告别割裂：一树药业基于云器一体化数据平台，将云厂商数据中台与数据底座替换重构为一体化湖仓，以一套代码实现全场景时效性，让数据成本与业务价值对齐。

一树药业：贵州医药零售龙头的数据化历程

一树药业，全称贵州一树药业股份有限公司，成立于1999年，历经二十余年发展，已成长为贵州省医药零售行业的龙头企业。作为一家集零售、批发、线上线下销售于一体的综合性医药企业，一树药业在贵州省80多个区县布局了1200余家直营门店，服务会员超过500万，年服务顾客达5000万人次。

在业务规模持续扩张的过程中，一树药业积累了海量的经营数据。其原有数据架构以某云大数据平台作为主数据仓库，承载了140TB的存量数据资产；同时采用其云上数据中台服务，负责数据建模、指标管理与资产治理。这套“数据底座+数据中台”的组合架构，在过去数年间支撑了一树药业的核心数据应用场景，包括经营分析BI报表、会员运营分析、门店销售监控等关键业务。

然而，随着业务复杂度的提升和降本增效压力的加剧，升级的诉求也逐渐清晰。

数据中台的价值期待：不同角色的诉求

在最初引入数据中台时，一树药业对其寄予了厚望。不同角色的业务方都带着各自的期待，希望通过数据中台实现数据驱动的业务升级。

角色	核心诉求	面临的“工作”
CDO/CTO/数据负责人	建立企业数据资产体系，实现数据驱动	需要快速、有效地整合分散数据，建立统一标准
IT技术团队	构建稳定高效的数据基础设施	需要能够支持业务灵活变化的技术架构
业务分析人员	快速获取数据支持决策	需要能够快速、简便地获取所需数据
业务决策者	用数据优化业务运营，降低成本	需要在有限预算资源内快速见到业务效果

从数据负责人的视角来看，核心诉求是建立企业级的数据资产体系，实现真正的数据驱动决策。他们面临的挑战在于如何快速、有效地整合分散在各个业务系统中的数据，建立统一的数据标准和口径。数据中台承诺的"统一指标定义、消除数据孤岛"正是他们期待的解决方案。

IT技术团队则更关注数据基础设施的稳定性与效率。他们需要构建一套能够支撑业务灵活变化的技术架构，既要保证核心报表的稳定产出，又要具备快速响应新需求的能力。数据中台提供的标准化开发流程和模型管理能力，理论上可以帮助他们规范开发过程、提升协作效率。

业务分析人员的诉求最为直接：快速获取数据以支持业务决策。他们希望能够摆脱对IT团队的依赖，自主、便捷地获取所需的业务数据。数据中台所宣传的"业务自助分析"能力，正是吸引他们的关键卖点。

对于业务决策者而言，关注点聚焦在投入产出比上。他们希望通过数据优化业务运营、降低经营成本，并且期待在有限的预算资源内快速看到业务效果。数据中台作为一笔不小的投资，必须能够证明其业务价值。

理想与现实的落差：数据中台的痛点

然而，经过一段时间的实践，一树药业发现数据中台的实际效果与最初的期待之间存在明显落差。

最突出的问题在于开发效率的悖论。数据中台强调规范化建模流程，要求所有数据开发工作都遵循“主题域划分—概念模型—逻辑模型—物理模型—指标定义”的标准路径。这套流程对于核心数据资产的沉淀确有价值，但问题在于，业务场景中大量存在的是临时性、探索性的Ad-hoc需求。一个简单的数据查询，可能只是业务方想临时看一眼某个维度的数据分布，却也要走完整套建模流程 。这种“杀鸡用牛刀”的做法，导致响应速度反而低于传统的SQL脚本模式，让业务方怨声载道。

更深层的困境在于价值感知的缺失。客观而言，数据中台确实帮助一树药业梳理出了相对完善的指标体系和资产地图，这对于数据团队内部的资产管理是有价值的。但真正的痛点在于：业务一线人员——那些运营专员、销售主管、门店店长——根本不会登录数据中台系统。他们通常只看最终呈现在BI报表中的数字和图表，对于数据是如何被加工、治理、标准化的过程毫无感知。于是，数据中台逐渐演变成了数据团队的“自用”工具。数据团队投入大量精力维护指标体系、优化模型结构，但业务方感知到的只是“提需求后等待的时间变长了”，完全体会不到“中台”的存在价值。

与此同时，成本压力也在持续累积。随着数据量增长而线性攀升的计算费用，使得数据平台的整体成本居高不下。在降本增效成为企业共识的背景下，这套投入产出比模糊的数据架构越来越难以获得持续的预算支持 。

升级的核心动因：让成本与业务价值对齐

综合上述痛点，一树药业决定对数据架构进行升级。这次升级的本质，并非简单地更换一个技术组件，而是试图用更轻量、更灵活的方案来替代一个过于沉重、投入产出比不明确的庞大系统。

成本优化是驱动这次架构升级的关键动因 。一树药业希望实现的目标非常明确：让数据平台的成本能够与其产生的业务价值对齐。过去那种“先建设大而全的平台，再慢慢挖掘价值”的模式已经不再适用；企业需要的是“用多少付多少，价值可见可量化”的新模式。

在这一背景下，一树药业开始评估市场上的替代方案，并最终选择了云器科技的一体化湖仓平台。

云器一体化湖仓：新架构的设计理念

云器一体化湖仓平台的架构设计，让复杂的数据基础设施成为一套云端的在线服务（SaaS）。

首先是“一体化”的设计理念 。传统架构中，数据湖、数据仓库、数据中台往往是独立的产品组件，由不同的团队研发、独立部署、分别计费。这种“组装式”架构带来的问题是显而易见的：数据需要在多个组件之间流转和冗余存储，不同组件之间的接口需要持续维护，任何一个环节出现问题都可能导致整条数据链路的故障。云器湖仓则将存储、计算、治理、服务等能力整合在一个统一的平台中，消除了组件之间的边界，从根本上避免了数据冗余和接口复杂性的问题。

其次是“成本透明”的计费模式 。云器采用实际资源消耗的透明计费方式，用户可以清晰地看到每一笔计算任务、每一份存储数据所产生的费用。这种在线的，基于云原生、存算分离的系统架构模式使得数据团队能够将成本与具体的业务场景进行关联，从而做出更适配业务需要的资源分配决策。

第三是“开发灵活”的技术特性 。云器湖仓支持以SQL作为统一的开发语言 覆盖全场景需求。无论是离线批处理、实时流计算，还是交互式即席查询，都可以用同一套SQL代码来实现。这意味着数据开发人员不再需要为不同的时效性场景学习和维护不同的技术栈，大大降低了开发和运维的复杂度。

此外，云器以SaaS模式提供服务，用户无需关心底层基础设施的运维，平台提供全托管的服务保障。这让一树药业的数据团队能够将精力从繁琐的平台运维中解放出来，真正聚焦于数据对业务的赋能。

技术解读：什么是湖仓平台Lakehouse？

要理解湖仓平台，可以先简单了解这一架构范式的核心理念。

Lakehouse（湖仓一体）是近年来数据架构领域最重要的技术演进之一。它融合了数据湖（Data Lake）的灵活性与数据仓库（Data Warehouse）的高性能，试图在一个统一的架构中同时实现低成本存储和高效分析。

传统的数据湖架构以低成本对象存储为基础，能够容纳任意格式的原始数据，但缺乏数据仓库所具备的ACID事务支持、模式管理和查询优化能力。而传统数据仓库虽然提供了强大的分析性能，但其封闭的存储格式和高昂的存储成本使其难以承载海量原始数据。

Lakehouse架构现在已经是业界共识的概念：在开放的数据湖存储之上，通过新一代表格式（如云器支持的Apache Iceberg）引入事务支持、模式演化、时间旅行等企业级特性，同时借助智能缓存、向量化执行、自适应优化等技术实现媲美甚至超越传统数据仓库的查询性能。

云器Lakehouse正是基于这一技术路线构建，并在此基础上进一步整合了数据集成、元数据管理、数据治理、数据服务等能力，形成了开箱即用的一体化数据平台。

云器Lakehouse一体化架构的核心优势

对比传统Lambda架构

云器Lakehouse支持用户采用一体化Kappa架构的数据仓库建设

成本优势的量化分析

成本优化是一树药业选择云器湖仓的核心考量之一。通过对比原有架构与新架构的成本结构，可以更清晰地理解这一优势的来源。

原有的"MC+ 数据中台"架构的成本主要由以下部分构成：存储费用（按存储量计费）、MC的计算费用（按CU时或按量计费）、数据中台产品的订阅费用（按年订阅）以及数据在不同组件之间流转产生的冗余存储和计算开销。此外，维护多个组件所需的运维人力投入也是一笔隐性成本。

TCO = 硬件 + 软件 + 开发 + 运维 + 治理

经验规律：TCO 常常 ≥ 硬件成本 × 3

云器一体化湖仓的成本结构则更加简洁：基于实际消耗的存储费用、基于实际消耗的计算费用，以及平台SaaS服务费。由于采用一体化架构消除了组件间的数据冗余，加之智能的存储分层和计算优化能力，单位数据的处理成本得到显著降低。

根据一树药业的实际迁移效果，在业务方完全无感知的情况下完成架构切换后，数据平台的整体使用成本降低了50%以上 。这一成果充分验证了架构升级的价值。

性能表现

除成本优势外，数据分析性能同样是一树药业在选型过程中的重要考量因素。作为医药零售企业，一树药业的BI报表直接服务于管理层和一线业务人员，对查询响应速度有着较高的要求。

根据云器科技已发布的TPC-DS性能测试报告，云器Lakehouse在标准基准测试中展现了行业领先的分析性能。在10TB规模的TPC-DS测试中，云器Lakehouse的综合查询性能位居国内湖仓产品前列。这一性能表现得益于云器在查询优化器、向量化执行引擎、智能缓存等核心技术上的持续投入。

性能测试报告：

https://www.yunqi.tech/resource/blogs/lakehouse-performance

对于一树药业而言，这意味着迁移到云器Lakehouse后，不仅成本得到优化，业务报表的加载速度也得到了保障，确保业务方的使用体验不受影响。

无缝切换：从MaxCompute到云器的迁移实践

架构升级的另一个关键挑战在于如何实现平稳过渡。一树药业的BI报表直接服务于领导层和一线业务人员，任何服务中断或数据不一致都可能带来严重的业务影响。

整个迁移过程中，依托于云器Lakehouse的一体化完整能力，一树药业数据团队无缝的完成了数据作业到云器的自助迁移。核心数据作业和BI报表全部切换至新平台运行。更重要的是，这次迁移不仅是技术架构的升级，也是数据治理的契机——那些无人认领的历史作业和冗余数据在迁移过程中得到了梳理和清理，使得数据资产更加精简高效。

ps：云器引擎可以做到无缝不侵入地插入原有开源组件，作为更优性能的引擎完成数据分析任务

从数据中台到数智基建

一树药业的这次架构升级，折射出企业数据平台建设理念的重要转变。

在Gartner 2024年发布的“中国数据分析和人工智能技术成熟度曲线图”中，“数据中台”被标注为即将退出历史舞台的技术概念，取而代之的是更加务实的“数智基建”（Data Infrastructure）理念。数智基建强调的是提供包括分析型数据库、数据集成、元数据管理、数据质量、数据服务等在内的基础技术能力，作为数据分析和AI应用可复用的底座，而非一套大而全的应用系统。

一树药业的实践印证了这一趋势。企业真正需要的不是一个功能繁多却与业务脱节的"中台系统"，而是一套成本可控、性能可靠、使用灵活的数据基础设施。云器一体化湖仓正是这一理念的最佳实践。

展望未来，一树药业将在云器Lakehouse的基础上，进一步探索数据与AI的融合应用。云器Lakehouse除了提供湖仓和OLAP等基础能力外，还内置了向量数据库和标量检索能力，并基于AIGC技术构建了DataGPT等数智应用能力，为企业在人工智能时代的数据创新提供了坚实的基础。

告别割裂，回归本质——让数据成本与业务价值对齐，这是一树药业架构升级的核心收获，也是云器一体化湖仓平台的价值主张。

---

🎁 新用户专享福利

✅  1 TB 存储 · 1 CRU时/天计算 · 1 年全托管体验

➤ 即刻访问云器官网领取：https://www.yunqi.tech/product/one-year-package