狭义的数据管理平台，主要是接受数据拥有者（可能是广告主、也可能不是）的委托，按照其需求进行数据加工，并将加工结果用于指导运营优化、广告投放等任务。其商业模式上做的关键，是“来料按需加工”，当然收取加工费用是正常的。不过既然是来料加工，就不能把“料”(数据)视为DMP的自有资产，也不能将这些数据加工结果用于指导其他客户的商业活动。否则，很容易变成在竞争对手之间倒卖用户的“双面间谍”。
其实这样的DMP，与传统的网站分析(Web Analytics)工具有很强的关系。不过，它可以集成第三方数据采买、对接站外广告投放渠道等功能，而这些是传统的WA所不具备的。
DMP 其实是一个数据管理平台，是把分散的多方数据进行整合纳入统一的技术平台，并对这些数据进行标准化和细分，让用户可以把这些细分结果推向现有的互动营销环境里的平台。
业界代表性的产品有腾讯广点通和阿里达摩盘。它们主要提供创建细分人群、分析用户画像、种子用户群体拓展（lookalike）、再营销、分析投放管理、流量采买和第三方数据接入等功能。
DMP平台架构
1. 商业DMP定位
首先，结合我们的需求，介绍下商业DMP定位，这里介绍的商业DMP主要是指我们商业站内的，主要提供特征挖掘和特征数据服务的能力。
对于开发者，特征挖掘平台提供了简洁、易用的开发SDK，屏蔽实时计算、批量计算、海量存储、高并发服务、各底层分布式系统部署等细节。提供TB级别（N天）行为数据挖掘和秒级别延时实时特征挖掘，支持特征挖掘实验、水平扩展。
对于特征数据服务平台，提供丰富的特征数据（TB级别）和元数据管理，能够提供在线和离线特征数据服务。对于在线，提供稳定的在线特征数据服务，支撑在线推荐系统；对于离线，提供灵活的多维查询，支持按人群特征进行营销活动。

2. 平台业务架构

从数据的产生到标签的加工再到业务应用，在这完整的数据流中，DMP平台其实是起着承上启下的作用，可以把它看做是一个数据工厂，对数据特征进行统一、清洗、加工、转化、提炼，再对外提供相应的数据服务。DMP平台主要包括特征挖掘平台、dmp service、标签元数据管理、监控等模块。

3. 平台逻辑架构
平台逻辑架构主要分为数据层、存储层、计算层、服务层和监控层。
数据层： 提供Kafka、ESB、HDFS、Api等多种异构数据源，通过importer层将数据进行统一的清洗转化，对下形成统一的数据源，从而屏蔽底层的异构数据源。
存储层： 我们实现了存储接口、序列化模块、压缩模块。由于在线推荐特征挖掘提供基于KV键值存储就能满足需求，故底层存储主要提供Redis和自研的wtable等。
计算层： 提供了storm、spark、sparkstreaming、flink等多种计算引擎。在operator模块提供让特征挖掘用户自己实现对应的SDK即可，简便高效，同时对于用户来说屏蔽掉了异构计算。
服务层： 主要提供IDMapping、路由、实验、process四个模块。IDMapping主要是为了打通数据孤岛；路由模块主要是解决流量分发问题；实验模块主要是进行分流实验；process模块主要是提供业务解耦能力。
监控层： 对服务、任务、存储等进行监控，对多环节快速发现定位并解决问题。

企业作为市场主体，如何在数据爆炸时代发挥数据要素价值、真正为自身发展带来切实助力，已经成为企业数字化转型升级中的大课题。

罗马不是一天建成的，数据也不是一夕一朝之间变为数据资产从而为公司创造价值的。想要把握数据要素，就得从正视大数据的作用及能力开始，收好数据、归好数据最后用好数据，说起来简单但做起来也是相当有难度的。

亿信华辰作为商务智能领域的时代弄潮儿，在数据分析领域一骑绝尘，旗下王牌产品亿信ABI是一款融合了ETL数据处理、数据建模、数据可视化、数据分析、数据填报、移动应用等核心功能的全能型数据分析平台，可满足企业对数据分析的一切想象。

在数据治理方面，亿信华辰也一直走在了行业前头，早在2018年，我们根据十数年深入研究和实施经验重磅推出融合九大领域的智能数据治理平台——睿治，填补了该领域的空白，一举暂获DAMA数据治理优秀产品奖、星河优秀大数据产品奖等多项荣誉。

数据管理平台能够有效支持大数据时代下的数据整合与数据预处理。帮助客户轻松构建数据的全生命周期管理体系，为企业发掘数据价值、辅助业务决策、加速数据应用落地提供可靠支撑。