狹義的數據管理平臺，主要是接受數據擁有者（可能是廣告主、也可能不是）的委托，按照其需求進行數據加工，并將加工結果用于指導運營優化、廣告投放等任務。其商業模式上做的關鍵，是“來料按需加工”，當然收取加工費用是正常的。不過既然是來料加工，就不能把“料”(數據)視為DMP的自有資產，也不能將這些數據加工結果用于指導其他客戶的商業活動。否則，很容易變成在競爭對手之間倒賣用戶的“雙面間諜”。
其實這樣的DMP，與傳統的網站分析(Web Analytics)工具有很強的關系。不過，它可以集成第三方數據采買、對接站外廣告投放渠道等功能，而這些是傳統的WA所不具備的。
DMP 其實是一個數據管理平臺，是把分散的多方數據進行整合納入統一的技術平臺，并對這些數據進行標準化和細分，讓用戶可以把這些細分結果推向現有的互動營銷環境里的平臺。
業界代表性的產品有騰訊廣點通和阿里達摩盤。它們主要提供創建細分人群、分析用戶畫像、種子用戶群體拓展（lookalike）、再營銷、分析投放管理、流量采買和第三方數據接入等功能。
DMP平臺架構
1. 商業DMP定位
首先，結合我們的需求，介紹下商業DMP定位，這里介紹的商業DMP主要是指我們商業站內的，主要提供特征挖掘和特征數據服務的能力。
對于開發者，特征挖掘平臺提供了簡潔、易用的開發SDK，屏蔽實時計算、批量計算、海量存儲、高并發服務、各底層分布式系統部署等細節。提供TB級別（N天）行為數據挖掘和秒級別延時實時特征挖掘，支持特征挖掘實驗、水平擴展。
對于特征數據服務平臺，提供豐富的特征數據（TB級別）和
元數據管理，能夠提供在線和離線特征數據服務。對于在線，提供穩定的在線特征數據服務，支撐在線推薦系統；對于離線，提供靈活的多維查詢，支持按人群特征進行營銷活動。
2. 平臺業務架構
從數據的產生到標簽的加工再到業務應用，在這完整的數據流中，DMP平臺其實是起著承上啟下的作用，可以把它看做是一個數據工廠，對數據特征進行統一、清洗、加工、轉化、提煉，再對外提供相應的數據服務。DMP平臺主要包括特征挖掘平臺、dmp service、標簽元數據管理、監控等模塊。
3. 平臺邏輯架構
平臺邏輯架構主要分為數據層、存儲層、計算層、服務層和監控層。
數據層： 提供Kafka、ESB、HDFS、Api等多種異構數據源，通過importer層將數據進行統一的清洗轉化，對下形成統一的數據源，從而屏蔽底層的異構數據源。
存儲層： 我們實現了存儲接口、序列化模塊、壓縮模塊。由于在線推薦特征挖掘提供基于KV鍵值存儲就能滿足需求，故底層存儲主要提供Redis和自研的wtable等。
計算層： 提供了storm、spark、sparkstreaming、flink等多種計算引擎。在operator模塊提供讓特征挖掘用戶自己實現對應的SDK即可，簡便高效，同時對于用戶來說屏蔽掉了異構計算。
服務層： 主要提供IDMapping、路由、實驗、process四個模塊。IDMapping主要是為了打通數據孤島；路由模塊主要是解決流量分發問題；實驗模塊主要是進行分流實驗；process模塊主要是提供業務解耦能力。
監控層： 對服務、任務、存儲等進行監控，對多環節快速發現定位并解決問題。
（部分內容來源網絡，如有侵權請聯系刪除）
