编程语言谈谈中台、数仓和报表平台的区别

1、先说数据中台

它的起源我就不说了，相信大家或多或少都看过这个有趣的故事：15年马云携高管访问supercell这个游戏公司，这个游戏公司为什么牛逼？就是因为它的员工不多，但是却造出了很多知名的游戏，原因就在于它的中台战略深入人心，如何像他们一样提高人效？这才是高管们关心的。

回到国内，中台的概念就被造出来了，从起名可以看出来，是处于中间位置，连接前后的作用，最终的目的是提高员工和企业的效率。

阿里事业部不下十几个，淘宝、天猫、 1688、聚划算、菜鸟物流，每个事业部都有独立的架构体系，对应各个的开发和运维，这会出现功能重复建设，数据格式不统一，口径不一致。

中台的出现就是为了解决这些重复造轮子的情况，打通各个业务系统的数据，有些费时费力的代码，写过一遍了，为什么还要再写呢？此处@各研发。

再拿某公司来说，很多人都觉得它是app工厂，造出了很多知名的产品如X音、X条等，但是他们的研发背后，肯定有一套，和阿里一样的，合理的数据中台体系。

我想提一下数据中台的价值之一：数据服务化

数据中台要能打通烟囱式的数据体系，避免重复开发，做到全域数据打通，构建公司级统一的数据仓库。同时，也提供更方便的数据访问方式：比如数据API、可视化访问、自助提取等。

说到可视化，就不得不提一下企业的数据架构了：

可视化一般是处于展示层或者应用层，你可以没有中台，但是你不能没有可视化，因为中台是为了研发方便，但是可视化就是为了老板和管理层的决策了，谁重要？

市面上有相当多的可视化工具，成熟的也好，开源的也罢，很多很多，但这些大多是门槛挺高的工具，比如Echarts、Highchart等，或许它们在技术层面上很厉害，也很成熟，但是缺点也很明显：人群太少，只有懂技术的能用。

我做可视化也有点经验，这么几个是比较实用的：

（1）FineReport

国内的一款报表工具，如果要论稳定性、适用性、决策性，它可谓是当仁不让，虽然定位是解决IT重复开发、企业数据孤岛的报表工具，但是还能做可视化大屏，你能想象吗？

（2）FineBI

国内BI的前者，并且已经在这个位置上很多年了。

简洁明了的数据分析工具，也是我个人最喜欢的可视化工具，零代码零代码！！！

可视化的场景都在这里了。

（3）Tableau

国外的工具，BI领域的第一，但是论价钱的话....很多企业都会放弃的，而且就我认识的人来看，有很多用了Tableau然后放弃的，最终回到了国产BI，只能说各有选择吧。

2、再来说说数据仓库

在我看来，数据仓库就是用来进行数据分析的，因为企业数据量大到一定程度之后，说明该企业的规模也是非常大的，数据库在进行大量数据查询的时候效率较低。

如果每次分析都从数据库里取数，那么会非常麻烦，所以就有了数据仓库，每隔一段时间把数据库里面的所有数据放到数据仓库里分析。

数据仓库整合多个数据源，进行多维的分析，其架构一共有4层：

3、两者的区别

先对两者的概念进行一个简单的总结：

• 数据仓库是利用数据平台提供的计算和存储能力，在一套方法论指导下建设的一整套的数据表
• 数据中台包含了数据平台和数据仓库的所有内容，将其打包，并且以更优雅以及更产品化的方式对外提供服务和价值

然后你就会发现：数据中台其实包含数据仓库，数据中台可以将企业数据仓库建设的投入价值进行最大化。再来扩大一点，说说和BI的关系吧，数据仓库是BI的基石，数据仓库为BI系统提供良好的数据基础。

数据仓库的主要场景是支持管理决策和业务分析，而数据中台则是将数据服务化之后提供给业务系统，目标是将数据能力渗透到各个业务环节，不限于决策分析类场景。

数据中台也可以将已建好的数据仓库当成数据源，对接已有数据建设成果，避免重复建设。当然也可以基于数据中台提供的能力，通过汇聚、加工、治理各类数据源，构建全新的离线或实时数据仓库。

不过数据中台更加偏重于数据使用，较之于传统数据仓库的数据组织形式，数据中台的数据覆盖范围更广、数据关系和处理模式更复杂、数据使用方式更灵活，因而给企业内部数据使用人员的能力带来较大挑战。

虽然大多数的语言可以既可被编译又可被解译，但大多数仅在一种情况下能够良好运行。在一些编程系统中，程序要经过几个阶段的编译，一般而言，后阶段的编译往往更接近机器语言。这种常用的使用技巧最早在1960年代末用于BCPL，编译程序先编译一个叫做“0代码”的转换程序（representation），然后再使用虚拟器转换到可以运行于机器上的真实代码。这种成功的技巧之后又用于Pascal和P-code，以及Smalltalk和二进制码，在很多时候，中间过渡的代码往往是解译，而不是编译的。