大家好，关于线上交易平台建设方案很多朋友都还不太明白，不过没关系，因为今天小编就来为大家分享关于怎样选择数据平台的建设方案的知识点，相信应该可以解决大家的一些困惑和问题，如果碰巧可以解决您的问题，还望关注下本站哦，希望对各位有所帮助！

本文目录

1. 企业网站建设的作用
2. 怎样选择数据平台的建设方案
3. 目前国内的电子招投标行业中有几种平台

一、企业网站建设的作用

1提高企业整体形象，增强企业品牌的曝光度。一个优秀的企业网站是企业的一张名片，好的企业网站可以提高企业的知名度。

2有利于业务的的直接转化，提高业务转化率。网站关键词排名，尤其是关键业务排名，加上优秀的营销型落地页，可以为企业直接带来订单。

3帮助企业了解市场，利于企业及时调整战略。通过流量统计工具分析，以及网站及时沟通工具，可以让企业更加了解用户需求，了解市场行情，便于企业方针调整。

4作为市场营销的一种工具，配合其他营销手段做全网营销。企业网站是市场营销中不可或缺的重要部分，和其他的转化渠道是相辅相成的关系。

（1）网站后台需要进行初步设计，为了方便使用者更新网站产品信息或者服务信息，因为企业的产品或者服务在不断的增加和完善，所以为了方便用户使用，后台需要为客户搭建一个管理平台，产品以及产品分类增加，删除，修改等功能。

（2）在线留言以及网站公告：通过在线留言可以方便建立于客户之间沟通的媒介，很多企业网站忽略这点。网站公告可以在第一时间内告诉客户企业新品的发布以及企业动态，这样，当自己有新产品推出的时候，总是会第一时间通知到这些客户，也是提高客户服务质量的一种手段。

1、根据网站的目的确定网站的结构导航。

一般企业型网站应包括：公司简介、企业动态、产品介绍、客户服务、联系方式、在线留言等基本内容。更多内容如：常见问题、营销网络、招贤纳士、在线论坛、英文版等等。

2、根据网站的目的及内容确定网站整合功能。

如flash引导页、会员系统、网上购物系统、在线支付、问卷调查系统、在线支付、信息搜索查询系统、流量统计系统等。

3、确定网站的结构导航中的每个频道的子栏目。

如公司简介中可以包括：总裁致词、发展历程、企业文化、核心优势、生产基地、科技研发、合作伙伴、主要客户、客户评价等；客户服务可以包括：服务热线、服务宗旨、服务项目等。

如产品中心使用动态程序数据库还是静态页面；营销网络是采用列表方式还是地图展示。

1、网页设计美术设计要求，网页美术设计一般要与企业整体形象一致，要符合企业ci规范。要注意网页色彩、图片的应用及版面策划，保持网页的整体一致性。

2、在新技术的采用上要考虑主要目标访问群体的分布地域、年龄阶层、网络速度、阅读习惯等。

3、制定网页改版计划，如半年到一年时间进行较大规模改版等。

参考资料：百度百科-企业网站建设方案

二、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。

三、目前国内的电子招投标行业中有几种平台

招投标全流程电子化：规范、实施与监管问题解析-工保网

招投标全流程电子化，是近年来我国在公共资源交易领域发展的一种全新交易与管理形式；是在高效利用信息化技术基础上对于传统招投标交易与管理活动的一次重要变革。

针对传统招标投标活动中存在的交易成本较高、交易手续繁琐、交易行为不规范等痛点问题，招投标全流程电子化将招投标过程与行为由线下转为线上，并通过数字化、信息化技术手段克服传统招投标形式下的物理空间壁垒，实现远程开标评标，极大程度上降低着交易成本，简化交易手续，有效释放招投标市场活力。

同时，招投标业务全流程线上化操作能够规避人为操纵、人为失误风险，减少腐败行为；全过程数据留痕、信息可追溯查询也有利于加强招投标市场监管，更好的规范招投标市场秩序。

毫无疑问，招投标全流程电子化是我国公共资源交易发展的主要趋势。近年来国家不断加大简政放权、优化营商环境的政策力度，推进招投标电子化发展与无纸化办公。尤其今年以来受新冠疫情影响，国家倡导不见面招投标交易，全面推行在线投标、开标，积极推广电子评标和远程异地评标，加快运用电子保函形式，大力推进招投标行政监督电子化，这都加速着招投标全流程电子化的发展进程。

但需要注意的是，即便有着中央大力推动与地方积极响应的良好政策助力，招投标活动由线下向线上的整体迁移发展仍然面临多方面问题。

在推进招投标全流程电子化的实践应用过程中，“统一性与规范性”是决定招投标全流程电子化进程与服务质量的重要标准。目前，在各地招投标全流程电子化实践过程中，主要存在以下“统一性与规范性”问题。

据不完全数据统计，目前全国各地的电子招投标平台多达上万家，不同的电子招投标平台之间存在不同的技术差异与标准差异，甚至含有行业或地域属性的技术壁垒。在缺乏统一规范的系统平台管理标准下，不利于招投标全流程电子化的信息共享与互联互通，直接影响着：

增加线上化操作难度与投标企业负担。对于同一投标人，在面对不同招标人的指定电子招投标平台要求下，投标人需要遵守不同电子招投标平台的操作要求与操作规则，增加着投标操作难度与精力成本。

影响招投标全流程电子化建设的整体进程。不同区域省市县，各级行政区电子招投标系统平台未实现有效对接，未实现信息共享与互联互通，“分散割据”的系统平台现状阻碍着全国招投标全流程电子化的整体进程。

目前，各地试行招投标全流程电子化工作普遍存在标准文件不统一的问题，既为招标人增加编制难度与精力成本，也影响着招投标市场监管，不利于招投标市场的规范发展，为一些腐败行为提供了可乘之机。

不同行业领域之间，如施工、勘察、设计、设备采购、材料采购、监理招标，依据不同的文件模板编制标准招标文件；

不同下辖行政区，如A市采用省级编制的标准招标文件，B市则采用本市编制的标准招标文件。

当然，这些统一性与规范性发展问题已引起部门地区管理部门重视，如此次四川省住建厅、公共资源交易中心联合印发《四川省房屋建筑和市政工程标准招标文件（2021年版）》的通知，就对四川省内房屋建筑和市政工程勘察、设计、勘察设计、施工、施工总承包、监理、设备采购、材料采购制定了标准招标文件。

将传统公共资源交易的招投标活动与监管由线下转为线上，涉及多方面的联动发展。一些原有环节操作是可以通过信息技术手段，实现线下向线上的迁移，甚至进一步完善优化；也有一些环节操作是难以通过技术实现线上操作取代线下操作的，如投标人的现场考察环节。

投标人参与招投标活动的一个重要环节即是参加现场考察，通过对招标工程地点的的自然、经济和社会条件进行综合考量，如现场地形、地址、水文、周围环境及障碍物的考察，为投标编制施工组织计划、设计制定施工方案、安排冬雨期施工措施、编制现场“三通一平”计划等，进而科学合理的开展投标编制工作与投标报价。

从这个角度来看，推进招投标全流程电子化与科学开展建设工程招投标活动，两者之间即存在必然的问题矛盾。

此外，在招投标市场监管方面，市场监管机构不仅面对线上化监管的全新挑战，还面临更为严峻的线下不规范市场行为监管。招投标全流程电子化对于规范各类招投标市场行为的监管效果毋庸置疑，因此在推进招投标全流程电子化发展过程中，一些项目单位转而采取“下线”策略逃避监管，如将项目工程化整为零或分段实施，从而降低项目规模逃避招标，直接发包给承包商；再如项目主体工程进行线上招投标，后期建设或附属配套工程转为线下发包。这要求监管机构对于招投标线下市场行为进一步加强监管。

招投标全流程电子化，是我国公共资源交易领域的一项重要发展变革，是对传统招投标活动形式与市场管理的一次信息化升级。这一方面代表着我国公共资源交易交易服务与公共资源管理开始进行“形”与“质”跃迁，另一方面也对电子招投标市场建设与监管提出巨大挑战。

OK，关于线上交易平台建设方案和怎样选择数据平台的建设方案的内容到此结束了，希望对大家有所帮助。