平台工具+数仓构建数据产品(二)

@阿泱

一个热爱数据产品的工具人。

“数据人创作者联盟”成员。

接:业务数仓建模,平台工具+数仓构建数据产品

01 引言

滴滴橙心优选主要做社区电商,笔主主要负责电商中商城用户行为数据建设。用户行为数据具有巨大的商业潜力,他可以最大程度的还原用户在商城的购物场景,产品可以根据用户行为对产品体验进行优化,运营可以根据用户行为做精细化运营方案。电商环境中用户行为非常多,且分析视角多元,如何在电商复杂的业务场景中让业务利用好用户行为数据,是数据产品需要解决的问题。

02 大数据生态组建

以下是笔主利用滴滴的平台工具(大数据生态组建)及数据仓库能力构建的数据产品,分享出来,与大家探讨一下

关于滴滴的平台工具(大数据生态组建):

平台工具+数仓构建数据产品(二)_第1张图片

omega:一站式埋点数据解读

数据梦工厂:一站式全流程数据开发体验

数据地图:一站式元数据中心,数据资产图谱

指标字典:消除指标二义,定义最准确的指标

数易:敏捷、自助式数据分析和可视化平台

异动分析:自动化数据分析定位工具

关于滴滴的平台工具(大数据生态组建)在用户行为数据中的应用场景:

用户行为数据也可以说是埋点数据,由一系列的用户事件构成,例如用户注册、用户登陆、用户浏览商品、用户加购等。区别于其他订单类的业务数据,埋点数据没有固定的业务流,是片段的,需要根据业务场景对数据进行组装,进行结构化。

举例:如图所示,需要看首页banner有多少人看到了,有多少人点击了

平台工具+数仓构建数据产品(二)_第2张图片

业务流程:拆解需求->设计埋点->埋点上线->etl数据->展示数据

1、拆解需求

核心:拆解展示数据依赖的业务要素,确保埋点时必须有这些业务要素

有多少人看,有点少人点,其次是哪个位置。这里面有几个属性,人、看了什么、点击了什么、在什么位置,设计埋点的时候需要有用户信息,位置信息,曝光信息,点击信息

2、设计埋点(滴滴omega平台)

平台工具+数仓构建数据产品(二)_第3张图片

优先结构化埋点,分为四部分,业务线、业务线页面、页面模块(区域)、区域中的元素

确认事件类型,分为曝光事件、点击事件

确认事件属性,分为公共属性(大家通用)、私有属性(单独业务线具有)

平台工具+数仓构建数据产品(二)_第4张图片

对应1:模块是橙心优选APP(a)->首页(b)->banner区域(c)->banner图(d)

对应2:事件类型有两个,一个是曝光(sw),一个是点击(ck)

对应3:事件属性暂且定义公有属性,私有属性按照大家的分析场景可以自己补充,因为和人相关,所以必须携带userid,为了方便做用户画像,可以把用户携带的设备信息也带上,譬如imei,设备类型。私有属性也举个例子,这个部分d点位有可能是图,有可能放商品,分析的时候想区分都放了哪些图,所以需要一个参数去区分不同的图,定一个私有属性为资源id

3、埋点上线

设计需求的过程中对应的四点,一定要确定前端都传输了,并且告诉测试着四点是必须要侧的,保证以上数据就可以满足最基础的数据质量

注意:有些参数涉及到前后端的交互,沟通时需要注意,其他还OK

4、etl数据(数梦)

埋点数据在业务系统中,需要回收到数仓,数仓去开发脚本任务,也叫etl的过程

设计表结构

平台工具+数仓构建数据产品(二)_第5张图片

新建周期任务,准备脚本

平台工具+数仓构建数据产品(二)_第6张图片

脚本发布

平台工具+数仓构建数据产品(二)_第7张图片

执行任务、重跑数据

平台工具+数仓构建数据产品(二)_第8张图片

注意关于数据层级与数据仓库:

数据要有层级、要有结构,并且满足多方人的看数据诉求,要保证所有人对于数据的理解一致。数据建模的过程也是etl的一部分(后面讲这部分,这个内容是业务数据产品的核心)

5、数据展示(数易)

新建数据集

平台工具+数仓构建数据产品(二)_第9张图片

配置加速

平台工具+数仓构建数据产品(二)_第10张图片

创建报表

平台工具+数仓构建数据产品(二)_第11张图片

可视化展示,用数据集去拖看板就OK

平台工具+数仓构建数据产品(二)_第12张图片

数据中台构建的是数据产品矩阵与一套解决方案,利用滴滴丰富的大数据生态组建,可以迅速提升数据应用的迭代能力

数据中台需要以数据价值、需求场景为导向,以业务板块和分析维度为架构,去构建数据中心。

基于数据价值,需求场景为导向,对数据中台数据提出了更高的要求,包括增强数据的协同能力,建立丰富且厚实的数据资产,打造最具价值的场景应用,实现普惠的数据消费能力,实现数据可视化、可分析、可决策、可行动。每个公司的数据能力层次不齐,通过数据中台的能力,可以让公司不同域的数据达到同等程度。

03 业务指标统一

数据产品不是简单的指标罗列,不是按需的看板迭代,是一系列业务指标和分析方法组成的有机体。好的数据产品可以加速数据的使用效率,提升数据的可读性,数据产品是业务数据化的体现。业务指标的主旨是明确数据口径,明确数据差异,明确数据使用场景。

前两篇笔主分享了大数据生态组建和数仓建模,这篇主要分享基于数仓建模后对指标的管理,确保所有人对同一指标的理解一致.

指标背景

指标是业务和数据的结合,是量化业务效果的依据

指标是数据共享的桥梁,是促进业务合作的润滑剂,是共同达成目标的依据

指标问题:

指标问题,反映在数据上,即为数据不一致问题。

口径有交叉,数据不一致:同一场景数据源不一致、不同的场景加工口径不一致,都导致数据不一致。数据逻辑不明确,数据不一致:高密度的开发,导致逻辑分叉多,产品抽象度差,牵一发而动全身,整个产品都是黑合。

指标生命周期变,数据不一致:业务有生命周期,指标也有生命周期,业务是一直变化,指标却没有跟着变化

结果:同一个指标被业务来回问,沟通成本极高数据不一致会造成业务沟通障碍,影响大家对业务的认知,很难对齐目标

指标目标

规范统一指标,解决数据不一致问题,提升数据对外服务质量和效率,使各部门合理高效利用数据

落地步骤

指标在各个环节都会出现不一致的现象,我们需要明确指标的应用场景及加工逻辑

平台工具+数仓构建数据产品(二)_第13张图片

数据应用案例(这部分业务背景大家可以在前面文章里面找找)

1、全面梳理指标

平台工具+数仓构建数据产品(二)_第14张图片

2、基于业务场景明确指标

平台工具+数仓构建数据产品(二)_第15张图片

3、基于数仓明确指标定义

平台工具+数仓构建数据产品(二)_第16张图片

平台工具+数仓构建数据产品(二)_第17张图片

4、新建指标明确定义

平台工具+数仓构建数据产品(二)_第18张图片

平台工具+数仓构建数据产品(二)_第19张图片

你可能感兴趣的:(大数据,数据分析,数据产品)