探照档 · 数据体检
¥1.8万起 / 项目
- 接入 ≤ 5 个数据源，日增 ≤ 500 万条
- 完成完整性 / 一致性 / 唯一性 3 类质量体检
- 交付 1 张核心指标看板 + 数据字典
- 周期 2 周，含 1 次复盘会
SERVICE TIERS
服务与价格档位
按「数据接入规模 + 挖掘深度」定价，横向滑动查看三档；均含单页式决策看板交付，不额外收取报表搭建费。
显影档 · 分析与挖掘
¥6.5万起 / 项目
- 接入 ≤ 20 个数据源，日增 ≤ 5,000 万条
- 分群 / 归因 / 流失预警 3 类挖掘模型
- 看板 8~12 屏，支持下钻与时间对比
- 埋点规范 + 用户体验指标（NPS / 转化漏斗）
- 周期 4~6 周，含 2 轮模型调优
常驻档 · 数据即服务
¥4.2万起 / 月
- 实时数仓常驻，SLA 99.9%，故障 30 分钟内响应
- 每月 ≥ 2 个新增挖掘场景，模型漂移自动告警
- 指标口径治理 + 自助取数培训（2 场）
- 季度数据资产盘点，输出复用率报告
APPLICATION SCENES
应用场景展示
同一个数据底座，三种典型用法；每个场景都给出可核对的量化口径，避免「看起来很美」的伪分析。
用户行为挖掘 · 留存与漏斗
对齐埋点口径后，按日 / 周 / 月三档计算留存，定位转化流失最严重的 1 个环节优先优化。
次日留存 +7.2%漏斗口径统一
经营异常检测 · 风险预警
以 7 日移动均值为基线，偏离 ±3σ 自动触发告警，把异常发现时间从「次日」压缩到分钟级。
告警误报率 ≤5%分钟级触发
决策看板 · 指标口径治理
同一指标只保留一个权威定义，看板支持下钻到明细，减少会议中对数打架的时间。
口径冲突 -90%支持下钻
PRACTICAL CHECKLIST
实用指导清单
给正在筹备大数据分析 / 数据挖掘项目的你：下面 6 条是可以直接照做的动作，每条都附阈值或参数，避免「先建平台再说」的坑。
-
先定 3 个北极星指标，再谈数据接入
把业务目标翻译成 3 个可计算指标（如支付转化率、单客成本、复购率），每个指标写清「分子 / 分母 / 时间窗 / 过滤条件」。指标未定前不要接入第 4 个数据源，否则字段冗余会让后续挖掘特征暴涨 30% 以上。
-
埋点先过「三率」校验，再进分析库
上线前核查：上报成功率 ≥ 99%、字段完整率 ≥ 98%、主键重复率 ≤ 0.1%。任一不达标就停在采集层修复，脏数据一旦进仓，清洗成本约为采集期修复的 5~8 倍。
-
数据挖掘从「可解释」模型起步
首轮优先用逻辑回归 / 决策树这类可解释模型对齐业务认知，AUC 达到 0.75 基线后再上复杂模型。特征控制在 20~40 个，并记录每个特征的业务含义，避免模型上线后无人敢用。
-
可视化遵循「3 秒原则」与单屏聚焦
看板首屏只放 5±2 个核心卡，用户 3 秒内能读出结论；折线不超过 4 条、饼图不超过 5 片。图表配色控制在 3 个色系内，把强调色只留给「异常 / 目标」两类信息。
-
给数据回流设一条自动化通道
把分析结论回写业务系统（如名单、标签、阈值），并设置
cron每日 02:00 重跑。衡量标准：结论从产出到被业务使用的时延 ≤ 24 小时，否则分析会慢慢变成「一次性报告」。 -
用 4 个指标守住数据资产健康度
每周巡检：数据新鲜度（延迟 ≤ 30 分钟）、表复用率（≥ 60%）、任务失败率（≤ 1%）、口径变更次数（≤ 2 次/月）。四项中任意一项连续两周越界，就暂停新增需求、先还技术债。
验收参考值建议区间
数据接入周期5~10 个工作日
看板交付屏数8~12 屏
挖掘模型 AUC≥ 0.75
结论回流时延≤ 24 小时
口径文档覆盖率100%
WORKFLOW
工作流程步骤
四个阶段、固定交付物，每一步都能对进度；遇到阻塞会在 1 个工作日内同步，不让项目卡在「等数据」上。
需求对齐与口径定义
2~3 天。访谈决策者与一线使用者，产出指标字典 v1 与验收标准，明确每个指标的分子分母与时间窗。
数据接入与质量治理
5~10 天。接入数据源、建立分层（ODS→DWD→DWS），跑通三率校验，输出数据质量问题清单与修复建议。
分析挖掘与建模
7~15 天。特征工程 + 模型训练与评估，先交付可解释模型，再按业务反馈迭代；每轮调优提供对比数据。
可视化交付与回流
3~5 天。单页式决策看板上线，培训 1~2 场，并把结论回写业务系统，进入每周健康度巡检节奏。
数据量不大（日增几十万条）也值得做数据挖掘吗？
值得，但重点不同：小数据量优先做「口径统一 + 分群分析」，用规则和分群先把业务问题讲清楚，等数据积累到日增 500 万条以上再引入复杂模型。判断标准是：现有指标是否已经能解释 80% 的业务波动。
看板做出来没人看，怎么破？
先查三件事：①首屏是否超过 7 个卡片；②指标是否与使用者的日常动作相关；③是否有异常推送。经验做法是把看板与周会绑定，并把关键指标接入即时通知，让「看」变成「被提醒」。
模型效果上线后变差怎么办？
建立漂移监控：每周对比特征分布与预测分布，PSI 超过 0.2 触发复核；同时固定一个回滚版本。多数效果下滑来自上游埋点变更或业务规则调整，而非算法本身。