大讲堂
上个月跟三家不同行业的技术负责人喝茶，聊起今年最火的行业大模型，三个人开口第一句全绕回了同一个东西：数据仓库。
没人吹概念，全在吐槽。要么说自己家的数据仓库堆了好几年，全是垃圾数据，要用的时候调不出来；要么说刚花大价钱迁了云数仓，账单比原来还夸张。
这东西已经诞生几十年了，怎么到AI火了的今天，反倒成了卡脖子的关键？
别混淆概念：数据仓库的核心从来都不是存数据
很多新人刚接触大数据，很容易把数据仓库、数据湖、业务数据库搞混。
业务数据库是给日常业务跑的。你下单买东西，后台要马上给你扣库存，这种低延迟高并发的操作，是业务库干的活。你让业务库临时跑一个“过去一年不同区域用户的复购率分析”，跑得慢不说，搞不好直接把正常交易卡崩——见过电商大促之前临时拉报表把系统搞挂的，举个手？
数据仓库就是为解决这个问题生的。把各个业务系统的数据抽出来，清洗、转换、按照分析需求整理好，单独放一块，专门给做报表、做分析、做模型用。
说实话，现在很多厂商炒概念，一会说数据湖替代数据仓库，一会说湖仓一体就是把俩装一块。本质上，数据仓库的核心是“面向分析的结构化数据整理”，不是存储。你就算把所有原始数据都扔数据湖里，要做分析还是得拿出来整理，那一步还是逃不开数据仓库的逻辑。
技术边界一直很清晰：存原始杂乱数据找数据湖，拿出来给业务分析用的结构化数据，放在数据仓库。这俩从来不是替代关系，是配合关系。
十年进化：云原生把数仓的门给踹开了
放在十年前，数据仓库根本就是大企业的专属玩具。
早年国内股份制银行搭一套传统数仓，千万起步。还不算每年的维护费。贵到离谱。小公司想都不用想。
传统数仓还有个坑，存储和计算绑死，你要扩容计算就得扩容存储，钱哗哗的花，大部分时候资源都是闲的。
直到Snowflake把存算分离+云原生数仓的概念做出来，整个游戏规则直接变了。
计算、存储分开，按实际使用量付费，需要的时候临时扩容，不用了就缩回去，成本直接降到原来的几分之一。现在国内中小型企业，花几万块就能搭一套能用的数仓，放在十年前根本不敢想。
现在国内市场，头部云厂商都有自己的成熟产品，创业公司也切出来了不少细分赛道，整个行业的增长速度，最近三年每年都在30%以上。
不过话说回来，爆发式增长背后，大部分企业的数仓用得并不好。我接触过一家做连锁零售的，花了上百万迁了云数仓，一年多了，各个部门的GMV口径还是对不上。销售说这个月做了一个亿，财务说只有八千万，最后翻来翻去，发现是数据仓库导入的时候，不同系统的订单数据去重规则没写对。
AI时代的新命题：数仓的坑与未来方向
现在大模型火了，数据仓库的位置反而更重要了。
企业要做自己的行业大模型，最缺的不是算力，是高质量的标注数据。这些数据从哪来？不可能到处爬，肯定是从企业自己多年攒的业务数据里出，而整理好的高质量结构化数据，都在数据仓库里。
很多人说未来大模型会替代数据分析师，我看未必，数据仓库把基础数据整理好了，大模型才能在上面跑分析，本质是大模型给数据仓库做了前端交互，核心的数据整理逻辑还是得靠数仓。
当然，现在的数仓也有绕不开的坑。
第一个就是成本陷阱。很多企业刚迁云数仓的时候，觉得按用量付费很便宜，放开了让各个部门跑任务，月底账单出来直接傻了。我听过一个案例，一家中型互联网公司，某个新业务团队测试数仓任务，忘了关资源，一个月跑出来几十万的账单，远超预算。
第二个就是合规风险。数据仓库把全公司所有用户数据、业务数据都攒在一块，要是没有做好分级分类，碰到合规检查很容易出问题。尤其是现在个人信息保护的要求越来越严，越集中的数据，风险越大。
第三个就是治理跟不上。很多企业建数仓，只想着把数据搬进去，忘了做数据治理，到最后数仓变成了数据垃圾场，要用的时候啥都找不出来，钱全打了水漂。核心矛盾从来都不是技术，而是内部数据口径的统一，这一点到今天都没变。
未来三到五年，数仓会往哪走？
第一个方向肯定是实时化。原来大部分数仓都是T+1出报表，现在直播电商、即时零售这些新业务，需要秒级的业务分析，实时数仓的需求会越来越大。
第二个就是跟大模型深度绑定。以后企业训练行业大模型，数据仓库会变成天然的高质量数据供给池，甚至会直接内置大模型能力，让业务人员不用写SQL，用自然语言就能直接从数仓拉分析结果。这个已经有厂商在做了，未来两年会变成标配。
第三个就是分化。大的企业会做湖仓一体，整合全量数据；中小厂商会直接用云上的托管数仓，不会再自己搭了，门槛会越来越低。
最后说句实在话，很多企业现在赶潮流，动不动就上大数据平台，搞数仓，其实先想清楚，你要分析啥？你有没有统一的数据口径？别为了概念花冤枉钱。工具永远是给业务服务的，不是给PPT添彩的。
作者|大讲堂
排版|大讲堂
审核|柚子