数据中台
不是产品，不是东西。
数据处理的总和业务平台，对接企业需求的前后端。
对海量数据进行采集、计算、存储、加工，同时统一标准和口径。
解决什么
我：
-
效率问题：需求增加的时间节省；试试可以获取最新数据；动态监控数据的异常变化，避免错误和资源损耗；
-
协作问题：数据的统一标准，提高与业务或者前端的对接效率，避免重复开发；
-
能力问题：对于数据维护 ，数据开发，让操作变的更加简洁，高效，安全稳定。减少成本。
-
增加了 图片拖拽 功能，你可以将本地的图片直接拖拽到编辑区域直接展示；
-
类似吗？1** paas和saas算是吗？；
功能快捷键
DData API 是数据中台的核心，它是连接前台和后台的桥梁
这里是数据的加工厂，完成各种的产成品，提供给前端；
至于是自动化，流水线，还是小作坊，就体现不同中台的强大内核了。
数据中台能力
- 数据资产管理
盘点数据资源、规划数据资源、获取数据资源，并将所有数据资源进行完整呈现；通过元数据信息收集、数据血缘探查、数据权限申请授权等手段，解决"有哪些数据可用"、"到哪里可以找到数据"的难题，并且提升数据资源的利用率。
- 数据质量管理
数据质量就是保障数据正确性的工具，主要包括这么几部分：一是支持准确性校验规则，二是支持双表校验，三是输出校验报告。
- 数据模型管理
数据模型管理，主要是为解决架构设计和数据开发的不一致性，是为了约束平台使用者的表名、字段名的规范性，架构师从工具层合理的进行模型分层和统一开发规范,包括2部分，一个是规则配置，另一个是对表名、字段名的定期校验。
- 构建标签体系
对用户、产品、客商、营销各主题域进行标签提取，将其特征数字化，为后续进行精准 营销和用户画像提供必要条件。着重分析当前需要但是无法获取到的指标，描述使用不便的指标，分析问题原因，绘制数据供应链条；
- 数据应用规划及实现
数据中台策略的基本理念是，将所有的数据汇聚到数据中台，以后的每个数据应用（无论是指标和分析类的，还是画像类和大数据类的）统统从数据中台获取数据，如果数据中台没有，那么数据中台就负责把数据找来，如果数据中台找不来，就说明当前真没有这个数据，数据应用也就无从展开。
数据中台构成
三者的关键区别有以下几方面：
数据中台是企业级的逻辑概念，体现企业 D2V（Data to Value）的能力，为业务提供服务的主要方式是数据 API；
数据仓库是一个相对具体的功能概念，是存储和管理一个或多个主题数据的集合，为业务提供服务的方式主要是分析报表；
数据平台是在大数据基础上出现的融合了结构化和非结构化数据的数据基础平台，为业务提供服务的方式主要是直接提供数据集；
数据中台距离业务更近，为业务提供速度更快的服务；
数据仓库是为了支持管理决策分析，而数据中台则是将数据服务化之后提供给业务系统，不仅限于分析型场景，也适用于交易型场景；
数据中台可以建立在数据仓库和数据平台之上，是加速企业从数据到业务价值的过程的中间层。