過去我們可以透過建立資料倉儲系統來統一儲存和處理資料：

• 階段一：
關聯資料庫與資料倉儲，以及商業智慧(BI）和報表工具。
• 階段二：
隨著大數據技術的發展，資料平台有新的發展，特別是在即時資料處理和人工智慧方面的提升。
資料倉儲整合了以大數據技術為基礎的資料湖(Data Lake)，更加傾向於"讀時模式(Schema on Read)"，而不是關聯式資料庫的"寫時模式(Schema on Write)"進行資料處理。
• 階段三：
以大數據技術為主流，像是Hadoop和Spark生態圈衍生的各種工具和技術場景，並根據自身情況搭配Elasticsearch、MongoDB、Cassandra等資料儲存處理引擎。
具備人工智慧及機器學習的能力，它會收集資料相關知識，並供數據服務供業務應用使用。

數據中台

• 水平擴張（Horizontal Scaling）能力
  在資料迅速膨脹的今天，具備計算水平擴張的能力是必要的，也是大數據平台的基礎能力。
• 多租戶技術（Multi-Tenancy Technology）
  整合多通道整合的數據管理能力，並通過各種動態資源分配策略定義，協調各種作業之間的資源使用。
• 即時資料處理
  通過即時處理將業務情況即時反饋給用戶，極大地提升業務用戶的用戶體驗，即時計算對於業務決策時效性的支援相當重要。
• 業務決策時效
  過去需要夜間批次處理的業務需求（例如：用戶的風險分析），可以即時計算回饋給業務系統，提高業務處理時效性。
• 人工智慧及機器學習的資料分析能力
  資料分析能力，一般是由大數據平台上整合相關組件實現的（例如：Spark MLib），並具備演算法資料庫自行擴充能力。
• 資料倉儲
  資料倉儲是有效的資料管理方法，通過資料收集制度的治理，以提升企資料的質量。
• 支援多種資料傳輸協定
  平台支援的資料協定方式越多，越能容易整合和對接各業務中心和資訊應用，降低企業成本。
• 資料治理體系
  企業管理上應該成立相應的機構負責導入數據管理工具，根據預先定義的業務規則週期性的對驗證當前數據，並給出資料質量報告。
• 資料安全控制
  對敏感數據進行特殊處理，對資料的用戶和讀寫權限有清晰的記錄和追踪，對權限的建立和權限申請有完整的監管機制。