前言

倘若有一个国内的全航空领域的大数据平台及集市，或者有国家相关职能部门所领导的建设方向。个人的架构实现建议及技术领域突破方向简要罗列如下。背景理解

以一国家行为为驱使的特定行业数据中心及应用集市建设。

民用航空行业数据应用趋势

IT技术提供跳跃式发展能力；同时要求转换思维。

民用航空行业数据应用蓝图，一切皆服务

How Airline Industry Uses Data to Fly Higher: Creating the Connected Airline Capability, Everything as a Service.

民用航空行业企业级数据信息蓝图

数据测层次，使用对象，相互上下游关系，已经IT等技术的融入。

数据建设成败的关键因素

总纲

用户决定应用。数据支撑应用。而不是技术或单纯大数据所驱使的建设。

数据使用视角

一切皆为用户。以最终使用用户的角度，去梳理和构建其针对性的数据应用。

平台能力与应用匹配

用户决定应用。数据支撑应用。但是其必须遵循一定的发展规律和建设阶段。在每个不同的阶段，必须针对性的去解决数据和业务的诉求，及两者之间的结合及平衡。

数据存储选型及设计

特殊的存储，资源和平台为特殊的诉求。分阶段分级不仅为了清晰和易用性更为数据安全考虑。

数据管控

数据的4V特征增加管理及使用的难度；应用的繁多和变化也加剧数据管控压力。

持续实施及改进

需求、用户、时间在变化；数据也在变化。在不断迭代中固化平台及优化流程。

数据处理管道化

经由管道正确和高效的注入日积月累的数据；持续的改进需要使数据周而复始的在管道中流动。

数据处理原则

正因为大数据的4V，所以更应该从开始就注意数据质量的提高；大数据管控其实还是数据管控的范畴，但对于数据质量的严格要求是区别于其他大数据平台的关键。

数据应用生态系统

端到端的可验证的产生价值的数据消费；从自应用的消费者，变为服务提供商。

产出及收益，和展望

SaaS是重点，但是PaaS是能力的体现，然而DaaS和更深层次的BDaaS则是进阶的高级应用。

高阶智能应用及应用集市

躺在“金山”上的用户，寻找数据挖掘的目标和方向。

一切皆可量化，生产行为的数据化。

取之不尽用之不竭，发挥数据的潜在价值。

试错，后验，仿真，迭代，持续。

建设关键

在技术层面上，ODS和IDS等几个相关领域，必须按照技术层面的最佳实践，并结合行业等特殊规范及特性，认真构建及演进。

任务工作协同的统一视图（ODS）

数据平台的第一点功效，就是多任务、系统、应用，乃至平台之间的协同。

EDW的主题版 – IDS

数据分析往往发生在EDW上，但是IDS是一个最优实践的产物，不仅仅避免EDW的高额投入，更关键的是使用真实数据使用的场景，已经一定范围的数据洞察诉求。

航司ODS & IDS全局蓝图

在民航领域，如下3个数据领域是需要构建，并根据实际情况有机的融合在以其。

基于ODS的BEL & FIDS & AIDS

对于航司飞行运行及相关空管政府职能部门，最关心及必须建设的就是一个整体及连贯的数据体系。

IDS数据建模 – 面向主题的星型维度建模

对于IDS的建模，虽然是IT层面的内容，但是其必须根据实际接入的业务数据及业务特征，进行优化。

IDS数据建模 – 面向主题的星型维度建模

各类时序及颗粒度的处理是优化后续数据洞察使用的关键。

IDS星型数据模型（FIDS）

以航班的飞行运行领域为例，其需要至少构建如下序列化数据集，从而方便后续数据洞察使用的诉求。

非民航领域案例

如下几个非民航领域的数据建设平台架构。

JD金融集团大数据分析平台

东风雷诺汽车数据分析平台架构

用友大数据分析体系

结论

其关键不是技术或大数据技术的简单罗列，必须根据行业的固有特征，和实际能够接入的数据范围，按照阶段性的建设方针，从ODS再到IDS，再到后续数据的智能应用。然而即使简单的数据堆积，也需要一定数据建模，尤其是基于行业需求和特征的数据建模，将数据规整到较高的质量水平和后续使用的最优数据基础。