阿里数据仓库实践分享

点击查看全文

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。它是单个数据存储，出于分析性报告和决策支持目的而创建。为需要业务智能的企业，提供指导业务流程改进、监视时间、成本、质量以及控制。

 

现场分享视频地址：https://v.qq.com/iframe/player.html?vid=v0547ee0whs&width=670&height=376.875&auto=0

基础

搭建数据仓库主要需要建模的能力，还要沉淀一些维度表。除此之外还要不断地挖掘数据，来把模型建得更好。

应该做的几件事

在得到活动数据后，要把这些数据投入到数据仓库中，并且做以下几件事：

用户或者实体的识别需要统一。

PC和无线端的数据打通。

围绕实体和跨业务间的事实数据打通。

重要事实表的维度冗余。

用户画像或客户画像。

有怎样的市场价值

目前我们已经积累了很多用户数据，这些数据都是非常宝贵的资源，我们基于这些数据做了一些开发利用。

搭建了数据仓库就可以把用户分析的数据用来做个性化推荐、定向营销、风控等等。

数据仓库的市场价值在于需求场景驱动的集市层建设，各集市之间垂直构建。

集市层深度挖掘数据价值，并需要能够快速试错。

以阿里金融在后台大数据中的运行过程为例，我们会从关系数据库中把用户相关的所有数据全部导入到MaxCompute中，然后记录用户的一些操作日志，比如登录过哪些网站、浏览过哪些商品，有怎样的喜好。还有一些其它数据，可能是从其它系统过来的。我们把这些数据做一个汇总分析，最终把这些数据导出到业务系统中，也有一个统计服务。这样当用户来进行征信贷款的时候，我们很快就可以定位到这个用户是否符合征信要求，并迅速进行审

点击查看全文