智数化解决方案:业务应用 + 数据应用
智数化不在业务应用里改功能,而是在其上加一层数据应用:数仓、指标平台与数据服务。业务系统继续记录与执行,数据从"系统副产物"变成可治理、可复算的资产。
方法与模型:用分层数仓(ODS/DWD/DWS/ADS)组织数据,用指标字典统一口径,用主数据模型消除多头来源,用数据服务契约约束调用方式。
报表很多但口径不一,智数化才成立
- 报表很多,但经营会仍在争论"哪个数是对的";
- 指标没有唯一责任人,出表人各自解释口径;
- 取数依赖个人脚本与经验,需求排队且不可复现;
- 业务开始要求归因、预测与预警,报表体系无法支撑。
口径之争是直接信号
| 问题 | 典型表现 |
|---|---|
| 口径 | 同一指标在不同报表、不同部门数值不一致 |
| 归属 | 数据出了问题找不到责任方与上游链路 |
| 时效 | 报表靠 T+1 手工汇总,决策时已经过时 |
| 服务 | 取数需求靠人接单,分析结果难以复用 |
方案要点:数仓、指标与数据服务
| 维度 | 做法 |
|---|---|
| 业务 | 建立经营指标树,每项指标有唯一名称、口径与责任人;指标与决策场景绑定,业务部门对口径负责 |
| 应用 | 数仓或湖仓独立成层;指标平台统一指标定义与计算;主数据统一编码;数据服务以 API 或数据集复用 |
| 数据 | ODS/DWD/DWS/ADS 分层建模;质量规则前置;血缘可追;口径变更带版本与生效时间 |
| 技术 | 湖仓或 MPP 承载分析;调度平台管理依赖与重跑;元数据与行列级权限独立;成本按域核算 |
指标树不是指标大全:能用它做决策的才算有效指标。
方案产出:可信指标与数据服务
| 产物 | 内容 |
|---|---|
| 经营指标树 | 目标、过程指标、口径与责任人 |
| 指标字典 | 名称、口径、维度、生效版本 |
| 数仓分层模型 | ODS/DWD/DWS/ADS 与主题域 |
| 主数据标准 | 核心实体编码与维护流程 |
| 数据服务目录 | API、数据集、责任人与 SLA |
与相邻方案并存,不互相替代
数据可信之后,才谈把判断交给模型。出现规则与人工判断成为瓶颈、知识分散、自然语言交互需求时,叠加智能化解决方案。
口径与归属是本页的底线:指标字典与主数据标准先行,数仓与数据服务只做口径的执行者,不做新口径的发明者。
公开边界
只公开数仓分层、指标与数据服务的方法与产物;不包含真实指标口径、数据模型、库表结构、数据量与合规审批材料。