大数据平台构建方向

大数据平台，是指大型企业用来担负数据存储、处理、分析业务和软硬件综合平台系统。大数据平台一般针对内部提供数据业务相关服务，常见的数据业务有数据仓库、数据可视化、推荐业务等。

大数据平台的建设目标是什么？

大数据平台建设的目标是什么？比拼谁的组件更丰富？谁跟进社区技术跟进得最快？谁的团队拥有最多的Comitter？No，No，No！这些，最多也就是手段，而非目标。甚至都不一定是实现目标的最有效的手段。
评估数据平台的能力和成熟度，重点不在于你提供了多少种存储计算引擎，Cover了大数据生态圈多少的技术组件，或者你自认为的团队技术能力有多么的无敌。而是你为用户解决了哪些问题，扫除了哪些障碍，提升了多少效率，附加了哪些增值收益，进一步的，包括平台内部组件的横向联通和业务纵向贯穿打通上下游链路的能力，这才是数据平台建设的根本目标和成熟度评估标准。

大数据平台的构建过程

参考《为建设四个现代化的大数据平台奋斗终身》，总结大数据平台的构建过程：

1. 组件工具化：
   把一些常用的操作用脚本维护起来，沉淀经验，避免误操作呗，比如集群部署，配置更新等等。但工具化，难道就是写写集群日常维护脚本这点事么？工具化的本质目标，是降低学习成本，提高工作效率，减少犯错概率所以工具化的背后，是对组件细节的封装和简化，不仅仅从平台组件维护的角度，更是从用户应用开发的角度来说。

2. 工具平台化
   将各种组件，工具，开发流程整合到一起，统一管理，提供成体系的开发运维管理途径。

3. 平台服务化
   平台和服务的区别？服务是围绕着客户体验为中心展开的，所以它的重点不在平台自身，它的重点是用户。用户满意才是衡量服务水平的唯一标准。

需要什么服务？

• 存储

• 计算

• 查询（展示）

为什么要提供服务？

• 创造价值

怎么构建数据平台服务？

• 针对具体的业务场景，针对性的开发，一站到底式的支持（专用）

• 针对抽象通用的功能需求，分别构建独立的系统，通过各个系统的叠加配合完成对业务场景的支持（通用）

1. 服务产品化
   做得越多，错得越多，服务越好，负担越重，这种困境，只有依托良好的产品形态来换取可衡量的价值产出才能打破。多谈论一些自己团队做的工作能为公司带来的利益，对团队的发展有好处。

产品化思想：

• 别让用户有挫败感

• 提供差异化，阶梯式产品服务

• 构建反馈式服务

• 确保你的产品，可持续改进

作者：OldChicken_
链接：https://www.jianshu.com/p/47cd55ffa3bd