2、高性能低成本的技术底座
数据平台发展到目前为止都是在解决性能、成本、效能等几方面的问题 ， 若对比分析自建平台和大数据管理平台中成本的比重 ， 自建平台成本结构主要包括一次性软硬件成本、扩容、管理 ， 运维等等方面的成本 。 平台建设的成本结果包括云服务使用成本 ， 但系统管理成本是非常低的 ， 可以极大的减少前期投入 ， 快速验证价值 。
3、开放生态的数据平台
抛开独立的技术平台 ， 离不开周边系统的配套 ， 离不开与企业环境的集成 。 大数据管理平台拥有开放生态的服务 ， 支持与众多服务集成 ， 包括开放的一方服务接口 ， 如JDBC、SDK、开源Spark Connector、开源Kafka Connector、MMA迁移工具等 。 同时 ， 其还可以融入企业已有的IT环境中 ， 与客户别的众多服务进行深度的集成 ， 包括DataWorks、PAI、Quick BI、Datahub、DTS、日志服务等 ， 最大化降低数据链路集成工作 。
4、企业级可治理的数据管理平台
当企业发展到一定规模后 ， 必然会遇到数据治理问题 。 数据与业务增长并不是线性关系 ， 数据是指数级增长 ， 业务是平滑增长 。 各个数据平台打通之后 ， 数据治理的成本越来越高 。 大数据治理最佳实践 ， 即平台提供数据发现机制 ， 支持统一元数据采集与数据资产目录构建支持数据探查与数据分析、联邦查询以及资源优化服务 ， 让企业更方便地探查数据价值 ， 更有效的统一元数据管理 ， 更安全的生产数据 ， 更智能的优化大数据成本 。
以数据存储为例 ， 很多数据存储在数据仓库中但无法使用 ， 有些作业没有计算 ， 有些作业重复计算 ， 平台可通过自动化方式 ， 围绕引擎采集第一手数据 ， 提供多领域多视角优化视图 。
文章来源：阿里云