无数垂直领域的企业发现，从金融服务和保险到制造和医疗保健，他们需要公共和私有云、混合和边缘部署来最好地满足他们的数据管理和分析需求。因此，分布式云的概念是云成熟的一部分也就不足为奇了。将数据仓库、数据湖和高级分析引入分布式云架构是市场的发展方向。扩展此架构，包括更高层次的数据管理和分析服务，自然会产生分布式数据云的想法。
深化数据集成应用。建设第三方大数据服务产业基地。在两江数字经济产业园、江南大数据产业园、腾龙5G巴南产业园、云谷永川大数据产业园、华录黔江数据湖科技园、重庆垫江软件园、涪陵人工智能与数字经济产业园、云阳数字智能森林城等重点园区，建设多个大数据服务产业集群。
在这种情况下，数据湖和数据仓库是数据平台的两个主要存储区域。与数据仓库相比，数据湖中的数据可以是存储企业各种原始数据的任何类型的信息。
提供统一数据采集和实时订阅分发框架，支持实时/准实时数据和离线数据的采集。每个网络元/平台的数据采集能力以组件的形式纳入数据湖，分为专业采集和预处理。大量实时数量可靠近网络近源部署前置采集模块。非网络数据(如BSS、MSS、OSS流程等。)，早期以副本采集的形式聚集在湖中，长期以服务交互的形式直接进入湖中。
数据湖计算 DLC 提供敏捷高效的数据湖分析服务。基于存算分离的产品架构系统，实现数据资产的统一建设，用户可以快速、低成本地管理和分析大量数据，开放数据岛，最大限度地释放数据价值。
存储框架不统一：离线和实时计算中使用的存储不统一。基于kafka的实时存储不能满足即时Olap查询，存储容量有限，不支持大量存储。通过研究，可以引入数据湖技术，实现存储层面的离线数据和实时数据统一，数据湖存储统一反映在用户不关心底层真实存储，数据湖抽象TableFormat层的真实存储，可以将结构化或非结构化数据映射成数据表，实现存储统一；
4.测试数据湖：定期测试数据湖非常重要，以确保您能够成功地搜索和使用数据湖中的数据。这对于确保业务需求增长和变化的连续性尤为重要。
数据中心平台建在数据湖上，具有统一计算和存储数据湖异构数据的能力。同时，通过标准化的方式管理数据湖中凌乱的数据； 数据平台需要依靠大数据平台，大数据平台完成了数据研发的全过程覆盖，数据平台增加了数据治理和数据服务； 基于维度建模的理论，数据中台借鉴了传统数据仓库面向主题域的数据组织模式，构建统一的数据公共层；
数据湖的建设不可能一蹴而就。数据需要根据运营商IT系统的建设采取不同的策略进行演变。电信运营商IT系统入湖方案如图6所示。