大家好，今天小编来为大家解答数据交易平台生态体系建设这个问题，怎样选择数据平台的建设方案很多人还不知道，现在让我们一起来看看吧！

本文目录

1. 网络环境是什么构成的生态链
2. 高斯生态:全球首个公链+去中心化交易+挖矿生态体系诞生
3. 怎样选择数据平台的建设方案

一、网络环境是什么构成的生态链

网络环境的构成是由多个因素相互交织形成的生态链，主要包括以下几个方面：

1.硬件设施：网络环境的基础是各种硬件设施，包括服务器、路由器、光纤电缆、无线设备等，它们建立了互联网的基础连接。

2.网络服务提供商（ISP）：网络服务提供商通过提供互联网接入和网络连接服务，为用户提供了上网的基础设施支持。

3.网络内容提供者：网络环境中的内容主要由网络内容提供者负责，包括各类网站、应用、社交媒体平台等，它们为用户提供信息、娱乐和交流的渠道。

4.用户和用户行为：网络环境的生态链中的重要一环是用户自身，他们使用互联网，创建、共享和消费内容，参与在线社交和交易活动，他们的行为对网络环境产生影响。

5.政府和监管机构：政府和监管机构在网络环境中起着监管和管理的角色，通过制定法律、政策和规定，保障网络安全、维护公序良俗，促进网络发展和健康。

6.技术和安全措施：网络环境需要不断发展和应对各种技术挑战和安全威胁，包括网络安全技术、加密技术、身份认证等，确保网络环境的稳定和安全。

这些因素相互作用、相互依存，形成了网络环境的生态链，共同决定了互联网的发展和使用体验。

二、高斯生态:全球首个公链+去中心化交易+挖矿生态体系诞生

牛市的时候，大家欢呼雀跃，熊市的时候又万马齐喑。区块链已然沦为了机构与散户竞相逐利的机构。可无论如何炒作，正常的逻辑终究不可逾越：正如基础设施之于互联网，3G、4G之于移动互联网，底层公链之于区块链应用的重要程度不言而喻。在经历各种惊天乱象之后，底层区块链技术急需突破，正所谓“公链重生，路在何方？”

技术无极限，也无止境，伴随着科技水平的日益提高，技术永远不会停止更新迭代的步伐。相对于BTC和ETH的技术体系，GAUSS的出现，从性能和生态的角度，重新定义了公链技术的发展方向，从最基础的技术层面推动了区块链行业的整体发展和生态建设。GAUSS 2.0顺势而为，与时代同行，赋能经济生态，打通、重塑金融体系的各个环节，致力于打造一个安全高效、自治稳定、易用透明的价值金融新体系。

可参与、可分享、可获得、可使用，GAUSS不是把自己定义为一种直接的金融投资品，抑或是一种融资工具、一种圈钱符号，而是依靠区块链技术创新让行业应用落地。GAUSS通过自身商业模式的变革，在数字经济领域实现了生产关系，实现了数字资本的作用，响应了全球数字经济浪潮。

1、跨链网关：网关是核心，是协议转换。

2、跨链钱包：钱包是数字资产银行。

3、跨链交易所：交易所是工具，提供流通。

4、数据桥接链：桥接是各类账本数据之间的整合。

GAUSS作为当下的明星项目，深受投资者们的青睐。其以区块链技术为底层技术基础，以互联网、传统金融、服务网络为实践基础，紧密结合一带一路。而对于2020年，是区块链技术应用的元年，GAUSS也必将迸发巨大的价值。而对于GAUSS来讲，以下都是我们看好GAUSS的理由：

GAUSS提供了一个为全球中小微企业及商业赋能的高效、安全、可信的数字经济区块链生态应用大数据平台，打造无边界流通、整合共享、协同创新的全球社区自治联盟，在数字溯源、数字钱包、数字银行、数字支付、数字借贷、数字金融、数字实体领域发挥重要作用。

GAUSS将提供一个开放的网络供所有人自由选择，公链底层技术的搭建将链上的所有通证赋予强大的交易吞吐量和安全存储的环境，在GAUSS的生态中，所有的通证开发者与通证爱好者都可以有效的参与到公链的建设体系当中。

GAUSS将颠覆传统行业，建立一个先进独特的去中心化产业生态，创建成为一个服务全球开放、协同、公平、公正、繁荣、共赢的规模超万亿美元的数字经济区块链生态圈。

高斯是一个大生态，是为区块链所有的公链，联盟链，私链，侧链，子链提供服务的基础设施。

全球首家大容量链上交易系统（双向链上交易），每笔交易低于10s，具有链名域名服务器，可轻松访问各区块链。无手机，无短信，无邮箱，无身份证实名验证，无充币无提币概念，所有用户资产均在链上钱包中；完全透明化，每笔交易均在链上，区块记录，公开可查；所有企业链改无门槛，通过高斯链各节点投票表决，只要符合要求，即可上正态交易所交易。

GAUSS区块链系统搭建团队主要由中国、德国、美国、新加坡、韩国及东南亚国家的企业家、高精尖技术人士、顶级风投团队等构成，并获得亚太地区和非洲共42个国家政府的大力支持。

7.拥有交易所和钱包等丰富的生态布局

GAUSS是一个设施齐全的区块链生态系统，系统内不仅有自己的交易所正态交易所以及钱包GAUSS2.0，可以随时随地多终端交易。同时钱包也将作为生态流量入口，用户通过钱包打开生态并创造价值，正态交易所也将在这个过程中与钱包形成联动。

GAUSS公链实现了联盟链+多主流公链数据上链耦合，以区块链技术的去信任特点，保证资产流通与投资公开透明化。并运用 DeFI构建GAUSS底层的去中心化金融系统，为全球所有用户提供良好的治理机制。同时，构建侧链结构，智能合约部署在主链交易等部署在侧链的方式提升系统运行效率，并配备KYC系统、三方登录系统，为GAUSS系统商用打下坚实基础。

9.挖矿生态：支持POW. POS. DPOS挖矿

BTC的成功就是最好的说明。设计上独一无二，同时又是一个自动运行的数字网络体系，在经过十年的历练，BTC已经发展成为两千亿美元市值的产品。不言而喻，GAUSS也同样如此。GAUSS支持POW. POS. DPOS挖矿，使挖矿行业迎来一个新的时代。

GAUSS采用通证的发行模式，将项目进行开源，做到有价值发行。通过通证重新分配项目收益，以此吸引更多的投资者和社区用户参与到公链的建设当中，随着市场持有通证用户越来越多，通证的价值将越来越高，社区用户、投资者和项目本身都可以从中受益。

GAUSS公链2.0将建立一个强大的可信数据价值网络，来服务于全球的数据经济市场。搭建一个完整的商业生态，提供一站式可信的安全生态环境，让个人、企业都能参与到GAUSS数字经济生态公链的应用当中来。未来GAUSS数字经济生态公链将实现线上线下互通，万事万物共联，整合区块链、供应链金融、大数据与人工智能技术，建立通证经济体系，打造新的全球数字经济体。

GAUSS公链2.0生态属全球社区自治，扁平化、自主化。所有社区有权主张GAUSS生态发展，各企业及个人自主的资源，发挥自主优势，结合GAUSS通证，共同建设GAUSS生态。

13.交易快捷安全，满足金融交易高性能需求

GAUSS公链2.0，是一个基于全新金融生态框架开发的去中心化区块链主网生态系统，旨在建立一个全球化、去中心、跨平台、资产具备统一价值保障且有高流通性的生态，为全球开发者提供便捷的金融技术渠道，为每一个社区用户提供一个稳定、高效的底层服务平台。相较于1.0版本的公链系统，它的转账速度更快、吞吐量更高、稳定性更强。

14.与比特币、以太坊互补的商业媒介

GAUSS公链2.0的卓越功能在于交易成本低廉、交易快捷简单、公开透明、存储量大以及匿名性强等特性。此外，相比于其他主要以数学计算为基础的货币，它可以确保拥有更好的存储效率。在大数据背景下，GAUSS 2.0凭借高性能、丰富的链上配套功能以及海量的链上数据交易存储，GAUSS 2.0已经成为与比特币、以太坊互补的商业媒介。

投入金额和利润自由进出，不存在任何形式或者变相形式的锁仓，多赢普惠，为投资者提供一个安全性高和外在流动内在稳定的投资赛道。

16.完美支持Defi，支持全球多样化支付场景

GAUSS全球开发者开放平台，将支持去中心化支付、交易等应用场景，开发者可以在开放平台构建自己的支付场景，未来将会有越来越多的应用基于GAUSS底层技术诞生。依托Defi生态，强强联手，突破现有技术、模式的桎梏，构建一艘以GAUSS为本的区块链航母。

17.全球布道，打造超强GAUSS共识公链

GAUSS有着权威机构的信用背书，GAUSS也将以此为基础不断的进行国际化延伸，让GAUSS的价值蔓延全球。GAUSS正开展全球行，积极的让全球知名企业加入GAUSS生态，吸引巨大的传统领域用户作为流量，共识的力量将引爆GAUSS生态的商业价值，空前性的值为GAUSS通证赋值。

在GAUSS团队看来，深耕公链底层技术，凭借技术亮点在这个跌宕起伏的市场上披荆斩棘，既需要实力加持也需要思想先行。在新兴行业中，思想和时机这两个因素和技术应用一样关键。

19.GAUSS抢占头矿，选择资产独到

GAUSS抢占头矿，打散GAUSS持币大户，杜绝潜在的抛压，币价的上涨将提高推广难度GAUSS也将越来越难获取。GAUSS保证用户随进随出，支持质押式挖矿，矿池结算规则，公开透明可查；所有规则均通过智能合约写在链上。

区块链技术的出现，犹如在人类科技社会平稳发展的当下惊起平地一声雷。而GAUSS主网2.0的诞生和GAUSS生态布局的完善，注定将开拓一个数字主权新时代。GAUSS在探索中，一直在践行一件事情，那就是用区块链的某种方式支持战略发展。让技术开始衍生，让价值形成生态，开拓GAUSS区块链新应用和新金融业务模式，做好快速发展的准备，不断把握新出现的机遇，保持行业领军者。

全面分析了GAUSS的技术、团队、应用、共识等板块，GAUSS具备了一个超级公链的基本内核，是2020年最当之无愧公链黑马，也是最具投资价值的公链项目。GAUSS 2.0将会着眼于重构产业价值链，通过共享与共赢，赋能全球开发者，予利每个社区用户，为传统行业打造区块链生态，为整个区块链行业提供基础支撑。

GAUSS的辉煌壮举，将邀您共同见证！

三、怎样选择数据平台的建设方案

业务跑的好好的，各系统稳定运行，为何还要搭建企业的数据平台?

这样的问题，心里想想就可以了，不要大声问出来。我来直接回答一下，公司一般在什么情况下需要搭建数据平台，对各种数据进行重新架构。

1、业务系统过多，彼此的数据没有打通。这种情况下，涉及到数据分析就麻烦了，可能需要分析人员从多个系统中提取数据，再进行数据整合，之后才能分析。一次两次可以忍，天天干这个能忍吗?人为整合出错率高怎么控制?分析不及时效率低要不要处理?

2、业务系统压力大，而不巧，数据分析又是一项比较费资源的任务。那么自然会想到的，通过将数据抽取出来，独立服务器来处理数据查询、分析任务，来释放业务系统的压力。

3、性能问题，公司可以越做越大，同样的数据也会越来越大。可能是历史数据的积累，也可能是新数据内容的加入，当原始数据平台不能承受更大数据量的处理时，或者是效率已经十分低下时，重新构建一个大数据处理平台就是必须的了。

上面我列出了三种情况，但他们并非独立的，往往是其中两种甚至三种情况同时出现。一个数据平台的出现，不仅可以承担数据分析的压力，同样可以对业务数据进行整合，也会不同程度的提高数据处理的性能，基于数据平台实现更丰富的功能需求。

二、数据平台的建设有哪些方案可以选择

下文中的优缺点仅从企业选型的角度，并非方案本身的技术角度。

如果一句话回答的话，那就是：太多了(这是一句废话，我承认)，但确实有非常多的方案可供选择，我懂的少，肯定是无法一一介绍，所以就分成了下面几类，相信也一定程度上覆盖了大部分企业的需求了。

概念不说了，既然是做数据这一行的，相信你比我还要清楚，不清楚的可以百度。它的重点在于数据整合，同时也是对业务逻辑的一个梳理。虽然它也可以打包成ssas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，更多的是为了解决公司的业务问题，而不仅仅是性能问题。这一点后面会详细介绍。

关于这一方案的优缺点，直接说重点:

方案成熟，关于数据仓库的架构，不管是Inmon架构还是Kimball架构，都有着非常广泛的应用，而且相信能将这两种架构落地的人也不少。

实施简单，涉及的技术层面主要是仓库的建模以及etl的处理，很多软件公司具备数据仓库的实施能力，实施难度的大小更多的取决于业务逻辑的复杂程度，而并非技术上的实现。

灵活性强，说这句话要有对应场景的，数据仓库的建设是透明的，如果需要，可以对仓库的模型、etl逻辑进行修改，来满足变更的需求(当然，最好设计之初考虑的周全一点)。同时对于上层的分析而言，通过sql或者mdx对仓库数据的分析处理具备极强的灵活性。

“实施周期长”，注意，我加了引号，对应下面的敏捷型数据集市，而且这点是相对的，实施周期的长与短要取决于业务逻辑的复杂性，时间是花在了业务逻辑的梳理，并非技术上的瓶颈。关于这点，后面会详细介绍。

数据的处理能力有限，这个有限，也是相对的，海量数据的处理它肯定不行，非关系型数据的处理它也不行，但是TB以下级别的数据，还是搞得定的(也取决于所采用的数据库系统)，这个量级的数据，而相当一部分企业的数据，还是很难超过这个级别的。

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进行拖拽式分析。这一类产品的出现，其初衷是为了对业务数据进行简单的、快速的整合，实现敏捷建模，并且大幅提升数据的处理速度。目前来看，这些产品都达到了以上的目的。但它的优缺点也比较明显。

部署简单，敏捷开发，这也是这类产品最大的优点，和数据仓库相比，实施周期要短的多。实际上它也没什么严格的实施的概念，因为这类产品只是针对需要分析的数据，进行局部的关联，只考虑眼前要解决的问题就够了，迭代的能力更强些。

与上层的分析工具结合较好，上层的分析工具接入这类数据产品后，可直接实现数据的图形化展示和olap分析。对数据处理性能的提高，这类产品都对数据的分析性能做了处理，虽然方式不尽相同，有内存映射文件存储的，也有分布式架构、列数据存储的。但无疑都一定程度上提高了数据的处理性能。

无法处理复杂的业务逻辑，这只是一个工具，它无法解决业务问题。这类工具中自带简单的etl功能，实现简单的数据处理和整合，而如果考虑到历史数据，考虑到整体的数据之间的逻辑和关系，它一定是解决不了的。一个简单的例子，当某个表中，有两个字段，一个要保留历史数据，一个要更新历史数据，要怎样实现自动处理。有一个观念是需要清楚的，不能指望一款工具来解决业务问题。这种数据产品仅仅是对当前的业务数据进行简单的整合，第一，数据是局部的，第二，时间是当前的(其涵带的增量更新或者全量更新，是无法应对复杂的逻辑的，相信熟悉etl的人都知道这个过程有多复杂)。当然，对于一些公司来说，可能需求只是对当前业务数据进行整合分析，那么这类产品就够了。(说实话，很多公司真的是懒得更长远的考虑，有一天没一天的，谁说的准呢)

l灵活性低，这个也是没法避免的，越是操作简单的工具，他的灵活性肯定受限，因为封装住了，产品是不透明的，常规的需求用起来非常方便，但是遇到复杂的，发现对他内部不了解，你也没法修改，只有蛋疼的份。

从我的角度看，它是很难成为公司的数据中心的。

3、 MPP(大规模并行处理)架构的数据产品，以最近开源的greenplum为例

传统的主机计算模式在海量数据面前，显得弱鸡。造价非常昂贵，同时技术上也无法满足高性能的计算，smp架构难于扩展，在独立主机的cpu计算和io吞吐上，都没办法满足海量数据计算的需求。分布式存储和分布式计算正是解决这一问题的关键，不管是后面的MapReduce计算框架还是MPP计算框架，都是在这一背景下产生的。

greenplum的数据库引擎是基于postgresql的，并且通过Interconnnect神器实现了对同一个集群中多个Postgresql实例的高效协同和并行计算。

同时，基于greenplum的数据平台建设，可以实现两个层面的处理，显而易见的一个是对数据处理性能的处理，greenplum的百科中宣称支持50PB级海量数据的处理，考虑它有吹牛的成分，对目前greenplum实际应用情况的了解，100tb级左右的数据，是非常轻松的。另一个是数据仓库可以搭建在greenplum中，这一层面上也是对业务逻辑的梳理，对公司业务数据的整合。

海量数据的支持，大量成熟的应用案例，所以我想这一点是不用怀疑的。

扩展性，据说可线性扩展到10000个节点，并且每增加一个节点，查询、加载性能都成线性增长。

易用性，不需要复杂的调优需求，并行处理由系统自动完成。依然是sql作为交语言，简单、灵活、强大。

高级功能，greenplum还研发了很多高级数据分析管理功能，例如人气很高的外部表，还有Primary/Mirror镜像保护机制，行/列混合存储等。

稳定性，greenplum原本作为一个纯商业数据产品，具有很长的历史，其稳定性相比于其他产品以及敏捷性数据集市是更加有保障的。 greenplum有非常多的应用案例，纳斯达克、纽约证券交易所、平安银行、建设银行、华为等都建立了基于greenplum的数据分析平台。其稳定性是可以从侧面验证的，在15年9月份开源后，各大互联网公司也是一片欢腾，现在也接触了几家在使用greenplum的客户，对其评价都很高。

本身来说，它的定位在olap领域，不擅长oltp交易系统。当然我们搭建公司的数据中心也不会是用来做交易系统的。

成本，两个方面的考虑，一是硬件成本，greenplum有其推荐的硬件规格，对内存、网卡都有要求。当然，在硬件选型上，需要达到一个平衡，要在性能、容量、成本等多方面考虑，毕竟不能一味的追求性能，把采购部门吓到吧。另一个是实施成本，这里主要是人了，基本的是greenplum的安装配置，再到greenplum中数据仓库的构建，都需要人和时间。(但是必须要说的是，人家软件都开源了，也省下了一笔钱啊)

技术门槛，这里是相对于上一个敏捷型数据集市的，greenplum的门槛肯定是要高一点了。

关于hadoop，已经火的要爆炸了，greenplum的开源跟它也是脱不了关系的。有着高可靠性、高扩展性、高效性、高容错性的口碑。在互联网领域有非常广泛的运用，雅虎、facebook、百度、淘宝等等等等。hadoop生态体系非常庞大，各公司基于hadoop所实现的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。

当企业数据规模达到一定的量级，我想hadoop是各大企业的首选方案，到达这样一个层次的时候，我想企业所要解决的也不仅是性能问题，还会包括时效问题、更复杂的分析挖掘功能的实现等。非常典型的实时计算体系也与hadoop这一生态体系有着紧密的联系。

近些年来hadoop的易用性也有了很大的提升，sql-on-hadoop技术大量涌现，包括hive、impala、spark-sql等。尽管其处理方式不同，但普遍相比于原始基于文件的Mapreduce，不管是性能还是易用性，都是有所提高的。也因此对mpp产品的市场产生了压力。

对于企业构建数据平台来说，hadoop的优势与劣势非常明显：它的大数据的处理能力、高可靠性、高容错性、开源性以及低成本(为什么说低成本，要处理同样规模的数据，换一个其他方案试试呢)。缺点也就是他的体系的复杂，技术门槛较高(能搞定hadoop的公司规模一般都不小了)。

关于hadoop的优缺点对于公司的数据平台选型来说，影响已经不大了。需要上hadoop的时候，也没什么其它的方案好选择(要么太贵，要么不行)，没到达这个数据量的时候，也没人愿意碰这东西。总之，不要为了大数据而大数据。

三、方案很多，企业要怎样选择呢?

环境太复杂，但是我想至少要从下面这几个方面去考虑吧。

什么样的目的?就是文中开始部分的三种情况呀(不好意思，自大了，肯定有其它情况，欢迎向“jiago王”补充)，或者是其中几个的组合。

做事方法都一样，哪怕是中午出去吃饭，也是要在心里有个目的，这顿饭是为了吃饱，还是吃爽，或者为了拍别人的马屁，然后才好选择去吃什么。

当然，要明确数据平台的建设目的，哪里是那么容易的，初衷与讨论后确认的目标或许是不一致的。

公司要搭建一个数据平台的初衷可能很简单，只是为了减轻业务系统的压力，将数据拉出来后再分析，如果目的真的就这么单纯，还真的没有必要大动干戈了。如果是独立系统的话，直接将业务系统的数据库复制出来一份就好了;如果是多系统，选类似finecube那种型敏捷型的商业数据产品也够了，快速建模，直接用finebi或者finereport接入进去就能实现数据的可视化与olap分析。

但是，既然已经决定要将数据平台独立出来了，就不再多考虑一点吗?多个系统的数据，不趁机梳理整合一下?当前只有分析业务数据的需求，以后会不会考虑到历史数据呢?这种敏捷的方案能够支撑明年、后年的需求吗?

任何公司要搭建数据平台，都不是一件小事，多花一两个月实施你可能觉得累，多花一周两周的时间，认真的思考一下总可以的吧。雷军不是说过这样一句话：不能以战术上的勤奋，掩盖战略上的懒惰。

根据公司的数据规模选择合适的方案，这里说多了都是废话。

包括时间成本和金钱，不必多说。但是这里有一个问题想提一下，发现很多公司，要么不上数据平台，一旦有了这样的计划，就恨不得马上把平台搭出来用起来，时间成本不肯花，这样的情况很容易考虑欠缺，也容易被数据实施方忽悠。

关于方案选择的建议，举以下3 1个场景

要实现对业务数据的快速提取和分析，多个业务系统，没有达到海量数据，不考虑历史数据，不需要依照业务逻辑对数据进行系统的梳理，这种情况下，可以考虑敏捷型的bi工具自带的数据底层。

简单来讲，这种场景仅仅是在技术层面上，完成对数据的整合与提速，并没有从业务层面上对数据进行建模。他可以满足一定的分析需求，但是不能成为公司的数据中心。

要搭建公司级的数据中心，打通各系统之间的数据。非常明显的，需要搭建一个数据仓库。这时就需要进一步考虑公司数据的量级了，如果是小数据量，TB级以下，那么在传统数据库中建这样一个数据仓库就可以了，如果数据量达到几十上百TB，或者可见的在未来几年内数据会达到这样一个规模，可以将仓库搭在 greenplum中。

这种场景应该是适用于大部分公司，对于大部分企业来说，数据量都不会PB级别，更多的是在TB级以下。

公司数据爆发式增长，原有的数据平台无法承担海量数据的处理，那么就建议考虑hadoop这种大数据平台了。它一定是公司的数据中心，这样一个角色，仓库是少不了的，可以将原来的仓库直接搬到hive中去。这种数据量比较大的情况要怎样呈现，因为hive的性能较差，它的即席查询可以接 impala，也可以接greenplum，因为impala的并发量不是那么高，而greenplum正好有它的外部表(也就是greenplum创建一张表，表的特性叫做外部表，读取的内容是hadoop的hive里的)，正好和hadoop完美的融合(当然也可以不用外部表)。

这个是后面补充的，当公司原本有一个数据仓库，但历史数据了堆积过多，分析性能下降，要怎么办?两个方案可以考虑，比较长远的，可以将仓库以及数据迁移到greenplum中，形成一个新的数据平台，一个独立的数据平台，可以产生更多的可能性;比较快速的，是可以将类似finecube那种敏捷型数据产品接入原来的仓库，这样来提升数据的处理性能，满足分析的要求。

四、关于方案选型时可能会出现的误区

(忽略业务的复杂性，要用工具来解决或者是绕开业务的逻辑。)

这个是我最近遇到过的，客户要做报表平台，有三个业务系统的数据需要整合。但是急于变现，不想搭建传统的数据仓库，所以从敏捷型的bi工具中选型。工具厂商对自己数据产品的描述，一般着重于他的快速实施、性能的优化、以及自带的基本etl功能。这样容易给客户造成误区，就是通过这一产品可快速搭建出一个公司级别的数据中心，满足于顶层对数据的需求。

然而在后期突然意识到，工具所解决的，仅仅是在技术层面上简化了工具的使用的复杂性，把etl和数据集市封装在一起，并且提高了数据的性能，但是并没有从业务层面上实现数据的建模，很多细节问题无法处理。

虽然敏捷开发非常诱人，如果业务系统简单，或者只需要分析当前状态的业务数据，不需要公司级的数据中心，那么确实是一个非常好的方案。然而这些问题还没有考虑清楚，对敏捷产品有了过高的期望，后面是会遇到些麻烦的。

除此之外，可能还会有为了大数据而大数据的，但是这些我在实际的工作中还没有遇到。

最后总结一下，企业选择数据平台的方案，有着不同的原因，要合理的选型，既要充分的考虑搭建数据平台的目的，也要对各种方案有着充分的认识。

仅从个人的角度，对于数据层面来说，还是倾向于一些灵活性很强的方案的，因为数据中心对于公司来说太重要了，我更希望它是透明的，是可以被自己完全掌控的，这样才有能力实现对数据中心更加充分的利用。因为，我不知道未来需要它去承担一个什么样的角色。

好了，文章到这里就结束啦，如果本次分享的数据交易平台生态体系建设和怎样选择数据平台的建设方案问题对您有所帮助，还望关注下本站哦！