前情提要

相信無論您是品牌內的行銷部門或是身在代理商的行銷人員，都感受到隨著品牌行銷越做越深，我們也從P-O-E(Paid-Own-Earn)、SEM+SEO、O2O等跨渠道、跨工具的整合，更進一步的頻繁接觸到第一方數據的整合與應用。在這些對話過程中，您是否也聽過技術廠商或IT/Data部門提到以下這些關鍵字呢?

• 資料庫Database
• 資料倉儲Data Warehouse
• 資料湖Data Lake
• 數據中台Data Middle Platform/Data Center
• 同場加映：客戶資料平台Customer Data Platform

這些乍看都是收集存放數據的環境，但彼此之間仍然有使用方式和目的的不同。今天就透過這篇文章，用簡單好懂的方式展開這四種環境的介紹吧！

資料庫Database

資料庫應該是我們日常作業中最耳熟能詳的詞了，舉凡交易資料、上架紀錄、會員資料、消費紀錄...都可能存放在資料庫中。資料庫主要存放大量原始資料，比起運算速度和分析效果，資料庫重點講求的是資料的正確性。依照產業或公司自己的需求，不同的資料來源/資料種類，可能存放在相同或不同的資料庫中。舉例來說：

1. 交易紀錄資料庫：

  a. 線下POS機的交易資料和線上EC的交易資料雖然欄位相似，但來源不同且避免互搶資料傳輸資源，會放在不同資料庫。

  b. 外送平台回傳的交易資料因為部門歸屬不同且儲存欄位有差異，因此單獨存放在一個獨立資料庫

2. 產品資料庫：產品倉儲資料、產品上架紀錄、產品行銷組合和售價登記資料各自獨立資料表，再統一存放在相同資料庫

資料庫和其中的資料表就像一個一個獨立的大小倉庫，他們之間可能共享一把鑰匙(key值)，但基本上互不干擾，這是為了保持資料的正確性，避免在交互比對或連帶影響的過程中導致資料錯誤。只有在出現跨資料表/庫比對的需求時，才需要拿key值這把共用鑰匙，把資料取出來並且對齊，再往下進行作業。

資料倉儲Data Warehouse

如果說資料庫像一個一個獨立倉庫，那資料倉儲就是把所有資料都放在一個統一的大貨艙中。資料倉儲的主要運用目的是為了做進一步的分析，因此資料運算的速度是關鍵。將資料庫的資料都事先合併好放在資料倉儲，可以讓使用者更快速更有效率的取得需要的資料，以進行必要或常態性的分析。因此當所需資料散落在不同資料庫，而我們又經常性有跨資料庫取用或分析的需求時，就是資料倉儲登場的時候了。

資料湖Data Lake

前面的資料庫、資料倉儲都是用於儲存結構化/有固定格式的資料，而資料湖則相反！資料湖沒有表或格式的概念，可以用於儲存各種資料包含結構化資料、半結構化資料及非結構化資料等。所以當我們手上握有非常多各種類型、各種格式尺寸長相型態的資料時，就適合將這些資料都先存放在資料湖，在這邊把資料都預處理、整理乾淨後再丟進資料倉儲中。

數據中台Data Middle Platform/Data Center

數據中台的概念相對於前面三種會抽象一點，不同公司對於數據中台的詮釋也會略有差異。以筆者個人經驗來說，討論到數據中台大多時候會近似於資料倉儲(Data Warehouse)，我們是想建立一個數據中台，將關鍵或常用的資料都先整理好，以便隨時、即時、甚至是自動化的串接和取用。有時候數據中台的概念會從資料倉儲延伸擴及到資料庫、資料湖和資料市集，但目的是不變的：建立數據中台的目的是為了將資料整好，讓需要取用資料的單位都可以拿到自己需要且有權限看到的內容。

Key Takeaway

• 資料庫Database：目的是紀錄完整確切的資料，講究資料正確性。資料表和資料庫彼此獨立存放，共享一把鑰匙(key值)做資料的比對
• 資料倉儲Data Warehouse：目的是用於分析，講究資料運算的速度。具相關性的資料皆已完成比對和彙整(joint)，最終形成一張符合分析和觀察需求的大表
• 資料湖Data Lake：可存放各種格式的資料，當資料非統一格式時，可利用資料湖先儲存並完成處理
• 數據中台Data Middel Platform/Data Center：因應資料存取與內部應用需求搭建的完整資料存儲與傳輸環境，依照不同部門或後端應用工具的需求，會在數據中台將資料先做好整併或分割