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。
（部分内容来源网络，如有侵权请联系删除）
