数据仓库

数据仓库是一个面向主题的、集成的、随时间变化但信息本身相对稳定的数据集合，用于支持管理决策过程。其本质就是完成从面向业务过程数据的组织管理到面向业务分析数据的组织和管理的转变过程，也是商业智能BI中数据仓库的主要作用。

数据仓库就像企业的总的大仓库，能够存储不同来源、不同格式的数据，并且可以通过ETL和数据模型，对数据进行高质量的筛选，分级分类进行存储。具有很强的稳定性，不会频繁的进行增删改等操作，能够反应历史变化。

其实数据仓库和数据库跟现实中的仓储系统是有很多相似之处的，企业各部门的数据库就相当于一个个小的产业库，对应了企业的各个部门。而数据仓库相当于是一个终端仓库，其中存储的物品是由各个小的仓库运送的，是各个数据库的集合体，一个更大的综合数据库。

OLAP和数仓的关系是依赖互补的，一般以数据仓库作为基础，既从数据仓库中抽取出详细数据的一个子集并经过必要的聚集存储到OLAP存储中供数据分析工具读取。

数据湖

数据湖从本质上来讲，是一种企业数据架构方法，物理实现上则是一个数据存储平台，用来集中化存储企业内海量的、多来源，多种类的数据，并支持对数据进行快速加工和分析。

特性	数据仓库	数据湖
数据	来自事务系统、运营数据库和业务线应用程序的关系数据	来自 IoT 设备、网站、移动应用程序、社交媒体和企业应用程序的非关系和关系数据
Schema	设计在数据仓库实施之前（写入型 Schema）	写入在分析时（读取型 Schema）
性价比	更快查询结果会带来较高存储成本	更快查询结果只需较低存储成本
数据质量	可作为重要事实依据的高度监管数据	任何可以或无法进行监管的数据（例如原始数据）
用户	业务分析师	数据科学家、数据开发人员和业务分析师（使用监管数据）
分析	批处理报告、BI 和可视化	机器学习、预测分析、数据发现和分析

传统数仓的工作方式是集中式的：业务人员给需求到数据团队，数据团队根据要求加工、开发成维度表，供业务团队通过BI报表工具查询
数据湖是开放、自助式的（self-service）：开放数据给所有人使用，数据团队更多是提供工具、环境供各业务团队使用（不过集中式的维度表建设还是需要的），业务团队进行开发、分析
也就是组织架构和分工的差别 —— 传统企业的数据团队可能被当做IT，整天要求提数，而在新型的互联网/科技团队，数据团队负责提供简单易用的工具，业务部门直接进行数据的使用。人人具备数据分析能力

数据中台

数据中台强调的是连接，企业通过数据中台提供的方法和运营机制，将数据连接起来，形成汇聚整合、提纯加工、建模处理、算法学习，再通过连接以共享数据服务的方式将复杂的数据处理过程提供给业务使用，从而实现数据与业务的连接。

通俗的话来说，数据中台就是让企业的数据动起来的实现企业全面数据化的解决方案，主要价值在于数据服务，也就是可复用性。其本质是因为数据从业务系统中产生并储存，而业务系统反过来也需要利用数据分析来优化改进业务流程，那么就可以把业务系统的数据存储和计算能力抽象，交给独立的数据处理平台提供储存和计算能力，这就是数据中台产生的真正原因。

数据中台的主要目的：解决企业在发展过程中，由于数据激增与业务的扩大而出现的统计口径不一致、重复开发、指标开发需求响应慢、数据质量低、数据成本高等问题。通过一系列数据工具（元数据中心、数据指标中心、数仓模型中心、数据资产中心-资产质量/治理/安全、数据服务中心等），规范数据供应链的各个环节。
数据中台应该承担的角色：

数据中台和业务中台的边界到底在哪里？ - 知乎

到底如何划分数据产品与数据中台的边界？ by 大鱼先生 - 知乎