大数据数据指标治理流程
2024-04-29 15:04:00 0 举报
指标管理能够有效降低研发成本。通过管理数据口径和指标, 1、企业可以及时发现研发过程中的资源浪费、效率低下等问题, 2、针对性地优化研发流程,提高研发效率,减少不必要的开支。 3、方便进行埋点,便于精准捕捉关键业务指标,实现高效数据抓取与分析。
作者其他创作
大纲/内容
举例
整理需求
DWT
API管控
指标所属业务板块
数据字典架构逻辑
组织评审
原子指标
测试结果
原子指标的可派生维度
DWD
指标可分析维度
通过X呗的支付金额
根据业务口径测试数据
开始
输出中枢
测试
输入需求
后端&数仓
业务流程
后端、数仓
指标所属业务过程
订单ID订单创建时间
不通过
ODS
SQL组装
字典中心
支付方式-X呗
录入原子指标派生指标可分析属性可派生维度的相应业务口径
支付金额
数据指标录入逻辑
DIM
绑定
购入商品
指标ID
业务方
SQL
研发
数据指标治理逻辑
可分析维度和属性
电商业务
数据
支付金额的所在订单
ODS(Operation Data Store)是原始数据层,存放原始数据,直接加载原始日志、数据,数据保持原貌不做处理。DWD(Data Warehouse Detail)是明细数据层,以ODS为基础,对原始数据进行清洗(去除空值、脏数据、超过极限范围的数据)等操作。DWT(Data Warehouse Topic)是数据主题层,以DWD为基础,按主题建模,圈定分析范围,计算出该主题的各种指标。是一种通过标签化业务逻辑来简化数据查询和筛选的数据组织方式。它能够提高数据仓库的查询效率和灵活性,降低数据维护的难度和成本。使用者只需要关注每个标签的对应含义并用标签作为过滤条件即可获取指定明细,无需编写复杂的业务逻辑
维度
结束
提测
录入原子指标派生指标可分析属性可派生维度的相应数据口径
派生指标
通过
OLAP服务
产品经理
交易域
指标结果
指标可分析属性
0 条评论
下一页