零售用户分层挖掘
对 90 天行为日志做聚类，输出 6 类人群标签，回流至推荐位。重点控制特征计算成本，冷热数据分离存储。
复购率提升+11.4%单次挖掘成本¥780
Data Storm · 成本与价值
把数据风暴
把数据风暴
压成可核算的成本曲线
以扁平化设计与现代排版重构大数据分析链路：从采集、清洗、挖掘到数据可视化，每一层都标出单位成本与产出价值。目标是把「一次全量挖掘」的端到端耗时压到 18 分钟以内，并让分析结果在 1 次点击内被业务方读懂。
科技风暴
实时指标看板刷新延迟 ≤ 3s
18min
全量挖掘端到端耗时
38%
单位算力成本下降
92%
脏数据自动拦截率
4步
从原始表到可视化
应用场景展示 · 把分析结果落到业务动作上
三类高频场景，各自给出可核算的成本口径与收益指标，避免「做了分析但算不出值」。
设备时序异常检测
对 12 000 个测点做滑窗特征提取，阈值 + 残差双判据，误报率控制在 5% 以内，告警分级推送至工单系统。
非计划停机-27%误报率≤5%
金融风控规则回测
对 20 条策略并行回测，统一口径输出命中率、误杀率与人工复核工时，便于按成本择优上线。
人工复核工时-34%回测周期2 天
02 / CAPABILITY
核心能力卡片 ·
核心能力卡片 · 五段式分析链路
按环形排布呈现，从接入到可视化逐段标注成本敏感点，箭头之外不做多余装饰。
多源接入
支持日志、消息队列、关系库三类源，批量接入按 500 条/批提交，降低小文件开销。
接入成本清洗与去重
空值、越界、重复三类规则前置执行，脏数据自动拦截率目标 ≥ 92%。
质量成本特征与挖掘
滑窗特征 + 聚类/分类双通道，特征物化后复用率提升至 63%，减少重复计算。
算力成本数据可视化
扁平化图表组件统一色板与刻度，单屏信息量提升约 40%，首屏渲染 < 1.2s。
体验成本权限与审计
字段级权限 + 全链路血缘，审计日志保留 180 天，满足合规检查与追责需求。
治理成本
03 / PLAYBOOK
实用指导清单 ·
实用指导清单 · 六条可落地要点
每条给出做法、参数阈值与量化指标，可直接抄进项目排期表。
先定成本口径，再谈建模
把成本拆成存储 / 计算 / 人力三账：存储按 GB·月计，计算按 vCPU·小时计，人力按复核工时计。上线前先跑 7 天基线，避免后期算不清 ROI。
分区裁剪优先于换引擎
按天分区 + 按业务键分桶，查询只扫必要分区。实测可减少 55%~70% 扫描量，通常比升级硬件更快见效。
特征物化并设复用率红线
高频特征落表缓存，设置 复用率 ≥ 50% 才允许物化，否则回退为实时计算，防止存储被低价值特征吃满。
可视化只保留三层信息
概览指标、趋势曲线、明细下钻各一层，颜色不超过 5 种且必须与业务含义绑定。超过 7 个系列时改为小倍数图，别堆在同一张图上。
响应式断点与首屏预算
按 1600 / 1024 / 640 / 380 四档布局；图表首屏渲染控制在 1.2s 内，交互反馈 ≤ 200ms，动效只用于状态变化提示。
质量告警落到责任人
为每张核心表设空值率、波动率阈值（如日环比 ±30% 触发告警），告警必须绑定到人，否则 2 周后必然被忽略。
04 / COMPARE
解决方案对比 ·
解决方案对比 · 按成本口径选型
同一份 30 天数据的挖掘任务，三种路径的成本与交付差异。
| 方案 | 月算力成本 | 交付周期 | 适用条件 | 主要风险 |
|---|---|---|---|---|
| 自建集群 + 自研调度 | ¥62,000 起 | 10 ~ 14 周 | 数据不出域、长期高频使用 | 运维人力占成本约 35%，需专职 2 人 |
| 托管平台 + 标准组件 | ¥34,000 起 | 4 ~ 6 周 | 快速上线、弹性扩缩容 | 定制化受限于平台能力边界 |
| 混合：热数据托管、冷数据自持 | ¥41,000 起 | 6 ~ 8 周 | 合规要求高且有预算弹性 | 跨环境血缘治理复杂，需统一元数据 |
05 / ECOSYSTEM
合作伙伴墙 ·
合作伙伴墙 · 生态协同与成本分摊
按角色分组，标注协作口径，便于按贡献分摊建设与运维成本。
云计算厂商算力弹性 · 3 家
行业数据源数据供给 · 12 家
BI 工具商可视化 · 5 家
咨询机构指标体系 · 4 家
高校实验室算法共建 · 6 所
安全合规方审计评估 · 3 家
先算清一笔账，再启动一个数据挖掘项目
提供 30 天基线评估模板：输入数据量、任务频次与人力工时，即可得到三方案的成本区间与推荐路径。