世界快报:数据中台前世今生五：数据中台核心理念One Data、One Service

网上有很多讲“如何建设数据中台”的文章，大家的观点各不相同。

有的说，数据中台是一种数据建设的方法论，按照数据中台设计方法和规范实施就可以建成数据中台了；也有人认为，数据中台的背后是数据部门组织架构的变更，把原先分散的组织架构形成一个统一的中台部门，就建成了数据中台；此外，你可能还听到过一些大数据公司说，他们可以卖支撑数据中台建设的产品技术。

(相关资料图)

那么，数据中台到底如何建设呢？

六大核心问题的解决都在于两大理念的推进

其实早在2016年，阿里巴巴就提出了数据中台建设的两大核心理念：One Data, One Service，这也是世界公认的解决数字化转型现阶段问题的方法，用一句话定义就是：所有数据只加工一次，数据即服务。

One Data

One Data就是指所有数据只加工一次。

例如，电商场景，数据中台就是要在整个电商业务形成一个公共数据层，协同跨部门的小数仓，实现数据的复用，不会因为不同的应用场景，不同的部门数据重复加工。

阿里数据中台全景图

那么，如何去做才能实现数据只加工一次呢？有以下五点：

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

试想一下，现在你着手搭建数据中台，第一步，面对企业存在几万张表，同时又有几十个数据开发维护这些表，你如何来确保这些表的管理效率？

首先，你需要划分主题域。我们可以将这几万张表划到不同的主题域中，比如在电商业务中，商品、交易、流量、用户、售后、配送、供应链都可以作为主题域。标准且准确的主题域划分，是相对稳定的，尽可能地覆盖绝大多数的表。（我们可以理解为数据目录）

数据目录：方便进行表的管理以及基于目录的数据检索

除此之外，还要对表的命名进行规范化统一，表的名称中最好能够携带表的主题域、业务过程、分层以及分区信息。接下来，为了实现模型的复用，数据中台的数据存储适合采用分层设计方式，常见的分层包括：ODS原始数据层、DWD明细数据层、DWS轻度汇总数据层、ADS/DM应用数据层/数据集市层。最后，数据中台的数据必须尽可能的覆盖所有的业务过程，数据中台中每一层的数据也要尽可能完善，让数据使用者尽可能的使用汇总后的数据。

统一数据规范

综上，One Data 体系的目标是构建统一的数据规范标准，让数据成为一种资产，而不是成本。

One Service

One Service即数据即服务，强调数据中台中的数据应该是通过API 接口的方式被访问。

那么，为什么数据一定要通过 API 接口的方式被访问，不通过 API 接口，直接提供数据表给用户又存在哪些问题呢？

如果你是数据应用开发，当你要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需要Greenplum；实时性要求高的需要用到Redis。

因此，不同的查询引擎，应用开发需要定制不同的访问接口。

使用数据API大大降低数据开发人员工作量

如果你是一个数据开发，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。

与此同时，当你想下线一张表时，因为不知道谁访问了这张表，无法实施，最终造成了“上线容易，下线难“的窘境。

而 API 接口一方面对应用开发屏蔽了底层数据存储，使用统一标准的 API 接口查询数据，提高了数据接入的速度。

另一方面，对于数据开发，提高了数据应用的管理效率，建立了表到应用的链路关系，一旦出现问题需要追查数据，便清晰地通过链路最终到指定的表和字段。