知识卡片
工作架构四层次
确定大数据组织职能前,先要理解大数据的工作架构分四层。源数据层:企业拥有的内外部数据,内部含本地文件和各应用系统数据,外部含网络数据和合作伙伴数据——巧妇难为无米之炊,没有源数据一切都无从谈起。数据整合层:把分散在各系统各角落的多源多库多表数据统一规整成可随时查询分析的格式,核心动作是合并、追加、汇总、排序。数据清洗层:按规则对数据做抽样、填补、删除、转换、筛选、计算,让数据能真实反映业务情况——清洗规则必须在具体业务情景指导下制定,脱离业务场景的清洗只是”空中楼阁”。数据使用层:大数据的最终目标层,把结果应用到生产或服务中,可能是可视化报表也可能是智能应用,具体到企业场景就是智能营销、智能财务、智能客服等。四层是严格自下而上的依赖关系:没有源数据就没法整合,没整合干净就没法清洗出有意义的结果,清洗质量决定了最终应用层面的价值上限。
结构图:
flowchart TB
A["源数据层:内部本地文件/应用系统<br/>外部网络数据/合作伙伴数据"] --> B["数据整合层:合并/追加/汇总/排序"]
B --> C["数据清洗层:抽样/填补/删除/转换/筛选<br/>必须在具体业务场景指导下进行"]
C --> D["数据使用层:可视化/数据分析/数据模型/数据智能<br/>落地为智能营销/智能客服等具体应用"]
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
原书出处
参考来源
- 位置:《企业大数据系统构建实战:技术、架构、实施与应用》第4章《企业大数据自主实施思路》"4.4.2 组织结构设立的导向"(源文件:_epub-src/OEBPS/text00050.html)
- 结论依据:原文说明"大数据的工作架构可以分为四个层次,即源数据存储、数据整合、数据清洗和数据使用",并逐层说明各层的具体内容和边界条件,如"只有在业务情景下的数据清理,最终才能与大数据的结果目标相吻合",直接支撑本卡结构图的层级依赖关系。
- 原始内容:大数据的工作架构可以分为四个层次,即源数据存储、数据整合、数据清洗和数据使用……清洗最重要的原则是清理规则和目标的制定,即在实际业务情景的指导下,为实现既定业务目的而开展的数据清理