尽力说明“数据”
此篇笔者从自身经历出发，选着了“数据环境的演变”、“数据库技术”、“关于数据共享”三个方面，觉得是能够抓到数据的“干”，借以去串联、穿插数据的“叶”。
1.数据环境的演变
（1）第一类数据环境，数据文件（data files）
早期的数据处理还没有出现数据库管理系统（DBMS），系统分析员和程序员根据应用的需要，用程序语言分散地设计各种数据文件；这是一种数据组织技术简单、相对容易实现的数据环境。但随着应用程序的增加，数据文件数目剧增，会导致极高的维护费用，并会因一些极小的应用变化引起整个系统的全面修改，增加维护成本和周期，影响运行。
（2）第二类数据环境，应用数据库（application data bases）
虽然数据管理系统已经出现，但系统分析员和程序员仍是按照报表的原样“建库”，没有在数据分析和组织管理上下功夫，是分散的应用设计分散的“数据库”，并不具备数据库的品质，不能支持数据的共享。这种数据环境同文件环境一样，随着应用的扩充，应用数据库也在剧增，维护费用更高，并没有发挥出使用数据库的优越性。
（3）第三类数据环境，主题数据库（subject data bases）
这是一种经过科学规划和设计的真正意义上的数据库，其结构与使用它的处理过程都是独立的。各种面向业务主题的数据，如客户数据、产品数据、或员工数据等，通过一些共享数据库被联系和体现出来。其优点是：经过严格的数据分析，建立模型需要花费时间，但其后的维护费用很低。最终会加快应用系统的开发，使用户直接与数据库交互使用数据。建立这种数据环境，彻底改变原有传统的系统分析方法和数据处理与组织管理方法，是企业信息化的基础数据环境得以彻底改善与提升。但如果管理不善，这类数据环境也会蜕变为第二类（或第一类）数据环境。
（4）第四类数据环境，数据仓库（data warehouse）
这种数据环境的目的是保证信息检索和快速查询的需要，以支持高层管理和辅助决策，而不是传统意义上的大量的事物管理。称这种数据环境为数据仓库，它是面向主题的、单一的、完整的和一致的数据存储。数据从多种数据源获取，经过加工成为最终用户在一定程度上可理解的形式。可以认为数据仓库是主题数据库的集成，是深加工的信息。
数据环境治理前后的变化如下图所示：
（5）数据仓库与Hadoop大数据平台
广义上来说，Hadoop大数据平台也可以看做是新一代的数据仓库系统，它具有很多现代数据仓库的特征，也被企业所广泛使用。因为MPP架构的可扩展性，基于MPP的数据仓库系统有时也被划分到大数据平台类产品。
但是数据仓库和Hadoop大数据平台还有很多明显的不同。针对不同的使用场景发挥的作用和给用户带来的体验也不尽相同。用户可以根据下表简单判断什么场景更适合什么样的产品。
数据仓库和Hadoop平台互为补充，立足于满足客户在不同使用场景下的业务需求。公有云数据仓库服DWS能够无缝地接入到公有云Hadoop平台MRS服务上，支持SQL-over-Hadoop的这个特性，提供跨平台，跨服务的数据共享。让用户充分享受Hadoop带来的开放、便捷、创新的同时，继续使用熟悉的数据（仓）库管理和使用自己的海量数据。继续使用传统的数据仓库的上层应用，特别是商业智能BI的应用。
2.两种数据库技术
数据库技术涉及计算机技术发展的大半历程，是基础性技术，也是软件业的基石。数据库技术脱胎于软件业，将数据储存独立于代码，改变了此前数据处理软件的架构（参考第一、第二类数据环境）。
（1）关系型数据库
数据库技术从早期的网状结构、层次结构发展到基于严密关系代数基础的关系型。关系型数据库用简单的二维表格集存储真实世界的对象及其联系，有业界统一的SQL语言，被极为广泛地用于构建各种系统和应用软件。
（2）Key-Value分布式数据库
世界互联网产生的海量数据催生了以键值（简称：Key-Value）对为基础的分布式数据库系统。目前，世界上主要的互联网公司根据各自需要研发和构建了NoSQL数据库管理系统。
（3）对比
按照数据库的数据结构组织形式来看，一般分为Key-Value型和关系型两种。其中，Key-Value型数据库的数据结构组织形式比较简单，读写性能很高，能支持海量并发读写请求，而且可扩展性强，操作接口简单，支持一些基本的读、写、修改、删除等功能，但不支持复杂的SQL功能和事务性。关系型数据库采用关系模型来组织数据，支持各种SQL功能，功能性强，支持事务性，读写性能一般，可扩展性弱。
按照数据库的部署形式来看，一般分为单机型和分布式两种。其中，单机型数据库保证强一致性和较好的可用性。分布式数据库在物理部署上遵循了分布式架构，能提供高并发的读写性能和容错，有很强的可用性和分区容错性，但由于需要进行数据同步，分布式架构的数据一致性较弱，只能保证最终一致性。
3.关于数据共享
（1）库对库的共享
按照事先协定好的的数据结构，抽取其他部门的数据，做数据分析，弊端在于被抽取部门的数据表结构改变，就会影响整个过程。
（2）归集式数据中心
行业或部门的数据推送到区域数据中心（目前各地方都在成立的大数据局），各部门、行业可以共享使用归集的数据；数据先归集，然后共享。比较以下的“主题模式”，没有形成互补互利机制，得靠行政发文进行。
（3）主题模式
**市商务局是主管**市内外贸易和对外经济合作的政府部门，拥有权威的*市商业信息，横向与*市统计、工商、税务、海关和外汇管理局等部门有着广泛的信息交流，纵向同商务部、区县商务局有着频繁的业务往来，因此可以由**市商务局牵头建设商务主题的“数字商务”系统。
数据量多的部门主导（**商务局），收集统计、工商、税务、海关和外汇管理局等部门数据，形成总集；将总集分享给统计、工商、税务、海关和外汇管理局等相对“商务主题”少的部门，形成互补互利机制。
（4）阿里数据中台
阿里内部的部门，淘宝、天猫、蚂蚁金服等部门把自己的数据共享到数据中台，当各自部门需要时，从数据中台获取；
此为民营企业的业务模式，运用于政府运作模式，一个行业或部门内可以搞，因为系统、数据的一致性；归集到类似大数据局这样的单位，难有作为（随着大数据技术的普及，尤其是成本方面，可以行业、部门内搞大数据，是一个发展趋势）。
归集到类似大数据局这样单位的益处在于：所有数据都归集，可以比对数据，产生效益；比如针对人的画像，收集住建、工商、税务等数据可以发现一个人名下有十套房，他也注册了些空壳公司等。
（5）华为数据湖
把所有部门的数据按照原始格式采集到数据湖，然后自己做分析；弊端在于不了解数据的业务属性，很难有作为；得有业务专家的帮助，才会有效益；益处同上。
如果觉得还有点意思，请分享或点击“喜欢”。