編輯導讀：企業(yè)每天生產(chǎn)眾多的數(shù)據(jù)，這些數(shù)據(jù)要經(jīng)過分析才能對業(yè)務、運營等產(chǎn)生價值。而大數(shù)據(jù)平臺就是了滿足企業(yè)對于數(shù)據(jù)的各種要求而產(chǎn)生的。如何構建一個大數(shù)據(jù)平臺，取決于企業(yè)的數(shù)據(jù)化程度和面臨的數(shù)據(jù)問題。本文作者將以在線教育為例，分析如何從0到1構建大數(shù)據(jù)平臺，與你分享。

第一篇文章，按照慣例先做個自我介紹。本人目前在一家在線教育公司擔任大數(shù)據(jù)營銷產(chǎn)品負責人，由于一些機緣巧合，我同時負責了數(shù)據(jù)產(chǎn)品線和營銷CRM產(chǎn)品線，因此給了我更多的機會去思考和實踐如何把數(shù)據(jù)與營銷業(yè)務深入融合，將大數(shù)據(jù)的勢能賦予營銷平臺，從而實現(xiàn)業(yè)務的精細化運營和數(shù)據(jù)驅(qū)動。

接下來，針對在線教育業(yè)務場景下的大數(shù)據(jù)營銷平臺實戰(zhàn)，我會用一個系列的文章進行系統(tǒng)化闡述。文章可能會涉及：大數(shù)據(jù)平臺搭建、用戶畫像服務體系、CRM線索動態(tài)評分模型及分配算法、數(shù)據(jù)產(chǎn)品實施推廣方案、客戶數(shù)據(jù)中臺（CDP）等多個方向。

本篇主要來講解如何從0到1構建在線教育業(yè)務場景下的大數(shù)據(jù)平臺。

一、企業(yè)數(shù)據(jù)問題診斷

產(chǎn)品是為了滿足需求，是否需要構建大數(shù)據(jù)平臺？以及構建什么樣的大數(shù)據(jù)平臺？取決于企業(yè)的數(shù)據(jù)化程度和面臨的數(shù)據(jù)問題。因此在構建大數(shù)據(jù)平臺之前，需要進行充分地調(diào)研，找準問題才能對癥下藥。對企業(yè)數(shù)據(jù)化程度的評估方法，可以參考下圖所示的數(shù)據(jù)管理能力成熟度模型(DMM)。

通過前期的調(diào)研和分析，我們公司當時處于L2等級，面臨的主要數(shù)據(jù)問題如下：

1）數(shù)據(jù)源分散

• 不利于多數(shù)據(jù)源之間關聯(lián)分析
• 不利于數(shù)據(jù)資產(chǎn)價值的進一步挖掘
• 數(shù)據(jù)孤島嚴重
• 無統(tǒng)一數(shù)據(jù)平臺、數(shù)據(jù)資源得不到匯總沉淀，數(shù)據(jù)無法高效支撐業(yè)務

2）數(shù)據(jù)指標不統(tǒng)一

• 不同業(yè)務部門分而治之
• 準確性、權威性受到質(zhì)疑
• 不利于公司各業(yè)務部門KPI考核
• 指標統(tǒng)計口徑需要標準化

3）數(shù)據(jù)分析效率低

• 各業(yè)務部門占用部分精力數(shù)據(jù)分析工作
• 對于數(shù)據(jù)的需求往往需要從原始數(shù)據(jù)開始
• 對數(shù)據(jù)分析師的支撐不夠
• 無成型完整的數(shù)據(jù)分析工具

4）數(shù)據(jù)管理問題

• 無統(tǒng)一數(shù)據(jù)字典
• 缺少數(shù)據(jù)地圖
• 無元數(shù)據(jù)管理

二、大數(shù)據(jù)平臺業(yè)務架構及Road Map

上一部分已經(jīng)對企業(yè)內(nèi)部數(shù)據(jù)問題進行了全面診斷和問題剖析，接下來我們針對這些問題給出解決的架構方案和路線圖。

1. 數(shù)據(jù)服務體系藍圖

從業(yè)務視角給出了如下的數(shù)據(jù)服務體系藍圖，數(shù)據(jù)服務體系的規(guī)劃需要滿足三點：數(shù)據(jù)服務體系需要覆蓋完整的公司業(yè)務、貫穿業(yè)務的各個階段、伴隨企業(yè)發(fā)展。

在此數(shù)據(jù)服務體系中，處于核心環(huán)節(jié)的是數(shù)據(jù)整體建模和數(shù)據(jù)資產(chǎn)管理，也就是我們熟悉的統(tǒng)一化數(shù)倉建設。結(jié)合在線教育業(yè)務特點，數(shù)倉建設需要滿足三個核心數(shù)據(jù)體系建設：

• 用戶數(shù)據(jù)體系：用戶分析應用、用戶標簽、用戶行為數(shù)據(jù)，用戶基本信息主數(shù)據(jù)等；
• 營銷數(shù)據(jù)體系：營銷分析應用、營銷分層標簽、渠道特征數(shù)據(jù)、營收轉(zhuǎn)化相關的主數(shù)據(jù)等；
• 學習數(shù)據(jù)體系：學習分析應用、學習偏好標簽、學習行為數(shù)據(jù)、學習素材基礎數(shù)據(jù)等。

2. 數(shù)據(jù)倉庫架構

數(shù)據(jù)倉庫的層次劃分采用業(yè)界通用的層級劃分方式，包括：ODS、DWD、DWS、ADS層，如下圖所示：

1）ODS層

• 數(shù)據(jù)同步：結(jié)構化數(shù)據(jù)增量或全量同步到數(shù)據(jù)倉庫；
• 結(jié)構化：非結(jié)構化(日志)結(jié)構化處理并存儲到數(shù)據(jù)倉庫；
• 累積歷史、清洗：根據(jù)數(shù)據(jù)業(yè)務需求及稽核和審計要求保存歷史數(shù)據(jù)、數(shù)據(jù)清洗；

2）CDM層

• 組合相關和相似數(shù)據(jù)：采用明細寬表，復用關聯(lián)計算，減少數(shù)據(jù)掃描。
• 公共指標統(tǒng)一加工：基于OneData體系構建命名規(guī)范、口徑一致和算法統(tǒng)一的統(tǒng)計指標；建立邏輯匯總寬表。
• 建立一致性維度：建立一致的數(shù)據(jù)分析維表，降低數(shù)據(jù)計算口徑不統(tǒng)一的風險。

3）ADS層

• 個性化指標加工：不公用性、復雜性（指數(shù)型、比值型、排名型等）
• 基于應用的數(shù)據(jù)組裝：大寬表集市、橫表轉(zhuǎn)縱表、趨勢指標串。

3. 數(shù)據(jù)處理流程架構

數(shù)據(jù)處理流程主要包括源數(shù)據(jù)同步清洗、數(shù)據(jù)處理加工、模型運算和數(shù)據(jù)應用?；谠诰€在線教育公司的業(yè)務特點，源數(shù)據(jù)主要包括：渠道數(shù)據(jù)、用戶數(shù)據(jù)、交易數(shù)據(jù)、營銷過程數(shù)據(jù)、學習數(shù)據(jù)、外部第三方數(shù)據(jù)等。

模型引擎包括離線計算引擎和實時計算引擎兩類，需要滿足算法（或規(guī)則）部署、模型訓練和上線、以及對其他業(yè)務系統(tǒng)提供接口服務的能力，比如為CRM系統(tǒng)提供多算法的線索實時分配、用戶畫像分層等服務。在數(shù)據(jù)的匯聚、加工生產(chǎn)、應用的全流程中，全生命周期的數(shù)據(jù)治理不能忽視，因為數(shù)據(jù)的準確定、完整性、一致性直接影響業(yè)務對數(shù)據(jù)系統(tǒng)的可信度。

4. 從0~1構建大數(shù)據(jù)平臺的Road Map

筆者結(jié)合自身在推進大數(shù)據(jù)平臺建設過程中的經(jīng)驗，給出以下路線圖供大家參考。

三、數(shù)據(jù)建模及設計規(guī)范

1. 數(shù)據(jù)模型選型及舉例

維度建模常見的模型有星型模型、雪花模型和星座模型三種，數(shù)據(jù)倉庫設計一般采用星型模型。

星型模型是一種多維的數(shù)據(jù)關系，它由一個事實表（Fact Table）和一組維表（Dimension Table）組成。每個維表都有一個維作為主鍵，所有這些維的主鍵組合成事實表的主鍵。事實表的非主鍵屬性稱為事實（Fact），它們一般都是數(shù)值或其他可以進行計算的數(shù)據(jù)。

事實表：表示對分析主題所屬類型的描述。比如“昨天早上張三在環(huán)球網(wǎng)校花費1000元購買了一個一建零基礎暢學班課程”。那么以購買為主題進行分析，可從這段信息中提取三個維度：時間維度(昨天早上)，地點維度(環(huán)球網(wǎng)校), 商品維度(一建零基礎暢學班課程)。通常來說維度表信息比較固定，且數(shù)據(jù)量小。

維度表：表示對分析主題的度量。比如上面那個例子中，1000元就是事實信息。事實表包含了與各維度表相關聯(lián)的外碼，并通過JOIN方式與維度表關聯(lián)。事實表的度量通常是數(shù)值類型，且記會不斷增加，表規(guī)模迅速增長錄數(shù)。

2. 數(shù)倉表設計規(guī)范

1）表命名規(guī)范

數(shù)倉各層表命名規(guī)范如下圖所示。

2）字段級規(guī)范

新增指標的命名參考已有字段命名方式，避免出現(xiàn)同一個字段，10個人有10個命名方法。

字段分類包括：明細，維度，指標，時間，代碼，標志位，命名規(guī)范如下：

• id結(jié)尾表示編號，部分維度編號對應含義需關聯(lián)數(shù)倉相應維度表獲取含義；
• name結(jié)尾表示名稱，多與id對應，解釋其含義，獨立的以name結(jié)尾的字段；
• code結(jié)尾表示代碼字段，對應含義部分可在文檔直接查看，部分需關聯(lián)數(shù)倉代碼表獲?。?/li>
• time結(jié)尾表示時間字段，格式為yyyy-mm-dd hh:mi:ss，從源系統(tǒng)獲取，不作處理；
• money結(jié)尾表示金額，都為系統(tǒng)相應交易金額；
• is_開頭表示標志字段，此字段只有0,1，含義：1是，0否；
• 除以上規(guī)范字段，其他字段根據(jù)中文含義對應生成英文字段，多為一些屬性字段，意義不大。

四、大數(shù)據(jù)平臺技術架構及模塊簡介

在大數(shù)據(jù)平臺的建設過程中，筆者和公司大數(shù)據(jù)架構師共同研究探討后給出的技術架構如下圖所示。

1）安全模塊

作為數(shù)據(jù)平臺來講，保障數(shù)據(jù)安全始終是第一要素。 安全體系的建立主要包含以下幾個方面：

• 數(shù)據(jù)安全規(guī)范、安全等級制定
• 用戶系統(tǒng)
• 基礎組件層權限管理
• 服務層權限管理
• 用戶認證
• 秘鑰管理
• 流程審批
• 數(shù)據(jù)加密脫敏
• 審計

2）監(jiān)控模塊

數(shù)據(jù)安全之外，服務的穩(wěn)定性算是平臺的第二級指標。好的監(jiān)控體系可以幫助預測風險定位問題。例如：

• 提前預判磁盤容量
• 定位內(nèi)存、CPU資源問題
• 發(fā)現(xiàn)異常任務
• 節(jié)點宕機等問題
• 查看該各服務負載，評估資源

3）存儲模塊

存儲模塊屬于基礎組件模塊，主要采用hadoop生態(tài)系統(tǒng)的相關組件。面向不同的應用場景選擇一種組件，例如：

• hive： 離線數(shù)倉
• HBase：KV存儲，可用于高度聚合后的固定指標，應對有較高并發(fā)請求的場景
• Druid：面向OLAP場景，能夠提供亞秒級、較高請求量且需要鉆取能力的OLAP功能
• Impala： 在數(shù)倉數(shù)據(jù)基礎上提供更高效的查詢分析能力，適合即席查詢場景，但是并不能處理更高的請求量。

4）計算模塊

Yarn做統(tǒng)一資源管理，Spark或者Flink都可以作為統(tǒng)一流、批處理框架。或者階段性允許兩者并存。

5）管理模塊

數(shù)據(jù)治理： 數(shù)倉管理數(shù)據(jù)的主要平臺，包括：

• 元數(shù)據(jù)管理
• 數(shù)據(jù)質(zhì)量管理
• 血緣關系管理
• 數(shù)據(jù)安全、權限管理

任務管理：

離線任務管理、調(diào)度：

• 包含管道任務、SQL任務、Shell任務等形態(tài)，數(shù)倉場景中SQL任務占整體任務的絕大多數(shù)
• 需要基于SQL自動生成任務之間的依賴關系，并且按照任務之間的依賴關系和優(yōu)先級調(diào)度任務

流式任務管理：

流式任務發(fā)布、監(jiān)控、重啟等操作

五、寫在最后

致此，在線教育大數(shù)據(jù)營銷平臺實踐第一篇文章已經(jīng)結(jié)束，下篇文章筆者會闡述在大數(shù)據(jù)平臺建設的初期，如何將數(shù)據(jù)倉庫和神策分析系統(tǒng)（sa）相結(jié)合來快速滿足運營人員對數(shù)據(jù)分析的需求，開啟數(shù)據(jù)化運營戰(zhàn)略落地的序幕。

本文由 @Tigerhu 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理，未經(jīng)作者許可，禁止轉(zhuǎn)載。

題圖來自Unsplash，基于CC0協(xié)議。