面向生產(chǎn)力的數(shù)據(jù)架構(gòu)演進(jìn)

1、技術(shù)創(chuàng)新，變革未來面向生產(chǎn)力的數(shù)據(jù)架構(gòu)演進(jìn)Agenda數(shù)據(jù)架構(gòu)演進(jìn)歷程授人以漁全鏈路數(shù)據(jù)生產(chǎn)力云原生01數(shù)據(jù)架構(gòu)演進(jìn)歷程數(shù)據(jù)架構(gòu)歷史演進(jìn)系統(tǒng)線工具線20062007200820102012201420152016201820192020DDB、DFS，解決海量結(jié) 構(gòu)化和文件存儲(chǔ)問題NEMR（MR風(fēng)格 分布式計(jì)算系統(tǒng)）引入Hadoop 替換NEMR實(shí)時(shí)數(shù)據(jù)集成平臺(tái) DataStream（NDC）網(wǎng)易猛犸大數(shù)據(jù) 開發(fā)管理平臺(tái)Sloth實(shí)時(shí)計(jì)算平臺(tái)云原生算法平臺(tái)， 云原生數(shù)倉Oracle BIEEWeb/Mobile DA、市場(chǎng)推廣、 社交媒體、KPI等分析產(chǎn)品易信、Popo 等數(shù)據(jù)羅盤網(wǎng)易有數(shù)敏捷

2、BI網(wǎng)易哈勃新一代互聯(lián)網(wǎng)分析產(chǎn)品數(shù)據(jù)中臺(tái)數(shù)據(jù)戶、自助取數(shù)網(wǎng)易易數(shù) 全鏈路數(shù)據(jù) 生產(chǎn)力平臺(tái)從不自覺到自覺不自覺時(shí)期缺乏整體規(guī)劃，多個(gè)團(tuán)隊(duì)根據(jù)需求變化零散立項(xiàng)， 導(dǎo)致系統(tǒng)碎片化HadoopWebDA市場(chǎng)推廣分析Mobile DA易信羅盤OracleBIEEPOPO羅盤KPI社交媒體 分析自覺時(shí)期團(tuán)隊(duì)整合至數(shù)據(jù)科學(xué)中心，基于全鏈路（一站式） 數(shù)據(jù)架構(gòu)規(guī)劃，分層建設(shè)，持續(xù)演進(jìn)數(shù)據(jù)產(chǎn)品敏捷BI（網(wǎng)易有數(shù)）、數(shù)據(jù)門戶、算法開 發(fā)、自助取數(shù)、互聯(lián)網(wǎng)分析（網(wǎng)易哈勃）數(shù)據(jù)中臺(tái)網(wǎng)易易數(shù)數(shù)據(jù)中臺(tái)數(shù)據(jù)開發(fā) 與運(yùn)維網(wǎng)易猛犸數(shù)據(jù)存儲(chǔ) 與計(jì)算網(wǎng)易猛犸數(shù)據(jù)集成NDC02授人以漁做正確的事正確地做事業(yè)界通行舉措Hadoop 集

3、群超過2000臺(tái)從 MapReduce 遷移到 Spark， 性能提升2-3x性能優(yōu)化大集群可用率 SLA 從98%提升到99.5%保障穩(wěn)定不斷地根據(jù)需求累積功能完善規(guī)模提升網(wǎng)易獨(dú)特的思考做什么？怎么考核？定位管理以數(shù)據(jù)產(chǎn)品為目標(biāo)以通用工具為手段精細(xì)管理技術(shù)以人為本，效能是關(guān)鍵內(nèi)部結(jié)算，把錢用在刀刃上毛細(xì)管理滿意度考核，讓用戶導(dǎo)向理念深 入到每件日常工作人效提升考核，讓投入產(chǎn)出比理 念深入到每件日常工作定義核心工作領(lǐng)域細(xì)化項(xiàng)目管理日常工作管理以數(shù)據(jù)產(chǎn)品為目標(biāo)，以通用工具為手段信息化時(shí)代：管理層低頻決策，重點(diǎn)是提升 信息化水平獲取數(shù)據(jù)，產(chǎn)品化不重要數(shù)字化時(shí)代：業(yè)務(wù)人員高頻決策，數(shù)據(jù)獲取 不再困難

4、，產(chǎn)品化解決業(yè)務(wù)問題最重要每個(gè)崗位對(duì)數(shù)據(jù)產(chǎn)品的需求都不同每個(gè)崗位的人數(shù)都不多為什么以開發(fā)工具為手段為什么以數(shù)據(jù)產(chǎn)品為目標(biāo)技術(shù)以人為本，效能是關(guān)鍵2017年開始作為組織績(jī)效的常規(guī)考核項(xiàng)目核算到人日和成本經(jīng)濟(jì)效益：?jiǎn)未尾僮餍б妫ㄊ褂谜邌柧碚{(diào)查） x 操作次數(shù)2019年效能提升總效益21.7萬人日合4.43億，其中數(shù)據(jù)分析類效益1.1萬人日合2587萬（因私有化部署因素統(tǒng)計(jì)不全）通過自助式服務(wù)帶來的效能提升往往帶來 操作次數(shù)數(shù)量級(jí)的增長(zhǎng)敏捷BI：相比BIEE報(bào)表數(shù)量增加12個(gè)數(shù) 量級(jí)自助取數(shù)：音樂自助取數(shù)從每周100次左 右暴漲到每天500600次自助式頻次爆炸效應(yīng)納入績(jī)效考核內(nèi)部結(jié)算，把錢用在刀刃

5、上有序進(jìn)行高比例、全覆蓋第一年免費(fèi)，第二年覆蓋資源成本及20% 研發(fā)成本，逐年增加內(nèi)部市場(chǎng)成為衡量技術(shù)商業(yè)價(jià)值的標(biāo)尺公技總成本78.3%通過內(nèi)部結(jié)算覆蓋資源型服務(wù)：硬件成本 + 15-25%毛利定向人員服務(wù)：人力成本 + 6-10%管理費(fèi)軟件：參考市場(chǎng)定價(jià)滿意度考核，確保用戶導(dǎo)向確保公司文化落地?zé)釔垡杂脩魹橹行膹?到1和從1到1.1都是創(chuàng)新考核機(jī)制每年兩次，HR組織用戶問卷 反饋評(píng)定組織績(jī)效占比10%結(jié)果應(yīng)用評(píng)價(jià)意見比量化分值更加有價(jià) 值確保商業(yè)化的同時(shí)不影響業(yè)務(wù)支持做正確的事正確地做事體量大 娛樂社交體量大 在線零售體量中等 在線零售體量中等 在線教育體量中等 媒體體量小內(nèi)容社區(qū)網(wǎng)易業(yè)務(wù)特色

6、：多元化如何高效滿足多行業(yè)不同量級(jí)的業(yè)務(wù)需求？模塊化與正交組合開放共建擁抱開源擁抱開源3Spark-ranger: 開源了基于Apache Ranger統(tǒng)一鑒權(quán)中心的Spark權(quán)限管理插件Spark-ranger，填補(bǔ) 了Spark在數(shù)據(jù)權(quán)限控制上的空白，基于Spark-ranger可以實(shí)現(xiàn)Spark任務(wù)下數(shù)據(jù)列權(quán)限控制。開源地址：/NetEase/spark-ranger2Impala on Iceberg：首次在Impala社區(qū)提出了支持Iceberg數(shù)據(jù)湖的方案，推動(dòng)Impala社區(qū)對(duì) Iceberg數(shù)據(jù)湖的支持，并得到多位社區(qū)PMC參與，當(dāng)前Impala 3.4版本支持Iceberg表

7、的創(chuàng)建、變更、讀取、寫入等操作。開源地址：/jira/browse/IMPALA-9621Spark：深度參與社區(qū) Spark 3.x 版本的開發(fā)，在 Spark SQL 等模塊貢獻(xiàn)大量的代碼，貢獻(xiàn)PR 150+； 開源了自研的支持高可用、多租戶隔離的 SparkSQL 服務(wù) Kyuubi。開源地址：/NetEase/kyuubi1Linux & GN U 軟件生態(tài)Py tho n軟件生態(tài)微服務(wù)模塊化：歷史意義強(qiáng)大的解決方案組合能力針對(duì)性的平臺(tái)架構(gòu)最小化供應(yīng)商綁定長(zhǎng)期演進(jìn)的軟件架構(gòu)供應(yīng)商 價(jià)值客戶 價(jià)值模塊化：價(jià)值成本最低關(guān)系型數(shù)據(jù)庫數(shù)據(jù)傳輸中心數(shù)據(jù)傳輸NoSQL消息中間件非結(jié)構(gòu)化數(shù)據(jù)數(shù)倉設(shè)計(jì)

8、中心 數(shù)倉設(shè)計(jì)離線開發(fā)中心 離線開發(fā)實(shí)時(shí)開發(fā)中心實(shí)時(shí)計(jì)算數(shù)據(jù)治理中心元數(shù)據(jù)管理數(shù)據(jù)資產(chǎn)指標(biāo)設(shè)計(jì)自助分析資源管理數(shù)據(jù)質(zhì)量數(shù)據(jù)地圖模型設(shè)計(jì)可視化調(diào)度版本管理離線計(jì)算引擎實(shí)時(shí)計(jì)算引擎儲(chǔ)存與計(jì)算中心 OLAP引擎機(jī)器學(xué)習(xí)引擎數(shù)據(jù)庫中間件運(yùn)維中心任務(wù)運(yùn)維集群運(yùn)維數(shù)據(jù)大屏數(shù)據(jù)產(chǎn)品中心有數(shù)報(bào)告自助取數(shù)復(fù)雜式報(bào)表有數(shù)移動(dòng)端數(shù)據(jù)填報(bào)數(shù)據(jù)門戶智能預(yù)警數(shù)據(jù)服務(wù)中心數(shù)據(jù)服務(wù)API申請(qǐng)API測(cè)試API管理API發(fā)布全多鏈行路業(yè)數(shù)場(chǎng)據(jù)景中解臺(tái)決解方?jīng)Q案方 案網(wǎng) 易 易 數(shù) 產(chǎn) 品 解 決 方 案解決方案中心Hadoop/ Transwarp/CDH/EMR/FusionInsight網(wǎng)易易數(shù)模塊式設(shè)計(jì)架構(gòu)各個(gè)子模塊都可以

9、單獨(dú)部署應(yīng)用正交組合：充分連接的模塊化體系架構(gòu)存儲(chǔ)層HDFSS3KuduElasticsearch數(shù)據(jù)格式層ORCParquetJSON計(jì)算引擎層MapReduceSparkImpala編程接口層HiveQLSpark SQL開放共建2017年嚴(yán)選開始數(shù)據(jù)中臺(tái)建設(shè)2019年嚴(yán)選和杭研數(shù)科團(tuán)隊(duì)開始數(shù)據(jù)中臺(tái)共建重點(diǎn)圍繞數(shù)據(jù)治理方向，已打造了模型設(shè)計(jì)中心、任務(wù)運(yùn)維中心、數(shù)據(jù)資產(chǎn)中心等共建成果不僅在集團(tuán)內(nèi)部云音樂、傳媒、有道獲 得應(yīng)用，同時(shí)應(yīng)用于外部德邦、名創(chuàng)、溫氏等2020年獲集團(tuán)最佳技術(shù)共享共建獎(jiǎng)開放共建幫助用戶去挖掘需求，建立服務(wù)型 導(dǎo)向的團(tuán)隊(duì)一周要花2-3天在業(yè)務(wù)團(tuán)隊(duì)，觀察 業(yè)務(wù)使用過程中問題

10、橫向?qū)Ρ榷鄠€(gè)業(yè)務(wù)，提取公共需求，作為重點(diǎn)解決深入業(yè)務(wù)，緊抓痛點(diǎn)業(yè)務(wù)參與產(chǎn)品評(píng)審虛擬團(tuán)隊(duì)持續(xù)打磨提前發(fā)現(xiàn)產(chǎn)品設(shè)計(jì)的缺陷產(chǎn)品易用性提到很大的提升提前應(yīng)對(duì)實(shí)際落地過程中風(fēng)險(xiǎn)業(yè)務(wù)也能知道我們?cè)谧鍪裁粗攸c(diǎn)業(yè)務(wù)每周周會(huì)產(chǎn)品統(tǒng)一排版聯(lián)調(diào)期間小黑屋聯(lián)合團(tuán)建03全鏈路數(shù)據(jù)生產(chǎn)力從不自覺到自覺（recap）不自覺時(shí)期缺乏整體規(guī)劃，多個(gè)團(tuán)隊(duì)根據(jù)需求變化零散立項(xiàng)， 導(dǎo)致系統(tǒng)碎片化HadoopWebDA市場(chǎng)推廣分析Mobile DA易信羅盤OracleBIEEPOPO羅盤KPI社交媒體 分析自覺時(shí)期團(tuán)隊(duì)整合至數(shù)據(jù)科學(xué)中心，基于全鏈路（一站式） 數(shù)據(jù)架構(gòu)規(guī)劃，分層建設(shè)，持續(xù)演進(jìn)數(shù)據(jù)產(chǎn)品敏捷BI（網(wǎng)易有數(shù)）、數(shù)據(jù)門戶、算法

11、開 發(fā)、自助取數(shù)、互聯(lián)網(wǎng)分析（網(wǎng)易哈勃）數(shù)據(jù)中臺(tái)網(wǎng)易易數(shù)數(shù)據(jù)中臺(tái)數(shù)據(jù)開發(fā) 與運(yùn)維網(wǎng)易猛犸數(shù)據(jù)存儲(chǔ) 與計(jì)算網(wǎng)易猛犸數(shù)據(jù)集成NDCNDCNDC提供平臺(tái)化、高性能、高可用的數(shù)據(jù)傳輸服務(wù)，解決結(jié)構(gòu)化數(shù)據(jù)異構(gòu)同步、遷移和訂閱問題。功能異構(gòu)數(shù)據(jù)庫同步大數(shù)據(jù)實(shí)時(shí)同步機(jī)房?jī)?nèi)數(shù)據(jù)總線數(shù)據(jù)庫多活性能 & 可用性同步速度超過原生 5-10 倍同城多活延遲 10 ms 內(nèi)2017年1月至今，可用率超過 99.99%大數(shù)據(jù)開發(fā)套件（可視化IDE）數(shù)據(jù) 開發(fā)任務(wù) 運(yùn)維自助 分析數(shù)據(jù) 管理項(xiàng)目 管理實(shí)時(shí) 流計(jì)算離線計(jì)算（Hive）流式計(jì)算（Sloth）內(nèi)存計(jì)算（Spark）交互式查詢（Impala）統(tǒng)一資源管理與調(diào)度（Ya

12、rn）分布式文件系統(tǒng)（HDFS 和 Kudu）分布式數(shù)據(jù)庫（HBase）全量 / 非實(shí)時(shí)接入（Sqoop）增量接入 / 實(shí)時(shí)（Sloth / Flume）結(jié)構(gòu)化數(shù)據(jù)（如RDBMS備 庫）半結(jié)構(gòu)化數(shù)據(jù)（如JSON）非結(jié)構(gòu)化數(shù)據(jù)（如音頻文件）大數(shù)據(jù) 應(yīng)用開發(fā)層應(yīng)用場(chǎng)景數(shù)據(jù)計(jì)算資源管理數(shù)據(jù)存儲(chǔ)數(shù)據(jù)集成數(shù)據(jù)源作業(yè)流調(diào)度（Azkaban）數(shù)據(jù)權(quán)限管理（Ranger）身份認(rèn)證管理（Kerberos/LDAP）統(tǒng)一元數(shù)據(jù) 管理多租戶管理（HadoopMeta）數(shù)據(jù)質(zhì)量校驗(yàn)（DQC）運(yùn)維監(jiān)控（Ambari）1PB=1024TB1TB=1024GB500 PB年處理數(shù)據(jù)量120,000項(xiàng)日運(yùn)行作業(yè)數(shù)2,000億

13、條日采集數(shù)據(jù)量2,000+數(shù)據(jù)開發(fā)人員 可同時(shí)操作5,000+臺(tái)集群數(shù)量網(wǎng)易猛犸（大數(shù)據(jù)開發(fā)管理平臺(tái)）網(wǎng)易易數(shù)數(shù)據(jù)中臺(tái)通用型數(shù)據(jù)產(chǎn)品行業(yè)場(chǎng)景化數(shù)據(jù)產(chǎn)品數(shù)據(jù)服務(wù)中心CDHHadoopFusionInsight數(shù)據(jù)測(cè)試中心任務(wù)運(yùn)維中心數(shù)據(jù)開發(fā)中心數(shù)據(jù)傳輸中流程協(xié)作中心指標(biāo)系統(tǒng)模型設(shè)計(jì)中心數(shù)據(jù)質(zhì)量中心數(shù)據(jù)資產(chǎn)中心數(shù)據(jù)安全中心元數(shù)據(jù)中心為什么需要數(shù)據(jù)中臺(tái)需求交付速度慢！平均需要一周時(shí)間。找數(shù)據(jù)難，幾萬張表，不知道有哪 些數(shù)據(jù)！查詢速度慢，一年范圍查詢平均需 要84s，一個(gè)月范圍查詢平均需要 18s效率質(zhì)量成本平均每周10個(gè)數(shù)據(jù)質(zhì)量問題，數(shù) 據(jù)團(tuán)隊(duì)花費(fèi)大量精力在故障定位 和恢復(fù)，數(shù)據(jù)使用方對(duì)數(shù)據(jù)不信 任

14、！90%的問題都是被數(shù)據(jù)使用方發(fā)現(xiàn)，投訴到CTO！平均每個(gè)Q有9個(gè)因?yàn)橹笜?biāo)口徑不 一致反饋的數(shù)據(jù)問題！超過50%的問題都是數(shù)據(jù)開發(fā)的 BUG考拉、傳媒、嚴(yán)選、音樂都有大 量的表30天內(nèi)都沒有訪問，占用 了20PB+存儲(chǔ)空間數(shù)據(jù)開發(fā)已經(jīng)忙成007，但是還是天天被人懟！ 數(shù)據(jù)使用者抱怨數(shù)據(jù)查詢慢，需求響應(yīng)慢，數(shù)據(jù)經(jīng)常違反常識(shí)！ 老板覺得數(shù)據(jù)花費(fèi)了這么多錢，還支撐不好業(yè)務(wù)！數(shù)據(jù)中臺(tái)建設(shè)成果需求交付速度從一周到3天數(shù)據(jù)地圖，日活300+，PV 5000+， 數(shù)據(jù)發(fā)現(xiàn)效率提升300%！一年范圍的平均查詢21秒！一個(gè)月范 圍查詢7秒！快準(zhǔn)省首次實(shí)現(xiàn)S級(jí)大促“零延遲”！任務(wù)完成率達(dá)到96.14%！指標(biāo)實(shí)現(xiàn)統(tǒng)

15、一的收口，100%覆 蓋數(shù)據(jù)產(chǎn)品，427個(gè)指標(biāo)統(tǒng)一口 徑！經(jīng)工具分析音樂、嚴(yán)選和傳媒分 別有50%、64%和72%的表可以 考慮清理，可望各降低16%、 17%、17%的空間開創(chuàng)面向數(shù)據(jù)中臺(tái)的模型設(shè)計(jì)度量標(biāo)準(zhǔn)模型引用系數(shù)復(fù)用度規(guī)范度命名不規(guī)范的表沒有分層的表沒有主題域的表完善度DWS/DM/ADS：Query 覆蓋率DWD：跨層引用率數(shù)據(jù)中臺(tái)模型設(shè)計(jì)實(shí)踐30.8%跨層引用率治理跨層依賴模型 200+9.42%跨層引用率2.4模型復(fù)用率遷移下線 3.4W 模型9.6模型復(fù)用率需求平均交付速度從一周提升到 3 天！一年范圍的平均查詢 21 秒！任務(wù)運(yùn)維中心+數(shù)據(jù)質(zhì)量中心凌晨 00:30值班人員收到

16、基線預(yù)警，6:30基線預(yù)計(jì)破線！凌晨 00:45值班人員上線，系統(tǒng)對(duì)任務(wù)進(jìn)行自動(dòng)診斷，發(fā)現(xiàn)隊(duì)列阻塞導(dǎo)致任務(wù)延遲，停止非核心任務(wù)，加大隊(duì)列資源凌晨 01:216:30 基線預(yù)警消失，任務(wù)已追上！一次事故被扼殺 在搖籃中基線運(yùn)維基線預(yù)警任務(wù)產(chǎn)出時(shí)間預(yù)測(cè)，精度10min嚴(yán)選618大促實(shí)踐構(gòu)建稽核規(guī)則1467個(gè)，覆蓋模型921個(gè)！做到早發(fā)現(xiàn)，早恢復(fù)！構(gòu)建6條基線精細(xì)化運(yùn)維，首次實(shí)現(xiàn)大促零延遲，基線平均完成率達(dá)到96.14%！數(shù)據(jù)中臺(tái)的未竟事業(yè)“數(shù)據(jù)中臺(tái)”能提供的是高質(zhì)量、高效率、低成本 的數(shù)據(jù)，并不能直接解決業(yè)務(wù)問題。只有通過“數(shù)據(jù)產(chǎn)品”，數(shù)據(jù)才能真正發(fā)揮業(yè)務(wù)價(jià)值！數(shù)據(jù)中臺(tái)數(shù)據(jù)產(chǎn)品業(yè)務(wù)系統(tǒng)數(shù)據(jù)生產(chǎn)力數(shù)

17、據(jù)生產(chǎn)力 = 數(shù)據(jù)產(chǎn)品 + 數(shù)據(jù)中臺(tái)匯聚決策數(shù)據(jù)數(shù)據(jù)產(chǎn)品研發(fā)工具棧流程協(xié)作中心元數(shù)據(jù)中心數(shù)據(jù)傳輸 中心 數(shù)據(jù)開發(fā) 中心數(shù)據(jù)測(cè)試 中心任務(wù)運(yùn)維 中心指標(biāo)系統(tǒng)模型設(shè)計(jì) 中心數(shù)據(jù)質(zhì)量 中心數(shù)據(jù)資產(chǎn) 中心數(shù)據(jù)地圖數(shù)據(jù)服務(wù)FusionInsight敏捷BI數(shù)據(jù)門戶復(fù)雜報(bào)表自助取數(shù)標(biāo)簽工廠決策引擎數(shù)據(jù)安全 中心Hadoop供應(yīng)鏈智能補(bǔ)貨商品數(shù)據(jù)化運(yùn)營(yíng)零售農(nóng)業(yè)養(yǎng)戶畫像飼料智能配送農(nóng)業(yè)快遞配送監(jiān)測(cè)車隊(duì)智能調(diào)轉(zhuǎn)物流課程精準(zhǔn)營(yíng)銷學(xué)生成長(zhǎng)評(píng)估教育CDH自助取數(shù)，人人用數(shù)據(jù)自助取數(shù)應(yīng)用成果每周完成5000+ 取數(shù)需求！90%的取數(shù)需求通過自助實(shí)現(xiàn)！45天跨度取數(shù)用時(shí)20s內(nèi)完成每日有100+ 人使用自助取數(shù)！網(wǎng)易有數(shù)

18、（敏捷BI）篩選、圖表聯(lián)動(dòng)、下鉆、跳 轉(zhuǎn)等交互分析同環(huán)比分析表計(jì)算、跨視圖粒度等強(qiáng)大 分析計(jì)算能力高級(jí)統(tǒng)計(jì)分析：回歸、聚類、預(yù)測(cè)強(qiáng)分析能力智能推薦識(shí)別自然語言，智能問答智能分析數(shù)據(jù)異常及相關(guān)性智能下鉆智能分布式內(nèi)存計(jì)算列式存儲(chǔ)百億數(shù)據(jù)秒級(jí)響應(yīng)高性能私有部署，內(nèi)網(wǎng)訪問單點(diǎn)登錄數(shù)據(jù)行級(jí)權(quán)限控制有數(shù)使用監(jiān)控高可用，主從災(zāi)備安全可視化分析，無需編程技能跨環(huán)境導(dǎo)入導(dǎo)出不同行業(yè)場(chǎng)景模板多終端支持定時(shí)郵件可嵌入第三方系統(tǒng)易用數(shù)據(jù)加工數(shù)據(jù)接入文件類（Excel、Csv） 關(guān)系型（MySQL、Oracle）分布式（Hive、Impala） API接口表單收集、人工補(bǔ)錄可視化數(shù)據(jù)建模 多表關(guān)聯(lián)、數(shù)據(jù)追加MPP數(shù)據(jù)

19、集市增量抽取、全量抽取數(shù)據(jù)應(yīng)用數(shù)據(jù)分析報(bào)告領(lǐng)導(dǎo)駕駛艙郵件定時(shí)分發(fā)移動(dòng)端APP數(shù)據(jù)監(jiān)控大屏公開鏈接分享嵌入自有系統(tǒng)（OA、數(shù)據(jù)門戶）釘釘、企業(yè)微信大數(shù)據(jù)開發(fā)套件 網(wǎng)易猛犸數(shù)據(jù)門戶數(shù)據(jù)門戶，不止于報(bào)表，更是一款數(shù)據(jù)產(chǎn)品，通過靈活地組件框架 以及數(shù)據(jù)能力幫助搭建不同行業(yè)不同場(chǎng)景的數(shù)據(jù)產(chǎn)品。場(chǎng)景化能夠根據(jù)業(yè)務(wù)場(chǎng)景定制，做精、做專。全流程從數(shù)據(jù)展現(xiàn)、持續(xù)監(jiān)控、發(fā)現(xiàn)問題、 解決問題一站式閉環(huán)。低代碼不需要研發(fā)介入，數(shù)據(jù)分析師自助完 成，適應(yīng)業(yè)務(wù)的快速變化。決策引擎度量預(yù)警知其然單一場(chǎng)景下的單指標(biāo)/多指標(biāo)的預(yù) 警，及時(shí)通知用戶核心指標(biāo)有異常異動(dòng)分析知其所以然單一場(chǎng)景下的單指標(biāo)的異動(dòng)分析， 告訴用戶影響核心指

20、標(biāo)異常的主要 因素智能決策謀定而后動(dòng)多場(chǎng)景監(jiān)測(cè)與執(zhí)行動(dòng)作建議，系統(tǒng)性的事件決策自動(dòng)執(zhí)行決策，沉淀組織經(jīng)驗(yàn)數(shù)據(jù)產(chǎn)品研發(fā)工具體系：規(guī)劃產(chǎn)品開發(fā)中心可視化中心算法開發(fā)中心決策中心連接中心取數(shù)中心分享協(xié)作中心網(wǎng)易易數(shù)全鏈路數(shù)據(jù)生產(chǎn)力平臺(tái)特色方法論數(shù)據(jù)中臺(tái)建設(shè)方法論開創(chuàng)面向數(shù)據(jù)中臺(tái)的模型設(shè)計(jì)標(biāo)準(zhǔn)數(shù)據(jù)產(chǎn)品建設(shè)方法論人人用數(shù)據(jù)、天天用數(shù)據(jù)的文化既能看，又能動(dòng)，打通價(jià)值閉環(huán)工具產(chǎn)品全棧數(shù)據(jù)研發(fā)、數(shù)據(jù)治理、數(shù)據(jù)服務(wù)、 數(shù)據(jù)應(yīng)用的全鏈路打通易用使用門檻低，成熟度高開源基于開源技術(shù)棧構(gòu)建解耦正交化產(chǎn)品矩陣04云原生愿景：云原生操作系統(tǒng)數(shù)據(jù)庫消息傳輸應(yīng)用軟件云原生應(yīng)用大數(shù)據(jù)機(jī)器學(xué)習(xí)云 原 生 操 作 系 統(tǒng)云原生中間件云原生混合云基礎(chǔ)設(shè)施輕舟混合云公有云（AWS、Azure、阿里云、華為云、UCloud）/私有