B. 阿里巴巴 數據中臺 — 總結
最近發展
- 數據技術領域
- 數據模型領域：核心職責依然是負責數據模型的建設和管理。在阿里巴巴數據公共層建設時期，該領域關注全局數據模型的設計和數據模型師的培養，而此時更關注的是，如何將數據模型師的經驗轉換成專家系統，解決業務的邏輯建模、物理建模，以及兩者的轉換和管理
- 智能黑盒領域：與數據模型領域的“將數據模型師的經驗轉換爲專家系統”相呼應，智能黑盒領域致力於數據的智能化加工生產，並研究與之配套的智能計算、智能存儲框架。1. 智能計算關注構建智能計算框架，以實現數據生產，並關注全局的最優執行計劃和成本節約等，對數據計算全局最優負責；2. 智能存儲關注智能存儲框架，以推進事前進行存儲的全局最優化規劃和成本節約等，對數據存儲全局最優負責；
- 數據資產管理領域：以大數據的“資產”本質爲驅動，從資產分析、資產治理和資產應用等多角度，致力於實現讓大數據從“成本中心”走向“資產中心”，進而成爲“利潤中心”
- 數據質量領域：關注業務邏輯建模、智能黑盒、公共數據交易等環節涉及的原則、規範和解決方案等，對數據質量負責
- 數據信任領域：致力於互連、開放、共享，其中涉及保護數據隱私、安全等原則，以及側漏、安防、計量、定價、計費及數據尚雲的數據安全策略等，對數據信任關係負責。
- 數據可視化領域：致力於將數據應用於各類場景時，面向各種需求和位置領域進行可視化探索，對數據展示效果負責。
雲上數據中臺建設方法論
- 方法論全局
- 全流程一體化：即從數據採集到數據服務實現全鏈路通。在產品層面，不會讓用戶在不同使用階段切換於不同產品。
- 向上多樣化賦能場景：不僅要有通用產品，還要有行業產品及專享產品。應向不同的應用場景和用戶，提供差異化服務。
- 向下屏蔽多計算引擎：不管是哪裏的雲計算服務，都應該儘可能是兼容甚至屏蔽的，讓用戶在應用時感覺簡單。
- 雙向聯動：在構建大數據及服務業務應用與創新的過程中，業務和技術是需要協同互動的，而不是一方是另一方的資源這種單向關係。
- OneData體系方法論
- 數據標準化
- 技術內核產品化
- 元數據驅動智能化
- OneEntity體系方法論
- 技術驅動數據連接
- 技術內核產品化
- 業務驅動技術價值化
- OneService體系方法論
- 主題式數據服務
- 統一但多樣化的數據服務
- 跨源數據服務