如何区分数据中心、数据湖和数据仓库?
来源：CPDA数据分析师网 / 作者：数据君 / 时间：2021-04-25
您是否曾经想过是否需要实现数据仓库，数据湖或数据中心？
当区分这三个概念时，仍然存在很多困惑，因为它们听起来很相似，实际上，它们具有每个人都应意识到的重要差异，为了消除对这些概念的困惑，这里是每个的一些定义和目的。
数据仓库
数据仓库是来自两个或更多不同来源的集成和结构化数据的中央存储库，该系统主要用于报告和数据分析，并且被认为是商业智能的核心组件，数据仓库实现了预定义和可重复的分析模式，这些模式已分发给企业中的大量用户。
数据湖
是所有结构化和非结构化企业数据的单一存储，它承载质量有限的未精炼数据，并要求消费者处理并手动为数据增加价值，通常数据准备，报告，可视化，高级分析，数据科学和机器学习的良好基础。
数据中心
数据中心是企业内核心数据的理想去处，它集中了跨应用程序至关重要的企业数据，并实现了不同端点之间的无缝数据共享，同时又是数据治理计划中可信赖数据的主要来源，数据中心为企业应用程序和流程提供主数据，它们还用于将业务应用程序连接到数据仓库和数据湖之类的分析结构。
数据中心与数据仓库与数据湖
它们看起来都相似，但有所不同，简而言之，数据仓库和数据湖是数据收集的端点，它们存在以支持企业的分析，而数据中心则充当中介和数据共享的点。它们不仅仅专注于数据的分析用途，在某些情况下，数据仓库和数据湖提供治理控制，但仅以响应方式提供，而数据中心则主动将治理应用于跨基础结构流动的数据，数据仓库，数据湖和数据中心不是可互换的替代方案，但是它们是互补的并且一起可以支持数据驱动的计划和数字转换。
通过软验证规则提高数据质量
比较浓缩器和验证规则，如果您的目标是提高数据质量，那么使用验证规则来阻止劣质数据进入您信任的系统似乎很明显，但是我们已经看到越来越多的扩展程序用于执行传统上保留给验证规则的数据质量检查，在哪种情况下，浓缩器比验证规则更好地满足业务需求？
数据治理为何重要的3个原因
为什么数据治理对您的业务很重要？这似乎是一个反问。如今，数据在推动业务中的作用已广为人知，数据就是力量，您的见解由数据驱动，因此随之而来的是数据治理也很重要-对吗？但是为什么要这样-数据治理对底线有何作用？数据治理对于您的业务至关重要的原因，以及为什么在将来它仅变得更加必要。
为了清楚起见，什么是数据治理？
很容易猜出数据治理的含义。这是大街上的人可能会说的话，公司有大量数据来自外部，而内部有更多数据正在创建或更新，因此应该对数据进行“管理”，以便获得良好的数据，这是一个公平的选择，它几乎触及了定义的核心-但并不能一路走来，数据治理是一组过程，可确保在整个企业中对重要数据资产进行正式管理，它确保将可信信息用于关键业务流程，决策和会计，现在我们到达那里-让我们进一步解压缩，在这个定义内，我们有3个主要的整体数据治理难题。
规则用于输入和维护数据
管理公司按照这些法律上的数据工作中的数据管理员和用户-数据，当这三个因素同时存在并在公司内部协同工作时，您将拥有良好的数据治理，重要的是要注意，该定义对数据治理提出了两个主要要求，允许进行治理的工具，以及为实现这一目标所做的努力，那么为什么数据治理很重要？公司内部缺乏有效的数据治理可以保证一件事，不良数据的存在。这些不良数据以不一致的定义，重复项缺少的字段以及其他经典数据作为伪证。这些是明确的问题，应该解决-但是什么将特别为解决这些问题的公司带来ROI？
以下是突出显示数据治理为何如此重要的3个主要优点：
1.数据治理省钱
简而言之，数据治理可以提高效率，重复的帐户会导致重复的工作，或者至少会导致浪费时间来跟踪营销，销售，财务或分析工作中的重复帐户，数据治理减少了数据库中的错误，为您的企业提供了一个可靠的数据库来工作，并节省了宝贵的时间，否则这些时间将用于纠正现有数据，节省时间就是节省金钱，数据治理迫使企业清楚地定义其核心数据以及管理该核心数据的规则，数据治理项目的启动是让所有人都在同一页面上讨论核心数据定义的千载难逢的机会，随着时间的推移，强制执行可确保更高的运营效率。
2.不良的数据治理是有风险的
缺乏有效的数据治理是出于安全考虑，其原因有两个与脏数据，非结构化数据相关的外部安全风险以及法规遵从性问题，不良数据和不良结构化数据构成安全风险，其原因很简单，如果脏数据，非结构化数据阻塞了数据库，那么您如何快速判断出什么地方出了问题以及如何有效地监视哪些数据处于危险之中？良好的数据治理工具和实践可以更轻松地监视整个数据库中发生的情况，并且可以更轻松地查看可能存在哪些风险的区域，法规遵从性和数据治理正日趋成为一个热门话题，随着人们继续了解其个人数据的重要性，各国政府开始非常认真地采取公司存储，保护和使用其客户数据的方式。
3.良好的数据治理可提供清晰的信息
花一点时间想象一下，保证数据对您的业务意味着什么，有效的数据治理使您可以放心，数据通常是干净，标准化和准确的，这种影响在整个公司中回荡。
以下是这种清晰度将带来的一些好处：
确保您的指标准确无误-您的KPI如何？
洞悉您重要的指标可能真正是
对您的分析更有信心
好的，数据治理现在很重要-将来如何？
数据治理对于当今的数据驱动型公司而言至关重要
而实际上今天的哪个公司没有试图成为数据驱动型公司？我们现在知道为什么数据治理在当前很重要，现在考虑一下公司将在不久的将来从中受益的三大主要力量，物联网，人工智能和大数据，所有这三方面的力量通过大量的数据可以为许多公司带来巨大的希望，通过这些数据可以获取洞察力和情报，但是数据的涌入增加了对有效数据治理计划的需求，如果一家公司不能领先于物联网，人工智能和大数据带来的脏数据，那么主要结果可能只是大量的数据沼泽，而不是董事会成员所期望的增加的情报和利润。
那么我的公司应该怎么做？
当区分这三个概念时，仍然存在很多困惑，因为它们听起来很相似，实际上，它们具有每个人都应意识到的重要差异，为了消除对这些概念的困惑，这里是每个的一些定义和目的。
数据仓库
数据仓库是来自两个或更多不同来源的集成和结构化数据的中央存储库，该系统主要用于报告和数据分析，并且被认为是商业智能的核心组件，数据仓库实现了预定义和可重复的分析模式，这些模式已分发给企业中的大量用户。
数据湖
是所有结构化和非结构化企业数据的单一存储，它承载质量有限的未精炼数据，并要求消费者处理并手动为数据增加价值，通常数据准备，报告，可视化，高级分析，数据科学和机器学习的良好基础。
数据中心
数据中心是企业内核心数据的理想去处，它集中了跨应用程序至关重要的企业数据，并实现了不同端点之间的无缝数据共享，同时又是数据治理计划中可信赖数据的主要来源，数据中心为企业应用程序和流程提供主数据，它们还用于将业务应用程序连接到数据仓库和数据湖之类的分析结构。
数据中心与数据仓库与数据湖
它们看起来都相似，但有所不同，简而言之，数据仓库和数据湖是数据收集的端点，它们存在以支持企业的分析，而数据中心则充当中介和数据共享的点。它们不仅仅专注于数据的分析用途，在某些情况下，数据仓库和数据湖提供治理控制，但仅以响应方式提供，而数据中心则主动将治理应用于跨基础结构流动的数据，数据仓库，数据湖和数据中心不是可互换的替代方案，但是它们是互补的并且一起可以支持数据驱动的计划和数字转换。
通过软验证规则提高数据质量
比较浓缩器和验证规则，如果您的目标是提高数据质量，那么使用验证规则来阻止劣质数据进入您信任的系统似乎很明显，但是我们已经看到越来越多的扩展程序用于执行传统上保留给验证规则的数据质量检查，在哪种情况下，浓缩器比验证规则更好地满足业务需求？
数据治理为何重要的3个原因
为什么数据治理对您的业务很重要？这似乎是一个反问。如今，数据在推动业务中的作用已广为人知，数据就是力量，您的见解由数据驱动，因此随之而来的是数据治理也很重要-对吗？但是为什么要这样-数据治理对底线有何作用？数据治理对于您的业务至关重要的原因，以及为什么在将来它仅变得更加必要。
为了清楚起见，什么是数据治理？
很容易猜出数据治理的含义。这是大街上的人可能会说的话，公司有大量数据来自外部，而内部有更多数据正在创建或更新，因此应该对数据进行“管理”，以便获得良好的数据，这是一个公平的选择，它几乎触及了定义的核心-但并不能一路走来，数据治理是一组过程，可确保在整个企业中对重要数据资产进行正式管理，它确保将可信信息用于关键业务流程，决策和会计，现在我们到达那里-让我们进一步解压缩，在这个定义内，我们有3个主要的整体数据治理难题。
规则用于输入和维护数据
管理公司按照这些法律上的数据工作中的数据管理员和用户-数据，当这三个因素同时存在并在公司内部协同工作时，您将拥有良好的数据治理，重要的是要注意，该定义对数据治理提出了两个主要要求，允许进行治理的工具，以及为实现这一目标所做的努力，那么为什么数据治理很重要？公司内部缺乏有效的数据治理可以保证一件事，不良数据的存在。这些不良数据以不一致的定义，重复项缺少的字段以及其他经典数据作为伪证。这些是明确的问题，应该解决-但是什么将特别为解决这些问题的公司带来ROI？
以下是突出显示数据治理为何如此重要的3个主要优点：
1.数据治理省钱
简而言之，数据治理可以提高效率，重复的帐户会导致重复的工作，或者至少会导致浪费时间来跟踪营销，销售，财务或分析工作中的重复帐户，数据治理减少了数据库中的错误，为您的企业提供了一个可靠的数据库来工作，并节省了宝贵的时间，否则这些时间将用于纠正现有数据，节省时间就是节省金钱，数据治理迫使企业清楚地定义其核心数据以及管理该核心数据的规则，数据治理项目的启动是让所有人都在同一页面上讨论核心数据定义的千载难逢的机会，随着时间的推移，强制执行可确保更高的运营效率。
2.不良的数据治理是有风险的
缺乏有效的数据治理是出于安全考虑，其原因有两个与脏数据，非结构化数据相关的外部安全风险以及法规遵从性问题，不良数据和不良结构化数据构成安全风险，其原因很简单，如果脏数据，非结构化数据阻塞了数据库，那么您如何快速判断出什么地方出了问题以及如何有效地监视哪些数据处于危险之中？良好的数据治理工具和实践可以更轻松地监视整个数据库中发生的情况，并且可以更轻松地查看可能存在哪些风险的区域，法规遵从性和数据治理正日趋成为一个热门话题，随着人们继续了解其个人数据的重要性，各国政府开始非常认真地采取公司存储，保护和使用其客户数据的方式。
3.良好的数据治理可提供清晰的信息
花一点时间想象一下，保证数据对您的业务意味着什么，有效的数据治理使您可以放心，数据通常是干净，标准化和准确的，这种影响在整个公司中回荡。
以下是这种清晰度将带来的一些好处：
确保您的指标准确无误-您的KPI如何？
洞悉您重要的指标可能真正是
对您的分析更有信心
好的，数据治理现在很重要-将来如何？
数据治理对于当今的数据驱动型公司而言至关重要
而实际上今天的哪个公司没有试图成为数据驱动型公司？我们现在知道为什么数据治理在当前很重要，现在考虑一下公司将在不久的将来从中受益的三大主要力量，物联网，人工智能和大数据，所有这三方面的力量通过大量的数据可以为许多公司带来巨大的希望，通过这些数据可以获取洞察力和情报，但是数据的涌入增加了对有效数据治理计划的需求，如果一家公司不能领先于物联网，人工智能和大数据带来的脏数据，那么主要结果可能只是大量的数据沼泽，而不是董事会成员所期望的增加的情报和利润。
那么我的公司应该怎么做？
当您准备好认真对待数据治理时，必须做好一些准备工作：从多个团队购入，并使用正确的工具，数据治理的重要因素之一是与负责收集，治理和使用数据的所有团队和个人保持一致，确保每个人都参与其中，并有明确的目标，明确定义的流程和明确的权限级别，以确保一切顺利进行。数据治理的关键是有效的协作，正确的数据治理工具应与这些原则紧密结合，确保您要评估的任何工具都易于为企业和IT用户使用，能够在团队之间实现无缝协作，并且具有足够的灵活性以随您不断变化的业务需求而发展。
商业联合会数据分析专业委员会
京公网安备 11010502034401号
课程体系 
试听申请 
复听申请 
在线报名 
考试大纲 
考试报名 
准考证打印 
