传统数据仓库与数据中台？

个人认为最大的差别数据仓库是分析型且只读的，中台是交易型的。对数据的加工和分析性能要求更高。

1、数仓主要是数据聚集，数据中台主要是在数据集上增加相关数据处理，快速应对业务需要
2、我认为这中间可以先不用做迁移，保留T0层数据

数据仓库：解决数据孤岛问题，是IT技术解决方案
数据中台：重点强调业务，是业务解决方案

两者的侧重点完全不一样

（1）传统的数据仓库，做的是数据的聚集，将几个数据孤岛的数据汇总起来，做一定维度上的聚集和提炼；
（2）数据中台，其实是做数据的标准化，也就是做数据治理、数据管控，使得数据资产化，可以供各个业务所使用。

所以，数据中台的概念是包含数据仓库的，可以理解为数据仓库升级。要迁移，不是容易的事，做数据中台，你必须理解业务，不然你怎么治理，你怎么补全缺失的数据，你又怎么清洗数据。
从某种意义上说，数据中台提供的是数据的“产品”，是企业各业务环节可以使用的数据，接近于数据湖的概念。

数据中台和数据仓库的区别核心在于理念的不同，数据仓库更多的是站在IT技术的角度，而数据中台是站在DT的交付，更多是服务于业务的视角，一开始就强调业务引领

数据来源 和 建立数仓的目标 以及 数据应用的方向 不同
首先，从数据来源来说 ，数据中台的数据来源期望是全域数据包括业务数据库，日志数据，埋点数据，爬虫数据，外部数据等。
数据的来源可以是结构化数据或者非结构化的数据。而传统数仓的数据来源主要是业务数据库，数据格式也是以结构化数据为主。

其次，建立数据中台的目标 是为了融合整个企业的全部数据，打通数据之间的隔阂，消除数据标准和口径不一致的问题。数据中台通常会对来自多方面的的基础数据进行清洗，按照主题域概念建立多个以事物为主的主题域比如用户主题域，商品主题域，渠道主题域，门店主题域等等。 数据中台遵循三个one的概念： One Data, One ID, One Service， 就是说数据中台不仅仅是汇聚企业各种数据，而且让这些数据遵循相同的标准和口径，对事物的标识能统一或者相互关联，并且提供统一的数据服务接口。就像做菜一样，按照标准化的菜名，先把所有可能用到的材料都准备好。而传统的数仓主要用来做BI的报表，目的性很单一，只抽取和清洗该相关分析报表用到基础数据，新增一张报表，就要从底层到上层再做一次。

然后，在数据应用方面 ，建立在数据中台上的数据应用 不仅仅只是面向于BI报表，更多面向营销推荐，用户画像，AI决策分析，风险评估等 。而且这些应用的特点是比较轻，容易快速开发出来，因为重要的数据分析工作在数据中台已经完成并且沉淀，之前工作成果都能被多个应用共享。