1、物流仓库到数据仓库
数据：对某一类实体信息的描述
仓库：对所有实体的集中化管理
这是物流仓库
下面是数据仓库
ODS层：采集各个业务系统的数据，是数据的统一入口，在这里进行分析并不影响业务系统（起到保存历史数据的作用）。
DWD层：类似物流仓库的分拣层，存储已经清洗的数据（跨业务的数据）。
DWS层：类似物流仓库的仓储区，数据分类（业务划分）存储。
APP层：类似物流仓库的配货区，对数据做专题分析。
元数据库：管理整个数据仓库，保存数据源、数据库表结构，保存清洗规则和标准。数据仓库的数据管理策略都保存在元数据库。
这是一个实际的数仓示意图：
2、大数据平台
下面是一个大数据平台示意图：
3、数据中台
是一个拥有所有开发工具和开发环境的集成系统。
就好像Spring家族的框架逐步统一了JavaWeb的开发环境一样，数据中台就是数据仓库+大数据平台+标准统一的环境支持。
比如在数据仓库，ETL是一个外部功能，而中台把ETL集成在系统内。
中台的特点：
- 统一技术环境：集合如大数据技术（hadoop,hive）、前后端框架、数据库等，避免技术选型以及重复性环境配置，可复用性高。
- 数据处理过程产品化：封装数据仓库中的数据操作细节，业务人员也可以通过暴露的功能进行简单的数据分析操作（整合数据汇聚、数据处理、数据可视化等功能）。
- 统一数据规范：统一数据标准，比如对手机号的校验，中台会提供一个统一的入口。
- 统一数据管理：如系统权限。
4、业务系统和数据系统
这是一个业务系统
业务系统注重数据的实时性，而数据系统注重数据的分析，一般采用历史数据，得出的分析结论要实时反哺到业务系统，从而更好地支持业务工作。比如根据历史数据实时分析计算客户征信等级，当需要给某客户办理贷款额度的时候就可以调用数据系统的结果，这就是数据系统反哺业务的一个例子。
OLAP （Online Transaction Processing 在线分析处理）和OLTP（Online Analytical Processing 在线事务处理）的区别示意图：
