本文笔记全部来自《极客新闻》
在极客新闻上看到一篇文章《数据中台解决的三大问题》,文中解决了数据中台的定义,落地的价值。简单来说就是要解决效率、质量和成本的问题。
数据中台是什么?
数据中台是企业级大数据通过系统化的方式实现统一、标准、安全、共享的数据组织,以服务化的方式赋能前台数据应用,提高数据的使用效率。
数据中台与数据平台最本质的区别在于数据中台是具备业务属性的,输入的是原始数据,输出的是指标。数据中台包含了业务对数据的组织方法论,体现在主题域、业务过程的划分、数据模型的设计,以及对指标、维度、度量的管理。如果要确定一个数据是指标还是维度,就必须理解业务。
数据中台解决的三大问题
归结起来,主要是三个:效率、质量和成本。
一、效率问题可以分为数据研发的效率、数据发现的效率和数据分析的效率。
(1)数据研发的效率问题
初期,由于业务模式还不固定,变化比较快,往往缺少良好的主题域和分层设计,烟囱式的开发模式占据主导,随着业务复杂度和规模的上升,大量重复性的数据开发,制约了数据需求交付效率。一个需求往往需要一个星期甚至更长时间才能上线,需求响应速度经常被业务部门诟病。
(2)数据发现的效率问题
开发数据和使用数据的人是不同的人,面对动辄数万张表,每张表有数十个甚至上百个字段,准确理解每张表的含义是一件非常困难的事。如果没有一个好用的系统,往往需要大量的沟通成本,工作效率也大打折扣。
(3)数据分析的效率问题
数据分析本身就存在门槛,取数对于大多数非技术专业的运营和分析师就是一个大问题,遇到技术问题更是不知所措。传统的数据分析基本依赖分析师的个人经验,如何将经验变成一种知识,甚至是一种规范,沉淀到产品中,通过系统自动地进行全维度的钻取分析,降低数据分析的门槛。
二、质量是数据中心需要解决的第二个问题,质量包括数仓设计的质量、指标的一致性、数据研发的质量。
数仓设计得好不好,主要体现在三个方面,完善度、复用性和规范性。数仓设计一般采用的是面向主题域的分层设计,对于ODS层保存的是业务原始数据,DWD保存的是经过清洗的明细数据,DWS是经过轻度聚合的汇总数据,ADS或者DM是应用层、集市层数据,这是一个常见的4层模型划分。
完善度就是对于使用者而言,“要啥有啥”,对于不同分层,完善度的衡量方式也各有不同。复用性主要强调的是一个表被多个表使用的情况,复用性越高,说明数仓的设计越合理,更多的数据在数仓被复用。规范性主要是指数仓中的表、字段的命名规范统一,相同指标、维度、度量的标识是一致的。
质量还包括数据的质量,如数据的一致性、准确性、及时性以及完整性。
一致性具体表现在集市层相同的指标数据是否一致、维度是否一致、相关指标的趋势是否一致、不同数据源对同一个实体的值是否一致。
准确性体现在数值计算的逻辑是否符合预期,数据格式是否正确。
及时性主要体现在数据产出时延方面。
完整性主要是表记录是否完整,包括记录数是否完整,字段是否完整。
三、成本是数据中台需要解决的第三个问题,成本包括计算资源成本、存储资源的成本以及人力研发成本。
数据如果不定时清理,就会占据存储空间。大数据成本比业务增长还要快,一方面是由于烟囱式的开发导致的数据重复加工,浪费计算和存储资源,另一方面是由于没有定时清理无用数据,浪费了大量的存储资源。