数据中台绝对不等于数据平台，差别之一就在于是否具有业务属性，这也是数据中台出现的一个非常重要的原因，它可以支撑多个前台业务，使得数据不再是各前端业务独立管理，真正实现不同业务之间的互通互融。

1.数据采集

为数据中台提供汇集数据的能力，应提供统一的数据获取接入方式，数据来源包括内部数据和外部数据，数据类型应支持结构化和非结构化数据采集。传统的ETL工具仍然可以复用，实现数据采集、转换、加载等关键处理过程。

2.数据计算

为数据中台提供统一的大数据计算能力，针对不同大数据处理场景，所需提供的数据计算能力也不同，一般主要包括批量离线计算、内存计算、在线流式计算等，可用到的技术有数据挖掘，大数据分析，云计算等。

3.数据存储

数据中台中全域数据的存储中心，按照不同的数据类型，可以采用图中一种或多种数据存储系统的“混搭”架构。传统数据仓库(如DB2/ORACLE)是最为稳定的数据存储方式，承载着及时性、准确性要求高的企业核心应用。分布式关系数据库，也常简称为MPP数据库，相较于传统的关系型数据库，具有高性能处理能力、高数据吞吐能力的优势。

NoSQL分布式数据库属于非关系型数据库管理系统，在大数据简单存取上具备关系型数据库无法比拟的性能优势。分布式文件系统(HDFS)是当前最常见的大数据存储方式，它具极高的性价比，扩展性强。数据湖作为一种新的存储大量复杂格式数据，避免企业数据孤岛化的数据架构方案，可用来将不同结构的数据统一聚合和存储。

4.数据治理

指的是为了实现对企业中数据资产价值的获取、管控、交付等目的，基于制定的数据规范，对数据资产所做的一系列管理活动。数据标准管理指对数据口径、公共术语、参考数据、数据编码等制定和实施标准化的管理活动。数据模型管理负责对系统中核心的逻辑模型、物理模型、数据库表、字段、视图等进行统一管控、促进其规范化。

5.数据服务

包括了与业务相关的、可复用的一些公共技术组件或产品，如数据目录、数据标签、数据分析、数据开放接口、机器学习算法模型等，它们可以使用SAAS方式直接对外提供服务，也可以以更小粒度如API、消息接口、文件接口、服务接口、SDK软件包等方式只提供组件能力或数据服务，内部或外部第三方应用不必关心底层数据准备情况，直接调用数据服务模块对外提供的服务接口，就可以方便进行二次开发，借以增强自身的能力。