前
言
导读：初级工程师搞技术，高阶工程师搭平台。没有几个工程师天赋异禀，技术的差距，是认知的差距。文笔差多包涵，希望对你有所帮助。一家之言，谢邀！
大家好，我是空空，空杯的空！
老朋友了。
“业务数据化，数据产品化，产品平台化”，中台或许不成功，但中台思想是先进性进步。一图胜千言，先上图。
大数据产品平台化体系.xmind
作为数据工程师，不管你是数仓/BP/BI，还是大数据开发/ETL，天天只知道 code 代码的朋友，需要抬头顿首，从上帝视角思考大数据产品平台体系架构。敲代码，拼体力，肯定拼不过新生代年轻人。
在说平台体系之前，我们先简单聊一下方法论。方法论是什么？方法论有很多，如维度建模、3-One 等，都需要落地才会产出价值。同一个东西，从不同的角度去看可能是完全不一样的见解。
方法论是仁者见仁，智者见智又指导实践殊途同归的思想。
其实可能很多人都听过，比如阿里经常讲的全域数据，背后是一系列在做数据化运营过程当中沉淀出来的一些方法论。如 OneID，就是我去拉通去看，我们把所有的消费者或者是把所有的商家的数据合到一起，我们去打造一个全域数据。如 OneModel，数据建设了这么多年，沉淀的一套数据建设方法论。还有 OneService，是再数据向上使用的时候，一套工具和方法论（引自阿里技术）。
无独有偶，数据中台更需要大数据平台化去落地与具象。
大数据产品平台体系，从数据生产、数据服务到数据管理、资源管治。与其说是大数据产品平台体系，或许不如说是当前大厂数仓平台化体系更合适。平台化，五花八门，职能细化，分工明确，合作协同的同时，造就了一个又一个岗位。对数据工程师来说，也是一大利好。下面我们通过强引具体看下都有哪些平台：
一、数据生产
- 数据集成平台
数据同步（接入、分发）
- 离线开发平台
离线数仓
- 实时计算平台
实时数仓
- 调度平台
现在一般会集成到开发平台
- 数据质量中心
DQC、SLA
二、数据服务
- BI 报表平台
传统报表
- 自助分析平台
自助取数、OLAP 多维分析、可视化
- 交互式查询平台
HUE
- 用户画像系统
DMP
- API 开放平台
API 服务
- App 分析
用户行为分析
- ABTest 平台
通用 A/B 测试
三、数据管理
- 数据地图
元数据管理系统
- 数据资产
数据模型、数据权限
- 指标管理平台
指标体系、指标库、
维度/指标统一服务平台
- 埋点管理平台
埋点元数据管理平台
- 需求管理平台
任务协同、项目管理工具
四、资源管治
- 数据管治平台
规范分、排名等
- 资源管治平台
计算资源、存储资源、队列管理、资源治理
- 引擎服务平台
存储引擎（HDFS 等）、
计算引擎（MR/Flink 等）
注：今天作为一个架构强引，没有具体展开，每一个都是一个大项目，期待后面逐个陆续展开分享。
五、全局延伸
1.大数据生态 0-1 全景图谱.xmind
2.Apache Flink 学习 0-1 知识点全景图.xmind
