就目前为止，外界已经有很多前辈和朋友对于数据中台的概念、落地、教训等做了很详细的解读和分享。有些观点很赞同，有些观点描述的不是很恰当。当然，这个还是得仁者见仁，智者见智啦。 刚好目前作者所在的团队就是数据中台Team，算是有些实际的落地经验，无论是从产品或者从工程的角度，都有些看法、感悟以及体会。下面，作者会和大家一起从以下几个方面，一起来窥探下企业数据中台背后隐藏的秘密。

最近中台的文章比较多，大多数谈历史，谈原因，之后就是谈技术了，但是中台真的实施起来，却躲不开一些灵魂拷问。大部分人觉得只要有一个英明神武的CIO或者CTO，加上一个英明神武的中台技术委员会，就可以解决上面的问题了。但是如果仔细想一下一个具体落地的场景，你就会发现，这事儿没这么简单。详细问题与两种解决模式请查看文章：

DT时代数据中台的使命就是「持续让数据用起来」，它的一个根本性创新就是把“数据资产”作为一个基础要素独立出来，让成为资产的数据作为生产资料融入业务价值创造过程中，成为推动企业发展源源不断的生产力。—— 数澜科技CEO风剑

本文将详细科普云计算的概念、云服务的发展现状，并逐一介绍各种云服务模式（IaaS、PaaS、SaaS、DaaS），建议收藏！

作为数据分析师，我们的日常工作中，“核对数据”在所难免；某些“命途多舛”的时节，甚至几天都在解决口径核对的问题。同样的一个指标名称，数值却千差万别；各方有各方的说辞，听上去都有道理，可凑到一起，除了“撕逼”再无其他。为了解决这样的困局，我们找到下面的文章，希望这段经验能为更多人所用。

数据可视化，是关于数据视觉表现形式的科学技术研究。其中，这种数据的视觉表现形式被定义为，一种以某种概要形式抽提出来的信息，包括相应信息单位的各种属性和变量。 它是一个处于不断演变之中的概念，其边界在不断地扩大。主要指的是技术上较为高级的技术方法，而这些技术方法允许利用图形、图像处理、计算机视觉以及用户界面，通过表达、建模以及对立体、表面、属性以及动画的显示，对数据加以可视化解释。与立体建模之类的特殊技术方法相比，数据可视化所涵盖的技术方法要广泛得多。本文对数据可视化工具，应用和方法做了详细的介绍，有需要的伙伴可以进行查看。

数据分析是指用适当的统计分析方法对收集来的大量数据进行分析，提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。这一过程也是质量管理体系的支持过程。在实用中，数据分析可帮助人们作出判断，以便采取适当行动。本文用一张图详细拆解了数据分析技能，如有需要可详细 阅读文章。

大数据采集、清洗、处理在大数据中处于至关重要的环节，本文主要分享对某个电商网站产生的用户访问日志（access.log）进行离线处理与分析的过程，基于MapReduce的处理方式，最后会统计出某一天不同省份访问该网站的uv与pv，是一个完整的数据采集、清洗、处理的完整离线数据分析案例。

数据土壤是否足够肥沃，取决于数据的广度、深度、精度、长度和新鲜度，肥沃的土壤就像亚马逊丛林，滋养万物。

随着Hadoop技术的发展,从最初为Google、Facebook等公司解决海量数据的存储问题,到现在被越来越多企业用来处理大数据,企业已经建设好的传统数据仓库地位受到了挑战。本文为大家介绍传统数据仓库架构与Hadoop的区别，以便大家做更好地了解。

数据分层是数据仓库设计中十分重要的一个环节，优秀的分层设计能够让整个数据体系更易理解和使用。而目前网络中大部分可以被检索到相关文章只是简单地提及数据分层的设计，或缺少明确而详细的说明，或缺少可落地实施的方案，或缺少具体的示例说明。

自 2018 年底以来，伴随着阿里、腾讯、百度、京东等一众互联网巨头的大规模组织架构调整，“中台”的热度陡然攀升。一时间，各大互联网公司纷纷开始跟随建设中台。中台的概念是被阿里带火的，2015 年，马云正式确定了阿里的中台战略，最早从 2009 年建设“共享事业部”开始，经过十年实践，阿里将自己的技术和业务能力沉淀出了一套综合能力平台，并梳理出了一套中台建设的方法论。