作者 | 張志豪

?數(shù)據(jù)倉庫是什么？

還是得先從定義開始：數(shù)據(jù)倉庫是一個面向主題的(Subject Oriented)、集成的(Integrated)、相對穩(wěn)定的(Non-Volatile)、反映歷史變化(Time Variant)的數(shù)據(jù)集合，用于支持管理決策。這里的“支持決策”往往是面向分析的，需要能夠?qū)I(yè)務(wù)系統(tǒng)的數(shù)據(jù)進行大批量的、多維度的數(shù)據(jù)探索和分析，從而幫助最終的業(yè)務(wù)決策。此文是我對于數(shù)據(jù)倉庫項目的一點點感悟，不涉及具體的技術(shù)實現(xiàn)。

但它從來都不是(純)技術(shù)項目

數(shù)據(jù)倉庫項目上用到了很多技術(shù)組件，相信很多人都可以用報菜名的方式列舉出來，聽起來像是一個用了很多時髦組件、很性感的技術(shù)項目。但如果從權(quán)重上來看，我認為技術(shù)不是最重要的部分。對于數(shù)據(jù)倉庫項目而言，更需要的是一套策略，一套組合拳，不僅僅需要技術(shù)卓越、業(yè)務(wù)理解，還需要需求方、業(yè)務(wù)方在整體架構(gòu)和流程上的配合。

數(shù)據(jù)倉庫建設(shè)應(yīng)該包括這些主要流程：

• 業(yè)務(wù)需求訪談、業(yè)務(wù)架構(gòu)設(shè)計；?
• 技術(shù)選型、技術(shù)架構(gòu)設(shè)計；?
• 客戶頂層戰(zhàn)略支持以及各個業(yè)務(wù)方、需求方的配合；?
• 具體業(yè)務(wù)需求分析、數(shù)據(jù)建模；?
• ETL導(dǎo)入數(shù)據(jù)；?
• 報表開發(fā)、數(shù)據(jù)服務(wù)、數(shù)據(jù)集市等。?

數(shù)據(jù)倉庫項目實施不是一開始就馬上接數(shù)據(jù)進來，而是需要經(jīng)過前期的幾輪業(yè)務(wù)訪談確定整體的業(yè)務(wù)需求并完成總體業(yè)務(wù)架構(gòu)設(shè)計，并根據(jù)業(yè)務(wù)架構(gòu)和具體的客戶技術(shù)狀況確定頂層的技術(shù)選型和技術(shù)架構(gòu)設(shè)計，在和數(shù)據(jù)倉庫涉及到的業(yè)務(wù)方、需求方、技術(shù)方等同步確定并獲得了各方支持之后才能準備開始真正準備接入數(shù)據(jù)，也就是上述4~6這幾個步驟。 

而4~6是不斷地在進行的過程，而不是等到所有業(yè)務(wù)分析結(jié)束之后再進行ETL的部分。目的是快速接入、快速出結(jié)果、快速見效，如果遇到問題也可快速調(diào)整，更重要的目的是獲得客戶信任。如果時間拉得太久，客戶很有可能會因為看不到效果而喪失信心。這個邏輯也類似于故事卡中的“縱向拆分”。

“客戶的游艇在哪里？”姊妹篇：“客戶的金子在哪里？”

說起數(shù)據(jù)倉庫，用到比較多的比喻是“海平面下的冰山”和“沉睡在礦山的黃金”。如果我們只是把多個不同業(yè)務(wù)系統(tǒng)的礦石（數(shù)據(jù)）搬過來、規(guī)整規(guī)整，是不能淘到金子的。如果耗費大量人力物力，而只是做了搬運工的工作，那整個項目就是“虧錢”的項目。因為它沒有產(chǎn)生業(yè)務(wù)價值（金子）。這個時候不禁自問：“客戶的金子在哪里”?

我理解業(yè)務(wù)價值主要分布在這些領(lǐng)域：

• 支撐運營，輔助決策：各類活動、業(yè)務(wù)增長依賴于數(shù)據(jù)來做決策，這時核心指標計算、對齊各個業(yè)務(wù)口徑、多維度分析等十分重要，準確及時的結(jié)果能夠幫助客戶制定運營決策。?
• 數(shù)據(jù)分析：對于用戶轉(zhuǎn)化、用戶行為分析等場景，數(shù)據(jù)探索、交互式分析、數(shù)據(jù)可視化等支持十分重要。?
• 業(yè)務(wù)支撐：機器學(xué)習(xí)、風(fēng)控、數(shù)據(jù)服務(wù)、推薦系統(tǒng)等對于數(shù)據(jù)倉庫提出了更高的要求。?

也不局限于上述的幾個領(lǐng)域，我認為主要的判斷條件是數(shù)據(jù)倉庫的產(chǎn)出結(jié)果是否為業(yè)務(wù)系統(tǒng)提供了有價值、甚至是可以直接變現(xiàn)的支持作用。比如風(fēng)控和推薦系統(tǒng)就可以從防止了多少可能的財產(chǎn)損失和提升了多少訂單轉(zhuǎn)化率兩個維度來衡量“金子”的價值。

如果只是說我們這個月多了xxx張報表，新接入了xxx個業(yè)務(wù)系統(tǒng)，進行了xxx次業(yè)務(wù)訪談聽起來好像很忙，但仔細想想其實并沒有產(chǎn)生太多的“金子”。也有人說可以通過衡量ROI（投資回報率（ROI）= 年利潤/投資總額）來量化“含金量”，在實際操作中“年利潤”可能還好計算，但是“投資總額”往往難以衡量，因為底層的數(shù)據(jù)、集群、運維往往是和其他業(yè)務(wù)數(shù)據(jù)共用的，且很多流程的數(shù)據(jù)流非常長，這大大增加了衡量“投資總額”的難度，以至于大多數(shù)據(jù)倉庫都很難精確衡量投資了多少。這也不意味著就可以完全不用思考ROI了，我認為即使沒有精確的數(shù)據(jù)，也可以用預(yù)估的方式來粗略的判斷大致的ROI是多少，而不是悶頭往前走。

同時前期的步驟也非常重要，沒有前期的數(shù)據(jù)搬運、建模等步驟，這些“金子”就變成了無源之水，前期的數(shù)據(jù)獲取、數(shù)據(jù)清洗、數(shù)據(jù)建模等步驟決定了能不能淘到高質(zhì)量的黃金。這里更像“木桶理論”，從業(yè)務(wù)分析、數(shù)據(jù)建模、數(shù)據(jù)加載、數(shù)據(jù)清洗、數(shù)據(jù)轉(zhuǎn)換到指標計算、報表開發(fā)、數(shù)據(jù)分析、機器學(xué)習(xí)等等步驟如果有一塊短板都會導(dǎo)致其他過程的產(chǎn)出“含金量”下降，尤其是前期的步驟，如果前期步驟沒有做好，后續(xù)幾乎就是“garbage in, garbage out”了。?