一文看懂数据仓库,数据湖,数据工厂,数据中台的区别

1. 数据仓库

数据仓库（Data Warehouse）是一个面向主题的、集成的、相对稳定的、反映历史变化的数据集合，用于支持管理决策和信息的全局共享。

所谓面向主题，是指根据使用者实际需求，将不同数据源的数据在一个较高的抽象层次上做整合，所有数据都围绕某一主题来组织，例如：采购主题、生产主题、客户主题、销售主题等。

所谓集成性，是指数据仓库中存储的数据是来源于多个数据源的集成、汇总。由于原始数据来自不同的数据源，存储方式各不相同。要整合成为最终的数据集合，需要从数据源经过一系列抽取、清洗、转换的过程。

所谓相对稳定，是指数据仓库中存储的数据一般为“既成事实”的数据，也可理解为历史数据的一个快照，只做查询分析用，不允许修改。

所谓反映历史变化，是指数据仓库根据不断集成新的主题数据，反应出该主题的数据变化情况，例如：销售业绩完成情况。

2. 数据湖

数据湖是将来自不同数据源、不同数据类型（结构化、半结构化、非结构化）的数据，以原始格式存储进行存储的系统，它按原样存储数据，而无需事先对数据进行结构化处理。

有人认为数据湖是数据仓库的PLUS版，增强了数据存储的能力。而实际上，数据湖不简单是数据仓库一个技术上的升级，更重要的是数据管理思维的升级。数据仓库是需要事先定义好数据结构，然后是报表取数。而大数据的发展，数据形式越发多样化，传统数仓这种定义数据结构、取数、出表的模式，已经很难满足业务上的需求了。

因此，数据湖以原始格式存储各种类型数据，以及按需进行数据结构化处理、数据清理、提供数据服务，以更加灵活的方式支持多种应用场景的能力越来越受到人们的欢迎。

3. 数据工厂

前边提到的数据仓库和数据湖，重点侧重于数据的存储，本质上是“原材料”的存储系统，而要让数据发挥价值，就必须将这个“原材料”需要加工成用户需要的“产品”。数据工厂就是根据用户的需求，将原始数据进行加工、处理、清洗、转换、汇总等各种加工工序，生产出能够被用户直接使用的数据产品。

数据工厂包含了多种数据处理的工具，以满足不同处理工序的作业需要，例如：数据源连接、数据同步、数据清洗、数据转换、数据工作流、数据目录、数据服务等等。

4. 数据中台

其实，如果从功能构件上来讲，我认为：数据中台就是数据湖+数据工厂的一个综合。但不同的是数据中台更注重数据应用，离业务更近，强调一个快速敏捷。

数据中台不仅关注原始数据的存储及处理加工，更侧重将数据处理过程中，常用的逻辑、算法、标签、模型进行沉淀，而形成一系列的“数据半成品”，然后根据前台业务的需要，快速生产出用户需要的“数据产品”。数据中台能力强弱，要看这个“数据半成品”积累的多少了。

在数据生产的整个链条中，对于如何筑湖、如何选址建厂、按什么工序加工、以及如何配送，这是技术部门的事情，而“数据半成品”的沉淀和积累，却不是技术能决定的了。因此，数据中台的建设更强调需求驱动、业务主导。