我對一些當下較為熱門的概念做了一些梳理，其實想要了解區別，我覺得得先知道它們各自的定義。

1、先說數據中臺

它的起源我就不說了，相信大家或多或少都看過這個有趣的故事：15年馬云攜高管訪問supercell這個游戲公司，這個游戲公司為什么牛逼？就是因為它的員工不多，但是卻造出了很多知名的游戲，原因就在于它的中臺戰略深入人心，如何像他們一樣提高人效？這才是高管們關心的。

回到國內，中臺的概念就被造出來了，從起名可以看出來，是處于中間位置，連接前后的作用，最終的目的是提高員工和企業的效率。

阿里事業部不下十幾個，淘寶、天貓、 1688、聚劃算、菜鳥物流，每個事業部都有獨立的架構體系，對應各個的開發和運維，這會出現功能重復建設，數據格式不統一，口徑不一致。

中臺的出現就是為了解決這些重復造輪子的情況，打通各個業務系統的數據，有些費時費力的代碼，寫過一遍了，為什么還要再寫呢？此處@各研發。

再拿某公司來說，很多人都覺得它是app工廠，造出了很多知名的產品如X音、X條等，但是他們的研發背后，肯定有一套，和阿里一樣的，合理的數據中臺體系。

我想提一下數據中臺的價值之一：數據服務化

數據中臺要能打通煙囪式的數據體系，避免重復開發，做到全域數據打通，構建公司級統一的數據倉庫。同時，也提供更方便的數據訪問方式：比如數據API、可視化訪問、自助提取等。

說到可視化，就不得不提一下企業的數據架構了：

可視化一般是處于展示層或者應用層，你可以沒有中臺，但是你不能沒有可視化，因為中臺是為了研發方便，但是可視化就是為了老板和管理層的決策了，誰重要？

市面上有相當多的可視化工具，成熟的也好，開源的也罷，很多很多，但這些大多是門檻挺高的工具，比如Echarts、Highchart等，或許它們在技術層面上很厲害，也很成熟，但是缺點也很明顯：人群太少，只有懂技術的能用。

我做可視化也有點經驗，這么幾個是比較實用的：

（1）FineReport

國內的一款報表工具，如果要論穩定性、適用性、決策性，它可謂是當仁不讓，雖然定位是解決IT重復開發、企業數據孤島的報表工具，但是還能做可視化大屏，你能想象嗎？

（2）FineBI

國內BI的前者，并且已經在這個位置上很多年了。

簡潔明了的數據分析工具，也是我個人最喜歡的可視化工具，零代碼零代碼！！！

可視化的場景都在這里了。

（3）Tableau

國外的工具，BI領域的第一，但是論價錢的話....很多企業都會放棄的，而且就我認識的人來看，有很多用了Tableau然后放棄的，最終回到了國產BI，只能說各有選擇吧。

2、再來說說數據倉庫

在我看來，數據倉庫就是用來進行數據分析的，因為企業數據量大到一定程度之后，說明該企業的規模也是非常大的，數據庫在進行大量數據查詢的時候效率較低。

如果每次分析都從數據庫里取數，那么會非常麻煩，所以就有了數據倉庫，每隔一段時間把數據庫里面的所有數據放到數據倉庫里分析。

數據倉庫整合多個數據源，進行多維的分析，其架構一共有4層：

3、兩者的區別

先對兩者的概念進行一個簡單的總結：

• 數據倉庫是利用數據平臺提供的計算和存儲能力，在一套方法論指導下建設的一整套的數據表
• 數據中臺包含了數據平臺和數據倉庫的所有內容，將其打包，并且以更優雅以及更產品化的方式對外提供服務和價值

然后你就會發現：數據中臺其實包含數據倉庫，數據中臺可以將企業數據倉庫建設的投入價值進行最大化。再來擴大一點，說說和BI的關系吧，數據倉庫是BI的基石，數據倉庫為BI系統提供良好的數據基礎。

數據倉庫的主要場景是支持管理決策和業務分析，而數據中臺則是將數據服務化之后提供給業務系統，目標是將數據能力滲透到各個業務環節，不限于決策分析類場景。

數據中臺也可以將已建好的數據倉庫當成數據源，對接已有數據建設成果，避免重復建設。當然也可以基于數據中臺提供的能力，通過匯聚、加工、治理各類數據源，構建全新的離線或實時數據倉庫。

不過數據中臺更加偏重于數據使用，較之于傳統數據倉庫的數據組織形式，數據中臺的數據覆蓋范圍更廣、數據關系和處理模式更復雜、數據使用方式更靈活，因而給企業內部數據使用人員的能力帶來較大挑戰。