数字化转型
文章平均质量分 89
woloqun
这个作者很懒,什么都没留下…
展开
-
数据平台建设指南(上)
前言年底了,整理了下过去做的一些项目,希望能够给大数据行业的同学提供些大数据平台建设的思路。内容大致分五部分:数据采集,数据存储、数据计算、基础平台以及数据治理篇。由于涉及到的内容较多,打算分成两篇文章,本文主要介绍前四部分,也就是大数据平台相关。文章以介绍思路为主,部分技术细节可以参照文章的链接(后续会逐步完善)。原创 2022-12-28 17:28:57 · 1517 阅读 · 0 评论 -
数据服务
如下图所示,一个数据应用想要一份数据,首先可以到数据API集市去检索,看看是否有现成的API能够满足需求,如果API集市中已经存在能够满足需求的API,数据应用需求方只需要使用认证凭证发起API请求权限申请(提供QPS,需求场景),并且数据API的提供者完成授权,这样数据应用就完成了数据对接。数据调用无法被追踪?数据开发了生产了很多数据,但随着业务的调整,有些数据会慢慢的被弃用,被弃用的数据是应该进行下线的,同时释放相应的存储和计算资源,但是数据开发根本不知道,数据被哪些应用使用,也就无法下线数据。原创 2022-10-26 18:07:57 · 3130 阅读 · 0 评论 -
指标归因平台建设思路
在GMV归因例子中,GMV环比下降8%,从“单一维度波动贡献”列表中,得知在“user_type”维度下,波动贡献最大,因此可以点击“+”,从弹框中选择对“user_type”进行下钻,同时勾选需要分析的维度枚举值(“0”,“1”)。在上面例子中,GMV关联指标“活动收入”环比波动较其他关联指标要大的多,显示为红色,这也是分析人员需要重点关注的地方。往常的做法是,对可能影响指标GMV,DAU的维度进行关联、下钻分析,这无疑带来了巨大的工作量,而且效率也低,重要的是整个归因分析思路无法沉淀,同样无法共享。原创 2022-10-11 16:58:45 · 1644 阅读 · 0 评论 -
指标体系建设的一些思考
OSM是一套业务分析框架,其中“O”代表业务目标(Object),需要我们思考或者回答,我们的业务、产品、甚至是其中的一个小的功能存在的目的是什么、能够解决用户什么问题、满足用户的什么需求?而我们要就是维护好“战略目标”与“指标之间的关系,并根据UJM重新梳理用户旅程,删减或补充指标,同时对这些关联关系进行沉淀,形成相应的指标归因平台,辅助决策者直观、快速的了解产品状态,指导策略调整。核心指标通常指的是比较宏观指标,无论业务形态怎么变化,都会存在的,例如:DAU,GMV,这种指标也是公司决策最关注的指标。原创 2022-09-22 18:43:55 · 410 阅读 · 0 评论