企業在大數據基建過程中，會遇到太多問題。
資產治理、數據服務、技術選型、安全合規、穩定可用…解決完一個，又冒出另一個。
與此同時，企業對數據基建的要求也越來越高，既要快速敏捷地響應業務需求，又要盡可能控制存算成本、提高利用率。
能否體系化地應對這些難題，進一步，能否在挑戰來臨前，就預先做好準備？
從奇點云過去600+客戶的數據云建設實踐中，我們發現，數據基建的挑戰并非“隨機刷怪”，而是有章可循。其中，以下7大場景最為常見，也最為典型：
傳統數倉升級；數據技術棧優化；數據中臺建設；數據資產治理；集團數據云服務；自主可控替代；數據安全合規。
我們將上述7大場景的常見痛點、關鍵問題及落地實踐必須關注的要點，寫入了《數據云場景指南》，伴您在數據基建進階路上“升級打怪”。
我們推薦這樣使用《數據云場景指南》：
從企業當下遇到的痛點或關注的問題出發，在索引頁找到目前所處的階段，進而針對性了解該場景應當關注的要點與解法。
需要注意的是，挑戰不會一成不變。企業的數據基建既不能“一蹴而就”，也無法“一勞永逸”。
因此，這本“攻略”不僅介紹了多個問題的解法，也提供體系化的思路，以便為下個階段做好準備，滿足進階的數據應用與未來的業務規劃需要。
篇幅有限，本文僅擇取每個場景的片段一覽，下載指南即可查閱詳情。
場景一：傳統數倉升級
以Teradata、Oracle等廠商為代表的傳統MPP（大規模并行處理，Massively Parallel Processing）數據倉庫，曾在眾多大中型企業的數字化轉型中發揮重要作用。而伴隨用數規模擴大、需求加深，企業對分析時效要求越來越高，數據量越來越龐大，傳統數倉在成本、靈活性、開放性均顯露出諸多不足。
在該場景，企業需分離OLTP（On-Line Transaction Processing， 聯 機 事 務 處 理）和OLAP（On-Line Analytical Processing，聯機分析處理），并由以Hadoop為代表的分布式大數據平臺來面向OLAP場景。
相較MPP數倉，分布式大數據平臺具備吞吐量大、擴展性和容錯性好、硬件成本相對低、可靈活處理多種類型數據等優勢。
場景二：數據技術棧優化
伴隨業務發展，數據分析需求日益復雜，數據平臺團隊開始面臨多云部署、多引擎調度等更復雜的底層技術難題。
以多引擎問題為例，目前沒有一個OLAP數據庫引擎能完美適配所有場景（測評詳見《OLAP數據庫引擎選型白皮書》），企業需要綜合業務需求、性能、維護成本等多種維度進行選型。隨之而來的，就是多引擎混合調度問題——在技術架構上，不推薦采用煙囪式建設，而應當同時確保引擎協調性（包括引擎間的任務調度和執行、數據傳輸和協作等）、數據一致性，以及資源利用最大化。
以下數據場景，往往對多引擎混合調度有高要求：
· 多樣化數據源及復雜數據處理：以制造業的實時生產監控為例，該場景數據量龐大，其中包括大量的機械設備傳感器數據，因此底層需要離線、實時及時序計算引擎做支撐，針對性處理多樣化數據源和不同的計算操作。
· 流批一體：依托多引擎混合調度能力，充分利用流處理引擎、批處理引擎的優勢，調度適當的引擎來執行任務，同時確保底層執行邏輯一致性、數據一致性，解決延遲、順序、資源協調等挑戰。
場景三：數據中臺建設
數據中臺建設或是大數據從業者們最為熟悉的場景。在這個階段，企業往往已完成業務IT化，在許多系統內沉淀了大量數據，但各成“數據孤島”，導致數據用不起來。
數據中臺的核心任務就是打造互聯互通的大數據平臺，以One-ID為核心，通過數據匯集、清洗、指標體系搭建等，沉淀數據資產。在統一的平臺基礎上，以需求驅動，培養數據應用能力，讓數據逐步成為企業決策的核心支持。
該場景下，底層平臺還必須關注穩定性，以規避因不可用、不可靠等問題造成的業務損失，確保數據價值持續產出。
場景四：數據資產治理
數據資產治理是每個企業想用好數據都繞不開的環節。我們需要進一步明確的是：
其一，如果沒有體系化地進行數據治理，缺少科學方法和架構支持，大數據平臺就無法持續高效地支撐業務需要，出現不得不為單一場景定制、計算周期長等各種問題；
其二，即便經過初階的治理，如果沒有形成合理的數據架構和運維體系，隨著業務迭代，數據資產管理仍會再次陷入混亂，導致資產無法有效復用。
在該場景，指南不僅介紹了數據治理方法論，也詳解了指標、標簽、算法模型、數據服務等資產的體系化建設與管理實踐，在建立規范的治理流程和標準的資產體系前提下，進一步為上層使用數據資產提供便利。
場景五：集團數據云服務
集團型企業由于多品牌、多業態、多主體等特征，對數據基礎設施的能力要求往往更為多元。例如，既要支持子品牌獨立發展，又要全集團統一管理；既要集團資源合理利用，又要主體之間安全隔離。
該場景下，企業的數據基礎設施必須具備“既隔離又統一”的平臺型數據管理能力，從而實現：既能滿足各業務單元的隔離需求，又能滿足集團全局分析需求；既能支持多云戰略，又能支持跨云統一調度；既能保障各系統獨立穩定的管理調度，也能統一存算資源，提高資源利用率。
*奇點云數據云平臺DataSimba提供跨云多域多租戶技術方案，支持通過創建新的Workspace（工作空間），來滿足企業業務擴張、快速復制數據生產域、開辟創新業務或安全合規隔離等要求。可查閱《數據云場景指南》，了解獨立生產域規劃的詳細流程。
場景六：自主可控替代
2019年，CDH社區版（免費版）宣布停止更新，因此無法再提供特性升級、bug修復等技術支持，還存在著較多安全漏洞；2022年，Teradata宣布將逐步結束在中國的直接運營，并進入中國公司關閉程序。
在政經形勢及數據安全合規的雙重要求下，尋找穩定可信的國產大數據產品已不僅僅是部分國央企的訴求，有越來越多企業主動考慮采用自主可控的國產替代。
該場景下，企業除了考察大數據產品的國產軟硬件互認證、環境適配測評結果，也要求廠商提供平滑遷移的方案，確保“替代”過程安全可控、業務影響最小化。
場景七：數據安全合規
企業作為數據（尤其是用戶數據）的收集者，有義務控制濫用和誤用數據等風險的發生；作為數據資產的持有者，也應采取必要措施，以預防并阻止違規操作、泄密、攻擊等事件，規避對企業數據資產保密性、完整性、可用性的損傷。
與數據資產治理類似，數據安全合規的治理與管理同樣需要持續進行。其中，數據安全的分類分級管理規范及實施是核心環節。
此外，指南提供了數據安全管理的7大基本原則、6項必備內容，供企業對照參考。
