作者：柯根 更多内容详见数据中台官网 https://dp.alibaba.com
作为OneData体系中最为重要的成员OneModel，是“阿里巴巴数据中台团队”在遇到了实实在在的大数据痛点后，根据实战经验所沉淀出来的方法论。

在2014年以前，阿里巴巴每一块业务都有对应的ETL开发团队为其提供数据支持，而每个ETL开发团队都会按照自己的思路建设自己的数据体系，但这些数据体系在实际执行的过程中得到的效果往往不尽人意。

由上图可见，每一个ETL团队在支持一条业务线时，都会从复制基础数据开始向上开发。在面向业务分析支持时，可复用的中间层时而有时而无，并与数据应用层混合在一起。数据分析师或业务人员在进行数据分析时，也是从底向上独立加工数据表。
这种重复建设同时带来了业务、技术和管理上的困扰，给后续的技术和数据体系的发展带来潜在问题。
（1）业务上的困扰
在定义指标阶段，存在字段命名不规范、口径不统一、算法不一致的问题。
在开发阶段，面向各业务线烟囱式的开发，造成数据重复且不可信。
在上线后维护阶段，任务难以下线，且当源业务系统或业务自身发生变化时，难以及时反映到数据中。
从支撑业务及时性和有效性上，数据部门开发周期长、效率低、服务响应速度慢；同时任务链冗长，导致计算资源紧张，数据时效性不能满足业务需求。
（2）成本上的不合理消耗
计算存储资源的浪费：
大数据作为新时代的能源和生产力，大家都认识到大数据的价值，可是一旦应用大数据，数据就会以指数级甚至更快的速度增长。如果不通过合理的数据构建方式，在数据还没来得及产生业务价值时，计算和存储资源很快会吃掉企业的绝大部分利润。
人力资源的浪费：
数据研发人员绝大部分的时间都消耗在临时取数和数据咨询上。在这种情况下，研发人员很难有时间考虑优化任务，更不用说思考如何为业务赋能。
因此如何用更合理的方式来缓冲业务变化对数据模型的冲击、有效避免数据的重复计算和存储、合理的对数据进行生命周期管理是企业急需解决的问题。
（3）数据难以管理
下图是阿里巴巴在未建设数据中台时，各个数据团队建设数据任务在云计算环境的关系图（每个圆形代表一条业务线的任务集合，圆形之间的连线代表两者之间的引用）：

可以看出，数据处理流向是混乱的、无方向性的，导致数据管理基本处于失控状态。当需要追溯数据质量问题源头、对任务进行优化或下线时，都完全无从下手。
基于以上业务背景，阿里巴巴数据中台团队通过实战沉淀的OneModel方法论构建的数据公共层，力求让业务和技术人员都能满意，数据能更好的赋能业务。
经过阿里巴巴数据中台团队的不断探索和演进，已将OneModel方法论的精华沉淀到数据中台产品Dataphin中，让所有的企业都能绕过阿里巴巴建设数据中台所走过的坑，构建企业既“快”且“准”的“全”“统”“通”的云上数据中台。

结语：
阿里巴巴数据中台团队，致力于输出阿里云数据智能的最佳实践，助力每个企业建设自己的数据中台，进而共同实现新时代下的智能商业！
阿里巴巴数据中台解决方案，核心产品：
Dataphin，以阿里巴巴大数据核心方法论OneData为内核驱动，提供一站式数据构建与管理能力；
Quick BI，集阿里巴巴数据分析经验沉淀，提供一站式数据分析与展现能力；
Quick Audience，集阿里巴巴消费者洞察及营销经验，提供一站式人群圈选、洞察及营销投放能力，连接阿里巴巴商业，实现用户增长。
欢迎志同道合者一起成长！更多内容详见数据中台官网 https://dp.alibaba.com