14、数据湖与数据科学思维：解锁商业洞察的新路径

数据湖与数据科学思维：解锁商业洞察的新路径

一、数据湖的能力与架构

数据湖具备多种强大能力，包括利用分析功能（应用开发）、支持第三方平台应用（如移动应用开发、网站应用开发）、将分析作为服务暴露给应用程序（API），以及将内存和/或数据库内评分与推荐集成到业务流程和运营系统中。“中心辐射式”分析架构使数据科学团队能够开发预测性和规范性分析，以优化关键业务流程、提供差异化的客户参与体验并发现新的盈利机会。

二、从数据仓库经验中汲取的教训

2.1 名称并非关键

过去，数据仓库倡导者（与Bill Inmon和企业信息工厂相关）和数据集市倡导者（与Ralph Kimball和星型模式相关）曾就术语和命名展开激烈争论。但历史证明，两种方法都有效。它们都需要具备以下关键能力：
- 捕获大量历史数据，用于分析关键业务实体的绩效并识别数据中的趋势和模式。
- 数据治理程序和政策，确保数据仓库和数据集市中存储的数据100%准确。
- 主数据管理，确保跨业务线的定义、术语和命名一致。
- 能够连接或集成来自不同业务功能的不同数据源的数据。
- 终端用户查询构建（使用SQL和BI工具），支持生成每日、每周、每月和季度报告与仪表板，还支持对数据进行临时切片和切块，以识别绩效过高和过低的领域。

因此，关于是数据湖、数据水库还是运营数据存储的争论并无实际意义，选择一个名称并让其发挥作用即可，数据湖就是一个不错的选择。

2.2 一个数据湖而非多个

拥有多个数据湖会重复多个数据仓库带来的问题，即形成分散的数据孤岛和数据领地，不利于组织内企业数据资产的共享。组织应拥有一个单一