大数据之路阿里巴巴（大数据之路阿里巴巴大数据实践读后感）

本篇目录：

1、「数仓建设」主题域划分2、指标管理体系设计3、阿里云的MaxCompute数加(原ODPS)用的怎样?

「数仓建设」主题域划分

数仓建设的模型主要可以归为三类问题，完善性、可复用性、规范性。完善性主要是指数仓建设是否完善，是不是有跨层引用的情况。

DWB：data warehouse base 基础数据层，存储的是客观数据，一般用作中间层，可以认为是大量指标的数据层。DWS：data warehouse service 服务数据层，基于DWB上的基础数据，整合汇总成分析某一个主题域的服务数据，一般是宽表。

DM：主要是提供数据产品和数据分析的数据，主要解决部门用户报表和分析需求而建立数据库，数据集市就代表数据仓库的主题域。DM 是面向单个主题的，所以它不会从全局考虑进行建设。

常规来说，数仓的建设是按照数仓分层模型开发的。也有会按照业务线来分层，在各自业务线下重新分层，单独开发的。

通过数据资产管理平台的建设，东航实现了业务化数据地图的展现。

指标管理体系设计

变化量型：不创建原子指标，增加修饰词，在此基础上创建派生指标。例如，“最近1天订单支付金额上1天变化量”，原子指标为“订单支付金额”， 时间周期为“最近1天”，修饰类型为“统计方法”，修饰词为“上1天变化量”。

明确目的和目标有助于确定需要考评的内容和范围，从而为指标体系的设计提供明确的方向。 确定关键业务指标（KPIs）：关键业务指标是绩效考评中的核心指标，通常用于衡量员工在实现组织战略和目标方面的绩效。

确定键绩效指标(KPIs)：根据公司的战略目标和管理层的决策需求，确定关键绩效指标(KPIs)，这些指标应该与公司的战略目标直接相关，并且具有可度量性和可操作性。KPIs可以包括财务指标、市场指标、客户指标、员工指标等。

设计绩效指标体系的框架：将所有的指标按照类别和层次进行分类和组织，建立一个绩效指标体系的框架。这个框架应该能够反映企业的战略和目标，并且能够支持绩效管理的目的和目标。

绩效考评指标体系的设计原则包括以下几个方面： 与企业战略和目标相一致：绩效考评指标体系的设计应该始于企业的战略和目标，以确保所有的绩效目标和指标都能够与其相一致。

阿里云的MaxCompute数加(原ODPS)用的怎样?

1、大数据分析平台有很多，好的有以下几个：思迈特软件Smartbi从取数、分析到报告，思迈特软件Smartbi提供一体化的闭环工作方式。

2、阿里数据库运用范围：大数据计算服务（MaxCompute，原ODPS），Data IDE（原BASE），数据集成（原CDP云道），大数据基础服务包括 Maxcompute 分析型数据库等。

3、登录篇（阿里云子账号）子账号登录地址： https：//signin.aliyun.com/login.htm 产品列表：数加 · DataWorks 账号赋权：如需要进行数据开发，需要根据业务需求，赋对应的工作空间的对应权限。

4、阿里云大数据：MaxCompute：原名ODPS，是一种快速、完全托管的TB/PB级数据仓库解决方案。

5、截至2016年第三季度，阿里云客户超过230万，付费用户达75万。阿里云致力于以在线公共服务的方式，提供安全、可靠的计算和数据处理能力，让计算和人工智能成为普惠科技。

到此，以上就是小编对于大数据之路阿里巴巴大数据实践读后感的问题就介绍到这了，希望介绍的几点解答对大家有用，有任何问题和不懂的，欢迎各位老师在评论区讨论，给我留言。

数据