需求拆解与指标定义
把业务目标翻译成 3–5 个北极星指标，写清口径、粒度与时间窗，例如“7 日复购率”需固定 order_status in (2,3)。
这是一个网页样式设计参考
分屏设计 · 左叙事 / 右证据的双栏阅读
让每一次梦想起航
都由数据挖掘给出坐标
把分散在业务库、日志与埋点里的杂乱记录，接入统一的大数据分析与挖掘流水线：从字段级质量校验到特征工程，再到可视化洞察，帮助数据团队与业务方在同一屏里对齐判断，把“感觉”换成可复算的结论。
18 亿日均接入事件行数
≤ 90 秒千万行查询 P95 响应
92%模型上线后召回提升
工作流程
五步把“梦想”拆成可执行的数据动作
每一步都产出可校验物：字段字典、特征表、模型版本、看板口径。缺少任一项，下游结论都不许上线。
多源接入与质量校验
接入业务库、日志与埋点，对空值率、主键唯一性、时间穿越设阈值；空值率 > 5% 的字段先进隔离区。
特征工程与标签体系
用近 30/90/180 天三档窗口生成聚合特征，将用户标签分层为活跃、成长、沉默、流失四类，便于后续挖掘。
建模挖掘与回溯验证
训练集与验证集按时间切分，避免未来信息泄漏；离线 AUC 与线上转化率偏离超过 8% 时冻结该模型版本。
可视化交付与迭代
用分屏看板交付：左屏放结论、右屏放证据，每周复盘一次指标漂移，把异常波动沉淀为新的监控规则。
核心能力
六项能力，覆盖从采集到洞察的全链路
按“看数据—问数据—用数据”三种角色切换标签，同一份数据资产呈现不同深度的视图。
多源数据接入
支持关系库、消息队列与文件三类通道，按分钟级增量同步，断点续传失败自动重试 3 次并告警。
实时离线CDC
同步延迟< 60s
数据挖掘算法库
内置聚类、关联规则、时序异常检测与梯度提升树，参数模板可复用，降低重复调参成本。
聚类关联规则异常检测
异常召回91.4%
数据可视化组件
折线、桑基、漏斗、热力等 12 类图表开箱即用，配色统一在同一色板，避免不同看板“各说各话”。
分屏钻取联动
图表渲染< 400ms
指标口径管理
指标含名称、口径、责任人、更新频率四要素，变更需审批留痕，防止“同名不同义”导致决策打架。
口径血缘审批
口径冲突↓ 76%
权限与数据安全
行级、列级双维度授权，敏感字段默认脱敏；导出操作全量审计，单次导出上限 5 万行。
行级脱敏审计
越权请求0 起
洞察分发与订阅
看板与告警可订阅到邮箱或企业内部通道，异常波动按 P0/P1 分级推送，附带 3 条排查建议。
订阅告警周报
触达及时率99.2%
客户评价
把分散的报表，换成同一套可信口径
三个行业团队的真实反馈，重点都在“减少口径扯皮”与“让分析更快变成动作”。
“以前一场促销复盘要拉五个部门对齐口径，现在指标定义写进平台、变更留痕，复盘会从 3 小时压缩到 40 分钟。”
“挖掘任务模板化之后，新人一周内就能独立跑通一条特征链路，不用再从零调参。”
“分屏看板把结论和证据放在同一视线里，业务方第一次主动追问‘这个拐点为什么发生’。”
上线 90 天内的可量化变化
- 指标口径争议工单↓ 76%
- 临时取数需求↓ 58%
- 异常发现到定位耗时4.5h → 25min
- 分析结论被采纳率↑ 31%
- 模型月度迭代次数2 次 → 6 次
数据可视化面板
左屏看趋势，右屏看归因
面板遵循“一屏一问题”的原则：每块图表都要能回答一个具体判断，而不是把数字堆满。
常见问题
落地前最常被问到的六件事
答案都附带可执行参数或判定阈值，方便直接写进项目启动文档。
数据量多大才值得上大数据分析平台？
经验阈值：单表超过 2000 万行、或多源表数量超过 8 张且需要日更时，手工脚本维护成本会明显超过平台成本，此时适合引入。低于该量级先用单机数据库加定时任务即可。
数据质量校验应该卡在哪一层？
分三层卡：接入层查空值率与主键唯一性，加工层查行数波动（日环比超过 ±15% 告警），交付层查指标口径一致性。任一层失败即阻断下游任务，不允许“带病出数”。
分屏布局对小屏体验会不会有影响？
不会。断点设在 1024px：以上保持双栏并置，以下自动堆叠为单栏，并保证点按区不小于 44px。分屏设计的关键是信息分组，而不是强行维持两列。
如何判断挖掘模型是否真的有效？
同时看两组数：离线 AUC 与线上业务指标。若离线 AUC 提升但线上转化率无变化，说明特征与业务目标脱节，应回到标签体系重新定义正样本，而不是继续调参。
看板做多少张图表比较合适？
首屏控制在 4–6 个图表，每个图表回答一个判断；超过 8 个图表时阅读完成率会显著下降。其余细分维度放进下钻页，用联动筛选承载。
怎样避免看板上线后无人使用？
把看板与例会绑定：例会必须基于看板结论讨论，并指定一名指标责任人。上线后第 2 周统计周活跃率，低于 40% 就删表重构，而不是继续加图表。
图文特写
用创意网页讲清一条数据链路
好的数据叙事不靠堆概念，而是把“输入—加工—判断—动作”四段讲成一条能走通的线。
从“取数”到“用数”，中间隔着一套叙事结构
我们把平台首页设计成一条可读的链路：先用分屏布局把结论与证据并置，再用跑马灯提示高频关键词，最后用微倾斜卡片承载能力细节，让访客在滚动中自然理解平台价值。
- 输入层：标出数据来源与更新频率，让读者先确认数据是否可信。
- 加工层：用步骤条展示清洗、特征、建模节点，每步标注典型耗时。
- 判断层：用可视化面板给出阈值与分级，避免只展示漂亮曲线。
- 动作层：明确谁在什么时间基于结论做什么，闭环才算完成。
实用指导清单
六条可直接执行的落地要点
按顺序执行，每条都给出可量化验收标准；任一项未达标，先修复再推进下一项。
先定义指标字典，再动手建表
为每个指标记录名称、口径、粒度、责任人四项，字段命名统一使用小写下划线。验收：随机抽 10 个指标，口径描述完整率需达 100%。
给数据质量设三条硬阈值
空值率 > 5% 阻断、主键重复率 > 0.1% 阻断、日行数环比波动 > ±15% 告警。验收：连续 7 天无未处理阻断告警。
特征窗口固定为 30/90/180 天
三档窗口同时生成，避免“凭感觉选窗口”。训练集与验证集按时间切分，禁止随机切分造成未来信息泄漏。
看板首屏只放 4–6 个图表
每个图表配一句结论式标题，例如“华东区转化率连续 3 日下滑”。验收：新同事 60 秒内能说清看板在回答什么问题。
分屏布局守住两条响应式红线
1024px 以下切单列，380px 以下内边距收到 8–12px，点按区不小于 44px。验收：320px 宽度下无横向滚动条。
给模型上线设回滚条件
线上核心指标较基线下降超过 5%，或离线与线上效果偏离超过 8%，立即回滚到上一版本，并在 24 小时内完成归因记录。