云计算和大数据技术的全面运用，令数字经济成为新常态，大数据技术及应用需求也随着时代的步伐快速升级迭代。很多企业发现，随着业务规模的不断扩大，如何有效融合不同来源和类型的数据构建企业大数据平台，为生产和经营所用，是亟待解决的主要矛盾;另一方面，如何在打破数据孤岛的同时保护数据主权，实现统一的数据汇聚和共享，是大多数企业正面临的另一个关键问题。联系客服小表妹(VX：pingaoyunzzm)了解更多。
与此同时，亚马逊、微软等大厂商凭借灵敏的市场嗅觉，在2016年纷纷顺应市场诉求推出了基于公有云的的数据湖解决方案，帮助企业构建大数据平台。基于对用户需求的理解与对行业趋势的前瞻，品高在2017年初推出了基于私有云的数据湖整体解决方(BingoInsight)，帮助企业和组织全面应用大数据，构建可持续发展的数据生态。
一、数据湖是什么?
品高云数据湖通过深度融合云计算和大数据技术，可实现全数据形态的共享存储，提供包括数据资源发布、数据存储、数据编目、数据使用即数据评价等全生命周期的数据开放支撑，并可通过联邦数据湖解决跨组织边界的数据主权和数据信任问题。
基于品高云数据湖解决方案，用户可有效实现跨部门、跨组织、甚至跨行业的数据汇聚、共享、交换和开放，构建可持续交付的数据生态链，从而通过数据关联进一步挖掘数据价值，推动数据创新，激活数据资源的价值，提升数据应用能力。
品高云数据湖产品功能示意图
二、数据湖能解决什么问题?
品高数据湖的包括5个解决方案，分别是数据湖存储、数据集成、数据处理、数据管理以及数据分析和消费。值得一提的是，Gartner的《数据湖最佳设计实践》报告指出，保障数据湖成功落地需要重点考虑数据集成、数据探索和开发、数据治理、数据消费等四个方面，可以说，品高数据湖解决方案与Gartner观点不谋而合。以下是对这5个部分的介绍：
● 数据湖存储基于品高云对象存储技术实现，能够存储全数据类型(结构化数据、文本、图片、音视频等)的存储，可与Hadoop、Spark、Greenplum等主流大数据计算技术无缝集成，可以实现多个租户的数据隔离和共享，支持大文件切片、多节点并发传输。
● 数据集成是将数据提取、转换和加载的过程，以自动化的形式从源系统中提取数据，转换成一致的格式，并加载到数据湖中。品高数据湖提供数据湖集成工具，保障异构数据源能够快速、鲜活的流入数据湖。
● 数据处理是通过数据集成完成数据湖的数据集中后，品高提供内置的Hadoop套件，帮助用户快速探索、分析和处理数据湖的数据。
● 数据管理是通过元数据管理、数据目录、数据监控统计、数据质量等手段，实现数据湖数据的可读、可检索、可管理和可用性。
● 数据分析和消费是指当大量数据被采集到数据湖中，经过开发处理，再将处理后的可用数据存入回数据湖，为各类大数据分析应用提供数据支撑。品高数据湖方案中提供大数据分析平台，帮助用户解决数据可视化问题，提供仪表盘、报表、数据地图、自助分析等多种分析工具。除此之外，我们还可以支持第三方的数据分析工具、以及用户自己开发的分析工具等。
三、数据湖如何应用?
基于品高云数据湖解决方案的功能特性和创新点，我们在此列举了3个适合应用数据湖方案的典型应用场景。
场景一：跨组织边界的数据共享
跨部门间数据共享示意图
需求和挑战
跨组织边界的技术融合和共享权限问题、数据共享问题、缺乏数据运营体系问题。
应对和解决
品高数据湖方案通过深度融合云计算和大数据技术，通过本文所述的数据集成、数据开发、数据管理、数据消费等四个方面的创新能力，解决跨部门、跨组织、跨行业的数据共享和开放，帮助组织构建可持续、健康的数据生态链，通过数据关联进一步挖掘数据价值。
场景二：促进基于数据的产学研合作
产学研合作示意图
需求和挑战
政府机构、大型企业拥有大量生产数据，但技术储备和算法模型较弱，而高校、科研机构有技术、有算法模型，苦于没数据。
应对和解决
利用数据湖建立生产和科研的桥梁，通过数据湖将行业生产数据脱敏后存储到数据湖，开放给科研机构、高校进行研究性探索，同时，研究成果可应用回企业，能够有效促进基于数据的产学研合作。
场景三：联邦数据湖
跨组织联邦数据湖示意图
需求和挑战
跨组织部门数据湖建设如果通过统一的数据湖来集中管理所有数据，可能会存在组织间的数据互信、数据主权、数据安全等一些列问题。
应对和解决
品高数据湖提供去中心化的联邦数据湖，平台基于联邦数据湖实现跨部门、跨组织的数据共享，并通过数据开放平台，将数据相关的目录、工具、服务、模型开放出来，各组织和数据模型相关软件开发商均可在上面进行数据协作，帮助企业、政府构建可持续发展的数据生态链。
