B. 阿里巴巴 数据中台 — 总结
最近发展
- 数据技术领域
- 数据模型领域：核心职责依然是负责数据模型的建设和管理。在阿里巴巴数据公共层建设时期，该领域关注全局数据模型的设计和数据模型师的培养，而此时更关注的是，如何将数据模型师的经验转换成专家系统，解决业务的逻辑建模、物理建模，以及两者的转换和管理
- 智能黑盒领域：与数据模型领域的“将数据模型师的经验转换为专家系统”相呼应，智能黑盒领域致力于数据的智能化加工生产，并研究与之配套的智能计算、智能存储框架。1. 智能计算关注构建智能计算框架，以实现数据生产，并关注全局的最优执行计划和成本节约等，对数据计算全局最优负责；2. 智能存储关注智能存储框架，以推进事前进行存储的全局最优化规划和成本节约等，对数据存储全局最优负责；
- 数据资产管理领域：以大数据的“资产”本质为驱动，从资产分析、资产治理和资产应用等多角度，致力于实现让大数据从“成本中心”走向“资产中心”，进而成为“利润中心”
- 数据质量领域：关注业务逻辑建模、智能黑盒、公共数据交易等环节涉及的原则、规范和解决方案等，对数据质量负责
- 数据信任领域：致力于互连、开放、共享，其中涉及保护数据隐私、安全等原则，以及侧漏、安防、计量、定价、计费及数据尚云的数据安全策略等，对数据信任关系负责。
- 数据可视化领域：致力于将数据应用于各类场景时，面向各种需求和位置领域进行可视化探索，对数据展示效果负责。
云上数据中台建设方法论
- 方法论全局
- 全流程一体化：即从数据采集到数据服务实现全链路通。在产品层面，不会让用户在不同使用阶段切换于不同产品。
- 向上多样化赋能场景：不仅要有通用产品，还要有行业产品及专享产品。应向不同的应用场景和用户，提供差异化服务。
- 向下屏蔽多计算引擎：不管是哪里的云计算服务，都应该尽可能是兼容甚至屏蔽的，让用户在应用时感觉简单。
- 双向联动：在构建大数据及服务业务应用与创新的过程中，业务和技术是需要协同互动的，而不是一方是另一方的资源这种单向关系。
- OneData体系方法论
- 数据标准化
- 技术内核产品化
- 元数据驱动智能化
- OneEntity体系方法论
- 技术驱动数据连接
- 技术内核产品化
- 业务驱动技术价值化
- OneService体系方法论
- 主题式数据服务
- 统一但多样化的数据服务
- 跨源数据服务