≤ 5s采集延迟 P95
多源接入与采集
支持 MQTT / Kafka / JDBC / 文件四类通道并行接入，自动识别字段类型与空值率。
- 单通道吞吐 ≥ 12 万条/秒，背压自动降级
- 字段空值率 > 30% 时标记为待确认维度
CORE CAPABILITY
核心能力：从接入到洞察的 5 个关键环节
每个环节都给出可验收的量化口径，便于在探索过程中判断「发现是否可靠」。
98.4%清洗后数据可用率
清洗与质量校验
去重、补全、量纲统一三步走，异常值按 3σ 与业务规则双阈值判定。
- 重复率超 2% 触发上游排查工单
- 时间戳漂移 > 5s 的记录进入隔离区
1200+可复用特征数量
特征工程与建模
以时间窗聚合为主，滑动窗口 1min/15min/1h 三层并行，输出可解释特征。
- 训练集 / 验证集按时间切分 7:3，禁止随机打乱
- 特征缺失率 > 15% 直接淘汰
0.5s看板首屏渲染
可视化与互动设计
采用磨砂玻璃卡片分层承载指标，支持下钻、联动与时间轴回放三种交互。
- 单屏卡片 ≤ 9 个，避免视觉噪声
- 关键指标用强调色仅占屏面积 < 10%
15min异常告警触达时长
监控与迭代闭环
指标漂移、模型衰减、链路断流三类告警统一收敛到同一时间线。
- 模型 AUC 周环比下降 > 5% 触发重训
- 每次迭代保留指标快照，支持回滚对比
SERVICE TIERS
服务档位：按数据规模与探索深度选择
三档自上而下滚动覆盖，滚动时上一张卡片被下一张压住，方便横向比较参数。
TIER 01 · 探索版
接入与看板起步
¥ 9,800/ 月
适合刚建立数据之窗、需要先看清现状的团队
- 数据通道
- ≤ 6 条接入链路
- 日处理量
- ≤ 2 亿条事件
- 看板数量
- 12 个磨砂玻璃面板
- 响应时效
- 工单 8 小时内响应
- 数据保留
- 原始明细 30 天
- 交付周期
- 7 个工作日上线
TIER 02 · 挖掘版
特征建模与预测
¥ 26,500/ 月
适合已积累半年以上数据、要开始做异常识别与预测的团队
- 数据通道
- ≤ 24 条接入链路
- 日处理量
- ≤ 32 亿条事件
- 模型能力
- 8 个在线模型并行
- 响应时效
- 专属群 2 小时内响应
- 数据保留
- 原始明细 180 天
- 交付周期
- 3 周完成首个模型上线
TIER 03 · 共创版
私有化与联合探索
按需报价起于 ¥ 80,000 / 月
适合数据敏感、需本地化部署与联合课题共建的机构
- 数据通道
- 不限链路，支持专线
- 日处理量
- 百亿级弹性扩容
- 部署方式
- 私有化 / 混合云
- 响应时效
- 7×24 值守，30 分钟响应
- 数据保留
- 按合规策略自定义
- 交付周期
- 6 周完成环境与首版交付
SCENARIOS
应用场景：网联世界里值得先探索的 3 个方向
每个场景都给出输入数据、关键指标与观察窗口，便于快速验证可行性。
设备联网健康度
以在线率、心跳间隔方差、指令回执时延三指标刻画设备群健康度，提前发现批量离线苗头。
输入：心跳日志 4.2 万条/分钟预警提前 26 分钟
行为路径挖掘
把埋点事件还原为路径序列，用频次与停留时长定位高流失节点，再反推体验改造点。
观测窗口：近 14 天漏斗提升 8.3%
跨源关联洞察
将业务库订单与网络侧数据按设备指纹关联，识别异常流量与真实成交之间的偏离。
关联系数 ≥ 0.72 才纳入结论误报下降 41%
COMPARISON
解决方案对比：自建 / 采购 / 共建怎么选
用同一套口径横向比较三条路径，重点看首次产出时间与长期可控性。
| 对比维度 | 自建平台 | 采购标准化服务 | 联合共建 |
|---|---|---|---|
| 首次产出时间 | 10–16 周 | 1–3 周 | 4–6 周 |
| 前期投入 | 人力 4–6 人 · 持续 | 按月订阅，无前置成本 | 按项目分期结算 |
| 可解释性 | 完全可控，特征自持 | 黑盒较少，口径开放 | 共建文档全量交付 |
| 数据合规 | 需自建权限体系 | 标准脱敏流程 | 本地化部署可审计 |
| 扩展弹性 | 受限于自研进度 | 按档位升级 | 按课题弹性扩容 |
| 适合阶段 | 数据规模稳定且长期 | 快速验证与看板起步 | 数据敏感 + 深度挖掘 |
FIELD GUIDE
实用指导清单：把探索变成可复现的结论
以下 6 条按执行顺序排列，每条都给出参数与阈值，可直接落到项目排期里。
先定口径，再拉数据
在动手取数前，把指标名、计算式、时间粒度、过滤条件写成一张口径表，评审通过后再写 SQL。
粒度：15min 时区：UTC+8
避坑：同一指标两处口径不一致，会让后续所有对比结论失效。
给数据质量打分
按完整性、唯一性、时效性、一致性四维打分，总分低于 80 分的数据集不进入建模。
完整性 ≥ 95% 重复率 ≤ 2%
避坑：跳过质量校验直接建模，准确率通常虚高 5–10 个百分点。
按时间切分训练集
用时间顺序切 7:3，严禁随机打乱；验证集必须晚于训练集，模拟真实上线环境。
训练 90 天 验证 30 天
避坑：随机切分会造成数据穿越，线上效果往往掉 20% 以上。
控制看板信息密度
单屏不超过 9 张卡片，主色占屏约 30%，强调色仅用于关键数字与激活态，占比控制在 10% 以内。
卡片间距 12–20px 首屏渲染 ≤ 0.5s
避坑：把所有指标都刷成高饱和色，会让真正的异常信号被淹没。
为异常设置分层告警
按影响面分为提示、关注、紧急三级：提示进日报，关注 2 小时内确认，紧急 15 分钟内触达值班人。
P95 延迟 > 2s 关注 断流 > 5min 紧急
避坑：只设一条告警阈值，容易在业务高峰造成告警风暴。
建立迭代复盘节奏
每两周复盘一次指标漂移与模型衰减，AUC 周环比下降超过 5% 就安排重训并保留快照。
复盘周期 14 天 快照保留 12 个版本
避坑：没有快照就没有回滚，线上回退会变成一次高风险操作。