快说，数据湖和数据中台，你到底爱谁？——这是一篇正经的技术分析文章

某企业的小伙“IT大数据转型”要结婚了，但是他很苦恼，数据湖和数据中台，他不知道应该选谁做新娘。
数据湖说：我能够处理的数据体量庞大，对付复杂的数据体系也易如反掌，关键是我可是来自大厂，还是美国国籍。
数据中台说：我也功能强大，不仅能处理海量数据，还能提供数据服务总线，还有一套数据治理理论，最重要的是我家有钱啊。
所以，数据湖和数据中台，你到底爱谁？
小伙“IT大数据转型”急的只挠头：我也不知道啊，数据湖和数据中台，你们长得这么像，我脸盲啊！

数据湖和数据中台在如今的IT大数据转型过程中，是经常出现的两个名词，都是针对企业海量数据做处理、分析、服务的一套平台或体系，从名字和能力方面看都非常接近，但是其实他们不是一回事。

什么是数据湖？
首先聊聊来自大厂的具有美国国籍的数据湖。
数据湖（Data Lake）概念的提出时间仅次于大数据，最初由Pentaho公司的创始人兼CTO James Dixon于2010年10月份提出，所以说数据湖绝对是纯正的美国国籍。
数据湖最初仅仅基于Hadoop开发，用于将企业的各种数据汇集到一个平台，并有效保障数据的安全性（Hadoop的多副本特性），最终实现企业各部门数据孤岛消除。可以说数据湖本身是一个很老的概念，并且功能相对单一。
但是随着亚马逊、Infomatica、IBM、微软的加入，数据湖开始变得能力丰富，不仅仅可以完成海量的异构数据的接入和汇聚，同时能够进行数据的分析、机器学习和应用。亚马逊AWS对数据湖做了进一步解释：“数据湖是一个集中式存储库，允许您以任意规模存储所有结构化和非结构化数据。您可以按原样存储数据（无需先对数据进行结构化处理），并运行不同类型的分析——从控制面板和可视化到大数据处理、实时分析和机器学习，以指导做出更好的决策。”
海外的大数据相关企业确实非常钟情于数据湖的相关产品，例如亚马逊的AWS Lake Formation、IBM的Big SQL、微软的Azure Data Lake Storage（ADLS）等。大多的数据湖均基于Hadoop+Spark构建。我们以亚马逊的数据湖为例：

AWS数据湖平台基于其自有的Amazon S3 Glue构建，我们可以将Amazon S3 Glue理解成大数据体系架构中的IAAS层，用于提供基础计算、存储、网络和安全服务。AWS数据湖包括了如下组件：
数据仓库：用于海量异构数据的存储，正常理解应该包含关系型数据库、列数据库、图数据库和全文数据库
大数据处理：用于完成数据的清洗、转换、融合、关联、脱敏等；
交互查询、数据交换：主要是实现数据的对外服务；
实时分析：实时类数据的即时分析；
可视化：数据的图表展现；
运营分析、可视化、推荐、预测分析：基于不同视角和需求的数据分析，并利用可视化完成结果呈现；
可见数据湖基本已经可以完成数据处理的全部流程，但是可能还不够，所以在AWS的数据分析组件中，还增加了机器学习层，用于辅助数据的分析和应用。整体的AWS数据分析组件如下：

所以你看出来了吗？美国国籍的数据湖其实一套专业的数据处理和分析工具套件，面向专业的数据开发技术人员或者数据分析师，具有相当的使用门槛，但是真的很强大。
但是它也还有一定的缺陷，比如没有很好的解决数据质量的问题（可能人家美国做事认真，不存在数据质量问题）、数据归一化问题。当然我们也不能臆想人家就真的存在这种问题，毕竟国情不同，大家的做事严谨程度也不同。

什么是数据中台？
再来讲数据中台。
数据中台其实是地地道道的中国妹子，它是由阿里巴巴在2015年最早提出的，最初是用于解决阿里巴巴旗下众多电商平台间数据和能力打通问题，以提高电商经营能力，所以说“数据中台”从一开始就具有着浓浓的金钱的味道。
中国的IT界其实也是非常讲究玄学的，所以关于到底什么是数据中台，一直众说纷纭。最常见的一种说法是：数据中台是一套可持续“让企业的数据用起来”的机制，一种战略选择和组织形式，是依据企业特有的业务模式和组织架构，通过有形的产品和实施方法论支撑，构建一套持续不断把数据变成资产并服务于业务的机制。
玄不玄？数据中台是机制。可是机制又是个啥？
阿里巴巴说数据中台并不是一套产品，而是阿里的数据中台方法论体系+生态产品，其内核是OneData体系，即数据中台构建的方法论体系总称，包括数据构建管理的OneModel，实现数据融通连接的OneID，再到提供统一数据服务的One Service，贯穿于整个数据研发流程中并且通过工具实施落地，帮助企业高效建设及管理数据。
是不是也很玄幻？数据中台是一种体系+生态。
不管大家对于数据中台如何下定义，但是从其重叠的部分可以看出，数据中台的重要使命是基于数据、利用工具、变成资产，最终向业务提供高效、有用的服务。
我们看一眼阿里巴巴数据中台全景图，如下：

数据中台基于“计算与存储平台”（即IAAS）进行数据的采集/接入、爬取/采购，利用智能数据研发构建数据资产（管理）进而形成多个数据中心，最后通过统一数据服务中间件（OneService）向淘宝小二、商家、社会应用提供赋能。是不是又闻到浓浓的金钱味道？

数据湖VS数据中台
所以数据湖和数据中台两位妹子到底有什么区别？
数据湖作为一个集中的存储库，可以在其中存储任何形式（结构化和非结构化）、任意规模的数据。在数据湖中，可以不对存储的数据进行结构化，只有在使用数据的时候，再利用数据湖强大的大数据查询、处理、分析等组件对数据进行处理和应用。数据湖具备数据严谨态度，是个标准的IT妹子。
数据中台也具有数据湖的基因，通过数据技术，对海量、多源、多样的数据进行采集、处理、存储、计算，同时统一标准和口径，把数据统一之后，以标准形式存储，形成大数据资产层，以满足前台数据分析和应用的需求。数据中台更强调应用，离业务更近，强调服务于业务的能力。所以数据中台可能是个产品经理妹子，更加符合中国企业的需要（赚钱！）。

关于数据治理
数据湖和数据中台分别是什么样的妹子，我们已经搞清楚了。但是他们两个还有一个共同的闺蜜，叫数据治理，我们也常常脸盲（混淆）。
其实严格来讲，“数据治理”算不上是数据湖和数据中台的闺蜜，它顶多算是个佣人。数据治理在大数据领域里面，并不是一个工具，也不是一个体系，它是其实一项工作，一项在数据湖或数据中台中完成的工作，它主要就是执行数据的接入、处理、管理，每个行业在数据治理的执行过程中会形成自己的方法论，但是需要大量的人力和时间投入。所以啊，数据治理是个苦命的人。

企业需要什么样的数据中台？
小伙“IT大数据转型”基本已经心里有数了，但是它又看了一眼阿里巴巴数据中台全景图，心里不禁又一揪：这得多少钱啊，咱彩礼钱怕是都不够啊，就没有质优价廉的数据中台妹子么？
数据中台妹子已经看出了“IT大数据转型”小伙的心思，只是微微一笑，揭下了头上的光环：傻样，你看看我是谁？我可是“海睿思”数据中台妹子啊，我可跟那些嫌贫爱富的数据中台不一样，我不仅有行业主流的数据中台能力，我还自带好多生态朋友，给你带数据、给你带应用，最重要的是我们家不要彩礼，最低9块9就能把我带回家！
小伙“IT大数据转型”看着“海睿思”数据中台，热泪盈眶：你怎么才来啊！