消除数据重力，从智能湖仓（Lake House）读懂实现数据价值的未来

忽如一夜春风来，湖仓架构似花开。

今年的云计算市场，似乎谁不提湖仓架构谁就落伍。为何湖仓架构这么火？如今看来，数据湖和数据仓库加速互动，看似偶然、其实必然。

曾几何时，很多用户因为本地数据仓库方案各种局限性而叫苦不迭；当进入到大数据时代，数据湖概念兴起，人们看到了实现数据价值的新途径，甚至还有厂商发出用数据湖替代传统数据仓库功能的声音。

殊不知，数据湖与数据仓库从来就不是取代与被取代的关系。在数据湖蓬勃发展的同时，数据仓库借着云计算的东风，同样在高速成长与进化。尤其是当我们践行大数据十余载、数据价值逐渐深入人心之时，蓦然回首愈发明白：数据只有打通、流动、共享才能充分发挥其价值。

这也是以亚马逊云科技Lake House为代表的智能湖仓架构近年来广受用户青睐的原因。数据湖与数据仓库既不是非此即彼的二元选择，也不是永不相交的两条平行线，无缝流动、彼此补充才是二者最佳归宿，也是加速挖掘数据价值的唯一途径。

从亚马逊云科技Lake House智能湖仓架构，我们真正读懂了实现数据价值的未来。

数据湖为何是必然选择

众所周知，数据已然成为一种关键的生产资料，成为数字化时代一切运转的基础。大量基于数据驱动的业务场景涌现，加速重塑企业与组织的生产、经营、销售、服务等业务。

以银行营销为例，过去更多依赖本地部署的数据仓库解决方案来制定营销方案，数据模型范式有要求、维度单一、实时性差，导致营销方案分析维度少、业务响应差，颇像“事后诸葛亮”；而如今的银行营销方案，通常构建在基于数据驱动的场景之上，会收集用户各种维度的相关数据，采用机器学习不断学习训练模型，实现在合适场景、合适时机将合适产品推荐给用户，并形成数据价值闭环，不断完善模型，实时调整营销策略，实现银行与用户的双赢。

 

一个小小的营销场景恰恰反映出数据湖核心价值所在。自2010年P