共计 934 个字符，预计需要花费 3 分钟才能阅读完成。
2002 年 10 月 18 日，我国第一个国家信息化布局出台，预示着信息化建设正式驶入快车道。随后几年，借势互联网高速倒退的东风，以及宽带中国策略、“互联网 +”策略、大数据策略等国家级策略陆续确定，大多数传统企业在市场变动和政策疏导的双重推动下，接触到了初步的数字化降级：数控系统、ERP 软件等在金融、制作、批发、餐饮等多个行业深刻利用。
彼时的数字化降级，多聚焦于解决业务场景一直减少、数据利用需要日益频繁，因而在降级过程中谋求疾速响应业务需要，这也导致很多企业的数字化建设出现“烟囱式”特点，即一条业务线对应一套数字化流程。
但很快企业就发现，随着本身业务幅员的继续扩充，以及数据量级几何式暴发增长，“烟囱式”建设带来的弊病也日渐浮现。
首先是建设老本问题，对企业来说，烟囱式的数字化建设必然造成了数据的反复加工，这也间接导致研发效率、数据存储和计算资源的节约；其次，业务间的数据互相割裂，无奈高效流通，而且因为各个业务零碎的数据指标口径并不统一，这也减少了跨零碎数据整合利用的老本。
而数据中台理念的衰亡，给予了企业数据基础设施建设的新门路。从架构上来看，数据中台与过来的“烟囱式”建设有着显著区别。
数据中台借鉴了传统数仓面向主题域的数据组织形式，基于维度建模实践，构建对立的数据公共层和应用层，同时可能依赖大数据平台实现数据研发全流程，并减少了数据治理、数据资产以及数据服务化内容。
这样的益处在于，可能在进步数据共享能力的根底上，帮忙企业躲避数据的反复加工，并以数据服务化的模式撑持业务场景的数据利用。火山引擎数智平台 VeDI 凭借丰盛可耦合的数据产品矩阵及 9 年外部实际，积攒了丰盛的数据中台建设教训。
本月 20 日下午 19 点，火山引擎数智平台 VeDI「超话数据」栏目将推出《火山引擎 VeDI 数据中台架构分析与计划分享》直播流动，深度分析字节跳动 9 年实践经验。
通过详解 VeDI 大数据开发套件 DataLeap、开源大数据平台 EMR、湖仓一体剖析服务 LAS 等多款数据产品，最直观地还原企业在构建数据中台时可能面临的问题，以及包含数据采集、数据集成、数据治理、数据计算等在内的多环节链路难点和解决方案。
目前流动已凋谢报名，微信扫码即可进入社群预约。
点击火山引擎数智平台 VeDI 官网理解更多
