codeWan

摘要： 这次总结下维度建模的形式：星型建模，雪花建模，星座模型 （维度建模不需要数据产品去实施，但是需要了解） 先说下两个概念：事实表，维度表 1. 维度表(dimension) 比如"昨天早上我在TB使用了50元购买了一个鞋子"。那么以购买为主题进行分析，可从这段信息中提取三个维度：时间维度(昨天早上)， 阅读全文

摘要： 说下自己的理解： 数据仓库是分层的，通常情况下都是进行三层建模（当然也不是绝对的）。 例如上次说的商品订单数据表，表字段可能有非常多个，但是我们使用的时候可能只用到UID，PayTime，CreateTime, PayMoney,等字段。这个过程需要不断的过滤。每过滤一层就需要在新的一层储存一次。类 阅读全文

摘要： 通常指标的搭建需要建立在埋点方案之前，属于自上而下的流程。我们会经常探讨一个问题，部署后如何进行数据埋点？如何制定埋点方案？需要埋多少个点？埋点是在明确自己指标体系后，根据该指标体系来制定的实施方案。明确需要分析的指标后，根据指标制定相应的数据埋点方案，比如表单的电话字段要埋点，并且要获取到相应的事 阅读全文

摘要： 今天总结了下我司的一套数仓体系流程： 这是目前自己总结出来的大致流程，作为笔记。 里面的从数据源抽取，数据存储，数据建模，数据仓库分层分线，ETL，以及最后输出的数据应用将另外作为单独的笔记写。 再次强调本笔记是以产品人员的角度进行编写并非专业技术人员，如有错误请指正，本人也会进行修改 阅读全文

摘要： 想要做数据，首先得有数据。对于数据分析来说，数据分析之始在于数据之源。 数据的来源通常分为： 1.内部数据：web日志，用户行为数据，业务数据，遗留系统数据.... 2.外部数据：调研，爬虫，导入数据，同行内部数据.... 起初公司数据埋点这块是用的百度移动统计。但是不能结合电商的业务数据，各个路径 阅读全文

摘要： 本文以实际工作经验为实例，与大家一同谈谈数据仓库中的架构。 首先在说下数据底层的架构是大概怎么样的，在实际的业务需求当中，都是基于这套架构围绕的。 1.为什么要搭建数仓？ 数据仓库其实也是数据库，和数据库的功能都是致—的都是为了存储数据。 那么公司在什么情况下需要搭建数据仓库呢？ 当企业发展到一定的 阅读全文

摘要： 为了记录自己的产品生涯，写下一些工作上的总结和心得。 （其实是怕自己人老多忘事O(∩_∩)O，找个地方记录下来） 产品的道路还有很远的距离，如今的互联网紧紧靠一款产品就可以获得成功的年代已经不复存在。 在产品的领域上已经细分出了各类产品，需要先专研深度才能拓展宽度。 为此写下数据产品的相关知识和个人 阅读全文