数据仓库、数据集市、数据湖、数据中台到底有什么区别？经常看到有人问这个问题

经常看到有人问这个问题，数据玩家也看过很多解释，感觉都不够直观，这里，我尝试用一个大家都理解的例子来说明。
大家都去宜家买过东西吧，还记得一楼的大仓库不，你如果看中了某个家具，想要自己去仓库提货，一般都会记下商品上的编码：

文章图片
这个编码对于顾客来说，肯定是没有任何含义的，看到这个编码，不可能知道他是一个什么商品。
但是这个编码，对于仓库管理员来说是有含义的，他们可以清楚的知道，是哪一个货架，哪一个位置。
当然，顾客到仓库里顺着货架和位置也可以找到商品，但是总归不太直观，挑选的过程还是得在楼上进行。
因此数据仓库就相当于宜家的一楼仓库，在这里，数据（家具）按照特定的模型，如FS-LDM等（货架-位置）组织起来，这种模型，对于顾客（业务人员，数据最终用户）是不友好的，但是对于科技人员（仓库管理员，宜家员工）来说相对友好，因为他按照一种更加集约化的规则将数据（家具）管理起来了，存放集中、规整，提取数据（提货）不用跨库（货仓）寻找，查找的效率更加高。
还是用这个例子，上文提到，数据仓库对业务人员不是很友好，同样，你总不能让顾客直接逛仓库吧？顾客的需求，是按照家具的种类分门别类，按照家庭的不同房间，组合在一起展示的，正如宜家楼上的展厅：

文章图片
虽然也被吐槽像迷宫一样，但是总的来说，购物体验肯定比逛仓库来得好多了。
所以，数据集市就像宜家楼上的展厅，正如其名字“集市”一样，是一个面向最终用户（顾客）的数据市场，在这里，数据（家具）以一种更加容易被业务人员（顾客）接受的方式组合在一起，这些组合方式可能是多变的，因为业务人员（顾客）的需求是多变的，因此我们需要定期调整集市的计算口径（展厅的陈列方式），经常会创建新的数据集市（装修新的展厅）。
数据仓库和集市的概念理解了，其他一些相关问题也就迎刃而解，比如为什么有了数据仓库还要建数据集市？等等。
数据湖至今仍然没有一个特别标准的概念，各种概念中，比较统一的一点是数据湖存储的是未经加工的原始数据，包含结构化和非结构化的各类数据。数据玩家仍然尝试用上面的例子来解释。
大家都知道，宜家的家具是需要自己组装的，所以宜家的顾客们都有一些动手能力，他们突发奇想，所有的家具能不能全部拆散成零部件存放，由顾客们根据实际需要挑选零部件自行拼装？
所以，数据湖就是一个存储了所有企业内原始数据（家具零部件）的存储，这就带来一系列问题，加工后数据的存储已经非常复杂，原始数据则依赖更多的管理功能，不然数据又多又杂难以管理，数据湖会退化为数据沼泽。此外，原始数据如果缺少统一的数据标准，就像不同的家具零部件之间的接口不同，那就无法组装在一起了。

文章图片
因此，数据湖必须有完善的数据管理功能，也依赖于统一的数据标准和良好的数据质量管理。
数据中台也没有一个特别明确的定义，这里很难套用宜家的例子强行解释了，我们来看下各类数据平台：