随着大数据在慢慢的变多的企业当中落地，企业要开展大数据相关的业务，那么首先要搭建起自身的数据平台。而企业搭建大数据平台，往往需要结合成本、业务、人员等各方面的因素，来规划数据平台建设方案。今天我们就来聊聊数据平台建设的几种方案。

  数据平台其实在企业当中一直都是存在的，但是进入到数据爆发式增长的大数据时代，传统的企业级数据库，在满足数据管理应用上，并不能完全满足各项需求。

  对于企业而言，基于大数据背景下的企业数据管理应用，也需要更符合需求的数据平台建设方案。

  数据仓库的重点，是对数据来进行整合，同时也是对业务逻辑的一个梳理。数据仓库虽然也可以打包成SAAS那种Cube一类的东西来提升数据的读取性能，但是数据仓库的作用，更多的是未解决公司的业务问题。

  数据集市也是常见的一种方案，底层的数据产品与分析层绑定，使得应用层可以直接对底层数据产品中的数据来进行拖拽式分析。数据集市，主要的优点是对业务数据来进行简单的、快速的整合，实现敏捷建模，并且大幅度的提高数据的处理速度。

  进入大数据时代以来，传统的主机计算模式已经不能够满足需求了，分布式存储和分布式计算才是王道。大家所熟悉的Hadoop MapReduce框架以及MPP计算框架，都是基于这一背景产生。

  当然，大规模分布式系统架构，Hadoop依然站在不可代替的关键位置上。雅虎、Facebook、百度、淘宝等国内外大企，最初都是基于Hadoop来展开的。

  Hadoop生态体系庞大，企业基于Hadoop所能实现的需求，也不仅限于数据分析，也包括机器学习、数据挖掘、实时系统等。企业搭建大数据系统平台，Hadoop的大数据处理能力、高可靠性、高容错性、开源性以及低成本，都使得它成为首选。

  关于大数据平台架构，数据平台建设的几种方案，以上就为大家做了一个简单的介绍了。企业基于大数据平台建设的需求，对于专业人才的需求度也正在增加，具备过硬技术实力的大数据人才，将受到更高程度的青睐。

  [[194750]]一、大数据平台大数据在工作中的应用有三种：与业务相关，比如用户画像、风险控制等;与决策相关，数据科学的领域，了解统计学、算法，这是数据科学家的范畴;与工程相关，如何实施、怎么来实现、解决什么业务问题，这是数据工程师的工作。数据工程师在业务和数据科学家之间搭建起实践的桥梁。本文要分享的大数据平台架构技术选型及场景运用偏向于工...