分享嘉宾｜余俊 Aloudata合伙人兼技术副总监
内容已做精简，如需获取专家完整版视频实录和课件，请扫码领取。
01
企业数据开发面临的问题和挑战
近10-20年，大量企业都在做自己的大数据平台，随着历史发展和技术的不断创新，企业内部可能同时存在不止一套大数据平台，数据孤岛化趋势明显，导致用户取数、用数成本激增，传统数据解决方案存在的数据时效问题、数据权责问题均难以解决。
但数据虚拟化之后如何解决性能问题，是企业面临落地中一个非常大的挑战。
02
企业级逻辑数据平台构建与优势
面对企业数据孤岛，基于数据虚拟化引擎之上一整个逻辑数据研发平台。其中包含了数据逻辑集成、逻辑数据整合等多个维度。
逻辑数据平台的优势在于以销定产，业务按需进行逻辑集成和逻辑整合数据，业务使用数据按需做数据加速，同时也能轻松集成全域数据资产。
此外，逻辑数据平台也可以创建逻辑视图，分层加工数据，自动生成ETL任务和回收物理表，借由逻辑数据内置/外接数据构建+OLAP查询双引擎，BI工具直连逻辑数仓进行消费，数据处理和消费统一一套SQL语法，管理企业所有数据资产；逻辑数仓架构和底层大数据引擎解耦，底层技术组件升级不影响业务。
案例一
某国有能源企业建有多套数仓，数据规模较大，数据分散，难以统一分析和使用。采用数据虚拟化构建逻辑层可以实现统一的数据查询和访问入口，统一集团所有数据权限管控和审计；同时也能统一数据服务，实现集团所有业务访问数据的集中管理；此外，在统一资产管理方面也有成效。
该国企最早使用的是基于Hana至少搭建BW数仓，之后又购买了国内大厂的一些数仓，因为其业务特性，各个分公司里面存在海量数据，这些数据有存在于另一个数据湖里面。整个数据中台，有BW仓的数据，也有新建数仓的数据，还有数据湖的数据。
像Mongo这种数据面临很多痛点，BW数据如果全部迁到新的数仓里面，无论重构还是新建，对于业务影响巨大，组织协同等各种原因导致无法做到统一，无法都搭到一个新的数仓里面去，但是从业务视角，有需要使用这些数据。同时集团子分公司非常多，每个子分公司又都有自己的数据，这些数据如何整合？最终采用的方案，在所有数据源之上构建一个虚拟化逻辑层，通过提供一个统一的数据访问服务，包括资产管理、安全管控。
实施过程中，按业务场景或是按业务线逐步去做，实现所有用数用户在逻辑数据平台这层可以看到企业所有有效数据，实现了整个数据查询访问的统一入口。
案例二
某传统券商公司要新建一个数仓以解决取数难的问题，如果采用传统数仓体系搭建，公司内部原因IT人员无法完全支持且项目投入成本巨大。逻辑数仓搭建，采用RP（Relational Projection）策略，数据交付时长可以从两周缩短到几小时，数据开发管理工作量减少30%，数据存储计算成本节约70%。
⩓
注：点击左下角“阅读原文”，领取专家完整版实录和分享课件。
