数据中台入门到精通系列讲解
文章平均质量分 86
程序猿跟着最新技术走,才能不迷路
优惠券已抵扣
余额抵扣
还需支付
¥19.90
¥99.00
购买须知?
本专栏为图文内容,最终完结不会低于15篇文章。
订阅专栏,享有专栏所有文章阅读权限。
本专栏为虚拟商品,基于网络商品和虚拟商品的性质和特征,专栏一经购买无正当理由不予退款,不支持升级,敬请谅解。
普通网友
这个作者很懒,什么都没留下…
展开
-
数据中台建设常见的几大误区,如何规避,你需要知道这几点
由于不同行业、不同企业的发展程度存在差异,因此会导致不同企业的数据中台的建设起点不同。虽然起点存在差异,但是数据中台的建设应该是一个不断迭代和优化的过程,没有终点。另外,不是每个企业都需要建设一个大而全的数据中台。适合自己发展阶段的中台才是最好的。目前,行业对数据中台存在诸多误解和理解偏差,因此在建设数据中台的过程中,错误的理解可能导致数据中台建设的失败。下图为数据中台建设的9大误区,下面详细介绍每个误区。图 数据中台建设的9大误区01.数据中台等同于数据工具的集合数据工..原创 2021-11-29 06:00:00 · 1271 阅读 · 0 评论 -
企业数字化转型,一文通读什么是数字化中台?
01中台是什么要想真正理解中台,需要以三位一体的视角去解读(如图1所示),否则看到的中台都是相对片面的。图1三位一体的视角▊ 中台是一种业务和组织形态阿里巴巴、腾讯等大公司在推出中台战略时,向外展现的都是对组织的调整,并形成“大中台+小前台”的“前台—中台—后台”的组织架构,这也是中台可以在企业深度落地的前提。知名企业的组织调整总是能够吸引社会公众的关注。大型企业往往对组织调整和重要人事变动持非常谨慎的态度,但是在数字化时代这种调整却会变得更加频繁。组织调整不是喊口...原创 2021-11-26 06:00:00 · 1132 阅读 · 0 评论 -
数据中台应用实战50篇(一)-带你概览BI、数据仓库、数据湖与数据中台之间有什么关联关系?(建议收藏)
数据中台最核心的是OneData体系。这个体系实质上是一个数据管理体系,包括全局数据仓库规划、数据规范定义、数据建模研发、数据连接萃取、数据运维监控、数据资产管理工具等。数据仓库是为企业所有级别的决策制定过程,提供所有类型数据支持的战略集合,出于分析性报告和决策支持目的而创建。数据中台是一个数据集成平台,它不仅仅是为数据分析挖掘而建,它更重要的功能是作为各个业务的数据源,为业务系统提供数据和计算服务。数据中台的本质就是“数据仓库+数据服务中间件”。中台构建这种服务时是考虑到可复用性的,每个服务就像一块积原创 2021-10-21 06:00:00 · 1248 阅读 · 0 评论 -
数据中台应用实战50篇(二)-中台解决方案本质在解决什么问题?
1企业信息化2.0众所周知,系统的建设其实是一家企业信息化迭代的过程,而中台的落地作为一个软件系统,因此建设中台也是一次企业信息化再次迭代的过程。以下是我为大家准备的几个精品专栏,喜欢的小伙伴可自行订阅,你的支持就是我不断更新的动力哟!MATLAB-30天带你从入门到精通MATLAB深入理解高级教程(附源码)tableau可视化数据分析高级教程那么要想进行正确的中台建设,在建设中台开始前,我们必需要了解中台立项的背后,也就是此时的企业信息化遇到了什么问题?因为这些问题其实原创 2021-09-23 08:23:53 · 1039 阅读 · 0 评论 -
数据中台应用实战50篇(一)-企业级数据中台的建设方法&架构和技术栈
前言多数企业都意识到数据的重要性,都希望利用数据来驱动业务发展。但经常会听到这样一句话:“我们企业现在业务都还没做起来,连数据都没有,还不到考虑数据利用的时候。”这句话在某种程度上代表了一部分企业对于数据利用的认知,即数据利用从先有数据开始。而数据是在应用建设后存到数据库里的,所以先建设应用,然后等数据库里有了数据后,再考虑如何利用数据。以下是我为大家准备的几个精品专栏,喜欢的小伙伴可自行订阅,你的支持就是我不断更新的动力哟!MATLAB-30天带你从入门到精通MATLAB深入理解高原创 2021-09-14 08:29:40 · 1706 阅读 · 0 评论 -
数据中台实战(八):如何打造可以支撑N条产品线的标签平台
上一篇数据中台的实战文章讲了《数据中台实战(七):流量分析》,这次讲如何打造可以支撑N条产品线的标签平台。全文8000+字,全是实战干货。—1—为什么要建设标签平台亚马逊的CEO Jeff Bezos曾说过他的梦想,「如果我有一百万的用户,我就会做一百万个不同的网站!」。当然现在大型的电商公司如亚马逊、淘宝等已经实现了他这个梦想,就是我们常说的千人千面-用户个性化推荐系统。那么如何实现千人千面呢,做这个基础是先对用户打标签。为什么要给用户打标签呢?最主要原因就是让我们更加了解我们...原创 2021-08-21 07:45:55 · 1084 阅读 · 0 评论 -
数据中台实战(六):交易分析
—1—交易分析设计原则上一篇文章讲到《数据中台实战(五):自助分析平台》。本篇文章讲一下交易分析模块。交易数据是一个公司最核心的数据,领导层会十分关注,一线的运营的kpi也是围绕交易额展开。领导层和一线的运营还是有些不同,公司领导层关注的是大盘,是不会看一些明细数据,而运营需要大量的明细数据来分析数据上升或者下降的原因。所以给领导层看的功能都是计算好的看板,给运营看的数据的是可以各种维度拆解的数据。所以交易分析模块针对领导层和运营要分开设计。—2—给领导层看的交易分析数据...原创 2021-07-27 06:49:04 · 1108 阅读 · 0 评论 -
数据中台产品经理面试指南(二)
问题八:什么是用户行为数据,怎么采集用户行为数据?用户无论在哪个客户端(iOS端、安卓端、小程序端、H5端)操作,用户产生的行为数据都分为两种:一种是浏览,一种是点击。这些隐性的行为数据,一般不会存储在业务线的数据库中,而是通过异步传输的方式传输并存储到数据采集服务器中。为什么要花那么多的资源采集这些行为数据呢?因为这些数据对后期数据的挖掘应用是十分有用的。举个例子,对于电商产品,如果没有行为数据的采集,我们是无法判断用户对某个商品的感兴趣程度,但是如果有了这些数据,我们就可以...原创 2021-07-14 09:14:20 · 1248 阅读 · 0 评论 -
数据中台实战入门篇:数据中台对内、对外合作机制
上一篇文章讲了《数据中台实战入门篇:双中台战略》,主要解决了什么是中台、什么是数据中台、业务中台、什么公司适合搭建双中台体系这几个问题。本篇文章讲一下数据中台的人员构成、内部如何合作、数据中台的项目管理、数据中台如何与运营部门合作这几个问题。—1—数据中台人员构成架构师:架构师是整个数据中台团队的技术负责人。涉及到大的模块比如标签平台、推荐,要拿到业界比较成熟的架构设计,这样有个参考,能避免我们踩很多坑。另外包括技术选型比如大数据常用的计算框架spark、handoop等用那...原创 2021-07-05 06:34:07 · 1391 阅读 · 0 评论 -
《数据中台实战》:数据中台的分层建模体系
数据中台数据模型的分层,业界比较通用的分层方式是将数据模型分为5层:①ODS(Operate Data Store,操作数据层)、②DIM(Dictionary Data Layer,维度数据层)、③DWD(Data WarehouseDetail,明细数据层)、④DWS(Data WarehouseService,汇总数据层)、⑤ADS(ApplicationData Store,数据应用层)。各层数据模型之间的关系如图1-1所示。图1-1 分层模体系第一层是O...原创 2021-06-23 09:18:31 · 2008 阅读 · 0 评论 -
AB测试:基础概念、应用场景及入门指南
今天和大家分享一下关于AB测试的基础知识。01—AB测试是什么互联网行业变化很快,很多产品的迭代速度都是按周甚至是按天来的。无论是产品的优化方向,还是决策的制定,都需要有数据来说话。目前,大部分产品迭代的方式,是直接将某版本发布给全部用户。一旦遇到线上BUG或者数据效果不好,就不得不紧急修复或者功能优化,有时甚至需要回滚到前一版本。这对用户体验、项目进度影响是很大的。如何能解决这个问题呢?AB测试能很好的避免这个问题。所谓AB测试,就是在正式发...原创 2021-06-16 07:39:37 · 1405 阅读 · 4 评论 -
平台信赖度成为双十一影响消费者购买决策的重要因素
最近看了艾瑞咨询发布的一份《“双十一”网购消费洞察报告》,里面提到一个观察就很有意思。报告说,“平台信赖度”已经超过“价格”,成了消费者“双十一”网购最主要的考量因素之一。什么意思呢?就是说,消费者原来是谁家便宜在谁家买,现在则是谁家更靠谱在谁家买,“双十一”似乎开始进入“信任消费”的阶段了。这是一个很重要的变化。你也知道,一直以来,“双十一”购物节最大的标签就是“低价”,从最早的“全场五折包邮”,到现在的“跨店满减”、“直播领券”、“预售付定金”等花样百出的新规则,核心都是围绕价格做文章。可是原创 2021-06-13 09:11:30 · 1364 阅读 · 1 评论 -
数据中台实战入门篇:双中台战略
中台是什么中台是阿里提出,在2015年年中的时候,他去参观了一家芬兰的游戏公司,叫做Supercell。这家公司名字你也许不熟悉,但是他们开发的游戏你可能玩过,比如《部落冲突》。这家公司一年光是利润就有15亿美金,不过员工人数非常少,只有不到200个人,而且公司里每一个开发游戏的小团队,都只有六七个人而已。这么小规模的团队,怎么做成了这么大的业务呢?其中一个原因是他们把游戏开发过程中,要用的一些通用的游戏素材和算法整理出来,把这些作为工具提供给所有的小团队。同一套工具,可以支持好几个小团队研发游戏.原创 2021-06-11 06:41:18 · 2043 阅读 · 2 评论 -
数据中台实战(一):以B2B电商亿订为例谈数据埋点(产品经理视角)
背景笔者所在公司为富力环球商品贸易港,是富力集团旗下汇聚原创设计师品牌及时尚买手/采购商两大社群,通过亿订B2B电商、RFSHOWROOM、环贸快版、环贸映像、富运通、富贸通等子品牌为时尚行业提供一站式产业+渠道服务的平台。笔者所在部门为数据中台,职责就是为公司搭建数据中台,支撑各产品线数据化运营,通过数据中台打通各条产品线的数据,更精准的为产业的上下游客户服务。本文以B2B电商产品亿订为实战谈数据中台的数据埋点。图片来源:富力环球商品贸易港公众号刚入公司时,公司的数据埋点这块是..原创 2021-06-10 10:20:24 · 1262 阅读 · 1 评论 -
《数据中台实战》:如何通过标签平台圈出产品高价值用户?
本文我们以运营人员经常用到的RFM模型为例来介绍一下标签平台该怎么使用。我们先来看一下什么是RFM模型:R(Recency),即用户最近一次交易时间的间隔,R值越大,表示客户交易发生的日期越久,反之则交易发生的日期越近;F(Frequency),即用户在一段时间内交易的次数,F值越大,表示客户交易越频繁,反之则表示客户交易不够活跃;M(Monetary),即用户在一段时间内交易的金额,M值越大,表示客户价值越高,反之则表示客户价值越低。如下表1-1所示,可以根据这些数...原创 2021-05-09 06:36:09 · 1092 阅读 · 0 评论 -
数据中台推荐系统入门(三):推荐系统的评测指标
本文介绍一下推荐系统的相关评测指标。推荐系统的数据指标分为两种。(1)商业指标,即推荐系统的与最终交易额相关的指标。我们做推荐系统的目的是为了代替人工给用户推荐商品,提高效率,实现千人千面的用户体验,从而带来更多的交易额。商业指标包括曝光次数、商品的PV、商品的UV、商品支付人数、支付金额、支付件数,以及点击率(商品PV与曝光次数之比)、支付转化率(商品支付人数与商品UV之比)。接下来我们看看这些指标该怎么计算。首先是曝光次数。统计推荐模块曝光次数的方式有两种:其一是通过前端页面埋点..原创 2021-05-04 06:11:48 · 1157 阅读 · 1 评论 -
数据中台推荐系统入门(二):两种经典的推荐算法
所谓“物以类聚,人以群分”,基于用户的协同过滤算法就是基于这个原理来实现的。你可能听过“啤酒与尿不湿”的故事:通过对一家超市的销售数据分析发现,有很多人在购买啤酒的同时又购买了尿不湿,这就是基于物品的协同过滤算法的案例。读完本文你可以了解这两种算法的原理,并学会如何实现这两种算法。1基于用户的协同过滤算法我们在生活中如何找到自己喜欢的商品呢?比如你想买一件衬衫,可能会看一下或者问一下周围的朋友都穿什么样的衬衫,在朋友的影响下,你有很大概率会到线上网店或者线下实体店中...原创 2021-05-03 08:35:56 · 1146 阅读 · 0 评论 -
自助分析平台(一):快速入门三种数据可视化插件
前言数据中台的主要工作就是输出数据指标。数据中台要对接公司内部的多条产品线,每条产品线都会定期提一些数据需求,随着数据中台和各条产品线的合作越来越紧密,每条产品线都会积累很多指标。随着时间和产品线的增加,有个问题会凸显出来:数据中台的开发资源很快会满足不了业务部门日益增加的越来越多的需求。另外,每个部门、每个人的需求都是各种各样的,无论怎么做都无法满足所有的需求。数据中台的每个数据指标的开发都涉及到多个步骤、多个角色,如果每个数据指标都按照上文定义的那套流程,每个数据指标的开发周期会..原创 2021-05-03 08:34:27 · 1126 阅读 · 0 评论 -
《数据中台实战》:用户留存分析
针对留存率有一个“40–20–10”的法则,指的是:产品若要达到100万的日活,那么产品的次日留存率要达到40%,7日留存率要达到20%,30日留存率要达到10%。通过这组数据可见留存率有多么重要。留存率是监测我们产品的用户规模以及用户粘性的很有价值的指标。当然上面那组数据只供大家参考,其只是针对社交产品,其他领域的产品应该根据自己的产品特性来计算留存率。留存率是一个比较通用的指标,几乎任何产品线都能用到。留存率分为访问留存率和购买留存率。访问留存率是指新注册用户次日、7日、14日、30..原创 2021-05-01 06:33:04 · 1356 阅读 · 2 评论 -
数据中台实战:商品售前分析
前言商品售前是指商品在销售出去之前的这段时间。在这段时间里,商品运营人员要做大量的准备工作,包括供应商的选择、商品定位、商品数量规划、商品上架分析等,只有做好了这些工作才能保证商品的价值被用户最大化的感知。关于数据结构知识可订阅博主专栏数据结构常见算法原理讲解供应商的选择首先要制定一套严格的供应商筛选机制。笔者所在公司的电商产品线属于快时尚行业,为了保证供货效率,我们要求供应商适应“快反应”的柔性供应链模式,并建立了供应商分级动态管理系统,包括供应商准入机制、供应商绩效评估和激励机.原创 2021-04-29 09:27:41 · 1412 阅读 · 0 评论 -
数据中台建设是噱头还是黑科技?
前言数据中台是中国本土诞生的一个名词,很多企业在“什么是数据中台”和“我要上XX中台”徘徊。其炒作程度跟当年的“大数据” 一词有一拼,如果用Gartner的炒作周期图来看,数据中台目前已经逼近炒作的顶峰。与其不断地讨论什么是数据中台,企业更应该了解建设数据中台的目的是让企业高效的数据驱动,减少重复的架构建设。如果要用一张图来描绘Gartner如何看待数据中台的建设方向,可以如下图所示。数据中台的建设方向应该处于企业数字化平台的核心,即Gartner定义的数据和分析...原创 2021-03-22 11:15:12 · 1191 阅读 · 0 评论 -
对比几个数据概念,数据仓库、数据集市、数据湖、数据中台分别是什么?到底有什么区别?都得做吗?
经常看到有人问这个问题,数据玩家也看过很多解释,感觉都不够直观,这里,我尝试用一个大家都理解的例子来说明。什么是数据仓库?大家都去宜家买过东西吧,还记得一楼的大仓库不,你如果看中了某个家具,想要自己去仓库提货,一般都会记下商品上的编码:这个编码对于顾客来说,肯定是没有任何含义的,看到这个编码,不可能知道他是一个什么商品。但是这个编码,对于仓库管理员来说是有含义的,他们可以清楚的知道,是哪一个货架,哪一个位置。当然,顾客到仓库里顺着货架和位置也可以找...原创 2020-11-20 14:59:47 · 1141 阅读 · 0 评论 -
说了这么久中台,那你知道中台是什么?在治什么病吗?
在中台概念火热之后,很多似是而非的产品都在往中台上靠,很多已经在市面流通许久的产品也改头换面成某某中台。过于宽泛的定义会促使泡沫的产生,所以在行文之前,我们有必要进一步梳理与明确:中台究竟是什么?从形式上看,中台有业务中台、数据中台、技术中台与组织中台等多种称呼。从实施意义与作用来看,中台是可以支撑多个前台业务且具备通用性的平台产品。作为先行者的阿里将在线业务中台称之为业务中台,即为前台提供组件化产品与业务功能支撑等服务,而将数据治理与数据建设等数据管理活动为特征的中台称之为数据中台,为..原创 2020-10-28 17:16:57 · 1265 阅读 · 0 评论 -
阿里数据中台系列之Apsara Stack控制台监控管理(四)
1.8 监控管理1.8.1 监控管理简介云监控中⼼提供了资源的实时监控、告警及通知服务,为您的产品和业务保驾护航。云监控中⼼⽬前可以监控云服务器ECS、负载均衡SLB、云数据库RDS、KVStore for Redis和对象存储OSS的相关指标。您可以通过云产品的监控指标设置告警规则和通知策略,以便及时了解各产品服务的实例资源运⾏状况和性能,在收到资源不⾜类型的告警时及时考虑扩容。云监控中⼼主要具有以下功能:• ⾃动监控:监控会根据您创建的云服务器资源或者弹性伸缩组而⾃动启动,⽆需⼿原创 2020-08-31 08:26:08 · 1597 阅读 · 0 评论 -
阿里数据中台系列之Apsara Stack控制台报警管理(三)
1.7 报警管理1.7.1 报警管理简介云监控中⼼提供了资源的实时监控、报警及通知服务,为您的产品和业务保驾护航。云监控中⼼⽬前可以监控云服务器ECS、负载均衡SLB、云数据库RDS、KVStore for Redis和对象存储OSS的相关指标。您可以通过云产品的监控指标设置报警规则和通知策略,以便及时了解各产品服务的实例资源运⾏状况和性能,在收到资源不⾜类型的报警时及时考虑扩容。云监控中⼼主要具有以下功能:• ⾃动监控:监控会根据您创建的云服务器资源或者弹性伸缩组而⾃动启动,⽆需⼿原创 2020-08-30 08:33:07 · 1261 阅读 · 0 评论 -
阿里数据中台系列之Apsara Stack控制台初始化配置及资源管理(二)
1.5 初始化配置1.5.1 配置说明系统初始配置是指在使⽤Apsara Stack控制台前,管理员需要根据配置流程,完成⼀系列基本配置操作,例如,运营单位、部⻔、⻆⾊、项⽬、⽤⼾的创建以及资源的初始化。Apsara Stack控制台基于服务化原则,将云数据中⼼涉及的运营单位、⽤⼾、⻆⾊、部⻔、项⽬进⾏统⼀管理,以便针对不同⽤⼾赋予不同的资源访问权限。运营单位运营单位是⾼级运营模式下的运营主体单位,是云资源运营的基础。• 部⻔Apsara Stack控制台部署后,默认产⽣⼀个ro原创 2020-08-29 07:17:03 · 1378 阅读 · 0 评论 -
阿里数据中台系列之Apsara Stack控制台用户角色权限及操作界面(一)
1.1 什么是Apsara Stack控制台Apsara Stack控制台是基于阿⾥云专有云平台为各政企客⼾定制的服务能⼒平台。该平台着眼于改善⽤⼾IT管理及运营中⾯临的诸多问题,致⼒于打造云计算⾏业中领先的服务能⼒平台,注重为政府、教育、医疗、⾦融、企业等⾏业客⼾提供⼤规模、低成本的⼀站式云计算和⼤数据服务。概述Apsara Stack控制台通过构建⽀持多种不同业务类型的政企专有云平台,简化物理和虚拟资源的管理和部署,帮助⽤⼾简单快速的建⽴⾃⼰业务系统,充分提升资源利⽤率,降低运维成本,促进⽤原创 2020-08-28 08:37:27 · 2189 阅读 · 0 评论 -
数据中台全景架构及模块解析
数据中台是企业级能力复用平台,目标是让数据持续用起来,通过数据中台提供的工具、方法和运行机制,把数据变为一种服务能力,让数据更方便地被业务所使用。今天就来点实际干货,把企业真实数据平台架构分享给您!相信看完这篇文章,你会真正对数据中台有一个全景的认识与理解,从抽象过度到具体。无图无真相,我赶紧po一张数据中台总体架构图:数据中台是在底层存储计算平台与上层的数据应用之间的一整套体系,屏蔽掉底层存储平台的计算技术复杂性,降低对技术人才的需求,可以让数据的使用成本更低。如果用三句话来概括数据中台的组成原创 2020-07-27 08:17:02 · 2065 阅读 · 0 评论 -
数据中台(四)数栈,企业级一站式数据中台PaaS
2014年还在阿里云的时候,内部有一个5K+的项目,集合了当时CDO的多支团队在北京联合关小黑屋,希望能够将内部广泛使用的一套大数据开发工具打造成在公共云上对外服务的大数据PaaS。事后来看,这个项目当时有很多争执,也算不上多成功,尤其是和前一个名字类似的5K项目相比,有点雷声大雨点小。但当时三丰为项目组打气时说,外面的企业客户对大数据PaaS产品的需求已经嗷嗷直叫,就看我们什么时候能做出来。现在看来,这个市场在当时已经萌芽,但离真正成熟,还得有这几年的不断铺垫。5K+项目结束后,CDO整体合并进.原创 2020-07-26 08:28:43 · 1465 阅读 · 0 评论 -
数据中台(三)数据中台设计与数据资产管理
本文作者:王立飞袋鼠云大数据解决方案专家。专注于云计算、大数据、企业级技术架构(EA)等领域,在互联网、零售、工业等行业有深入的理解和丰富的从业经验,曾带领项目团队完成中金易云、货币网、固德威等企业级大数据项目交付,擅长行业大数据解决方案的咨询与落地。正文:正文企业的发展,往往伴随着业务更多元化,也必然会促进更多的业务数据产生,也为企业实现业务数据化和数据业务化带来了更多的可能性,但现实是很多企业依然采用传统理念去建设大数据平台,导致不单单业务系统是一个个烟囱,大数据...原创 2020-07-25 07:19:56 · 1976 阅读 · 0 评论 -
数据中台(二)数据质量分析及提升
一般情况下,企业都有多套的业务系统,一些大型企业甚至会有上百套的业务系统。这些业务在不同时期由不同的团队开发完成。因此,这些业务系统都参考着不同的标准生产各自数据。由于滥用缩写词,惯用语,数据输入错误,重复记录,丢失值,拼写变化,不同的计量单位,大量应用系统产生的大量数据是脏数据。这些脏数据是没有意义的,根本就不可能为以后的数据挖掘决策分析提供任何支持。这就是数据质量问题的由来。一般来说数据质量问题有四个因素造成:从上述的四因素来说,管理因素和流程因素属于组织管理范畴,信息因素和技术..原创 2020-07-24 08:14:05 · 1531 阅读 · 0 评论 -
数据中台(一)数据资源规划与获取
数据是未来社会最重要的资源之一。近年来由于互联网与大数据技术的不断发展,越来越多的企业也渐渐意识到对数据的开发和利用在企业发展过程中变得越来越重要。但是由于企事业部门之间的系统分散开发或者些单位系统重建或引进系统开发项目,导致很多单位内部之间的信息不能共享,产生数据与信息孤岛;或者没有统一的数据规范和标准,造成数据整合的不便。数据还仅仅停留在散乱的资源阶段,离数据“变现”,形成数据资产的理想阶段,还相距甚远。为解决上述问题,就需要企业自身进行合理有效的数据资源规划,梳理清楚企业自身的“数..原创 2020-07-23 08:21:14 · 1979 阅读 · 0 评论 -
数据中台实战(四):商品分析(产品设计篇)
上一讲讲了《数据中台实战(三):用户分析(产品设计篇)》用户模块我们用的是海盗模型,从用户的获取、激活、留存、收入、推荐的角度来做分析。这些指标是没问题,但是作为电商产品,如果站在价值的角度来思考就有问题。你可以分析下我们提到的用户相关的指标,比如:注册量、访问时长、留存率等这些指标都无法提高产品的价值,指标中最重要的是留存率,你发现站在价值的角度留存率也只能监控产品的价值,但是并不能提高产品的价值。对于B2B电商产品来讲,产品的价值就是要给我们的采购商提供好货,所以商品才是最核心的地方。我们的原创 2020-06-23 14:50:31 · 1514 阅读 · 0 评论 -
数据中台实战(三):用户分析(产品设计篇)
如果每条产品线都有专门的运营、产品、研发团队,一方面需要耗费大量的人力资源,另外一方面公司的数据散落在每条产品线,再收集起来就会造成很大的挑战。数据中台的存在就是为了解决这些问题,公司内每个系统的数据都流入数据中台(数据中心),这样数据就会更加规范的存储与组织。另外只需要一个团队就能支撑起整个公司的数据相关的需求,这是数据中台的优点。但是从这里你也能看出来,由于追求通用性,无论业务中台还是数据中台都是缺乏灵活性的,数据中台的模式是比较重的,这就要求前期公司数据的调研工作一定要做的足够细致,才能避免以后反原创 2020-06-23 14:48:37 · 1723 阅读 · 1 评论 -
数据中台实战(二):基于阿里OneData的数据指标管理体系
阿里OneData实施过程实战比如当时我们运营提了一个比较有指导意义的数据指标叫爆款率,我们以爆款率为例先说一下OneData每个步骤实施的流程和涉及的角色。第一步:要确定指标的业务口径业务口径应该由数据中台的产品经理主导,找到提出该指标的运营负责人沟通。首先要问清楚指标是怎么定义的,比如运营说爆款率的定义分子是是专场中商品销售件数超过20件的商品数,分母是专场内的总商品数(专场如上图所示,商品会放在运营人员组的一个一个专场里面)。这里面有几个坑:1. 这个20件可能是运营拍脑袋原创 2020-06-23 14:44:39 · 3865 阅读 · 2 评论 -
数据中台实战(一):大数据下的数据埋点
本文以B2B电商产品亿订为实战,谈数据中台的数据埋点。图片来源:富力环球商品贸易港公众号刚入公司时,公司的数据埋点这块是和百度合作,用的百度移动统计。运营反馈百度的流量分析做的很强大,但是最大的问题是不能结合电商的业务数据,比如:只有坑位的流量数据却拿不到坑位的交易额、转化率(交易额/PV)这些数据,另外电商的主路径 访问>商品详情>商品列表>加购>下单>支付整个流程的转化率是取不到的。此时,就拉上我们的开发,叫上了亿订产品经理和运营负责人,一起沟通目前的问原创 2020-06-23 14:43:17 · 2287 阅读 · 0 评论 -
数据中台实战入门篇:双中台战略
中台是什么?中台是阿里提出,在2015年年中的时候,他去参观了一家芬兰的游戏公司,叫做Supercell。这家公司名字你也许不熟悉,但是他们开发的游戏你可能玩过,比如《部落冲突》。这家公司一年光是利润就有15亿美金,不过员工人数非常少,只有不到200个人,而且公司里每一个开发游戏的小团队,都只有六七个人而已。这么小规模的团队,怎么做成了这么大的业务呢?其中一个原因是他们把游戏开发过程中,要用的一些通用的游戏素材和算法整理出来,把这些作为工具提供给所有的小团队。同一套工具,可以支持好几个小团队原创 2020-06-23 14:41:36 · 2010 阅读 · 0 评论 -
数据中台实战入门篇:数据中台对内、对外合作机制
数据中台人员构成架构师:架构师是整个数据中台团队的技术负责人。涉及到大的模块比如标签平台、推荐,要拿到业界比较成熟的架构设计,这样有个参考,能避免我们踩很多坑。另外包括技术选型比如大数据常用的计算框架spark、handoop等用那个比较合适,还有一些需要攻关的技术难题都需要协调他来解决。项目经理:项目经理要和架构师一起排团队的开发计划。保证让每个任务在时间节点完成,他要更加了解团队的每个成员的特点,最大的发挥团队成员的优势。另外关于项目的质量、风险都需要项目经理制定合理的流程来保证。产品经原创 2020-06-23 14:39:51 · 1459 阅读 · 0 评论 -
关于数据中台的深度思考与总结
数据中台数据汇聚数据汇聚是数据中台必须提供的核心工具,把各种异构网络、异构数据源的数据方便地采集到数据中台中进行集中存储,为后续的加工建模做准备。数据汇聚方式一般有数据库同步、埋点、网络爬虫、消息队列等;从汇聚的时效性来分,有离线批量汇聚和实时采集。数据采集工具Canal、DataX、Sqoop数据开发数据开发模块主要面向开发人员、分析人员,提供离线、实时、算法开发工具。离线开发作业调度•依赖调度:所有父作业运行完成后,当前作业才能开始运行。图64中的作业B,只.原创 2020-06-22 10:54:00 · 1756 阅读 · 0 评论 -
如何解决实时历史数据库存储成本问题?
实时历史库需求背景在当今的数字化时代,随着业务的迅速发展,每天产生的数据量会是一个惊人的数量,数据库存储的成本将会越来越大,通常的做法是对历史数据做归档,即将长期不使用的数据迁移至以文件形式存储的廉价存储设备上,比如阿里云OSS或者阿里云数据库DBS服务。然而在部分核心业务的应用场景下,针对几个月甚至几年前的“旧”数据依旧存在实时的,低频的查询甚至更新需求,比如淘宝/天猫的历史订单查询,企业级办公软件钉钉几年前的聊天信息查询,菜鸟海量物流的历史物流订单详情等。如果这时从历史备份中还原后查询.原创 2020-06-22 10:49:52 · 1802 阅读 · 0 评论