這幾年的數據領域有好多的概念，例如：大數據、人工智能、深度學習、機器學習、數據治理、數據中臺、數據平臺、數據湖……。新技術、新概念的出現，為企業業務和管理的創新，社會經濟的發展，注入新活力，激發新動能。很多企業都認識到了數據的重要性，數據是企業的重要資產，成為了企業的普遍共識。

這幾年的數據領域有好多的概念，例如：大數據、人工智能、深度學習、機器學習、數據治理、數據中臺、數據平臺、數據湖……。新技術、新概念的出現，為企業業務和管理的創新，社會經濟的發展，注入新活力，激發新動能。很多企業都認識到了數據的重要性，數據是企業的重要資產，成為了企業的普遍共識。這激活了企業創新和改革的動力，加速了企業向互聯網化、數字化方向的轉型，提高了企業跨行業、跨領域的學習能力，推動了整個社會的數字化發展。
一、數據中臺的概念
數據中臺是一個承接技術，引領業務，構建規范定義的，全域可連接萃取的、智慧的數據處理平臺，建設目標是為了高效滿足前臺數據分析和應用的需求。數據中臺距離業務更近，能更快速的響應業務和應用開發的需求，可追溯，更精準。廣義上理解，數據中臺包含了頂層數據戰略、數據治理體系以及數據管理及運營、數據文化培養和組織架構支撐，是一套持續管理和運營的體系。狹義上看，數據中臺是通過數據技術，對海量、多源、多樣的數據進行采集、處理、存儲、計算，統一標準和口徑，并以標準形式存儲，形成大數據資產層，以滿足前臺數據分析和應用的需求。
二、數據平臺的概念
數據平臺在對數據湖的原始數據進行清洗、轉換等數據處理后，按照統一的標準規范進行存儲，來為前端數據分析應用提供數據集。它是以處理海量數據存儲、計算及流數據實時計算等場景為主的一套基礎設施，使用大數據平臺，企業可以比競爭對手更快地作出數據驅動的決策，更快地推出適應客戶需求的產品。
三、數據湖的概念
數據湖作為一個集中的存儲庫，可以在其中存儲任意規模的所有結構化和非結構化數據。在數據湖中，可以存儲數據不需要對其進行結構化，就可以運行不同類型的分析。簡單來說，數據湖一個大型的基于對象的存儲庫，以數據的原始格式保存數據。它的顯著特點在于，像湖泊一樣沒有固定形態和邊界，能“容納”各種數據，加入數據就擴大，移除數據會縮小，靈活性和包容性很高。
四、數據湖、數據平臺與數據中臺三者之間的關系
數據中臺與數據湖沒有直接聯系；數據中臺、數據平臺與數據湖在某個維度上為業務產生價值的形式有不同的側重。
數據湖與數據中臺的關系：數據湖作為一個集中庫，可以在其中存儲任何形式（結構化和非結構化）、任意規模的數據。在數據湖中，可以不對存儲的數據進行結構化，只有在使用數據時，再利用數據湖強大的數據查詢、處理、分析等組件對數據進行處理和應用。因此，數據湖具備運行不同來興數據分析的能力。數據中臺從技術的層面承接了數據湖的技術，通過數據技術，對海量、多源、多樣的數據進行采集、處理、存儲、計算，同時統一標準和口徑，把數據統一后，以標準形式存儲，形成大數據資產層，以滿足前臺數據分析和應用需求。數據中臺更強調應用，離應用更近，強調服務于前臺的能力，實現邏輯、算法、標簽、模型、數據資產的沉淀與復用，能更快的響應業務和應用開發的需求，可追溯，更精準。

區別是：數據中臺是企業級的邏輯概念，體現企業數據向業務價值轉化的能力，為業務提供服務的主要方式是數據 API；數據平臺是在大數據基礎上出現的融合了結構化和非結構化數據的數據基礎平臺，為業務提供服務的方式主要是直接提供數據集；數據中臺距離業務更近，能夠更快速的響應業務和應用開發需求，從而為業務提供速度更快的服務；數據平臺則是將數據服務化之后提供給業務系統，不僅限于分析型場景，也適用于交易型場景；數據中臺可以建立在數據倉庫和數據平臺之上，是加速企業從數據到業務價值的過程的中間層。

五、關于PetaBase-s湖倉一體化平臺
PetaBase-s是億信華辰重磅推出的企業級實時大數據平臺。它基于開源Hadoop框架開發，融合MPP、SQL on Hadoop、流處理等大數據技術，支持海量數據的高效儲存和統一管理，為企業決策提供實時的數據支撐。湖倉一體化平臺主要解決結構化，非結構化融合存儲的混合應用場景，主要面向能源，工業，政務等業務范疇比較廣的行業。