很可惜 T 。T 您现在还不是作者身份,不能自主发稿哦~
如有投稿需求,请把文章发送到邮箱tougao@appcpx.com,一经录用会有专人和您联系
咨询如何成为春羽作者请联系:鸟哥笔记小羽毛(ngbjxym)
这是彭文华的第117篇原创
上周在PMTalk分享了如何建设一个好的数据中台产品,今天把现场实录给大家,文末有ppt下载方式。
今天分享的内容就是这样一个节奏,先抛出一个问题,然后再看几个例子,最后总结一下。
一个好的产品是能系统性的解决问题的,能给整个链条带来超量增值。所以应该是一个完整的解决方案,能连接所有利益相关方,共同参与进来,让各方都收益。比如说集装箱。在集装箱出来之前,货物都是混装的,装的少不说,还得倒腾。所以码头通常会聚集大量的搬运工。
集装箱出来之后,一个集装箱内装一种货物,一艘船可以随便装。而且集装箱非常标准化,可以随便装。
除了集装箱,罐头也是一样。美军称霸全球,罐头功不可没。
总结一下:一个好的产品应该具有的两个品质:1、屏蔽复杂业务逻辑;2、提供简单有价值的服务。
所以数据中台当然是一种好的产品。他能屏蔽复杂的取数逻辑,降低数据的使用成本,然后提供托拉拽、接口、高价值的简单可行的数据应用。
那一个好的数据中台产品应该怎么打造出来?我选取了阿里、宜信和贝壳三种模式给大家分享一下。
首先我们看看阿里数据中台。
这个是阿里数据中台产品的全景图,包括Data Phin、Quick Bi、Quick Stock、Quick A+、Quick Audience、Quick Decision等组件。
Data Phin搞定底层数据,Quick Bi搞定图表可视化,Quick A+搞定用户行为分析,Quick Stock搞定人货场运营,Quick Audience搞定用户运营,Quick Decision提供全面精细化运营和决策。
如图所示,Data Phin解决的就是底层数据的处理。
实时和离线两条通道,将不同数据源的数据采集过来,然后分层建设数据仓库,然后再进行数据管理,对前端提供相关服务。
其实就是绝大多数大数据平台的功能。只不过阿**据自己的经验进行了优化而已。类似的产品很多,星环、华为、新华三等等,小厂就更多了。
这里除了产品,还需要用到阿里数据中台的One ID、One Model、One Service的3One方法论。最终实现One Data的目标。
这是Quick Bi的功能,很清晰,跟其他的BI产品没啥太大的区别。
Quick搭建在Data Phin之上,直接读取Data Phin处理好的数据,直接做展现和分发就行了。对标的产品就是各种BI产品,PowerBI、FineBI、SmartBi等等。
这是Quick A+解决的是日志埋点、采集、流量指标分析的需求。对标的就是各种日志分析起家的产品,神策、GIO、诸葛IO等等。
Data Phin还很技术,Quick BI和Quick A+也是大数据平台范围内必备的项目,Quick Stock就开始偏业务了。这张图上基本看不到技术的影子,全部都是在解决业务问题。这就偏流通环节的解决方案了。
这是Quick Audience,其实就是阿里数据中台的用户中心,大厂的标配。也是阿里One ID最广为人知的应用案例。
这是Quick Decision,就是各种策略运营手段的数据服务化。这是各大厂的运营策略的实验平台。
这些产品当然不是一下就做起来的。我帮大家标注了一下各自的发布时间。Data phin 最底层,是2017年做的。光有个底层数据平台没法体现任何价值。所以还得有一个数据可视化和分析系统,于是同年推出了Quick BI。后来再逐步推出用户行为分析和用户运营平台,毕竟用户是最重要的。
最后推出的是人货场运营平台和策略运营中心。这就精准命中使用场景了。
所以从阿里的玩法,我们可以总结出这几点:
全面规划,平台级建设。
自下而上,先技术后应用,最后解决方案。
这明显是产品主导的逻辑,我们产品人最喜欢这么建设,但是这种机会可遇不可求。阿里能这么做,是因为前面花了10年时间摸索,最近才产品化。
我们现在再看看宜信数据中台的建设逻辑。
我跟宜信卢山巍卢总请教过,他在19年也分享过“宜信敏捷数据中台建设实践分享实录”,感触很多。给大家选几页观察一下宜信是怎么做的。
这是宜信的中台定位。宜信的组织架构有很像阿里,一个数据中台团队+N个业务数据团队。外挂数据管理、安全、运维团队予以保障。宜信的业务线非常多,这种组织结构是必然的产物,因此数据中台也只能平台化。
这是ADX(敏捷数据中台缩写)的菜单,从这这里可以看到它的主要功能,非常全面。
从这张图可以看到各个环节所使用的技术。其中采集、流处理、展示(蓝色部分)都是自研的。存储形式很丰富:”结构化、kudu、Hbase、cass、hdfs、hive、ck、druid、kylin、es、mongodb,后面还加了一个…,基本上当时主流的数据存储方案都用到了。
这个是数据中台的核心Wormhold(流处理平台)架构,从kafka获取数据,经过spark和flink的计算,sink到N种库中。然后一堆的管理、安全、运维保障组件。可以通过api和web进行访问平台。
卢总对敏捷数据中台定位很准,就是快、精、准。
卢总是平台层技术,这些建设全部都是他们自己主导的,对于业务线来说,貌似感官不太大。所以总结一下他的建设逻辑:
围绕数据流向,集成优秀产品,抽象公共需求,自研平台化产品。
卢总透露,其实这么做也是无奈之举。他也想做一些更有价值的事情,比如商业化的内容,但是组织架构在这里摆着,手伸不过去啊。这也是技术主导的烦恼。
我们转过头看看贝壳哈。
这是我之前整理的贝壳6层堡垒。贝壳从链家继承了太多资产了。其中楼盘字典从08年就开始建设了。是一个单独的团队在做,网传最多的时候有500多号人。贝壳融合其他品牌的时候,都会不断扩充这个楼盘字典。
这个楼盘字典还从技术层保障了住建部严禁“虚假房源”的要求。
而基于信任和合作的ACN,则从人性和规则层保障了房源的真实性。
我们从四因说的角度上来看,楼盘字典就是一个技术含量算高,同时非常费时费力,但是建好之后可以成为公司超级护城河的核心资产。这与阿里的One ID的思路是一致的。
从贝壳的大数据平台的三个阶段可以看出他们的建设逻辑:够用,然后优化。贝壳大数据平台到现在都是Lambda的架构,没有上批流一体。原则都是为业务服务,技术够用就行。
OLAP平台也是这样,先够用。然后不断发展。贝壳是kylin的深度用户,给kylin做了很多贡献。注意我这里圈出来的地方。他们在前台的指标API和Kylin之间,加了一层查询接口层,对查询进行转换,在架构层面做了服务降级、熔断等保障性的服务管理。
有了这个查询接口层,等于有了一个万能转换器,底层的OLAP引擎就可以随便换了。所有现在的架构就可以支持druid、ck、doris等产品。
肖博士在分享的时候也曾透露参考了阿里的One Data逻辑。但是在贝壳这边不太好弄。贝壳的业务太复杂了,很多地方没法进行统一业务建模。所以One Model建的不够好。不过这也与贝壳的组织架构有关系。每个平台一个团队,必然导致团队内外部的构成成本高企。其实很多问题都是因为组织、业务形态导致的。
这是DMP架构。是为精准营销、人群分析、个性化推荐等服务提供基础数据。
DMP建设的时候使用的就是ID Mapping的思路,使用Spark + graph X进行 id之间的图计算,识别相同的用户。
为了提升圈人的效率,DMP大量使用位图技术,亿级别用户的圈人可以秒出。
这是贝壳推荐平台,一样是价值优先,两个场景,一个是用户购房推荐,一个是经纪人维护营销。
也是快速搭建、慢慢发展的逻辑建设的。
这是最新的推荐平台架构图,已经是3.0版本了。之前还有两版,最早那版很粗糙的。
这个是算法中台。为商业化服务。你看他的业务场景很有意思,是给经纪人用的。按照我们业外人士的理解,贝壳是一个卖房的平台,真正的用户不是购房者吗?这就是贝壳的业务理解。也是我认为贝壳中台的成功之处:所有的技术都是为了业务核心价值服务。
金贝平台是给经纪人用来获得客源的平台。经纪人通过做各种任务获得贝币,通过消耗贝币,获得曝光和IM潜客沟通。这就形成了一个内部的经济循环。用金贝为抓手,驱动经纪人完成众包任务,同时给予潜客奖励。
贝壳的商业化是在经纪人身上上的,而不是真正的用户身上。这对我这个业外人士来说,是很惊讶的。这个洞察很值钱,把算法资源投入到这里更值钱。
贝壳现在也在继续优化。Python实在是不太够用,数据量一大,速度就没法保障了。所以现在基本都在往java方向转了。
贝壳的建设逻辑其实也很简单,跟着业务走。左晖总的业务理解太深了,对人性理解的太透了。产品和技术完全为业务服务,构建了一个又一个的护城河。
OK,大家可以看出,贝壳完全是业务主导。我们绝大多数企业都是这种建设逻辑。这种逻辑下,技术和产品每天都是鸡飞狗跳,日夜加班。
但是好处是很明显的,能够抓住核心商业价值,小步快跑,快速迭代。
产品主导呢,基本上都是有中台团队的。在一开始都是有顶层规划的,商业价值不用说,是能挣钱的。但是难度是相当的大,需要前期投入太多。现在市面上数据中台产品基本上都是从阿里出来的。
技术主导基本都是独立平台部门,在平台层进行规划和建设,一般来说不太会直接解决业务问题,因此商业价值较低,也比较难以量化。
业务主导一般都是要啥平台就建一个小部门开干,直接解决业务需求,商业价值也很高,但问题在于缺乏总体规划,通常是做着做着,平台就不行了,要推到重来。
打造一个完美的产品,大多数产品人或许会认为产品主导肯定是最好的。其实不然。
这里分享一个迪斯尼设计小路的故事。迪斯尼乐园中各个经典相距较远,设计师罗培斯想了很久都没有好的方案。于是他就出了一个绝招,在空地上撒草籽,变成草坪,路人自行践踏形成小路。最后这个设计获得了大奖。
迪斯尼的案例与贝壳的发展路线异曲同工,需要大数据平台了,就先成立一个小组弄一个凑合用着,然后慢慢进化。需要OLAP分析了,就成立一个小组快速搭一个用着,日拱一卒。需要楼盘主数据了,成立一个团队,死磕,一条一条数据清洗。
这跟产品的MVP逻辑是一致的。
所以大家有没有发现这三种模式都遵循一个什么规律?
人月神话中有提到一个“康威定律”,用人话说也就是说组织形态决定了产品形态。产品主导就是上帝视角进行建设,技术主导是在业务逻辑基础上,因势导利,建设平台,业务主导最野蛮,河流往哪走,地形就得跟着变。
所以如果咱的公司是产品主导,那就直接抄阿里的作业。
如果是技术主导,那就帮技术好好策划一下平台产品。
如果咱是业务主导,那咱就加班硬抗吧,这个没办法。
最后呢,再花几分钟给大家过一下数据仓库的发展历史,希望给大家带来一些启发。
其实数据中台和数据仓库非常像的。Inmon最早提出了数仓的概念,并且提出了完整的建设方案。方案是从数据上游向数据下游的方向全面建设,这很像产品主导的模式。但是这种模式遭遇到了前所未有的大败局:几乎所有的数仓项目都失败了。
自上而下的数仓建设模式失败之后,kimball提出了数据集市的概念。他的理念是从数据下游向数据上游逐步设计,跟Inmon恰好相反。但是正是因为这样,以终为始,缩小范围,成功率大大增加,这跟MVP的逻辑是一致的。
最后两者融合,开启CIF的时代,一直沿用至今。
所以,一个新理念的提出,必然会经历萌生、成长、成熟的阶段。目前数据中台距离成熟还有段距离,需要我们共同努力。但是未来可期,同志们,我们共同努力!
扩展阅读:《PMTalk如何建设一个好的数据中台产品》+《阿里全套产品白皮书》,公众号“大数据架构师”后台回复“PM”即可下载。
配合以下文章享受更佳
下载 | 带你去看“字节跳动数据中台服务化的发展与实践”分享会
我需要你的转发,爱你哟
本文为作者独立观点,不代表鸟哥笔记立场,未经允许不得转载。
《鸟哥笔记版权及免责申明》 如对文章、图片、字体等版权有疑问,请点击 反馈举报
Powered by QINGMOB PTE. LTD. © 2010-2022 上海青墨信息科技有限公司 沪ICP备2021034055号-6
我们致力于提供一个高质量内容的交流平台。为落实国家互联网信息办公室“依法管网、依法办网、依法上网”的要求,为完善跟帖评论自律管理,为了保护用户创造的内容、维护开放、真实、专业的平台氛围,我们团队将依据本公约中的条款对注册用户和发布在本平台的内容进行管理。平台鼓励用户创作、发布优质内容,同时也将采取必要措施管理违法、侵权或有其他不良影响的网络信息。
一、根据《网络信息内容生态治理规定》《中华人民共和国未成年人保护法》等法律法规,对以下违法、不良信息或存在危害的行为进行处理。
1. 违反法律法规的信息,主要表现为:
1)反对宪法所确定的基本原则;
2)危害国家安全,泄露国家秘密,颠覆国家政权,破坏国家统一,损害国家荣誉和利益;
3)侮辱、滥用英烈形象,歪曲、丑化、亵渎、否定英雄烈士事迹和精神,以侮辱、诽谤或者其他方式侵害英雄烈士的姓名、肖像、名誉、荣誉;
4)宣扬恐怖主义、极端主义或者煽动实施恐怖活动、极端主义活动;
5)煽动民族仇恨、民族歧视,破坏民族团结;
6)破坏国家宗教政策,宣扬邪教和封建迷信;
7)散布谣言,扰乱社会秩序,破坏社会稳定;
8)宣扬淫秽、色情、赌博、暴力、凶杀、恐怖或者教唆犯罪;
9)煽动非法集会、结社、游行、示威、聚众扰乱社会秩序;
10)侮辱或者诽谤他人,侵害他人名誉、隐私和其他合法权益;
11)通过网络以文字、图片、音视频等形式,对未成年人实施侮辱、诽谤、威胁或者恶意损害未成年人形象进行网络欺凌的;
12)危害未成年人身心健康的;
13)含有法律、行政法规禁止的其他内容;
2. 不友善:不尊重用户及其所贡献内容的信息或行为。主要表现为:
1)轻蔑:贬低、轻视他人及其劳动成果;
2)诽谤:捏造、散布虚假事实,损害他人名誉;
3)嘲讽:以比喻、夸张、侮辱性的手法对他人或其行为进行揭露或描述,以此来激怒他人;
4)挑衅:以不友好的方式激怒他人,意图使对方对自己的言论作出回应,蓄意制造事端;
5)羞辱:贬低他人的能力、行为、生理或身份特征,让对方难堪;
6)谩骂:以不文明的语言对他人进行负面评价;
7)歧视:煽动人群歧视、地域歧视等,针对他人的民族、种族、宗教、性取向、性别、年龄、地域、生理特征等身份或者归类的攻击;
8)威胁:许诺以不良的后果来迫使他人服从自己的意志;
3. 发布垃圾广告信息:以推广曝光为目的,发布影响用户体验、扰乱本网站秩序的内容,或进行相关行为。主要表现为:
1)多次发布包含售卖产品、提供服务、宣传推广内容的垃圾广告。包括但不限于以下几种形式:
2)单个帐号多次发布包含垃圾广告的内容;
3)多个广告帐号互相配合发布、传播包含垃圾广告的内容;
4)多次发布包含欺骗性外链的内容,如未注明的淘宝客链接、跳转网站等,诱骗用户点击链接
5)发布大量包含推广链接、产品、品牌等内容获取搜索引擎中的不正当曝光;
6)购买或出售帐号之间虚假地互动,发布干扰网站秩序的推广内容及相关交易。
7)发布包含欺骗性的恶意营销内容,如通过伪造经历、冒充他人等方式进行恶意营销;
8)使用特殊符号、图片等方式规避垃圾广告内容审核的广告内容。
4. 色情低俗信息,主要表现为:
1)包含自己或他人性经验的细节描述或露骨的感受描述;
2)涉及色情段子、两性笑话的低俗内容;
3)配图、头图中包含庸俗或挑逗性图片的内容;
4)带有性暗示、性挑逗等易使人产生性联想;
5)展现血腥、惊悚、残忍等致人身心不适;
6)炒作绯闻、丑闻、劣迹等;
7)宣扬低俗、庸俗、媚俗内容。
5. 不实信息,主要表现为:
1)可能存在事实性错误或者造谣等内容;
2)存在事实夸大、伪造虚假经历等误导他人的内容;
3)伪造身份、冒充他人,通过头像、用户名等个人信息暗示自己具有特定身份,或与特定机构或个人存在关联。
6. 传播封建迷信,主要表现为:
1)找人算命、测字、占卜、解梦、化解厄运、使用迷信方式治病;
2)求推荐算命看相大师;
3)针对具体风水等问题进行求助或咨询;
4)问自己或他人的八字、六爻、星盘、手相、面相、五行缺失,包括通过占卜方法问婚姻、前程、运势,东西宠物丢了能不能找回、取名改名等;
7. 文章标题党,主要表现为:
1)以各种夸张、猎奇、不合常理的表现手法等行为来诱导用户;
2)内容与标题之间存在严重不实或者原意扭曲;
3)使用夸张标题,内容与标题严重不符的。
8.「饭圈」乱象行为,主要表现为:
1)诱导未成年人应援集资、高额消费、投票打榜
2)粉丝互撕谩骂、拉踩引战、造谣攻击、人肉搜索、侵犯隐私
3)鼓动「饭圈」粉丝攀比炫富、奢靡享乐等行为
4)以号召粉丝、雇用网络水军、「养号」形式刷量控评等行为
5)通过「蹭热点」、制造话题等形式干扰舆论,影响传播秩序
9. 其他危害行为或内容,主要表现为:
1)可能引发未成年人模仿不安全行为和违反社会公德行为、诱导未成年人不良嗜好影响未成年人身心健康的;
2)不当评述自然灾害、重大事故等灾难的;
3)美化、粉饰侵略战争行为的;
4)法律、行政法规禁止,或可能对网络生态造成不良影响的其他内容。
二、违规处罚
本网站通过主动发现和接受用户举报两种方式收集违规行为信息。所有有意的降低内容质量、伤害平台氛围及欺凌未成年人或危害未成年人身心健康的行为都是不能容忍的。
当一个用户发布违规内容时,本网站将依据相关用户违规情节严重程度,对帐号进行禁言 1 天、7 天、15 天直至永久禁言或封停账号的处罚。当涉及欺凌未成年人、危害未成年人身心健康、通过作弊手段注册、使用帐号,或者滥用多个帐号发布违规内容时,本网站将加重处罚。
三、申诉
随着平台管理经验的不断丰富,本网站出于维护本网站氛围和秩序的目的,将不断完善本公约。
如果本网站用户对本网站基于本公约规定做出的处理有异议,可以通过「建议反馈」功能向本网站进行反馈。
(规则的最终解释权归属本网站所有)