这是我参与11月更文挑战的第7天，活动详情查看：2021最后一次更文挑战
从近期行业反馈看，数据中台对于企业重要性毋庸置疑，或者说基于企业内外部数据的体系化管理，数据价值深度分析挖掘的需求越来越明确。
目前主流的数据中台架构成型于电商和金融行业，从标准大数据数仓演化，与传统企业数据仓库相比，增加了数据湖、非结构化/半结构化数据存储，实时计算，数据API服务等能力，在企业中，按不同阶段与成熟度可起到如下价值：
- 企业内部数据的统一汇集平台（可理解为传统意义数仓，或企业已存在的分领域数仓的聚合）；
- 若企业无主数据系统，可作为企业轻量级主数据管理或数据mapping关系管理平台；
- 企业领域数据模型管理，并以此形成企业各领域数据资产；
- 企业指标、标签管理平台；
- 企业数据集市底座；
- 企业数据银行底座；
- 企业数据API底座；
- 企业数据可视化应用底座；
- 数据资产门户； 数据中台技术架构一般是基于Hadoop和Spark体系相关技术，融合数据采集、分析、存储能力，以Spring boot/微服务形态对外提供服务（API+自助式服务门户，这也是从技术层面与大数据仓库最大的不同）。
数据中台最大业务价值体现在建立统一的数据模型（可与按照业务领域建模的逻辑，识别领域对象，以及相关关键属性及行为，形成数据域资产）、统一的指标口径（指标定义、计算模型、数据源描述等信息）、统一的数据访问权限管理。按照OneData，OneID，OneService的原则，数据只抽取一次，通过集中式的数据域和数据指标，服务于数据集市中的多方数据应用，保障数据服务的一致性和安全性。
附：常用数据主题域及关键业务指标
