数据中台(Data Middle Office)

过去我们可以透过建立资料仓储系统来统一储存和处理资料：

• 阶段一：
关联资料库与资料仓储，以及商业智慧(BI）和报表工具。
• 阶段二：
随着大数据技术的发展，资料平台有新的发展，特别是在即时资料处理和人工智慧方面的提升。
资料仓储整合了以大数据技术为基础的资料湖(Data Lake)，更加倾向於"读时模式(Schema on Read)"，而不是关联式资料库的"写时模式(Schema on Write)"进行资料处理。
• 阶段三：
以大数据技术为主流，像是Hadoop和Spark生态圈衍生的各种工具和技术场景，并根据自身情况搭配Elasticsearch、MongoDB、Cassandra等资料储存处理引擎。
具备人工智慧及机器学习的能力，它会收集资料相关知识，并供数据服务供业务应用使用。

数据中台

• 水平扩张（Horizontal Scaling）能力
  在资料迅速膨胀的今天，具备计算水平扩张的能力是必要的，也是大数据平台的基础能力。
• 多租户技术（Multi-Tenancy Technology）
  整合多通道整合的数据管理能力，并通过各种动态资源分配策略定义，协调各种作业之间的资源使用。
• 即时资料处理
  通过即时处理将业务情况即时反馈给用户，极大地提升业务用户的用户体验，即时计算对於业务决策时效性的支援相当重要。
• 业务决策时效
  过去需要夜间批次处理的业务需求（例如：用户的风险分析），可以即时计算回馈给业务系统，提高业务处理时效性。
• 人工智慧及机器学习的资料分析能力
  资料分析能力，一般是由大数据平台上整合相关组件实现的（例如：Spark MLib），并具备演算法资料库自行扩充能力。
• 资料仓储
  资料仓储是有效的资料管理方法，通过资料收集制度的治理，以提升企资料的质量。
• 支援多种资料传输协定
  平台支援的资料协定方式越多，越能容易整合和对接各业务中心和资讯应用，降低企业成本。
• 资料治理体系
  企业管理上应该成立相应的机构负责导入数据管理工具，根据预先定义的业务规则周期性的对验证当前数据，并给出资料质量报告。
• 资料安全控制
  对敏感数据进行特殊处理，对资料的用户和读写权限有清晰的记录和追踪，对权限的建立和权限申请有完整的监管机制。