当前位置:首页 > 报告详情

董哲-Con 2024-京东零售的指标中台建设.pdf

上传人: 张** 编号:168926 2024-07-06 32页 3.14MB

1、京京东东零零售售的的指指标标中中台台建建设设董哲 数据应用工程师,架构师D a t a F u n 上海站嘉宾专享背景介绍0 01 1指标体系建设0 02 2应用实战案例0 03 3目目录录C O N T E N T S总结与展望0 04 4D a t a F u n 上海站嘉宾专享1.1 背景介绍-问题定义数据需求产品找指标BI报表工具前端低代码平台黄金眼可视化大屏战报A团队找指标B团队找指标C团队找指标A团队开发B团队开发C团队开发A团队开放协议1B团队开放协议2B团队开放协议3指标指标指标人工指标难找:依靠业务方和数据产品的个人经验理解需求,无法确定需求所需指标是否现成可用指标难定义准确

2、:对于非现成指标需要重新定义,无统一的,易于执行的标准开发标准难统一:数据和服务开发团队开发标准不统一,口径散落在开发的各个阶段,且研发人员水平差异导致数据质量参差不齐使用标准难统一:缺乏统一查询语言,多端重复开发接入,费时费力依赖个人经验,意味“知识”的存储和流转存在大量不确定性大量的”相似”指标,导致人力浪费,存储浪费,对数困难口径变更,新功能迭代难度很大;“全栈”数据团队,包括数据开发,OLAP开发,数据服务开发查询侧和展示端耦合很紧,已有的数据能力重用困难D a t a F u n 上海站嘉宾专享1.2 背景介绍-解决思路指标目录:展现清晰,明确,可信的指标体系,好用且敢用。指标定义:

3、确定易于理解,有区分度的指标定义标准;系统帮助避免指标二义性的问题。指标生产:系统可以解决的尽量让系统处理。指标调用:统一查询语言。指标治理:持续保鲜;低频退出。指标服务平台数据需求自助定义驱动生产一键申请接入BI报表工具前端低代码平台黄金眼可视化大屏战报存量复用指标指标指标指标增量生产物理模型物理模型物理模型逻辑模型口径组件口径组件标品指标大屏、黄金眼工时降低市场部流量大屏toC大屏B/C拆分战报BP海量需求D a t a F u n 上海站嘉宾专享1.3 背景介绍-方法论依据现代数据栈:Headless BI数据虚拟化数据编织D a t a F u n 上海站嘉宾专享2.1 定义用户-平台

4、是为哪些角色提供服务提出数据使用的需求,看数视角,指标口径业务方,分析师(经分,商分)为业务目标负责权利责任数据产品,资产产品对指标,维度,修饰等元素有决定权和解释权为清晰,准确的指标口径定义负责对实现方式有决定权数据,服务开发为清晰,准确的指标口径实现负责在协议的基础上,灵活自由的进行指标消费数据消费准确的消费数据,实现业务诉求角色能够清晰,准确的或许所需指标诉求为清晰,准确的指标口径定义负责能给高效的,低门槛的进行指标开发消费便捷,功能强大,可扩展性强数据BPD a t a F u n 上海站嘉宾专享2.1 整体架构ADMDIM1介质加速数据索引HBO数据资产层元数据DIM2预计算智能物化

5、数据生产ClickHouseRedisHBase计算引擎同源合并谓词下推/上拉引擎优选数据服务成本信息业务目标用户配置数据语义层4W1H指标维度修饰函数指标体系D a t a F u n 上海站嘉宾专享2.2 语义层建设-原子指标原子指标定义4w1h裁剪口径北极星指标:零售大盘成交金额业务域:通用域主题:交易业务过程:成交主体:订单度量:金额修饰和裁剪口径:主站业务,剔除大额等零售大盘成交金额通用域交易成交订单金额交易成交快照口径业务域主题业务过程主体度量裁剪口径D a t a F u n 上海站嘉宾专享2.2 语义层建设-原子指标(大大时时尚尚成成交交购购买买用用户户数数)-(京京东东零零售

6、售大大时时尚尚_ _用用户户_ _成成交交_ _购购买买_ _用用户户_ _人人数数 +时时尚尚通通用用标标准准口口径径_ _用用户户)(成成交交购购买买用用户户数数)-(京京东东零零售售通通用用域域_ _用用户户_ _成成交交_ _用用户户_ _数数量量 +用用户户成成交交快快照照口口径径)新标准,用户如何理解?Top-Down,用户如何接受 业务域,主题:40;业务过程:400+;主体:600+成交用户数量 VS 成交用户人数 审批流程繁琐,审批人是否清楚审批依据4w1h元素过多如何选择定义宽泛还是精确4w1h元素用户不理解注册流程涉及人为审批,依赖人为因素踩坑指南:真正提效,多方共赢 主

word格式文档无特别注明外均可编辑修改,预览文件经过压缩,下载原文更清晰!
三个皮匠报告文库所有资源均是客户上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作商用。
本文主要介绍了京东零售的指标中台建设,由数据应用工程师董哲主讲。主要内容包括: 1. 背景介绍:指出在指标体系建设中存在的问题,如指标难找、定义不准确、开发和使用的标准不统一等。 2. 解决思路:提出通过建立指标目录、明确指标定义、系统化处理指标生产、统一查询语言和指标治理等方法来解决上述问题。 3. 方法论依据:依据现代数据栈,包括Headless BI、数据虚拟化和数据编织等。 4. 整体架构:介绍了指标中台的架构,包括数据资产层、元数据、数据语义层和数据服务层等。 5. 语义层建设:详细介绍了原子指标、衍生指标和复合指标的定义和生产。 6. 指标生产:介绍了配置化生产、数据加速和查询加速的方法。 7. 指标治理:提出了常态化、系统化和主动化的治理方法。 8. 应用实战案例:通过专属域资产建设和复合维度两个案例,展示了指标中台在实际应用中的效果。 9. 成果总结:介绍了指标中台的建设成果,包括日均调用量、注册指标数量、节省人力等核心数据。 10. 未来规划:提出了继续提升需求覆盖度、系统化和智能化能力,以及提升数据和系统稳定性的规划。
指标体系建设如何提高效率? 数据中台如何实现智能化? 数据治理如何提升数据质量?
客服
商务合作
小程序
服务号
折叠