原文《企业数字化转型数据中台建设及数字化运营综合解决方案》PPT格式。
数据中台设计原则
高内聚和低耦合：主要从数据业务特性和访问特性两个角度来考虑：将业务相近或者相关的数据、粒度相同数据设计为一个逻辑或者物理模型；将高概率同时访问的数据放一起，将低概率同时访问的数据分开存储。
数据可回滚：处理逻辑不变，在不同时间多次运行数据结果确定不变。
核心模型与扩展模型分离：建立核心模型与扩展模型体系，核心模型包括的字段支持常用核心的业务，扩展模型包括的字段支持个性化或是少量的应用的需要，不能让扩展字段过度侵入核心模型，破坏了核心模型的架构简洁性与可维护性。
公共处理逻辑下沉及单一：越是底层公用的处理逻辑更应该在数据调度依赖的底层进行封装与实现，不要让公共的处理逻辑暴露给应用层实现，不要让公共逻辑在多处同时存在。
成本与性能平衡：适当的数据冗余换取查询和刷新性能，不宜过度冗余与数据复制。
开发过程规则：表命名需清晰、一致，表名需易于消费者理解和使用，相同的字段含义在不同表中字段命名必须相同，必须使用规范定义表中的名称。
数字化中台特点
•全域数据采集与引入
以需求为驱动，以数据多样性的全域思想为指导，采集与引入全业务（电商、零售、生产等）、多终端（PC、
H5、APP等）、多形态（自身业务系统、三方购买、互联网采集抓取）的数据。
•标准规范数据架构与研发
统一基础层、公共中间层、应用层的数据分层架构模式，通过数据指标结构化规范化的方式实现指标口径统一。
•连接与深度萃取数据价值
形成以业务核心对象为中心的连接和标签体系，深度萃取数据价值。
•统一数据资产管理
构建元数据中心，降低数据管理成本、追踪数据价值。
•统一灵活任务式服务
通过构建工作流引擎，实现对面向任务的能力、资源组合、管理，支撑灵活多变的业务应用。
数据中台顶层设计
整体设计思路
整体设计思路
整体规划
整体规划
数据中台架构
以云计算，大数据，人工智能技术为基础平台，搭建全域、实时、智能的数据中台。
数据中台架构
数据中台技术架构
数据中台技术架构
数据接入
数据接入
数据整合
数据整合
数据清洗
数据清洗
数据仓储
数据仓储
数据中台应用体系建设
完备的体系，模块化的部署，云化的操作，便捷的随心操作。
数据中台数字化运营解决方案