本文将带你深入了解阿里巴巴如何构建云上数据中台，分享其背后的大数据思想发展史和具体的实施策略，引导你探索如何利用数据驱动业务发展，希望对您在数据管理和应用方面的理解和实践有所帮助。
近日，疫情卷土重来，原本安排的旅游出行计划泡汤，所以还是老老实实在家看书吧，灵魂和身体总有一个要在路上，不是吗~
接下来我们来一起读读《大数据大创新：阿里巴巴云上数据中台之道》这本书，了解阿里建设数据中台的由来以及如何建设数据中台。
有迹可循的大数据思想萌芽，可追溯至1974年，当时便有学者撰写论文，研究如何用程序处理“大数据集”。
1991年，Bill Inmon出版了《建立数据仓库》一束，其中首次提到了数据仓库的定义——面向主题的、集成的、相对稳定的、反映历史变化的数据集合。
2003年，Google公开了内部海量数据处理技术——基于冗余存储机制的分布式文件系统GFS、用于搜索索引计算的并行处理框架MapReduce，这些促成了分布式系统基础架构Hadoop。
2011年，EMC世界大会以“云计算相遇大数据”为主题，正式提出“大数据”的概念，同年，麦肯锡全球研究院发布报告《大数据：创新、竞争和生产力的下一个新领域》。
2017年，根据CCW的研究，全球的大数据市场规模已达到2000亿美元。
而阿里在2012年开始探索在云上构建大数据体系，云上数据中台致力于构建“快、准、全、统、通”的智能大数据体系。其最终目标为催生数据智能化，促进业务发展与模式创新，数据价值变现乃至产业变革升级。
简而言之，就是我们最常听到的用数据来驱动业务发展。
当然说归说，那怎么用数据驱动业务发展的呢？那我们一起来看看中台大佬阿里是怎么做的吧~
整个数据中台包含三个层面：统一计算后台、统一云上数据中台、赋能业务前台。
1. 计算中台
计算后台同时具有离线计算、实时计算、在线分析能力，从而让用户尽可能早并准确地看到历史数据。
2. 数据中台
通过智能数据能力实现全局数仓规划、数据规范定义、数据建模研发、数据连接萃取、数据运维监控等。这些能力需要如何构建的呢？
首先是数据采集，采集尽可能丰富的数据，包含业务数据、服务器日志数据、埋点数据、第三方数据等。
接着进行数据预处理，清晰、结构化采集所得的数据后，行程垂直数据中心，即统一的ODS数据基础层。
然后进行数据建模研发，并处理不因组织架构变动而轻易转移的数据中间层，包含DWD数据明细层和DWS汇总数据中间层，它们与ODS基础层一起行程公共数据中心。
最后增加数据标准，基于OneData规范构建指标体系，计算出复用性强的统计指标，将其增加到公共数据中心。
基于OneEntity规范构建标签体系、数据体系，将各个垂直的孤岛数据连接起来，并萃取不同于统计指标的精华数据，如行为标签、关系等，行程萃取数据中心，包括消费者数据体系、企业数据体系、商品数据体系和位置数据体系。
其最终形态可分为指标体系和标签/数据体系，通常指标体系以业务线的视角进行划分，如划分电商、金融2套指标体系；而标签/数据体系通常以某个实体对象视角进行划分，如划分消费者、商家数据体系。
3. 业务前台
阿里内部部门众多，受众有三大类，阿里小二、阿里客户、社会大众，他们基于同一数据体系，同一份可复用的数据。
阿里小二即内部工作人员，可以使用内部数据平台，进行业务数据化，包含全局数据监控、数据化运营、数据植入业务等，数据平台为其提供如下4个层次的服务。
第一层：数据工具服务
普通运营有查看或分析业务数据的需求，所以阿里数据平台提供了多种BI工具，如快门、小站、孔明灯等，供运营自助获取数据、多维分析、DIY个性化数据门户。目前具有综合性代表意义的是Quick BI。
第二层：专题分析服务
运营对类目分析具有强烈的诉求，平台按照分析师沉淀的成熟分析思路组织数据，帮助运营自助分析行业异动的原因，实现人人都是分析师的目标。代表产品有：
直播厅：辅助业务根据实时数据调整资源及分配流量
行业360：行业一体化分析产品，从行业视角提供360度数据披露及沉淀数据分析的思路
A+：流量分析产品，从流量视角积累并提供流量相关数据，包括对站点、页面、区块、位置浏览、曝光、点击分布数据，一级资源位活动投放数据等进行数据分析
第三层：应用与分析服务
日常营销活动中，需要选择商品和商家搭建专场活动，使用黄金策这类的数据产品，可以完成系统间数据的对接，通过设定条件筛选出目标数据，支持自助分析、调整条件，将调优后的结果直接对接到前台的应用系统，满足个性化推荐的需求
第四层：数据决策服务
高层管理者和决策者需要宏观的业务数据，可沉淀的数据和丰富的趋势来辅助决策，包括通过数据了解业务进展、判断当前进展是否合理，调整业务方向等。
阿里数据平台提供定制化的数据产品，如全景洞察、高管日报等，为高层管理者提供宏观决策分析服务，包括历史数据规律分析、未来发展趋势预测、全行业动态洞察等。
阿里客户即商家、内容创作者等，可以使用生意参谋。
但罗马非一天建成的，阿里庞大的数据体系也是在不同业务驱动下，经过4个阶段的建设，才不断完善起来。
那对于即将建设数据数据中台的企业而言，在缺乏经验的情况下，如何建设适合自己的数据中台服务呢？
接下来一章，草帽小子会继续分享阿里云上数据中台执行计划的文章，敬请关注吧~
专栏作家
草帽小子，公众号：一个数据人的自留地，人人都是产品经理专栏作家。《大数据实践之路：数据中台+数据分析+产品应用》书籍作者，专注用户画像领域。
本文原创发布于人人都是产品经理。未经许可，禁止转载
题图来自Unsplash，基于CC0协议。
该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。