01。前言数据中心和业务中心的区别，希望能通俗易懂的解释一下，容易理解为什么需要业务中心，什么情况下需要业务中心。数据中心和两个中台的关系。之前做过很多行业调研和案例分享，但都是企业级的讲解，感觉不够简单，不够实用。这里我用最清晰的订单服务演进过程来深入分析两家公司的关系。02.一个订单服务的演进过程订单服务是最常见的场景。接下来，我们将通过一个电子商务领域常见的订单服务的演进过程来详细分析双中台为什么会出现，它们的价值和关系。第一阶段：单app订单服务下图是一个典型的电商订单服务流程。用户ID在某电商自营APP下单。此应用程序将订单数据存储在数据库中。第二阶段：多APP下单服务电商拓展了多个渠道，再建一个电商APP，提供给用户。因此，用户下单的方式有两种，分别在不同的应用中，比如自营APP和微信小程序，这是最典型的两种渠道。真实的情况是，一个电商会有很多渠道，有自营的，有代营的，有线下的POS系统，还有通过API接入的合作伙伴。将同时创建多个应用程序。命令。这带来的问题很明显：用户体验不好，用户看不到不同渠道的订单。数据一致性差，订单数据分散在不同的应用系统中，数据不一致，同步复杂。维修困难。当一个订单逻辑发生变化时，所有的应用逻辑都要重写，导致维护工作量大，响应慢。在这种情况下，为了能够掌握整体的销售情况，企业往往会构建数据仓库系统，通过ETL将不同系统的数据提取到数据仓库中进行分析。这是OLAP的过程，但是由于数据量比较大，处理过程比较复杂，OLAP的响应速度往往在T+1以上，也就是说，比如企业要看所有渠道的销售分析报表，只能看到一天前的，看不到实时的。数据，如下图所示。上图中橙色箭头表示在线交易处理过程，即生成数据的过程，而绿色箭头表示在线分析过程，即提取、处理和分析的过程。这是一个典型的数据仓库和商业智能场景，这种数据利用的问题也很明显：数据分析不是实时的，不能实时生成报表。数据仓库往往是单体架构，受限于数据处理和计算能力，扩展能力不强，只能在一个阶段对数据进行分析。反应很慢。ETL过程依赖于预设的分析主题设计。当待分析的数据结构发生变化时，需要重新设计抽取逻辑，导致响应变慢。以上就是当今很多企业典型的应用和数据架构。在此基础上，出现了数据中台和业务中台。数据中心业务用例：精准营销下图是一个典型的数据中心业务用例：精准营销。采用分布式数据架构替代传统数据仓库，以ELT流程替代ETL流程，并结合批流一体化架构，保证数据全覆盖、源数据提取、实时数据与历史数据共存.在此基础上，数据中台利用机器学习等算法能力构建精准营销模型，前端业务应用可直接调用，无需制作报表，以可视化形式提供给业务人员。进行手动用户操作。这是一个典型的数据智能过程。通过数据中心，整合企业所有应用系统的全局数据。通过分布式存储和计算能力，结合人工智能技术和算法，为业务系统提供可直接调用的实时数据和智能服务。业务中台业务用例：智能订单中心是所有企业希望实现的目标，但智能化对数据质量要求高，单独创建多个订单服务，问题明显，与前台应用系统数据量越来越大，业务数据的处理过程越来越复杂，导致数据与真实业务存在很多不一致和偏差。同时，随着业务变化的速度越来越快，同时维护多个订单服务的工作量大，响应速度也越来越慢。这种情况下就需要对所有的订单服务进行抽象、复用和封装，这就是业务平台出现的原因。下图是业务中心最简单的服务，即订单中心的服务。当所有前端应用需要创建订单时，统一调用业务中心的订单服务，该服务统一生成产品订单，保证了订单逻辑的一致性和维护的高响应性。双中台共存业务用例：动态价格数据中台不仅直接为前端应用提供调用服务，还为业务中台提供服务。下图是两个中间平台并存的典型业务用例：动态价格。这种场景存在于很多需要实时计算动态价格的业务中，比如机票预订、滴滴打车服务等。业务中心统一为不同应用提供订单生成服务。在生成订单的过程中，需要根据不同用户的情况动态计算出一个价格。在这种情况下，业务中心需要调用数据中心中的动态价格计算模型。因此，数据中心同时为业务中心和业务前台提供数据和智能服务。业务中台与数据中台的关系通过上面一个典型订单服务的几个泛化场景的演化过程，我们简要分析了业务中台和数据中台应用的典型业务用例。我们可以简单概括为：业务中心解决业务数字化问题，数据中心解决数据智能化问题。03.业务中台解决业务数字化问题目前大部分企业系统都是业务数字化系统，所有OLTP应用也是以实现业务数字化为目的，而业务中台解决业务数字化中的以下问题process：一致性问题，将处理逻辑相似的业务流程封装到业务平台的service中，保证业务的一致性，也保证了业务数字化后数据一致性问题的响应性。业务中台服务的复用可以提高业务前端系统开发的效率，从而提高维护问题的响应能力，将多个服务抽象为一个，提高系统的可维护性和性能。通过微服务和容器化技术，可以针对高并发服务需求有效解决，实现硬件资源共享，解决性能问题。简单来说，业务中台解决的是数据生产过程中的问题。4、数据中台解决数据智能化问题。数据中台就是让所有业务流程尽可能利用数据产生的洞察力，促进流程优化，让业务更智能。因此，数据中心解决了数据智能化的问题：通过分布式数据架构，解决了数据仓库、中心数据湖等传统单一架构数据系统的问题。通过数据模型/报表服务方式，可以被业务应用程序实时调用，通过整合企业全局数据，提高数据的一致性和准确性，提高业务的实时性。数据中心就是构建一个灵活的数据基础设施，让企业更好地利用数据，让企业的业务更智能。数据中心的最终结果是什么？
