|
仓平台主要是为了做业务建模、数据建模、物理建模、维度管理、指标管理和数仓管理。
数仓平台的特性：
-
数据表创建的约束性：比如我们需要对表有的命名规范要求，如果没有一个工具去管理，可能会因为大家对规范的理解不一致，最终导致落地过程中依然存在各种各样的差异性;
-
数据信息的可描述性：指在创建表的过程中，为了快速地满足业务，很少去添加一些相关的描述信息，导致数据缺少描述性。所以需要通过平台，要求用户在数据创建的过程中把信息描述的足够精细，方便后续的数据使用过程;
-
数据建模体系的完整性：指我们需要一个三步的建模过程，即业务建模后，有对应的数据建模;数据建模之后，针对这个数据建模，有不同的物理建模的形式。整体是一个流程化的工作，避免用户为了快速地满足业务需求跳过某些过程，最终导致建模的扩展性较差;
-
数据关系的维度与指标管理的系统性：通过提供一套统一的维度和指标管理体系来作为一个中心，对外输出统一的指标和维度，让大家在使用的过程中，可以使用这些标准化后的并且集中管理的元数据;
-
数据关系的可追溯性：是指通过数仓建设、建模的过程，促使我们后续数据表和字段的相互关系是有记录可查询的，也就是我们所说的数据血缘关系。
5、离线数仓架构
下面是数仓的简化架构，主要是体现了离线数仓部分。其中带颜色的一部分是统一数仓，其他的浅颜色的就是一些数据应用，包括数据集市和主题数仓。
数仓体系几个要解决的痛点：
-
数据重复建设和资源浪费。这个资源浪费不是简简单单的存储和计算资源，人力资源的浪费可能更为明显;
-
维度和指标定义混乱。能描述同一个统计口径指标，名称完全不一样，或者名称完全一样，但是口径是完全不一致的，维度也会有类似的问题;
-
口径不统一。比如说我们在算转化率的时候，跨业务线的统一口径，或者同一个业务不同的需求下口径也不一致，导致后续的数据使用过程中，经常出现数据撞车的情况，这就需要花大量人力和精力去排查解决;
-
业务处理逻辑复杂。因为每一个业务都有自己特有的业务逻辑，并且在投递过程中可能会产生一些投递问题，所以需要在数据处理过程中把这些问题修复掉。但是，修复的过程如果没有一个统一的处理节点，就会造成每一处下游使用时都要做额外的处理，大大提高了业务处理的逻辑复杂度;
-
数据质量参差不齐。因为大家各自去构建自己的数据产出流程，数据质量参差不齐，越底层数据的质量问题对下游的影响度就越大;
-
数据使用的沟通成本高。在缺少规划的背景下，接收到一个或一批数据需求时，都会输出一些新的数据表或者数据产出。在后续复用的情况下，没有一个统一标准去维护和管理，或者我们在建设数据的过程中也没有统一标准，就会造成使用过程中也需要去反复地沟通和确认，才能真正找到对应的数据，而且找到的数据也不见得口径一定一致。
4、数仓平台
Suvarna的快速数字化工作一直持续到了6月，Aspen将登记流程实现了数字化，每天能够为4500多名患者提供服务。以前，患者需要在候诊室花几分钟的时间填写表格，然后由护理人员手动输入数据。如今，Aspen的一名代表在登记时就会扫描他们的驾照和保险卡，然后自动将数据填充到患者的管理系统中。在提供电子签名之前，患者需要在iPad上查看自己的个人信息和所需的同意书。
这种非接触式的解决方案将平均签到时间缩短了一半，仅为15分钟。Aspen估计，该工具每年可以减少每个办公室超过1，000小时的非患者支持时间。“不需要坐下来填写文书工作，这样就省去了在办公室门口的大量时间。”Suvarna说。
订购非接触式解决方案
由于社会距离的疏远，餐饮业也面临着巨大的混乱。很少有连锁店能够比Friendly's餐厅更能感受到这种痛苦了，该公司在今年3月关闭了全国160家的分店。其首席信息官Pete Gibson正在积极评估非接触式技术，这些技术将帮助消费者安全地参与业务。“我们正在努力实现非接触式的操作，”Gibson说。
这一战略的一个关键部分是创建一个数字菜单，让顾客可以很容易地从任何连接的设备进行访问。然而，在推出了一种能让顾客通过扫描二维码从手机上在线浏览菜单的解决方案后，Friendly's公司放弃了这种方法，因为它已经被注册了专利。因此，Gibson正在努力通过一个简短的URL来使菜单可用。Gibson设想Friendly's公司有朝一日能够在数字餐垫上显示菜单，而且他也在探索移动订购和点击支付的解决方案。
（编辑：鹰潭站长网）
【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!
|
