就拿ETL過(guò)程來(lái)說(shuō)吧，你要把原始數(shù)據(jù)從各種數(shù)據(jù)庫(kù)、各種服務(wù)器的不同業(yè)務(wù)日志歸一化到同一類(lèi)格式，要約定好分隔符，然后導(dǎo)入到分布式文件系統(tǒng)HDFS，甚至你還要和業(yè)務(wù)系統(tǒng)定義數(shù)據(jù)格式出規(guī)范，數(shù)據(jù)收集完

一味的解釋 數(shù)據(jù)倉(cāng)庫(kù) 概念可能沒(méi)意思，我們從不同角色出發(fā)吧

老板 ：我是一家手機(jī)公司的老板，今天要向去董事局匯報(bào)，我要準(zhǔn)備一份介紹過(guò)去三年的用戶增長(zhǎng)、用戶留存、用戶活躍度、手機(jī)里面每個(gè)APP使用率等情況的報(bào)表，假如下面沒(méi)我下面沒(méi)有BI，那我肯定就蒙逼了。。

： 我是一名非技術(shù)BI，我天天看競(jìng)品的分析報(bào)告，看雙十一銷(xiāo)量，看各種評(píng)論，知道自己的產(chǎn)品有哪些短板有哪些長(zhǎng)處，我分析南北地域差異，國(guó)內(nèi)外客戶喜好，總之我在手機(jī)領(lǐng)域有著很強(qiáng)的行業(yè)解讀能力和數(shù)據(jù)解讀能力，我可以畫(huà)出非常漂亮的圖表和PPT。今天老板讓我出一份報(bào)表，我還要去刷臉找ETL工程師幫我跑出這次報(bào)告的數(shù)據(jù)，基于這份數(shù)據(jù)我要給出一定的解讀，為啥這個(gè)月手機(jī)賣(mài)得不如上個(gè)月，為啥用戶流失越來(lái)越嚴(yán)重等等都是我要去做的。

: 我是食物鏈最底層的苦逼ETL工程師，我會(huì)寫(xiě)shell、我會(huì)搭hadoop/hive/hbase、會(huì)寫(xiě)超復(fù)雜邏輯的sql，今天那個(gè)不會(huì)自己計(jì)算數(shù)據(jù)的BI又讓我跑幾個(gè)數(shù)據(jù)，我本想讓她提需求流程的，但她說(shuō)這是老板要的，要加急處理，我只能放下手頭的活兒給她跑數(shù)據(jù)了，花了半個(gè)小時(shí)把數(shù)據(jù)跑好給她，希望能就這么交差吧。

如果你以為我每天就做這點(diǎn)事那你就錯(cuò)了，我平時(shí)的工作可不僅僅就是完成上面交給我的任務(wù)哦，我還負(fù)責(zé)數(shù)據(jù)ETL過(guò)程、數(shù)據(jù)建模、定時(shí)任務(wù)的分配等等，每件事都可以拿出來(lái)寫(xiě)本書(shū)。

就拿過(guò)程來(lái)說(shuō)吧，你要把原始數(shù)據(jù)從各種數(shù)據(jù)庫(kù)、各種服務(wù)器的不同業(yè)務(wù)日志歸一化到同一類(lèi)格式，要約定好分隔符，然后導(dǎo)入到分布式文件系統(tǒng)HDFS，甚至你還要和業(yè)務(wù)系統(tǒng)定義數(shù)據(jù)格式出規(guī)范，數(shù)據(jù)收集完，你還得出中間表，數(shù)據(jù)過(guò)濾，格式統(tǒng)一，ID統(tǒng)一，維度統(tǒng)一，通過(guò)不同的數(shù)據(jù)現(xiàn)象進(jìn)行數(shù)據(jù)，完了，你就得出一些日?qǐng)?bào)周報(bào)之類(lèi)的數(shù)據(jù)了，這時(shí)候你要按照需求把數(shù)據(jù)組織成一定的格式然后導(dǎo)Mysql、或者HBASE等等。

總之你就是需要把數(shù)據(jù)各種收集、各種處理、然后各種導(dǎo)入導(dǎo)出，是不是很有意思?

不過(guò)這些數(shù)據(jù)倉(cāng)庫(kù)都非常初級(jí)，其中ETL工程師可發(fā)揮的空間太多了

1、正常情況下，老板 —> BI —> ETL 出一份報(bào)告，這中間能否BI直接去計(jì)算數(shù)據(jù)?sql太復(fù)雜，那么可不可以一切數(shù)據(jù)標(biāo)簽化，BI甚至老板要什么就選什么?

2、可以把數(shù)據(jù)收集自動(dòng)化、可以規(guī)范業(yè)務(wù)日志格式、可以將一切都配置化，但是這些都是基于N+1的，也就是說(shuō)今天的發(fā)生了什么一定要到明天才能看到，那么有沒(méi)有一個(gè)系統(tǒng)能把數(shù)據(jù)分析做到實(shí)時(shí)或者準(zhǔn)實(shí)時(shí)?參考雙十一大屏，馬總要是到12號(hào)才能知道成交了多少筆不劈了那幫做數(shù)據(jù)的才怪。

3、目前絕大部分分析系統(tǒng)都基于離線計(jì)算(HADOOP/ODPS)，那這里有個(gè)問(wèn)題了，運(yùn)營(yíng)或BI想看個(gè)數(shù)據(jù)還得你離線慢騰騰跑完才能看到，那么有沒(méi)有一個(gè)系統(tǒng)可以支持你再大的數(shù)據(jù)量，再復(fù)雜的邏輯，毫秒出數(shù)據(jù)?

我沒(méi)有提到的還有算法工程師、大數(shù)據(jù)運(yùn)維等等，數(shù)據(jù)倉(cāng)庫(kù)的概念很廣很大，但在大數(shù)據(jù)應(yīng)用面前也不值一提。

如果把數(shù)據(jù)價(jià)值分層，這里分層的辦法很多，我只列舉一種方法，有人分過(guò)5層

第一層: 為老板提供決策支持，例如傳統(tǒng)的財(cái)務(wù)報(bào)表

第二層: 為運(yùn)營(yíng)提供決策支持，例如數(shù)據(jù)化非常徹底的淘寶運(yùn)營(yíng)們

第三層: 為產(chǎn)品提供支持，例如有產(chǎn)品經(jīng)理們會(huì)拿著報(bào)表天天看研究自己的某一個(gè)按鈕擺放位置對(duì)不對(duì)

第四層：數(shù)據(jù)用于生產(chǎn)，比如直接對(duì)接廣告系統(tǒng)產(chǎn)生收益，比如直接對(duì)接推薦系統(tǒng)為用戶推薦商品，實(shí)現(xiàn)千人千面，再比如利用手機(jī)APP直接為不同用戶push消息

第五層：大數(shù)據(jù)交換，數(shù)據(jù)產(chǎn)生直接受益

大部分公司能做到前兩個(gè)層次就已經(jīng)很不錯(cuò)了，如果能做到第三層，就已經(jīng)很牛逼，做到第四第五層次，國(guó)內(nèi)互聯(lián)網(wǎng)公司不超過(guò)2家，大數(shù)據(jù)應(yīng)用太大了，不知從何說(shuō)起，以后聊吧。

詳情請(qǐng)咨詢！

客服熱線：023-66090381