接入与对齐
接入 CSV / 数据库 / 埋点三路数据，以事件时间对齐，缺失率超过 3% 的字段先补采再入库。
大数据分析 · 数据挖掘 · 智慧交汇
把散落的数据，汇成一条会说话的河
WisdomFlow 用渐变风格的智慧交汇面板，把埋点、日志、订单与线下表格收进同一个湖仓；数据分析师在 3 步内跑出结论，业务同事也能看懂。我们关心的是：你今天要做的那个决定，数据有没有及时到场。
18 min从接入到首张看板
92.6%脏数据自动识别率
1.4 s千万行聚合响应 P95
多源汇流窗口
订单、日志、表格三路数据在同一画布对齐时间轴，血缘一眼可见，错位字段自动标注红色提示。
数据可视化
模式实验室
聚类、关联规则、时序异常三块并排，参数改动即时回算，置信度低于 0.6 的规则自动折叠。
数据挖掘
洞察看板
把结论编排成给同事看的页面：一条主曲线、三个关键数、一句人话解释，手机上也读得顺。
用户体验Workflow
四步工作流程：从接入到交付
每一步都有明确的产出物与验收阈值，避免“跑完模型却没人用”的常见尴尬。
清洗与画像
按手机号、设备号双主键去重，保留最近 90 天行为；生成用户标签 60 个，脏数据自动识别率目标 ≥ 90%。
挖掘与验证
先跑聚类看分群是否可解释，再做关联规则；规则置信度 ≥0.6、提升度 ≥1.2 才进入候选池。
交付与回流
结论落到看板与日报，标注口径与更新时间；业务反馈在 48h 内回流，形成下一轮迭代输入。
Compare
解决方案对比：三种做法怎么选
同一份数据，三条路线成本与时效差异很大，按团队规模与决策频率来挑。
| 方案 | 适用团队 | 首版上线 | 查询响应 P95 | 主要代价 |
|---|---|---|---|---|
| 全量数仓 | 数据团队 ≥5 人 | 3–5 周 | 1.4 s | 建设与治理投入高，前期见效慢 |
| 湖仓一体 | 3–8 人混合团队 | 1–2 周 | 2.1 s | 需统一元数据口径，否则易双份真相 |
| 轻量直连 | 业务自服务 | 2–3 天 | 6.0 s | 大表聚合会拖慢，需限量与缓存 |
湖仓一体 · 推荐
原始数据先入湖保留全量，常用维度沉淀进仓；兼顾追溯与速度，适合大多数分析场景。
建设周期 1–2 周成本 中
响应式看板交付
一张看板同时适配大屏、笔记本与手机：断点 1024 / 640 / 380，图例自动折叠不遮挡数据。
适配终端 3 类加载 <2.5 s
实时流监控
端到端延迟、吞吐、积压三线同屏；延迟超阈值 30% 持续 5 分钟即推送提醒给值班同事。
延迟 <3 s告警 5 min 内
Checklist
实用指导清单：七条能立刻照做的要点
每条都给了阈值与做法，可直接抄进你们的数据规范文档。
先定指标口径，再写 SQL
把「活跃用户」写成一句话定义并附计算字段，口径变更走版本号；否则同一条曲线在三个部门会有三个数。
分区与采样先行
事件表按天分区，保留 90 天热数据；探索阶段用 10% 采样验证假设，结论稳定后再跑全量。
给挖掘结果设门槛
关联规则置信度 ≥0.6、提升度 ≥1.2；聚类用轮廓系数 ≥0.35 判断分群是否值得解释。
看板一屏一个结论
主曲线只留一条，关键数字不超过 3 个，配一句人话解释；图例与标题共占高度不超过屏幕 15%。
为移动端做减法
640px 以下折叠次要维度、表格转卡片、长字段截断并可展开；点按区不小于 44px，避免误触。
埋点上线前双人校验
新事件先在小流量跑 24 小时，比对日志与前端上报差值的偏差需 <2%，再全量放开。
把结果回流成日常
每周固定一次 30 分钟数据复盘，结论写进决策记录；连续两周无人使用的看板就下线，保持清爽。
数据量不大，也要做数据挖掘吗？
不必追求复杂模型。先从 3–5 个可解释指标做起，比如复购间隔、加购转化，用简单分组对比就能拿到 70% 的结论；等数据量稳定增长后，再引入聚类与关联规则。
智慧交汇具体指什么？
指多源数据在同一时间轴与同一口径下汇合：订单、行为、线下表格先对齐再分析。实践中先统一主体 ID 与时间字段，再谈模型，否则交汇出来的仍是三份互相矛盾的真相。
看板做出来没人看怎么办？
把看板从一个「仓库」改成一份「日报」：每天固定时间推送到同事常用的沟通工具，只保留 3 个关键数并附一句解释；一周后按打开率淘汰后 30% 的模块，密度自然会提上来。
Updates
最新动态与资讯
来自产品与用户共创小组的近期更新，均已在稳定版可用。
多源汇流窗口支持拖拽对齐
把两张表的字段拖到同一时间轴即可预览合并结果，误配字段会即时标红，配置时间约缩短一半。
聚合查询 P95 降至 1.4 s
在千万行事件量下引入预聚合与结果缓存，常用维度查询不再等待，早会前能顺手拉一遍数。
看板移动端排版优化
640px 以下自动折叠次要图例，长文本可展开；实测同事在通勤路上也能读完当日核心结论。