簡單看一下亞馬遜云科技的智能湖倉架構，從數據湖到數據倉庫，從大數據處理、日志分析到、關系數據庫、非關系數據庫，再到機器學習，大大小小40多種軟件工具和服務，不要說使用，先把Amazon Glue、Amazon Athena、Amazon EMR、Amazon Aurora、Amazon DynamoDB、Amazon SageMaker、Amazon Redshift、Amazon ElasticSerach分別是什么搞清楚就不容易了！這還僅僅是一個開始，要想用好更是難上加難，對嗎？

既然如此，為什么我們不換個認識問題的方法。很多時候，我們并不了解、掌握使用工具，但我們應該知道，使用這些工具能夠給我們帶來什么？

我們可以看一些典型案例。

在這個案例中，我們可以看到用智能湖倉解決了“數據孤島問題”，接下來解決了報表的問題。

報表就是智能數倉架構的價值嗎？

關于報表，這是數據倉庫重點解決的問題。但數據庫很大，以及跨數據庫、復雜查詢的時候，我們往往依靠數據倉庫來解決問題。但這是狹義上的概念。

智能數倉不僅僅解決狹義上的報表，更進一步要解決包括非結構化數據的查詢問題。以上TCL案例的背景是產品國際化的問題，TCL產品種類眾多，消費者眾多，如何透過消費者為中心的角度，對不同國家和地區用戶的消費行為進行分析，這不僅需要業務系統數據的支撐，更重要的是需要依靠IoT數據的分析，很多消費者需求就隱藏在IoT數據的背后，這個報表就是廣義上的，這也是智慧湖倉的意義所在。

智能湖倉更加強調從數據倉庫到非結構化、半結構化數據分析，如大數據、Elasticsearch等應用場景之間，數據的自由流動，反之亦然。簡單說，人盡其才、物盡其用，針對不同應用場景以及數據場景，靈活采用適合的方案，方案之間彼此打通數據，數據的自由流動。

結合5G、IoT應用的趨勢，以智能數倉為基礎，會帶來怎樣的業務變化和創新，未來值得期待，這就是智能數倉的意義，只有40多種數據產品和服務，完全可以交給專業技術人員操控和掌握!

擁抱智能數倉架構，這需要每一個企業的戰略決策！