数据中台 - 希嘉智慧校园的数据整合、价值发掘之道一、希嘉如何通过数据中台业务模式来进行高校内部数据建设的？随着高校信息化的发展，高校数据呈现更多元化的状态，传统的数据集中建设模式已不足以满足高校当下的需求，希嘉认为，底层数据能力建设已经成为高校数据治理的关键，因此提出高校数据中台模式， 来帮助高校解决当前数据的困境，并通过以下四点实现：1、全域数据采集与治理：以需求为驱动，以数据多样性的全域思想为指导，采集与治理全业务、 多终端、 多形态的数据； 为最终在业务层面的多维度数据分析、挖掘等需求打下坚实的基础。2、标准规范数据架构：统一基础层（工具层）、公共中间层( 仓库层 ) 、百花齐放应用层的数据分层架构模式，通过数据结构化、 规范化的方式实现指标口径统一；大大降低用户在接入不同体量数据源所面临的存储架构选择问题。3、统一数据开放：通过构建数据主题集和数据服务查询引擎（API 接口），面向业务统一数据出口与数据查询逻辑，屏蔽多数据源与多物理表；在降低数据管理和使用门槛的同时，提高数据使用的效率。4、模型构建及共享：通过统一底层的数据标准和计算组件，形成某个业务场景的数据模型，深度萃取数据的价值；通过数据开放模块，将数据的价值进行共享，提升数据的粘度。二、 数据中台模式与传统数据仓库模式的区别？1、数据来源不同：从数据来源来说，传统数仓 的数据来源主要是业务数据库，数据格式也是以结构化数据为主；数据中台 的数据来源期望是全域数据包括业务数据库，日志数据，埋点数据，爬虫数据，外部数据等，包括结构化和非结构化数据；2、应用方向不同：传统数仓就是针对某个主题的BI 分析 ，目的性单一，只抽取和清洗该相关分析报表用到基础数据，新增一张报表， 就要从底层到上层再做一次，不考虑该类数据的共享性问题；数据中台 则是为了融合整个高校的全部数据，打通数据之间的隔阂，消除数据标准和口径不一致的问题，不仅仅只是为了某个主题的BI 分析，更重要的是让各个业务间的数据能够互联互通。3、数据架构不同：传统数仓都是建立的单机的基础上，一旦数据量变大，会受单机容量的限制 ；数据中台 是建立在分布式计算平台和存储平台，理论上可以无限扩充平台的计算和存储能力，同时也融合单机模式，兼容数据的共享与交换。4、建设模式不同： 传统数仓往往采取自顶向下 的建设模式， 以明确的业务驱动为目标，交付周期短平快， 延续性不高 ；...
