12 | 数据的台子搭完了，但你还得想好戏该怎么唱
该思维导图由 AI 生成，仅供参考
荧光笔
直线
曲线- 深入了解
- 翻译
- 解释
- 总结
数据中台在赋能BI工具和零售行业精益运营方面发挥着重要作用。通过统一报表指标业务口径、掌握任务影响范围、治理低价值的数据报表以及实现全维度钻取，数据中台增强了BI工具的产品能力。在零售行业中，数据驱动的精益运营可以帮助实现拉新和促活，选择广告投放渠道和商品种类，以及基于人群画像决定推送商品，同时利用推荐算法增加老客复购频率，从而实现销售额最大化。此外，构建数据产品实现数据驱动下的精益运营的方法以及自助取数平台的重要性和优势也得到了介绍。自助取数平台可以释放取数的效能，大幅度促进数据的应用范围和深度。整体而言，本文强调了数据中台在企业数据应用方面的重要性，为读者提供了有益的指导。
《数据中台实战课》，新⼈⾸单¥59
全部留言(14)
- 最新
- 精选
大熊喵老师，弱弱的问一句，可不可以搭建一个可以给我们学习者使用的中台系统给大家玩玩。 我感觉很多东西讲得很好，但是我们很难把他们串起来，如果有一个东西给我们使用以下， 我觉得进步飞速，哈哈哈作者回复: 你好，我们在公有云上，有一套对外的体验Demo系统，百度搜索网易大数据，猛犸，可以找到。 这里面有我文中提到的工具，可以试用体验，不妨去试试看~
2020-04-30224
吴科🍀我们在互金行业分为，新客运营负责拉新，老客运营促进优质用户复贷，贷后运营对不同阶段的逾期用户进行分析。 报表分离线报表与实时报表两大块，业务的发展越来越多实时的需求，除了报表展现还有实时指标计算，供贷前中后的决策引擎使用。但是实时计算目前还是依赖技术开发来做，研发成本较高。 自助取数平台，我们是分析人员自己写SQL去拉数据，优点灵活性好。但由于SQL可控性比较差，经常出现拉数据逻辑复杂或者量大导致卡死的问题，界面化操作应该可以规避这类问题。 期待，老师后面的课程。作者回复: 你好，吴科。 实时报表这块，我们是基于kafka数据写kudu，然后在kudu上架impala来查询的，因为kudu可更新，所以不存在Merge的过程。BI 基于impala查询实时数据。 自助取数平台你可以实验一下，对于非技术人员，或者不懂SQL的取数，还是有很大的帮助的，也可以避免SQL比较差的问题。
2020-04-2926
新新一路听下来，能感觉到郭老师真的是很用心的，每节课的内容都很充实，都有两三节课的量，良心课程，必须多刷几遍，点赞作者回复: 感谢、感谢~ 希望对你的工作有所帮助~
2020-07-094- zhuxueyu老师，你好😊 其实，我个人会觉得数据应用的四个阶段： 初级阶段 — BI报表，此阶段就像您说的是为用户提供最基本的可视化固化分析报表； 中级阶段 — 自主分析，可以灵活进行自助多维度分析系统/工具，获取更多分析结果的可能性。老师提到的自助分析工具便是，诸如powerBI、tableau等都属于此范畴； 高级阶段 — 智能决策，到了这一阶段，不再需要人工分析决策，智能决策系统会通过后台分析建模，直接将决策的运营内容推送给目标人群（比如智能营销）； 顶级阶段 — 智能预测，前面三个阶段都是用已知数据做出分析决策，而这个阶段却是用已知数据对未来的态势、计划等进行预测。 个人浅识，抱着多多交流多多学习的心态来的
作者回复: 说的挺好的，但是其实，一般自助分析，这种产品，不太可能作为第二阶段，往往是数据产品，包括携带一些智能决策功能的数据产品，也就是你所指的第三个阶段，会更在前面，因为只要专业的人（分析师）把这个东西做好，然后给业务人员用就好，业务人员其实并不具备自助分析的能力。而要让每个业务人员都能做到自助分析，那要到第三个阶段。这是我看到的在实际企业落地的过程。 如果你指的自助分析，是tableau，其实他是BI的范畴，属于第一个阶段。
2020-05-3023 
西南偏北数据产品 里面要想实现对所有维度指标的监控分析，感觉还是挺有难度的。就像老师文章里面讲的因为天气原因导致的单车使用量下降的例子，因为这个原因在之前是没有遇到过没有考虑到过的，那在实际的分析设计当中，就要做全维度的分析对比，可能还需要加一些自动化的东西在里面吧？ 希望老师可以分享下具体的实现方式作者回复: 你好，aof， 全维度钻取的前提，必须是数据中台的指标有这个对应的分析维度，但是一个指标的可分析维度是非常多的，对于一个有经验的分析师，他可以快速知道，但是对于一个新人，他其实并不清楚数据中台中，某个指标有哪些可分析的维度，全维度钻取，可以充分利用数据中台的能力。 但是如果数据中台中，都没有这个指标对应的维度，那肯定是不行的。 全维度钻取，要解决的问题是，数据中台的分析维度很多，单个分析师，针对某个指标，维度知道的不全，导致可能遗漏了某些关键信息。
2020-05-021
leslie图形实现这方式其实挺不错的，简化了操作；同时降低了风险，勾选后面的操作能做到哪层其实更加不清楚-这就避免了直接对数据库或系统的强行操作导致重大安全隐患。 互联网行业的场景其实最复杂最细化，严格的权限管理图形化操作其实是避免了一些致命的删除和修改产生巨大隐患。作者回复: 对的，图形化的取数，可以降低取数的门槛，同时也可以避免一些比较差的SQL 消耗大量的查询引擎资源，在取数平台层，把SQL优化好。 感谢你的阅读~
2020-05-021- hxb老师，您好，我想问下自助取数如何和指标系统结合呢？ 还有自主取数的模型是不是需要先设计然后再olap分析？
作者回复: HI， 你好 自助取数，用户是根据指标（度量）、维度去完成取数的。一个很典型的场景，就是用户根据指标，筛选一些维度，比如消费额大于50的会员，会员是维度，消费额是指标。自助取数为了方便取数的人，能够理解指标的计算口径，必须要展示指标系统中指标的口径定义。 自助取数的模型，当然要现在模型设计中心中完成集市层模型的建模，然后才能配置在自助取数系统中。 感谢你的提问，祝好~
2020-05-011 
nope老师好，有没有关于数据治理相关的内容分享呢？感觉数据质量很重要，但是从源头上治理就需要业务系统配合，成本巨大也没有经济成效，所以还得依赖于数仓的etl进行数据清洗，但是如何为了长远的企业数据质量来进行合适的治理工作推进呢？作者回复: 你好，你也感受到了数据质量问题的重要性了。 其实，我在前面的留言中，也讲了我们解决业务系统数据库变更导致的数据中台数据质量问题，这个可以通过增加一个协作流程解决，在第12讲中，我会介绍数据中台的协作流程。在源系统数据库变更工单提交的时候，根据其影响的下游表，通知到对应表的负责人，由负责人确认后，才能完成变更。 感谢你的阅读。
2020-04-291
gd可视化的图形查询界面怎么做的呀，是否可以多分享一些作者回复: 你好，你指的是EasyFetch 自助取数的可视化查询页面么，我在内容中有贴一个图，其实单纯界面来看，并不复杂，用户主要是通过勾选一些指标和维度，做查询。你可以具体参考一下文章中的图片。 感谢你的阅读~
2020-04-292- Geek_a96ba2老师，数据中台公有云体验地址方便发一下链接吗?百度只搜索到了官网需要申请2021-09-237
