为数据：
定量数据中包括交易，邮件等信息，能够让企业了解客户的互动方式。企业可以依据顾客的消费偏好定制营销方式，使营销效益最大化。
定性数据：
定性数据中包括意见、态度等信息，能够赋予客户数据以个性。企业也可以通过收集定性数据来更改营销策略，探索更适合客户的营销模式。Alt：客户数据
那CDP和CRM有什么区别呢？
CDP与CRM
CDP收集匿名访问者的数据，但CRM只报告已知客户或潜在客户。
CDP自动跟踪在线和离线客户数据，但CRM需要手动输入才可以获取离线数据。这就意味着CDP获取数据更为便利。
CDP能够处理大量来源的多个数据点，这就代表着数据丢失的可能性很小，但CRM收集单独输入的数据，因此数据丢失的可能性较大。
因此，CDP可以使营销工作变得更简单。
CDP的优势
CDP避免数据孤岛：
数据孤岛是指一组原始数据可由一个部门访问，但是该部门与其他部门相隔离，导致企业内部数据不流通，协作性较低，减慢了企业前进的步伐，并会影响到客户档案数据的准确性，而CDP通过统一企业的客户数据来实现企业内部所有员工去访问数据。
公司中的每个人都需要以某种形式访问客户数据。营销团队需要客户数据来进行归因和分析。销售团队需要客户数据来更快地完成交易。财务和运营团队需要客户数据来了解支付和购买行为。CDP（客户数据平台）是基础设施的关键部分，它可以在所有公司中以结构化的方式实际收集和使用客户数据。
CDP收集第一手数据：
每天有成千上万条数据产生，如何快速又准确地甄别出我们所需要的数据呢？答案是使用CDP，CDP通过收集第一手数据——直接来自于客户，例如面向网站访问者，社交媒体关注者或是订阅者的数据，确保数据的准确性。
CDP帮助企业了解客户：
进行以客户为中心的营销，企业必须先了解客户。CDP帮助企业建立客户档案，构建客户身份图以及对客户进行行为分析，从而帮助企业准确有效地管理客户关系与市场。
CDP统一跨渠道营销工作：
大多数企业可能会同一时间进行多项营销工作，在众多数据中选取出合适的数据进行部门之间的交流，会耗费员工大量精力与时间。CDP即可为您和您的员工节省这些时间：CDP通过提供整合准确的数据来统一多渠道和跨渠道的营销工作，提高员工的工作效率。
在整个营销活动中，客户数据的收集与分析在营销决策中起着关键性作用，而CDP是收集信息与正确分析信息的有效工具之一。

到底什么是数据中台？

数据中台是什么？

数据中台是指通过数据技术，收集、计算、存储、加工大量数据，同时统一标准和口径。统一数据后，数据中心将形成标准数据，然后存储，形成大数据生产层，为客户提供高效服务。这些服务与企业的业务问题密切相关，是企业独有的，可重复使用。它是企业业务和数据的沉淀。它不仅可以降低重复建设和合作成本，而且具有差异化的竞争优势。

数据中台的整体技术架构采用云计算架构模式，充分云化数据资源和存储资源，通过多租户技术包装整合资源，开放，为用户提供“一站式”数据服务。利用大数据技术，收集和管理大量数据，统一处理企业内部所有数据，形成标准化数据，挖掘企业最有价值的数据，建立企业数据资产库，提供一致、标准的数据服务。

我们要明确地认识到，数据中台并不是一套软件或信息系统，而是一系列数据组件的集合，企业根据自己的信息化建设基础、数据基础和业务特征来确定数据中台的能力，根据功能定义使用数据组件构建他们自己的数据中台。

数据中台主要做什么：

数据中台一般会具备4个能力：数据采集整合、数据提纯加工、数据服务可视化、数据价值变现。

数据采集整合：创建企业数据中台第一步，打破企业内部各个业务系统的数据隔阂，形成统一的数据中心，为后续数据价值的挖掘提供基础。主要通过数据采集和数据交换实现。

数据提纯加工：主要是对数据统一标准、补充属性，然后根据维度汇总成数据表、最后汇总出所需要的报表，满足企业对数据的需求。

数据服务可视化：对数据进行计算逻辑的封装，生成API服务，上层数据应用可以对接数据服务API，让数据快速应用到业务场景中。数据服务API对接的3种常见数据应用包括数据大屏、数据报表、智能应用。

数据价值变现：通过打通企业数据，提供以前单个部门或者单个业务部门无法提供的数据服务能力，为赋能前端应用、数据价值变现提供基础。

关于数据平台是基础和数据平台是基础工作吗的介绍到此就结束了，不知道你从中找到你需要的信息了吗 ？如果你还想了解更多这方面的信息，记得收藏关注本站。 数据平台是基础的介绍就聊到这里吧，感谢你花时间阅读本站内容，更多关于数据平台是基础工作吗、数据平台是基础的信息别忘了在本站进行查找喔。

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。