在数据仓库中存储数据之前定义架构,是一种组织架构,但许多是在数据仓库内部生成的,这意味着架构的灵活性要低不少,（2） 操作型系统存储的是当前数据,在架构中数据湖通常,但这些报表都无法实时产生,是存储和管理一个或多个主题数据的集合。
数据湖和数据仓库的区别是什么
数据湖就是一个集中存储数据库，用于存储所有结构化和非结构化数据。数据湖可用其原生格式存储任何类型的数据，这是没有大小限制。
数据仓库是位于多个数据库上的大容量存储库。它的作用是存储大量的结构化数据，并能进行频繁和可重复的分析。
数据科学家
可能会用具有预测建模和统计分析等功能的高级分析工具。而数据仓库就是数据仓库非常适用于月度报告等操作用途，因为它具有高度结构化。在架构中数据湖通常，在存储数据之后定义架构。使用较少的初始工作并提供更大的灵活性。
在数据仓库中存储数据之前定义架构。这需要你清理和规范化数据，这意味着架构的灵活性要低不少。
其实数据仓库和数据湖是我们都需要的地方，数据仓库非常适用于业务实践中常见的可重复报告。当我们执行不太直接的分析时，数据湖就很有用。
数据仓库的主要特点有哪些
数据仓库是面向主题的、集成的、非易失的和时变的数据集合，用以支持管理决策。
- 面向主题:
- 集成性:
非易失性
- 时变性
传统数据库中，最大的特点是面向应用进行数据的组织，各个业务系统可能是相互分离的。而数据仓库则是面向主题的。主题是一个抽象的概念，是较高层次上企业信息系统中的数据综合、归类并进行分析利用的抽象。在逻辑意义上，它是对应企业中某一宏观分析领域所涉及的分析对象。
通过对分散、独立、异构的数据库数据进行抽取、清理、转换和汇总便得到了数据仓库的数据，这样保证了数据仓库内的数据关于整个企业的一致性。
数据仓库中的综合数据不能从原有的数据库系统直接得到。因此在数据进入数据仓库之前，必然要经过统一与综合，这一步是数据仓库建设中最关键、最复杂的一步，所要完成的工作有：1.要统一源数据中所有矛盾之处，如字段的同名异义、异名同义、单位不统一、字长不一致，等等。2.进行数据综合和计算。数据仓库中的数据综合工作可以在从原有数据库抽取数据时生成，但许多是在数据仓库内部生成的，即进入数据仓库以后进行综合生成的。
数据仓库的数据反映的是一段相当长的时间内历史数据的内容，是不同时点的数据库快照的集合，以及基于这些快照进行统计、综合和重组的导出数据。
数据非易失性主要是针对应用而言。数据仓库的用户对数据的操作大多是数据查询或比较复杂的挖掘，一旦数据进入数据仓库以后，一般情况下被较长时间保留。数据仓库中一般有大量的查询操作，但修改和删除操作很少。因此，数据经加工和集成进入数据仓库后是极少更新的，通常只需要定期的加载和更新。
数据仓库包含各种粒度的历史数据。数据仓库中的数据可能与某个特定日期、星期、月份、季度或者年份有关。数据仓库的目的是通过分析企业过去一段时间业务的经营状况，挖掘其中隐藏的模式。虽然数据仓库的用户不能修改数据，但并不是说数据仓库的数据是永远不变的。分析的结果只能反映过去的情况，当业务变化后，挖掘出的模式会失去时效性。因此数据仓库的数据需要更新，以适应决策的需要。从这个角度讲，数据仓库建设是一个项目，更是一个过程。数据仓库的数据随时间的变化表现在以下几个方面：
（1） 数据仓库的数据时限一般要远远长于操作型数据的数据时限。（2） 操作型系统存储的是当前数据，而数据仓库中的数据是历史数据。（3） 数据仓库中的数据是按照时间顺序追加的，它们都带有时间属性。
数据中台由什么组成
“数据中台”重构了企业数据系统的架构，将其分为三个层级：底层底层是数据收集层，就是数据湖，来自ERP、SRM等各个信息化系统中的业务数据、财务数据、大数据，结构化和非结构化数据直接汇入这层数据湖中，实现统一、集中的数据收集。核心层中间的核心层是数据存储与计算层，核心是通过数据建模，形成服务化的数据应用。数据模型可以分为基础模型、融合模型和挖掘模型。基础模型一般是关系建模，主要实现数据的标准化；融合模型一般是维度建模，主要实现跨越数据的整合，整合的形式可以是汇总、关联、解析；挖掘模型是偏应用的模型，作为企业的知识沉淀在中台内，可在数据应用端调取进行复用。上层上层是业务应用层，聚焦于对数据的应用和展现，核心层的数据模型可以共享到这个层级中并实现复用，赋能企业业务发展。数据应用通过将数据融入企业具体的业务经营场景中，基于丰富的数据模型开展场景化应用，用数据解决具体的业务问题，具体应用包括产销协同分析、投资分析、产品定价、商品推荐、客户画像等，数据展现聚焦于以多样化的形式展现数据分析应用的结果，这些形式包括管理驾驶舱、即席分析、自助报告、数据大屏、移动APP等，系统可以根据不同用户在不同场景下的需求调整合适的展现方式。
数据中台和数据仓库的区别是什么
数据中台与数据仓库没有直接关系，在某个维度上他们为业务产生价值的形式有不同的侧重，数据中台距离业务更近，能更快速地响应业务和应用开发的需求，可追溯、更精准。
1、概念上的区别
数据中台：企业级的逻辑概念，体现企业 D2V（Data to Value）的能力。
数据仓库：一个相对具体的功能概念，是存储和管理一个或多个主题数据的集合。
2、应用上的区别
数据中台：距离业务更近，通过将数据服务化之后提供给业务系统，为业务提供速度更快的服务，不仅限于分析型场景，也适用于交易型场景，强调共享和复用；
数据仓库：支持管理决策分析，主要应用于BI；
3、价值上的区别
数据中台：建立在数据仓库和大数据平台上，是加速企业从数据到业务价值过程的中间层。数据中台将数据生产为一个个数据 API 服务，以更高效的方式为业务提供服务。
数据仓库：存储的数据大多是根据需求有针对性抽取的结构化历史数据，能够生成各类报表，但这些报表都无法实时产生，因此，尽管能提供部分业务价值，但不能直接影响业务。
数据仓库算产品，数据中台的精髓在于其机制，数据中台不是一个产品，而是一套体系，是一种组织架构，数据中台的开发和建设既可以建立企业数据仓库基础上，也可以建立在企业大数据平台基础上，区别就在于企业的数据应用场景是否多元化。