数据架构 10 大核心组件：数据源、ODS、DWD、DWS、ADS 一文讲透
很多人第一次接触数据架构，最先学到的往往是几个缩写：ODS、DWD、DWS、ADS。于是很容易产生一种错觉：数据架构设计，不就是把业务系统的数据抽出来，然后按照这四层一层层往下放吗？真正做过企业数据项目以后就会发现，远没有这么简单。
ETL、ELT、ETLT到底有什么区别？一文讲透数据加工流程
做数据平台时，ETL几乎是绕不开的一个词。但现在又经常看到：ELT、ETLT、Reverse ETL、实时ETL……很多人记住了几个缩写，却没有真正理解它们之间到底差在哪里。
第二篇 数仓五层架构完整详解（ODS/DWD/DIM/DWS/ADS）
承接上篇：上篇我们搞懂了为什么要分层、裸写 SQL 的灾难。现在我们来拆解行业最通用的五层数仓架构，弄清楚每一层的职责、边界，哪些事能做、哪些事绝对不能碰，以及完整的数据流转闭环。
AI原生数据湖仓赋能司库：年降千万成本，拦亿级风险
数据仓库，大家其实也不陌生，是一个面向主题、集成、非易失、随时间变化的结构化数据存储系统，核心目标是整合企业分散在不同业务系统中的数据，为管理层提供决策支持分析的统一数据基础。
Databricks中国启示录：一场蓄谋已久的技术与商业战 | 企服国际观察
进入2022年以来，无论是Snowflake发布UniStore，还是Databricks巩固Delta开源计划，都是在面对极大的市场空间前景下做出的积极决策。
最全面的数仓分层剖析，一文搞定企业数仓分层
导读:数仓在建设过程中，对数据的组织管理上，不仅要根据业务进行纵向的主题域划分，还需要横向的数仓分层规范。
为什么数据仓库要分层？ODS、DWD、DWS、ADS到底怎么理解？
很多企业刚做数据分析时，都会直接连业务系统做报表。一开始很快。但时间一长，问题就来了：同一个销售额，不同部门算出来不一样；同一个客户，不同系统里叫法不同；报表越做越多，口径却越来越乱。这时候就会发现：企业不是没有数据，而是数据没有被好好组织起来。所以，数据仓库才需要分层。
数据仓库黑话大全：搞懂这些，才算入门数仓
第一次接触数据仓库，很多人都会有一种感觉：每个字都认识，连起来完全不知道在说什么。“先落 ODS，再清洗到 DWD。”“这个指标直接从 DWS 聚合。”“这张表粒度不对，先别做宽表。”“昨天 CDC 断了，先补数，再重跑下游 DAG。”“这个指标口径还没统一，ADS 先别出。
一张图看懂数据仓库体系：ODS、DWD、DWS、ADS到底怎么分层？
几乎所有接触过数据仓库的人，都会遇到 ODS、DWD、DWS、ADS 这四个缩写。从概念上看，它们并不复杂：ODS 负责接收和保留原始数据；DWD 负责形成标准明细数据；DWS 负责沉淀公共主题和汇总能力；ADS 则面向报表、看板和具体业务应用提供数据。
2026 Data+AI 中场纪实：企业决策者，敢把真实业务交给 Agent 吗？| 直播预告
随着 Agent 逐步进入企业核心流程，迈向 Agentic Enterprise 的关键命题也愈发清晰:一家企业独有的业务概念、关系与规则，如何被 Agent 准确理解，并进一步转化为可信、可追溯的判断与行动依据?8 月 4 日 19:00，Snowflake 携手 InfoQ 发起「2026 Data+AI 中场纪实」直播。