智库文档所有分类

（107页PPT）食品零售行业数字化转型解决方案参考.ppt

下载

管理咨询顾问

107页 | 4.66MB | 0次下载 |

0.0

(0人评价)

我要评价：

投诉举报

用手机看文档

扫一扫,手机看文档

下载

开通VIP

企业数字化转型规划设计目录 CONTENTS 2 企业数字化转型需求分析 4 企业数字化转型业务应用 3 企业数字化转型顶层设计 1 企业数字化转型建设背景 5 企业数字化转型未来展望 Part 1 企业数字化转型建设背景化、多元化的综合企业服务 3 互联网企业战略 PC端向某著名企业端转化趋势明显，互联网企业向某著名企业互联网企业转变，移动先行战略呈现某著名企业化、社交化、平台化、开放化、产业化的发展趋势，以泛在、跨界、聚合、智慧为发展方向，以用户体验和用户价值为中心，全面融入到企业价值链各个环节和个人衣食住行玩等生活场景中，企业服务无处不在以某著名企业支付、大数据应用为核心，向电商、O2O 、P2P等拓展，围绕互联网生态体系，持续推进产品创新、客户体验创新和商业模式创新客户深耕：“主办企业”、“伙伴企业”、“社区企业”、“县域企业” 渠道创新：“某著名企业企业”、“社交企业”、“ 智慧企业” 产品差异：“专业化企业”、“全能企业”、“不仅是企业” 成立互联网企业实验室、大数据分析中心，通过组织创新推动新技术创新通过生物识别技术、互联网、某著名企业支付、大数据、云计算、智能可穿戴设备等技术的创新应用，迅速加强客户洞察、全渠道协同、精准营销、线上线下协同、信用评估、风险监控等可持续业务创新的能力建设优化业务结构，变粗放型发展为集约化经营，实现向轻资产、轻资本的表外业务拓展发展资产管理、投资企业、资产某省市场化业务，从传统企业变身为数据分析者、撮合交财富管理者服务国家战略，服务实体经济科技引领创新差异化、特色化经营管理转型营销精准化、管理精细化、决策科学化运营集约化、自动化 1 业务转型创新提供包括企业、证券、信托、保险等及非企业服务在内的、全方位、专业化、个性综合化经营企业数字化转型建设背景组织扁平化、团队专业化发展趋势 6 2 4 5 企业数字化转型建设背景企业数字化转型建设背景企业数字化转型建设背景企业数字化转型建设背景 • 往行业垂直细分领域发展，提供特色化、专业化服务 • 与供应链企业融合，实现产融结合； • 向交平台、信息中介平台、综合化网络理财平台等综合性平台方向发展 • 随着监管政策明确，企业会快速进入P2P，以企业信用优势给P2P行业带来快速发展机会 • 企业拓展与P2P公司合作范围：客户推荐、信息共享、风险评估、资金托管、资金流监控、贷款催收、资产保全、委托贷款等全方位合作 • 企业自营或共营方式建立P2P平台：客户自助信用评估授信；社交信用评估（社交授信、熟人授信）；社交信用隐性担保增信；熟人信用显性担保增信；跟投贷款、领投贷款模式创新 • P2P公司已接近200某省市场规模约万亿元，在整个融资体系中占比还非常小 • 借款客户主要以中小企业客户为主，个人贷款客户少 • 纯线上模式少，多以线上线下结合，投资端以线上为主，资产端以线下为主，营销、运营成本高 • 贷款利率高，信息不透明，纯线上大数据风控技术不成熟，信用风险较大，平台风险与收益不对等 • 企业直接进入P2P比较少，主要是监管政策不明确，但已有不少企业与P2P公司合作，布局P2P 现状线下模式线上线下结合 O2O模式中国 P2P模式发展趋势企业数字化转型建设背景纯线上模式企业数字化转型建设背景企业数字化转型建设背景企业数字化转型建设背景企业数字化转型建设背景  商城已建立面向整个零售业务的数据  商城数据仓库累积数据没有充分利用  数据平台整体架构；仓库，整合了前台业务运营数据和后  缺乏面向整个消费企业的统一、完整  数据平台各层建设的标准；台管理数据，建立了面向零售的管理的数据视图；  较成熟的企业业数据模型；分析应用；  缺乏支撑消费企业日常业务运转的风  数据质量治理；  消费企业已开展供应链企业、人人贷险评估体系；  元数据管理；和保理等多种业务，积累了一定量的  缺乏消费企业客户360度视图，客户  数据标准建设业务数据，同时业务人员也从客户管行为分析和预测无法实现；  数据整合；理、风险评级和经营规模预测等方面  缺乏面向企业业务运营管理的关键绩  数据应用建设； , 提出了大量分析预测需求；效指标体系；  数据平台的软硬环境  ……  ……  …… 数据平台、数据应用、数据管控…… 基础数据平台和BI应用建设是未来一段时间的重点！消费企业管理分析类应用建设现状基本分析基本的现状存在的问题关注的内容企业数字化转型建设目标通过数据平台和BI应用建设，消费企业将搭建统一的大数据共享和分析平台，对各类业务进行前瞻性预测及分析，为集团各层次用户提供统一的决策分析支持，提升数据共享与流转能力统一定义BI应用云数据推送平台已实现了主要零售及企业业务系统数据清洗、整合，为未来消费企业数据平台提供了丰富的数据源。统一规划分析方法统一划分分析主题统一设计数据模式统一部署技术基础供应链企业系统 POP系统外部非结构化数据其他业务系统采购管理系统自定义报表工具行＋列的简单定义方式统一制定目标和分析模型集团职能管控层各级业务操作层多种格式报表 BI分析工具集团决策层 600% 500% 400% 300% 200% 100% 0% 2004年 2005年 2006年 2007年 2008年铁矿石焦煤从中长期看，数据仓库对消费企业分散在各个业务系统中的数据整合、清洗，有助于企业整体数据质量的改善，提高的数据的实用性通过数据平台对数据进行集中，为管理分析、挖掘预测类等系统提供一致的数据基础，改变现有系统数据来源多、数据处理复杂的现状，实现应用系统建设模式的转变，提升相关IT系统的建设和运行效率消费企业业务人员可以基于明细、可信的数据，进行多维分析和数据挖掘，为企业业务创新（客户服务创新、产品创新等）创造了有利条件通过数据平台实现数据集中，确保消费企业各级部门均可在保证数据隐私和安全的前提下使用数据，充分发挥数据作为企业重要资产的业务价值实现分散在供应链企业、人人贷、保理等各个业务系统中的数据在数据平台中的集中和整合，建立单一的产品、客户等数据的企业级视图，有效促进业务的集成和协作，并为企业级分析、交叉销售提供基础 1.实现数据共享 2.加强业务协作 3.促进业务创新 4.提升建设效率 5.改善数据质量企业数字化转型建设预期收益 Part 2 企业数字化转型需求分析实时数据查询历史数据查询管理分析业务沙盘演练数据增值产品数据应用层实时数据区历史归档数据区某省市数据区沙盘演练数据区增值产品数据区数据计算层主题数据区数据交换平台数据交换层大数据交换组件企业内外部半结构化、非结构化数据商城零售供应链企业人人贷系统基金系统 ……系统数据产生层用户访问层数据管控层用户数据管控平台贴源数据区流程调度平台监控告警待处理大数据流程调度层企业数字化转型总体架构处理后大数据 IT人员外部用户数据标准数据安全元数据数据质量流程调度供应链数据 ……零售数据客户管理财务管理风险管理 …… 客户汇总账户汇总机构汇总 …… 协议主题客户主题产品主题 …… 数据区数据交换组件数据库数据交换组件某著名企业互联用户评价访问日志社交媒体大数据区 …… 在本次项目实施中将采用以增量为主、全量为辅结合的方式获取源数据 商城和消费企业业务系统的数据增量数据识别、获取由云数据推送平台负责，云数据推送平台采用分析、对比源系统日志方式实现对于无法通过上述方式获取增量的源系统数据，则采用某一个时间范围内的全部数据作为增量初始数据加载均采用全量模式 业务系统产生的结构化数据商城日常零售业务处理过程中产生的结构化数据，存储在关系型数据库中，如：供应商信息、采购信息、商品信息、销售流水…… 消费企业日常业务处理过程中产生的结构化数据，存储在关系型数据库中，如：客户信息、账户信息、企业产品信息、交…… 企业非结构化数据日常业务处理过程中产生的非结构化数据，存储形式多样，主要包括用户访问日志、用户投诉、用户点评…… 企业外部数据企业外部数据以非结构化为主，主要包括国家政策法规、信息、地理位置等某著名企业信息、微博等社交媒体信息…… 企业数字化转型总体架构——数据产生层源数据内容源数据增量保证数据在平台内高速流转保证数据交换过程中不失真保证数据交换过程中不丢失保证数据交换过程安全可靠企业数字化转型总体架构——数据交换层传输组件是根据数据源存储的不同分类而设计的，本质是通过分析数据存储结构和数据存储库的特点来针对性的设计工具，以追求卓越的性能 NAS存储 Hadoop 元数据数据平台导入临时区数据平台导出临时区 ETL程序区数据服务层云数据推送平台数据交换层设计目标商城系统消费企业系统数据库数据交换组件数据区数据交换组件大数据交换组件外部大数据 ↓ ↓ 数据平台临时数据区集团数据交换平台每日获取运输局推送平台提供的业务系统变化数据，暂存在NAS临时数据区企业数据平台加工计算结果返回给业务系统，暂存在NAS临时数 Hadoop集群元数据区存储数据平台各个Hadoop集群的元数据信息，如：HDFS文件系统元数据数据平台ETL数据处理程序区数据平台ETL加工处理程序（数据压缩、数据加载、各数据数据处理等）统一存储在NAS集群指定目录，各接口服务器通过文件系统Link建立映射企业数字化转型总体架构——数据交换层NAS存储据区 定时抽取用户访问日志，加载到数据平台大数据区HDFS 指定目录，MR程序加工处理 开发网络爬虫程序 , 扫描用户微博，抓取用户微博内容 , 社交圈信息，存入大数据区 企业非结构化、半结构化数据，如：音频、视频、邮件、Office文档、抵押品扫描件等 企业外部非结构化、半结构化数据，如：微博、贴吧、击流、用户某著名企业位置等 组件以实时和批量两种模式实现下列功能：数据采集数据传输到数据交换平台（接口服务器） NAS指定目录存储数据到数据平台大数据区指定HDFS目录 批量采集：大数据源以SFTP协议批量传输数据文件 在线访问：开发 Java或C应用，调用大据源API，或以网络平台爬虫方式抓取源系统非结构化、半结构化数据企业数字化转型总体架构——数据交换层大数据交换组件处理对象应用场景实现技术实现功能 批量数据处理由流程调度层部署的自定义开发WorkFlow组件调度运行 整个流程主要完成如下工作： 1. 获取业务系统结构化数据，存入临时数据区 2. 获取企业内外部非结构化数据 ,并进行结构化处理，存入主某省市数据区 3. 按照贴源数据模型整合数据( 标准化、数据更新/追加） 4. 按照主题数据模型整合数据并生成汇总 5. 数据加工计算后，结果交付到某省市，支持分析类应用企业数字化转型总体架构——流程调度层批量处理流程 实时数据处理强调的是实时或准实时获取并处理数据，通常采取消息队列等技术构建“数据流” 整个处理流程由流程调度层部署的自定义开发WorkFlow组件调度运行 整个流程主要完成如下工作： 1. 通过数据库数据交换组件获取增量数据，加载到实时数据区 2. 通过大数据交换组件获取非结构化数据，并利用Storm处理数据，加载到实时数据区 3. 针对实时数据区数据执行标准化处理和贴源整合企业数字化转型总体架构——流程调度层实时数据处理流程 业务系统前日快照数据和一段时间的流水数据 数据标准化，为后续主题模某省市和沙盘演练提供数据 贴源数据模型 不保存历史 主题数据某省市数据区和沙盘演练数据区批量作业访问 无最终用户访问 I/O敏感，日终批量ETL 以ELT形式通过HiveSQL执行 与主题区/贴源某省市区构成一个Hadoop集群（Hive） 无单点故障，7×24小时+非工作日有限停机 业务系统前日增量数据 缓存数据，支持后续ELT数据处理 贴源数据模型 保存最近7天数据 贴源数据区和主题数据区批量作业访问 无最终用户访问 I/O敏感，连续小批量的数据抽取和加载 少量量数据使用Hive的Load命令，大量数据使用MR程序 与主题区/贴源某省市区构成一个Hadoop集群（Hive） 无单点故障，7×24小时+非工作日有限停机企业数字化转型总体架构——数据存储层贴源数据区临时数据区数据内容主要用途数据模型保留工作负载用户访问模式平台要求 其他各数据区历史数据 按数据生命划归档平台过期数据，支撑历史数据查询 数据按照HDFS文件存储 数据文件按照数据区划分目录，建议保留7年 �朁市区/沙盘区/增值产品区/主题区/高时效区批量作业访问 业务人员执行历史数据查询 MapReduce分布式计算，HDFS命令实现Hadoop集群内归档， Sqoop实现数据库归档，通过Hive提供历史查询 独立的Hadoop集群（HDFS+Hive） 无单点故障，7×24小时+非工作日有限停机 企业内外部非结构化、半结构化数据 采集并存储数据，进行结构化处理，最终得到结构化数据 数据按照HDFS文件存储 建议保留1年 �朁市区/沙盘区/增值产品区/主题区/归档区批量作业访问 少量高级业务人员进行大数据分析 MapReduce分布式计算，半/非结构化数据的结构化处理（包括文本检索、语义分词、图像识别、音频识别等） 与主题区/贴源区构成一个Hadoop集群（HDFS） 无单点故障，7×24小时+非工作日有限停机企业数字化转型总体架构——数据存储层（续）历史归档数据区大数据区数据内容主要用途数据模型保留工作负载用户访问模式平台要求 对主题数据预加工后的结果数据 针对应用需求进行数据预连接、预汇总某省市提供数据 逆范式宽表 依某省市数据需求 �朁市区/沙盘区/增值产品区/归档区批量作业访问 少量高级业务人员进行灵活查询、挖掘预测 I/O敏感，日终批量ETL（连接、聚合、汇总等等） 以ELT形式通过HiveSQL执行，复杂处理使用MR定制UDF 与大数据区/贴源区构成一个Hadoop集群（Hive） 无单点故障，7×24小时+非工作日有限停机 业务系统历史明细数据 打破业务条线整合数据 第三范式模型 保留长期历史，需要根据主题细化 主题某省市区/沙盘区/增值产品区/归档区批量作业访问 少量高级业务人员进行灵活查询、挖掘预测 I/O敏感，日终批量ETL（合并、拉链、关联、汇总等等） 以ELT形式通过HiveSQL执行，复杂处理使用MR定制UDF 与大数据区/贴源区构成一个Hadoop集群（Hive） 无单点故障，7×24小时+非工作日有限停机企业数字化转型总体架构——数据存储层（续）主题数据区—汇总主题数据区—明细数据内容主要用途数据模型保留工作负载用户访问模式可用性要求 面向企业管理分析类应用需求的汇总数据 为客户、运营等管理分析主题和数据增值产品提供数据服务 维度数据模型 依赖业务需求 沙盘区/归档区批量作业访问 决策人员、管理人员、业务人员访问 I/O敏感型，BI工具提交的报表、查询、分析SQL命令和日终批量ETL（汇总、聚集等操作，以ELT形式通过SQL执行） 基于开放平台的完全无共享MPP数据库集群+内存数据库 无单点故障，7×24小时+非工作日有限停机 按沙盘演练需求，准备的明细或汇总业务数据 为数据科学家的挖掘预测操作提供数据服务 模型依赖于沙盘演练需求 在整个沙盘演练保留 �朁市区/沙盘区/归档区批量作业访问 少量高级业务人员进行灵活查询、挖掘预测 I/O敏感，终批量ETL（合并、拉链、关联、汇总等等） 以ELT形式通过HiveSQL执行，复杂处理使用MR定制UDF 独立的Hadoop集群（HDFS） 无单点故障，7×24小时+非工作日有限停机企业数字化转型总体架构——数据存储层（续）某省市数据区沙盘演练数据区数据内容主要用途数据模型保留工作负载用户访问模式可用性要求 面向应用的业务系统快照数据和一段时间的交 为实时获准实时分析应用提供数据服务 贴源数据模型 依赖用户业务需求 企业业务人员 高时效、高并发、高可靠性的联机交询 CPU敏感，BI工具或业务系统高并发、高时效查询，以及准实时连续ETL处理+SQL批量处理 独立的内存数据库集群 无单点故障，365×24小时不停机 根据外部用户的数据使用需求数据平台加工计算的结果数据 为部署在数据平台上的企业内外部增值产品提供数据支持 应用模型，依赖于用户业务需求 依赖于用户业务需求 企业外部人员，如：客户 通过自己部署在Paas平台上的应用访问 I/O敏感型，BI工具提交的报表、查询、分析SQL命令和日终批量ETL（汇总、聚集等操作，以ELT形式通过SQL执行） 独立的Paas平台，部署Hadoop集群 无单点故障，7×24小时+非工作日有限停机企业数字化转型总体架构——数据存储层（续）实时数据区增值产品数据区数据内容主要用途数据模型保留工作负载用户访问模式可用性要求数据集成层公共汇总数据主题数据区集市数据区主题明细数据客户某省市财务某省市风险某省市运营某省市某省市归档数据区贴源数据区实时数据区大数据区沙盘演练数据区企业数字化转型总体架构——数据存储层数据流实验室数据临时数据区财务研发数据企业业务数据操作型聚合数据结构化数据操作型明细据非结构化&半结构化数据增值产品数据区 POP自营数据大物流系统数据供应链系统数据财务审计数据贴源数据源系统数据文件集市数据高时效数据大数据主题数据 4 历史查询类应用 1 管理分析类应用 针对公检法查询需求、内外部审 管理分析类应用主要实现了集团计需求和最终用户的历史交客户管理、运营管理、财务管理询需求，以贴源存储的归档数据、风险管理、监管信息披露五大为基础，实现的查询类应用分析体系功能 历史查询类应用通常使用BI工具 管理分析类应用通常采用套装软或自主开发实现 3 沙盘演练类应用 业务人员根据业务需求或自己对业务的理解，设计计算模型，准备各类明细或汇总数据，导入模型运算，验证业务结果 沙盘演练类应用通常使用R语言在 Hadoop分布式体系下实现件和BI工具（MicroStrategy等）实现 消费企业数据科学家根据自己对业务需求的理解某省市场的判断，设计并运行模型，发掘数据价值，并封装成商业产品 数据增值产品通常采用R语言和BI 工具实现，面向企业内外部用户 客户经理等最终业务人员针对当前业务的发生（如：用户交易、用户访问日志），进行实时查询、分析的应用企业数字化转型总体架构——数据应用层 实时分析类应用通常使用CEP 、ESB等技术实现 5 高时效类分析应用 2 数据增值类产品平台应用大数据企业数字化转型总体架构——平台发展不同阶段对应应用动态数据仓库阶段让正确的事情发生！批量随机查询数据分析持续更新加载/短查询基于事件的动态触发查询复杂度增长 ETL处理复杂度增长大数据平台发展阶段划分数据量增长用户数增长操作为主阶段什么正在发生？预测为主阶段将会发生什么？报表为主阶段发生了什么分析为主阶段为什么会发生工作负载复杂度 总账分析资产负债表分析损益表分析现金流量表分析财务指标分析 盈利分析机构贡献度产品贡献度客户细分贡献度渠道绩效 资产负债分析主要指标报告，如：净利息收入、净收入、净某省市场价值等头寸报告现金流报告风险价值（VaR）计算 财务预算与计划财务预算财务计划执行监控执行过程分析年末财务计划执行分析 预测与场景分析业务规模预测收益预测 …… 风险监控报表/信息披露流动性报表利率敏感性报表资本充足率报表 …… �朁市场风险某省市场风险暴露值流动性管理、利率管理 信用风险信用风险暴露值计算信用风险控制（贷前控制、贷中监控、贷后分析） 操作风险异常交后督差错检查 …… 防欺诈/反洗钱定义欺诈交可能性欺诈交欺诈交分析 全面风险管理 …… 客户单一视图公司客户信息管理个人客户信息管理同业客户信息管理 目标客户搜索重点客户关怀客户风险客户异动客户 客户细分个人客户细分公司客户细分 客户行为分析客户轮廓分析产品交叉销售分析百分比分析渠道偏好分析 营销活动管理营销活动规划营销活动定义营销活动执行营销活动苹果 营销活动自动化渠道接口与集成流程自动化 …… 领导管理驾驶舱 机构绩效考核 客户经理考核客户经理工作量评估客户经理服务客户收益评估 产品绩效考核 业务量考核供应链企业业务人人贷业务保理业务基金业务其它中间业务 …… 渠道成本与收益 …… 企业数字化转型总体架构——管理分析类应用 目前监管机构没有明确要求客户管理监管披露风险管理运营管理财务管理 仪表盘：通过仪表盘及其它展现方式对企业关键绩效指标进行展示，为领导层决策提供直观的数据支持 静态报表：按照预先定义格式，批处理报表，在线查询报表等 Office集成：将分析应用嵌入到Office界面中，利用Office的方便、性，降低用户使用难度企业数字化转型总体架构——数据访问层多种展现形式满足各层级用户及应用系统使用需求即席查询静态报表多维分析仪表盘问题发现 Office集成 Web服务挖掘预测 即席查询：通过即席查询工具或手工书写SQL语句，完成业务信息的即席查看 多维分析：从多个维度灵活组合对目标值进行分析，常见功能包括上下钻取、透明钻取、旋转、分页、层钻、跨维钻取等 主动问题发现：通过事件触发、规则匹配等方式发现企业运营中的问题，通过手机、邮 挖掘预测：使用专业的软件工具，通过数理统计等高级统计分析算法，分析结构化、非结构化数据，通过数据模型去挖掘隐藏在数据中的价值 Web服务：将分析应用的功能发布为Web服务，注册在企业服务总线上，供其它业务系统或分析应用调用，获取分析结果决策层管理层业务人员数据科学家业务系统件等方式报警组织评价与考核考核指标数据标准数据质量元数据数据安全评价标准数据认责企业数字化转型总体架构——数据管控层企业数据管控体系涵盖组织架构、评价与考核、管控流程、管控平台四个域。流程平台数据与信息标准化委员会数据管理人数据所有人数据生产人数据使用人 IT支持团队考核指标建立/维护流程评价与考核流程标准建立/维护流程组织建立/维护流程技术元数据业务元数据管理元数据数及时性定义完整性定义一致性定义标准执行评价政策执行评价责任评价数据格式业务分类业务含义 ……数据标准管理数据安全管理工作流管理元数据管理数据质量管理真实性定义数据类型审计定义保留策略安全等级权限定义 …… 数据全生命数据某著名企业数据创建数据共享数据停用据存储 ………… 企业数字化转型总体架构——数据管控体系运转机制组织架构、评价与考核、管控流程、管控工具这四个域相互作用、相互支撑，提供对各信息系统数据的管控。管控平台管控综合管理 标准/规范管理 流程管理 考核仪表盘 …… 元数据管理 业务元数据管理 技术元数据管理 管理元数据分析 …… 数据质量管理 稽核规则管理 数据稽核 质量报告 …… 评价与考核 标准（数据标准、质量要求、安全要求） 遵守标准所需要的政策 政策与标准遵从考评定义 …… 管控组织 数据管控委员会 数据所有人 数据认责人 IT支持 …… 制定管控流程 数据接入流程 数据变更流程 数据授权流程 数据退役流程 标准/政策制定流程 评价考核流程 …… 工具支撑流程支撑流程支撑明确了数据管控过程中的组织结构、角色、职责等。管控组织除了要负责制定数据标准、质量、安全等要求外，还需要负责制定管控的相关流程和评价考核指标等内容。采用专门的技术平台支撑管控流程的自动化，发布管控组织制定的一些相关标准和规范，及时反映管控过程中存在的一些问题等。通过建立一些定性或定量的数据管控评价考核指标，去评估及考核数据相关责任人职责履行情况、数据管控标准及数据政策的执行情况等。规范了数据管控过程中，各个环节日常任务处理的运作模式，例如数据定义如何变更、数据冲突如何协调等。 数据产生者 数据使用者 ……… 考评工具支撑制定信息管理委员会数据管控参与方数据产生部门数据使用部门数据拥有部门数据管理部门岗位角色 数据管控组织是数据管控体系中最重要的因素，它负责定义和管理业务数据相关标准，制定遵寻标准所必须的政策，监测正在进行的数据管控行动。 数据管控组织是否有完整与合理的角色定义、是否有高层领导的参与，是整个数据管控的成败的关键。 典型的数据管控组织如下所示：数据管控主导方数据管控负责部门数据管控经理企业数字化转型总体架构——数据管控组织业务协调人数据分析员业务协调人数据分析员业务协调人数据分析员运维组织实施项目组数据质量管理员元数据管理员数据安全管理员数据主管数据主管数据主管数据标准管理员数据标准建立和维护数据标准管理的考评数据标准执行 消除一数多义，提升数据的唯一性、一致性，将逐步形成的数据标准纳入一个规范的管理流程中，进行数据标准的更新、发布、使用监督等工作。 数据标准管理工作可以分为以下几个部分：数据标准建立和维护、数据标准执行、数据标准管理的考评。企业数字化转型总体架构——数据标准管理数据标准理念推广 / 定量考评定性考评关键业务对象数据结构代码映射数据分类关键代码数据维度 ……归档系统ODS 数据标准分析报告客户类数据标准。。。类数据标准产品类数据标准数据质量要求数据质量考评数据质量提升 数据质量管理框架蓝图如下，其中数据质量提升是改进数据质量的手段和质量考评的目的 : 数据质量要求确认，根据业务要求制定和明确数据质量要求，同时也需要符合数据标准的要求；数据质量考评，对数据质量的量化评价制定数据质量问题解决方案，根据数据质量考评和日常工作中发现的数据质量问题，实施相应的措施企业数字化转型总体架构——数据质量管理数据质量监控不定期数据质量检查数据一致性要求数据及时性要求业务规则数据唯一性要求数据完整性要求数据准确性要求自动修正手工修正数据补录数据质量考核指标数据质量验证规则数据质量分析报告数据质量标准 业务元数据：面向业务人员，从业务术语、业务描述、业务指标和业务规则等几个方面对数据进行描述 管理元数据：面向数据管理人员，从运维管理的角度描述数据处理、数据质量和数据安全的状态信息 技术元数据：面向技术人员，从数据结构和数据处理细节方面对数据进行技术化描述企业数字化转型总体架构——元数据管理数据安全分级数据访问授权技术 数据安全管理可分为数据安全分级管理和数据访问授权管理两个部分：数据安全分级：根据业务要求，制定一系列的数据安全分级标准和政策，为数据应用以及数据管理中实施数据安全保护和访问提供数据安全控制的基础。数据访问授权：数据访问授权的主要工作是根据数据安全分级标准，定义数据访问的授权方法及流程 , 建立基于数据安全分级的数据使用授权机制，实现数据访问和信息披露的安全。企业数字化转型总体架构——数据安全管理数据使用需求数据敏感度数据使用者权责数据重要性数据访问授权规则数据安全等级定义安全 业务数据规划管理高阶流程数据认责流程数据治理考核体系数据治理考核流程数据治理考核指标体系 数据标准管理管理高阶流程数据标准建立流程数据标准维护流程 数据质量管理管理高阶流程 - 数据质量要求确定流程 元数据管理高阶流程元数据变更流程 数据安全管理管理高阶流程数据安全审批流程企业数字化转型总体架构——高阶工作流程数据认责流程数据标准建立流程协调会议数据管控考核流程参与讨论数据标准、质量、元数据、安全管理流程组织讨论议题讨论决议督办结束参与讨论参与讨论参与讨论参与讨论业务数据规划策略（数据质量规则）数据标准维护沟通讨论参与讨论参与讨论参与讨论参与讨论通知请求方 / 结实是召开审议会议设计元数据更新方案组织实施元数据变更方案访问授权则开始需求收集提出预案开始收集数据标提供数据标准需求提供数据标准需求提供数据标准需求提供数据标准需求考核流程否否是更新数参与讨论参与讨论召开数据管控协调会议是否需要提交审议？否存在争论是接收数据访问请求提出数据访问请求召开数据管控协调会议否数据认责关系确认或更新数据质量要求收集提供数据质量要求提出业务元数据变更需求释需求提出技术元数据变更需求考核报告签批生成考核报告开始数据标准维护流程组织各部门沟通讨论参与讨论开始收集数据安全需求开始汇总管控执行情况数据所数据使数据生数据管有者用者产者理者确认评分结果确认评分结果提出数据认责范围提出初步认责方案者者者者据数有所据数用使据数理管据数生产数据标准文档更新数据定义、属性、维度等信息考核结果公布结束开始认责需求收集开始接收数据标准维护请求信息管理委员会数据管控责任部门数据所有者数据管理者数据使用者数据所数据管数据使有者理者用者数据管控负责部门据者数据管数据生数据使理者产者用者者者者数有所据数用使据数理管数据管控负责部门业务部门技术部门依据评分办法根据执行情况进行评分数据部管门控负责数责据部管门控负数据管控协调会议流程信息管理委员会数据管控责任部门跟踪安是否批准变更？否数据质量要求确定流程信息管理委员会信息管理委员会数据管数据生接到变更请求，对问题进行备案登记是是否有争议数据安全分级流程授权召开数据管控协调会议数据管控负责部门方案预审并汇报数据安全审批流程发布元数据变更说明理者产者向流程触发人反处理结果数据认责关系签批组织实施新的数据标准信息管理委员会部负管数门责控据数据认责流程元数据变更流程组织和职责公布数者部负管数门责控据会议计划和议题信息管理委标的牵转发请求评分汇总结果者据数生产是否需要修改数据管控制度数据认责表数据标准发布数理使者据者据者数有据访问请求是否会议准备数有生产员会参与讨论结束结束据据所管数用开始结束所据标准浏览权限管理用户管理规范管理绩效指标流程管理信息地图待办事项指标速递主菜单质量管理 数据管控平台从总体上来说分为数据层、应用层、展现层三个主要层面，以数据层的数据库及相关基础系统为主要信息来源，通过应用层的运算处理，以不同的形式，不同的功能在展现层提供用户接口数据管控平台统一用户集成界面数据管控平台知识库数据标准知识库元数据知识库企业数字化转型总体架构——数据管控平台展现层应用层数据层质量稽核库 … … 元数据采集 … … … … 标准维护元数据管理标准管理工作管理系统管理规则配置首页流程调度平台数据管控平台非结构化/半结构化数据云数据推送平台业务系统结构化数据沙盘演练平台（Hadoop集群） Load（ Hive）历史归档查询平台（ H adoop 集群 Sqoop 增值产品平台（Hadoop集群） Distcp HQL+Load MR 数据交换平台（自主开发交换组件+NAS存储）基础计算平台（贴源数据区+主题数据区+大数据区）（Hadoop集群+Hive）实时分析平台（内存数据库）管理分析平台（X86MPP集群）企业数字化转型总体产品框架 SFTP/HTTP/API Distcp HQL+Load FTP +H ive Copyfromloal H Q L + L o ad Sqoop Sqoop Distcp D istcp Queue ) Part 3 企业数字化转型顶层设计   全面开展管理分析、实时分析和沙盘演练应用建设，初步展开增值数据产品开发工作全面开展企业数字化转型建设，引入更多数据源，丰富并完善平台数据区建设随着应用体系的搭建，完善数据质量和元数据建设，开展数据标准化工作开展客户信息管理、信用风险评级和业务统计分析三类应用建设开展贴源数据整合，初步建立企业级数据视图，实现对管理分析类应用和实时分析类应用的支撑规划数据管控蓝图，初步实施数据质量和技术元数据管理深化分析体系，形成深度智能化业务分析性能持续优化、数据平台持续完善、持续深化数据管控体系，形成消费企业企业级的数据管控体系 2013年 2014年——2015年 2015年以后第一阶段第二阶段第三阶段以基础平台搭建为主，配合消费企业初期业务开展，应用建设从客户信息管理、风险管理和运营管理三方面开展搭建大数据处理平台和实时分析平台，应用方面开展实时分析和数据产品封装应业务分析框架技基础数据平台管数据管控体系企业数字化转型演进路线未来持续优化提升阶段对企业价值的创造当前位置应管应技技应一期技管管阶段划分建设内容预期效果第一阶段 搭建数据交换平台，部署NAS存储集群，设计并实施数据库交换组件和数据区交换组件 搭建基础计算平台，设计并实施贴源数据区，以T+1频率整合商城和企业业务数据 搭建历史归档查询平台，归档商城和企业业务数据文件 搭建管理分析应用平台，部署MPP集群和BI分析应用环境 搭建实时分析平台，部署内存数据库和实时BI分析环境 实现了数据平台个数据区之间、数据平台与外部系统间的双向数据传输 实现了业务数据按照贴源数据模整合 实现了数据按照生命归档管理 实现了管理分析环境搭建 实现实时分析环境搭建第二阶段 数据交换平台增强和优化，包括：大数据交换组件设计实施 基础计算平台增强，包括：引入更多的数据源，增强贴源数据区 ; 设计并实施主题数据区，打破业务条线整合数据；设计并实施大数据区，实现企业内外部非结构化、半结构化数据加工、处理 搭建沙盘演练平台 实时分析平台增强和优化，包括：引入更多应用及相关数据源 实现了基础数据一次存储、一次计算、多次使用 建立了数据分析人员的实验环境，实现了用户自主用数 为实时、准实时类分析用提供平台 为封装、销售数据类产品提供了平台第三阶段 基础计算平台持续增强和优化，引入更多的数据源、优化模型和 ETL处理 搭建增值产品平台，设计并实施增值产品数据区 数据交换平台、沙盘演练平台、实时分析平台进一步增强和优化 数据平台纳入尽可能多的企业内外部数据 数据平台以最优的性能支持各类数据应用企业数字化转型演进说明——基础数据平台阶段划分建设内容预期效果第一阶段 分析和梳理当前数据管理方面的成果和现状，数据管控蓝图和路线图设计，数据管控工作的组织、技术和流程高阶设计 梳理企业数字化转型ETL流程各环节的数据质量要求，指定数据质量检查规则、评价指标、管控流程，并落地实施数据质量管理系统 梳理企业数字化转型包含的技术元数据，如：数据字典、ETL任务、ETL流程、BI语义层等，制定相应的管控流程并落地实施元数据管理系统 同步企业数字化转型ETL建设，实现了数据质量管理系统 收集并整合了消费企业所有技术元数据，实现了数据生命周管理、血缘分析和影响分析等功能第二阶段 随着更多数据源的引入，进一步增强数据质量管理系统 随着更多数据源的引入、更多平台的建立，梳理并整合更多技术元数据 梳理企业数字化转型包含的业务和管理类元数据，如业务术语、业务指标、业务定义等，制定相应的管控流程并落地实施元数据管理系统 开展基础类数据标准建设，基础数据标准、管控流程、评价指标、落地策略 完善了数据质量管理体系，实现了问题及时发现、及时解决 实现了消费企业全方位的元数据管理，打通了业务和技术元数据关联关系 为消费企业数据平台建设提供了基础类数据标准第三阶段 数据质量管理持续优化并增强 元数据管理持续优化并增强 基础类数据标准逐步落地实施 开展指标类数据标准建设基础数据标准、管控流程、评价指标、落地策略 通过完善的数据管控体系，提升数据质量、避免数据二义性、建立数据间的血缘关系，使得业务人员可以方便、有效的使用数据，提高数据实用性企业数字化转型演进说明——数据管控阶段划分建设内容预期效果第一阶段 开展客户信息管理建设，设计并实施个人客户和供应商360 °视图、客户目标搜索、客户细分等功能 开展风险管理建设，设计并实施供应商和个人客户风险评级模型 开展运营管理建设，设计并实施供应链企业、人人贷等业务条线业务量统计分析 初步梳理实时、准实时分析需求，进行高时效分析应用试点 可以方便的对个人客户和供应商进行分群 , 以及全方位信息查询和展示 供应商和个人客户风险等级评定 针对目前开展的业务进行经营情况统计分析 搭建并验证高时效应用体系第二阶段 随着消费企业业务的展开，逐步开展管理分析体系的建设，本阶段重点为客户关系管理、运营管理等 高级业务人员利用沙盘演练平台进行数据挖掘、预测和科学试验 进一步树立实时、准实时分析需求，深化开展高时效分析应用 开某省市场上的数据应用需求，尝试封装增值数据产品 通过管理分析体系的建设、满足了消费企业日常经营管理、决策分析和进一步提高价值创造力的需要 实现了业务人员自主用数 实现了高时效分析，与业务流程的整合 实现了数据产品的封装，提升了数据价值第三阶段 随着消费企业业务的展开，进一步完善管理分析体系的建设 , 某省市场风险管理、操作风险管理、财务管理等 收集实时分析需求，进一步增强并优化实时分析应用体系 增值数据产品设计逐渐成为重点，数据分析师收集企业内外部数据需求，设计更完善的增值数据产品 通过管理分析应用体系建设进一步实现数据共享、业务协作与创新 通过实时分析应用体系建设，实现大数据平台业务系统的交互，与业务流程的融合 增值数据产品的开发进一步发挥的数据平台的数据价值企业数字化转型演进说明——应用体系 Part 4 企业数字化转型业务应用企业企业数字化转型一期架构 基础计算平台：基于Hadoop集群构建，按照业务条线、以贴源数据模型存储了业务系统明细数据 数据交换平台：NAS集群实现了进出数据平台数据的暂存，业务数据交换组件实现了业务系统每日增量数据加载，数据区数据交换组件实现了基础计算平台与管理分析平台间的数据交换 流程调度平台：自主开发的流程调度引擎实现整个数据平台的数据处理任务调度和运行 管理分析平台：由X86分析型数据库集群、BI软件1J2EE应用构成，实现了面向应用的数据加工、管理、分析服务 实时分析平台：由高档X86服务器组成的集群，实现高时效、高并发的实时、准实时类管理分析需求 数据交换平台由FTP服务器、加载服务器和 NAS存储组成，完成业务系统数据的获取、加载和归档 FTP服务器：利用LVS构成的FTP集群，接收云数据推送平台处理后的数据，存储在NAS 集群的指定目录 加载服务器：部署ETL任务，实现指定目录的文件到达监控、文件级检核、数据加载（HiveLoad）到临时数据区，同时归档( copyfromlocal）历史数据区 NAS集群：按照日期和源系统划分目录，缓存数据，支持日常数据交换和ETL 云数据推送平台 云数据推送平台实现源系统数据一次获取获、按需分发。 平台采用GoldenGate、JBUS、Flume等技术获取增量数据，存储在MySQL集群 平台按照接口规范生成文件，LZO压缩后，通过FTP传输到NAS指定目录企业企业数字化转型 NAS集群文件归档文件加载文件级检核文件到达事件监控文件归档文件加载文件级检核文件到达事件监控 LVS集群：FTP服务器#3 数据交换平台—平台逻辑架构 LVS集群：负载均衡服务器 …… …… LVS集群：FTP服务器#1 加载服务器# 1 加载服务器# 4 …… …… 供应链人人贷物流财务 ……POP 1. 设计并实施云数据推送平台； 2. 按照消费企业接口定义，抽取业务系统数据； 3. 按照消费企业接口规范要求，按时生成数据文件、控制文件和DDL文件，并通过FTP传输到NAS指定目录； 4. 若源系统有变更，则要求在变更前提供变更内容说明，升级平台版本，根据消费企业更新接口规范提供数据； 5. 应及时解决接口数据提供过程中出现的问题； 6. 对于未尽事宜，应同消费企业协商解决。 1. 安装部署消费企业企业数字化转型物理环境、应用软件 ,并进行基础设施运维； 2. 在业务系统数据库服务器安装并部署云数据推送平台客户端，并提供数据库访问。 1. 制定接口规范，并提交给云数据推送项目组； 2. 梳理业务系统数据字典，制定接口定义，并提交给云数据推送项目组； 3. 开发数据交换组件，从NAS获取数据并处理； 4. 对接收的数据提供验证功能，并返回验证结果到云数据推送平台； 5. 根据云数据推送平台提交的变更通知修改接口定义和数据交换组件； 6. 对于未尽事宜，应同云计算方协商解决。 1. 针对消费企业需求，指定接口人、提供文档； 2. 业务系统因版本升级等原因导致数据模型发生变化，及时通知云数据推送平台接口责任人。数据交换平台—参与方责任划分运维部门研发部门消费企业云计算数据交换平台—业务系统数据抽取实现方式 每统表都对应一个独立的数据接口数据接口由数据文件和控制文件构成（文件命名和具体内容参见接口规范）文件统一采用UTF-8编码，统一存在在JSS指定目录（参见接口规范）如果在抽取没有数据变更，云数据推送平台应该生成空的数据接口 传输方式 FTP传输，利用LVS技术构建FTP集群，接收数据 传输频率云数据推送平台通常按照T+1频率为消费企业提供数据，具体频率要求参见接口定义 接口处理模式 1. 云数据推送平台根据不同接口单元定义，准备数据、生成接口数据文件； 2. 云数据推送平台根据接口规范生成相应的接口控制文件； 3. 云数据推送平台压缩数据（LZO），并通过FTP将数据接口存入NAS指定目录； 4. 企业企业数字化转型部署在不同加载服务器上的数据交换组件完成： a) 定时轮询NAS指定目录，获取接口（包括数据文件、控制文件和DDL文件）； b) 执行文件级检核； c) 通过检核后，将数据文件和控制文件某著名企业到NAS集群指定目录，触发后续ETL处理； 5. 在TaskAutomation调度下执行数据加载和数据归档任务。 …… LVS服务器4 FTP PythonJSSModule Pythonruntime RedhatLinux 加载服务器4 加载任务归档任务 Hive HDFSClient RedhatLinux …… 加载服务器1 加载任务归档任务 Hive HDFSClient RedhatLinux 数据交换平台—平台部署架构 数据交换平台由8台X86服务器和一个NAS集群构成 X86服务器按照功能分为2组，一组实现数据获取，一组实现数据加载和归档 LVS服务器1 LVS PythonJSSModule Pythonruntime RedhatLinux LVS1负载均衡其它LVS服务器负责接收接口文件，写入NAS 集群目录支持按需扩展/ 减少服务器负责源系统数据文件加载和归档每台服务器负责多个源系统支持按需扩展/ 减少服务器按日期和源系统建立数据目录，缓存每日接口文件，供交换平台访问部署数据交换平台和流程调度平台程序，各服务器通过文件链接使用 NAS集群作为公共数据区，由8台服务器共享访问（读写）        NAS集群 LAN  TaskAutomation驱动各个平台、实现从数据存入 NAS平台到某省市生成整个处理过程的工作流管理数据交换平台负责数据抽取、文件级质量检核、调用HiveLoad加载数据基础计算平台使用 HiveSQL实现贴源数据整合、公共汇总数据处理管理分析平台使用关系型数据库的SQL实现某省市数据的处理历史归档查询平台负责数据文件和Hadoop集群数据归档流程调度平台—平台逻辑架构流程调度平台—流程调度元数据 TaskAutomation的元数据统一存储在MySQL数据库中任务定义，包括任务名称、描述、运行服务器、运行状态、运行时间、相关数据源等属性任务依赖，任务的执行依赖与其他上游任务任务触发，任务成功执行后触发的下游任务任务组，一组有相互关系的任务，全部完成后会触发头任务运行 …… 元数据由所有流程调度服务器共享流程调度平台—任务调度引擎 通过侦测器侦测事件，按照任务定义和任务依赖关系触发任务运行，触发方式把主要包括自动触发定时触发，按照预先定义的时间，如每日、每周、每月，或任何有规律的时间间隔执行任务。目前可明确的任务主要是每月执行的基础计算平台、管理分析平台数据归档。事件触发，按照特定的事件触发、执行任务。如：数据文件到达指定目录，会触发数据加载任务。同样，流程失败也会触发新的job，如错误处理、例外处理等。手动触发系统管理员可以使用TaskAutomation提供的界面或命令接口执行一些job。这些job的功能通常包括对特定范围的数据进行审计与验证、对特定范围的数据进行针对性很强的数据清洗、或者是对某流程失败后的修复。 每个要执行的任务均由任务执行代理启动运行流程调度所需的元数据信息统一保存在 MySQL数据库中，集群中任何服务器发生故障不会破坏元数据完整性。服务器故障时，只需要修改ETL任务属性，指定其他服务器执行任务即可，故障不会影响任务依赖关系、任务组关系。流程调度集群由多台服务器构成，按工作负载划分不同角色，分别实现ETL处理过程中不同类型任务的调度。当某类调度工作负载较大时，可通过增加服务器的方式，实现集群的横向扩展流程调度平台—集群可靠性和可扩展性高可用性扩展能力临时/归档区调度服务器1 TaskAutomation HadoopHive PerlRuntime MySQLClient RedhatLinux 临时/归档区调度服务器4 TaskAutomation HadoopHive PerlRuntime MySQLClient RedhatLinux …… 流程调度平台由八台X86服务器构成，服务器按照功能分为两类两台X86服务器部署MySQL数据库集群，存储流程调度元数据六台X86服务器部署流程调度引擎，负责各数据区数据处理流程调度与运行贴源区调度服务器 TaskAutomation HadoopHive PerlRuntime MySQLClient RedhatLinux LAN 汇总区调度服务器 TaskAutomation HadoopHive PerlRuntime MySQLClient RedhatLinux MySQL主服务器 MasterNode MySQL从服务器 按数据区划分工作流 ,工作流不跨数据区 临时区数据处理的工作流部署在数据交换换平台的加载服务器 贴园区和汇总区工作流分别部署独立的服务器 MySQL主-从集群，存储临时区、归档区、贴源区和汇总区数据处理任务定义，任务依赖关系流程调度平台—平台部署架构 MasterNode 基础计算平台基于Hadoop集群搭建集群采用标准的X86服务器集群弹性架构，按需分配计算资源，支持添加X86服务器的方式实现横向扩展集群中的数据保留三份，保证任何节点故障，不影响集群对外提供服务 基础计算平台有三个数据区构成临时数据区，缓存当日源系统变化（新增、修改、删除）数据，支持后续ELT 数据处理贴源数据区，按照源系统数据模型整合的明细历史数据，作为基础数据层实现数据一次整合、多次使用汇总数据区，根据应用需求，对贴源数据区明细数据进行预连接、预聚合、预汇总处理的数据，实现了数据的一次计算、多次使用 VM VM VM VMVM VM VM VMVM VM VM VM VM VMVMVMVM VM VMVMVMVMVM 节点 VM VM 拿拿贴源数据区 Hadoop 拿节点汇总数据区临时数据区基础计算平台—平台逻辑架构节点节点节点节点节点节点 数据库设计原则临时数据区对应独立的Hive数据库不对外提供访问， ETL用户对数据库有增、删、查、改权限 模型设计原则逻辑模型参考源系统和接口规范定义，为每个接口单元设计实体、属性物理模型与逻辑模型保持一致，每个实体对应一张Hive表，表采用LZO压缩存储物理模型设计不建议考虑索引、物化视图等技术特性以天为单位，按业务日期建立分区 历史保留原则缓存当日业务数据、为数据重跑方便可保留7 天历史过期数据直接删除对应分区，不需要归档企业数字化转型要整合的源系统，包括： POP、财务审计、财务研发、大物流、供应链、企业、网站交易、数据部和移动客户端等研发体系的各业务系统。建立数据缓冲区，临时存放从源系统抽取过来的增量/全量数据，支撑后续ELT处理。包含内容主要用途基础计算平台—临时数据区设计原则 数据库设计原则贴源数据区对应独立的Hive数据库不对外提供访问， ETL用户对数据库有增、删、查、改权限 模型设计原则针对不需要记录变化的实体，其逻辑模型参考缓冲层，按照贴源设计针对需要记录变化的数据，需要增加时间字段，设计拉链数据模型，记录历史物理模型考虑分区，流水表按业务日期建立分区，拉链表按终止日期建立分区 历史保留原则拉链表数据保留最近37个月的历史快照表数据永久保留交表数据保留最近25个月的历史过期数据归档到历史归档区，需要时回迁与缓冲层相对应，贴源整合层主要包括： POP、财务审计、财务研发、大物流、供应链、企业、网站交易、数据部和移动客户端等研发体系的各业务系统，所有数据保留历史。作为整个数据平台的基础数据层，累计历史，为主题层、集某省市层等数据区提供数据支撑。包含内容主要用途基础计算平台—贴源数据区设计原则 数据库设计原则汇总数据区对应独立的Hive数据库不对外提供访问， ETL用户对数据库有增、删、查、改权限 模型设计原则汇总层采用了逆范式宽表设计，某种程度上采用维度建模的方法模型设计首先需要根据业务和应用的需要尽量包含更多的属性和指标，同时兼顾空间汇总层需要针对维度数据执行标准化处理汇总层模型增加数据日期记录历史，建议根据数据日期建立分区 历史保留原则不同实体采取不同的历史保留策略建议以支持应用为输入，避免永久保留过期数据归档到历史归档区，需要时回迁针对客户管理、风险评级和业务量统计设计明细数据进行预汇总、预连接和预加工后的结果数据。对明细数据进行预汇总、预连接和预加工，为应用某省市准备数据。包含内容主要用途基础计算平台—汇总数据区设计原则基础计算平台由73台X86服务器构成， 3台服务器作为 NameNode和 JobTrackerNode，70台服务器作为DataNode和 TaskTrackerNode DataNode TaskTrackerNode 服务器70 DataNode TaskTrackerNode 服务器1 SecondaryNN负责HDFS元数据备份管理， SecondaryJobTracker负责MR计算集群JobTracker高可用性 NN负责HDFS元数据管理，元数据信息存储在NAS集群指定目录 通过硬件冗余、RAID0+1、 SlaveNN等技术实现高可用性 70台服务器是MR 计算节点，Hive 提交的SQL语句 ,转化成MR任务 ,由JobTracker 分配到每台服务器上执行 70台服务器是 HDFS数据节点，临时数据区和贴源整合区作为独立的数据库部署在此服务器上，并按照3份冗余存储互联 JobTrackerNode负责MR任务分配 通过心跳信号检测TaskTracker活动状态，排除失效节点 JobTrackerNode 基础计算平台—平台部署架构 NameNode Name&JobTrackerNode (Secondary) … …  20NodesRACK320NodesRACK1 20NodesRACK320NodesRACK2 基础计算平台—平台网络拓扑 NodeNode Node Node Node Node Node Node NodeNode Node Node Node Node Node Node Node Node Node Node … … … … … … … … 管理分析平台—平台逻辑架构 客户信息管理，采用J2EE框架自主开发，某省市构建于分析型数据库集群 运营绩效管理，采用MicroStrategy开发，某省市构建于分析型数据库集群 零售业务灵活分析，采用MicroStrategy开发，某省市构建于内存数据库集群HANA 平台安全管理信息库账户信息权限信息日志信息用户 BI应用门户审计管理 LDAP 管理分析平台—安全管理认证管理安全管理员安全管理员安全管理员企业业务经营分析企业业务规模预测个人客户信息管理企业客户信息管理授权管理账户管理认证管理授权管理身份管理审计管理说明 平台所有服务器均采用标准X86PC服务器 系统划分为三个子网 WEB服务子网，两台服务器构成的Tomcat集群应用服务子网，两台服务器构成的MicroStrategy 集群数据服务子网基础计算平台，73台服务器构成的Hadoop集群某省市平台，30台服务器构成的？集群流程调度平台，7台服务器构成的TaskAutomation集群数据交换平台，5台服务器与云数据推送平台接口，分别实现不同业务系统的数据获取企业数字化转型物理架构服务器类型服务器功能数量 CPU 内存网口操作系统内置盘基础计算平台（Hadoop集群） DataNode&TaskTrac ker服务器 70 32 128G 2*1Gb 12*2TB7200RPMS ATAdisks NameNode&JobTra cker服务器 3 32 128G 2*1Gb 4*600GB15KSASd isksRAID0+1 历史归档查询平台（Hadoop 集群） DataNode&TaskTrac ker服务器 30 12 24G 2*1Gb 16*3TB7200RPMS ATAdisks NameNode&JobTra cker服务器 3 12 24G 2*1Gb 4*600GB15KSASd isksRAID0+1 沙盘演练平台（Hadoop集群） DataNode&TaskTrac ker服务器 30 32 128G 2*1Gb 12*2TB7200RPMS ATAdisks NameNode&JobTra cker服务器 3 32 128G 2*1Gb 4*600GB15KSASd isksRAID0+1 企业数字化转型一期硬件配置 所有服务器均采用开放的X86架构，单台服务器建议配置如下：服务器类型服务器功能数量 CPU 内存网口操作系统内置盘数据交换平台数据接口服务器 5 16 64G 2*10Gb 2*600GB15KSASdis ksRAID0+1 流程调度 &ETL平台流程调度&ETL 服务器 7 16 64G 2*10Gb 2*600GB15KSASdis ksRAID0+1 元数据服务器 Hive元数据库服务器 2 16 64G 2*10Gb 4*600GB15KSASdis ksRAID0+1 管理分析平台某省市服务器 4 32 128G 4*10Gb 2*300GB15KSASdis ksRAID0+1 16 32 128G 2*10Gb 14*300GB15KSASdi sksRAID0+1 内存数据库服务器 4 20 256G 2*10Gb SLESforSAP applications1 1 SP2 8*600GB10kSASdis ksRAID5 BI应用服务器 2 16 64G 2*10Gb 2*600GB15KSASdis ksRAID0+1 WEB服务器 2 16 64G 2*10Gb 2*600GB15KSASdis ksRAID0+1 企业数字化转型一期硬件配置（续） 所有服务器均采用开放的X86架构，单台服务器建议配置如下：企业数字化转型一期硬件配置（续） 光前交换机配置要求千兆端口：278 万兆端口：100 带宽：8GB NAS集群配置如下：总存储容量：40TB 磁盘：15000RPMSASDisks 网络接口：万兆网络传输协议：TCP/IP 网络文件协议：CIFS、NFS 单台Cache：8GB 类型软件清单类型软件清单基础计算平台管理分析平台数据某省市服务器 ? 历史归档查询平台实时分析平台内存数据库服务器沙盘演练平台管理分析&实时分析平台BI应用服务器 HanaClient DBClient 数据交换平台 HadoopClient&Hive 流程调度&ETL平台 TaskAutomation MySQLClient PerlRuntime&MySQLDBD 管理分析&实时分析平台WEB服务器企业数字化转型一期软件清单 Part 5 企业数字化转型未来展望 数据质量管理平台以元信息模型为核心，由规则配置管理模块、检查执行模块、分析报告生成模块和分析报告展现模块四部分构成。 整个数据质量检查过程以ETL任务的形式统一调度执行。数据质量分析报告生成模块作为一个ETL任务部署在决策分析报表平台ETL服务器上，由Automation工作流调度服务统一调度运行，按照每日、每月生成各数据区数据质量检查报告数据质量分析报告展现模块作为 JavaWeb应用部署在企业数据平台 Tomcat集群上，用户通过统一的Web 服务访问，实现日报、月报的浏览、下载等功能数据质量检查规则配置模块作为 JavaWeb应用部署在企业数据平台 Tomcat集群上，数据质量管理员通过统一的Web服务访问，实现检查规则的维护数据质量管理系统元模型包含检查规则、检查执行结果、分析报告，模型作为一个独立的Schema部署在决策分析报表平台的数据库数据质量检查规则执行模块作为多个ETL任务部署在企业数据平台ETL服务器上，由 Automation工作流调度服务统一调度运行，实现各个数据区技术和业务数据质量检查数据质量管理平台技术架构 数据质量管理的规则执行服务作为ETL任务部署在ETL 服务器上 在整个数据处理过程中，设置4类检查点 在不同的检查点由 TaskAutomati on工作流统一调度执行 检查结果统一存入数据质量管理数据质量检查执行服务 J2 31 4 云数据推送平台接口文件级规范性检查任务说明任务类型 ETL任务——技术型检查 ETL阶段云数据推送平台->企业数据交换平台NAS存储指定目录执行频率每日执行执行方式由TaskAutomation工作流引擎根据工作流定义统一调度，在ETL服务器上执行检查对象云数据推送平台按照接口规范导出的业务系统每日增量数据文件和控制文件检查内容接口文件是否存在，接口文件名称是否正确，接口文件是否通过MD5校验实现技术 Linux脚本语言，Perl或Python 成功阈值所有规则通过检查依赖任务 N/A 触发任务数据加载检查规则执行服务检查点1 临时区数据技术性检查任务说明任务类型 ETL任务——技术型检查 ETL阶段临时数据区->贴源整合数据区执行频率每日执行执行方式由TaskAutomation工作流引擎根据工作流定义统一调度，在Hadoop集群上执行检查对象云数据推送平台按照接口规范导出的业务系统每日增量数据检查内容日期、时间格式检查；主键唯一型检查；外键参照完整型检查；关键字段取值完整性检查实现技术 HiveSQL 成功阈值 90%记录通过检查异常处理未通过检查的记录存入指定错误明细表依赖任务接口文件级规范性检查任务触发任务贴源数据整合任务检查规则执行服务检查点2 汇总区业务性检查任务内容说明任务类型 ETL任务——业务型检查 ETL阶段贴源整合数据区->汇总数据区执行频率每日/月/季执行执行方式由TaskAutomation工作流引擎根据工作流定义统一调度，在Hadoop集群上执行检查对象汇总数据区的数据检查内容业务逻辑检查：通过对若干个汇总值/指标值的运算，来检验各个汇总值/指标间潜在的平衡或其他比较关系实现技术 HiveSQL 成功阈值 90%记录通过检查异常处理未通过检查的记录存入指定错误明细表依赖任务贴源整合数据区数据处理完成触发任务集市数据区应用数据生成检查规则执行服务检查点3 某省市区技术性检查任务内容说明任务类型 ETL任务——业务型检查 ETL阶段汇总数据区->某省市数据区执行频率每日/月/季执行执行方式由TaskAutomation工作流引擎根据工作流定义统一调度，在某省市数据库集群上执行检查对象某省市数据区的数据检查内容主键唯一型检查；外键参照完整型检查；关键字段取值完整性检查实现技术 SQL 成功阈值 90%记录通过检查异常处理未通过检查的记录存入指定错误明细表依赖任务汇总数据区数据处理完成触发任务 N/A 检查规则执行服务检查点某省市区业务性检查任务内容说明任务类型 ETL任务——业务型检查 ETL阶段汇总数据区->某省市数据区执行频率每日/月/季执行执行方式由TaskAutomation工作流引擎根据工作流定义统一调度，在某省市数据库集群上执行检查对象某省市数据区的数据检查内容业务逻辑检查：通过对若干个指标值的运算，来检验各个指标间潜在的平衡或其他比较关系数值检查：主要是通过对单个指标值的监控来发现数据的异常、突变等情况波动检查：通过对单个指标值一段时间内的数值变化情况来检查数据的波动、变化情况一致性检查：通过对两个指标按某几个维度展开后的增减幅度来发现数据的波动、变化情况实现技术 SQL 成功阈值 90%记录通过检查异常处理未通过检查的记录存入指定错误明细表依赖任务汇总数据区数据处理完成触发任务 N/A 检查规则执行服务检查点 分析报告生成服务是部署在ETL服务器上的ETL任务，按照任务流程被 TaskAutomation统一调度执行，生成以下三类报告：源系统数据交换质量日报该报告汇总了报告生成当天源系统的数据接口校验结果，包括针对每个接口单元的表及记录级校验错误的统计数据和指标日平均值数据质量汇总日报该报告依照每日各源系统数据交换评价指标的平均值及当天的贴源数据、汇总数据和某省市质量检查结果汇总生成数据质量汇总月报该报告依照当月的日报结果，取各项指标的平均值和数据统计的汇总值生成数据质量管理分析报告生成服务指标分类指标名称指标说明对应报告接口单元级评价指标接口传输及时率指在最后截止时间前完成上传的接口单元数量与时限内要求上传的接口单元数的比率。《源系统数据交换质量日报（XX系统）》接口传输完整率指在数据质量日报告生成之前，成功上传的接口单元数量与要求上传的接口单元数量的比率。《源系统数据交换质量日报（XX系统）》接口准确率指与接口校验内容描述一致的接口单元数量与要求上传的接口单元数量的比率。《源系统数据交换质量日报（XX系统）》记录级评价指标记录正确率正确的记录数与全部记录数的比值。每条记录只要违反任一条检查规则（例如：主键唯一、业务规则等），就被计入错误日志。每个接口单元的最大允阈值由数据质量检查规则确定。计算公式如下：当Ec<Emax时：记录正确率= 当Ec>=Emax时：记录正确率=0 说明： Ec —出错记录数 Et —记录总数 E max —最大允阈值《源系统数据交换质量日报（XX系统）》《数据质量汇总日报》《数据质量汇总月报》数据质量管理分析报告指标定义明细报告生成任务内容说明任务类型 ETL任务——明细日报生成 ETL阶段分析报告生成阶段执行频率每日执行方式由TaskAutomation工作流引擎根据工作流定义统一调度，在数据质量管理元数据库上执行评价对象数据质量检查点1 、2对应的检查任务执行结果评价指标接口传输及时率、接口传输完整率、接口准确率实现技术 MySQLSQL命令依赖任务 ETL处理完成触发任务数据质量汇总日报生成任务分析报告生成服务：源系统数据交换质量日报数据质量汇总日报生成任务内容说明任务类型 ETL任务——汇总日报生成 ETL阶段分析报告生成阶段执行频率每日执行方式由TaskAutomation工作流引擎根据工作流定义统一调度，在数据质量管理元数据库上执行评价对象数据质量检查点2 、3 、4对应的检查任务执行结果评价指标记录正确率实现技术 MySQLSQL命令依赖任务源系统数据交换质量日报生成触发任务数据质量汇总月报生成任务分析报告生成服务：数据质量汇总日报任务内容说明任务类型 ETL任务——汇总月报生成 ETL阶段分析报告生成阶段执行频率每月月初执行方式由TaskAutomation工作流引擎根据工作流定义统一调度，在数据质量管理元数据库上执行评价对象当月所有数据质量检查点对应的检查任务执行结果评价指标记录正确率实现技术 MySQLSQL命令依赖任务数据质量汇总日报生成任务触发任务 N/A 分析报告生成服务：数据质量汇总月报数据质量管理元信息库采用MySQL数据库，存储数据质量检查规则、数据质量检查结果、数据质量检查报告源系统数据交换质量日报源系统数据交换质量日报标识源系统数据交换质量日报日期源系统名称接口名称传输及时标志传输完整标志数据日期准确标志名称规范标志记录数准确标志数据格式出错的记录数违反数据值域的记录数违反主键唯一性的记录数违反参照完整性的记录数出错记录数记录准确率 Integer Variable characters (32) Variable characters (32) Variable characters (32) Short integer Short integer Short integer Short integer Short integer Integer Integer Integer Integer Integer Decimal (18,2) Identifier_ 1 <pi> 源系统数据交换质量汇总日报源系统数据交换质量汇总日报标识源系统数据交换质量汇总日报日期源系统名称规定时限内实际上传接口单元数成功上传接口单元数量数据日期不准确的接口单元数量接口名称不准确的接口单元数量接口记录数不准确的接口单元数量达到最大报错阙值的接口单元数 Integer Date Variable characters (32) Integer Integer Integer Integer Integer Integer 源系统数据交换质量汇总月报源系统数据交换质量汇总月报标识源系统数据交换质量汇总月报月份源系统名称接口及时率月平均值接口准确率月平均值接口完整率月平均值记录正确率月平均值 <pi> Integer Characters (6) Variable characters (32) Decimal (18,2) Decimal (18,2) Decimal (18,2) Decimal (18,2) <M> Identifier_ 1 <pi> ODS数据质量月报 ODS数据质量月报标识 ODS数据质量月报月份表名称违反主键唯一性的记录数违反参照完整性的记录数违反业务规则的记录数出错记录数记录准确率 <pi> Integer Characters (6) Variable characters (32) Integer Integer Integer Integer Decimal (18,2) <M> Identifier_ 1 <pi> DW数据质量月报整合区数据质量月报标识整合区数据质量月报月份表名称违反主键唯一性的记录数违反参照完整性的记录数违反业务规则的记录数出错记录数记录准确率 <pi> Integer Variable characters (6) Variable characters (32) Integer Integer Integer Integer Decimal (18,2) <M> Identifier_ 1 <pi> DW数据质量日报整合区数据质量日报标识整合区数据质量日报日期表名称违反主键唯一性的记录数违反参照完整性的记录数违反业务规则的记录数出错记录数记录准确率 Integer Date Variable characters (32) Integer Integer Integer Integer Decimal (18,2) ODS数据质量日报 ODS数据质量日报标识 ODS数据质量日报日期表名称违反主键唯一性的记录数违反参照完整性的记录数违反业务规则的记录数出错记录数记录准确率 Integer Date Variable characters (32) Integer Integer Integer Integer Decimal (18,2) 某省市质量汇总日月报集市数据质量月报标识某省市数据质量月报月份某省市名称表名称违反业务规则的记录数记录准确率 <pi> Integer Characters (6) Variable characters (32) Variable characters (32) Integer Decimal (18,2) <M> Identifier_ 1 <pi> _ 检查规则检查规则唯一号检查规则简单描述检查规则类型检查对象标识检查规则生效标志检查规则是否保存结果标志检查频度 E T L 任务 C h a r a c t e r s ( 8 ) V a r i a b l e c h a r a c t e r s ( 2 0 4 8 ) C h a r a c t e r s ( 2 ) I n t e g e r C h a r a c t e r s ( 1 ) C h a r a c t e r s ( 1 ) C h a r a c t e r s ( 2 ) V a r i a b l e c h a r a c t e r s ( 3 2 ) < M > I d e n t i f i e r _ 1 某省市质量汇总日报集市数据质量日报标识某省市数据质量日报日期某省市名称表名称违反业务规则的记录数记录准确率 Integer Date Variable characters (32) Variable characters (32) Integer Decimal (18,2) 检查结果检查规则执行 I D 检查规则唯一号执行日期开始执行时间结束执行时间结果编码结果描述结果值 I n t e g e r C h a r a c t e r s ( 8 ) D a t e T i m e s t a m p T i m e s t a m p C h a r a c t e r s ( 4 ) V a r i a b l e c h a r a c t e r s ( 4 0 9 6 ) I n t e g e r < M > < M > I d e n t i f i e r _ 1 接口记录级检查检查字段名称检查字段类型检查字段长度检查字段格式检查字段在接口中的位置 V a r i a b l e V a r i a b l e I n t e g e r V a r i a b l e I n t e g e r c h a r a c t e r s ( 3 2 ) c h a r a c t e r s ( 3 2 ) c h a r a c t e r s ( 1 2 8 ) 检查结果明细检查规则执行 I D 记录序号记录内容 1 记录内容 1 < a i > I n t e g e r < M > I n t e g e r V a r i a b l e c h a r a c t e r s ( 4 0 0 0 ) V a r i a b l e c h a r a c t e r s ( 4 0 0 0 ) I d e n t i f i e r _ 1 < a i 1 > (D) 检查对象对象标识数据区数据对象阈值 I n t e g e r V a r i a b l e c h a r a c t e r s ( 3 2 ) V a r i a b l e c h a r a c t e r s ( 3 2 ) I n t e g e r 数据库记录级检查检查规则对应 S Q L V a r i a b l e c h a r a c t e r s ( 4 0 0 0 ) 接口级检查规则检查接口规定上传时间 T i m e I d e n t i f i e r _ 1 R e l a t i o n ( s ) p i _ _ 3 R e l ( t i ) o n s h i p 2 I n h e r i t a n c e _ _ 1 R e l a t i o n s h i p 模块说明模块名称接口单元级技术检查规则配置管理模块实现功能该模块的主要任务是用web界面方式引导用户完成数据质量检查规则的配置，主要包括检查规则的唯一标识、检查规则简单描述、检查类型、检查对象、生效标志、检查规则（如： SQL命令）等。模块需要实现如下功能： • 规则新增；增加一条检查规则 • 规则修改；修改规则内容 • 规则删除；删除已有的规则 • 规则生效：设置规则的状态为生效或无效 • 规则搜索：按规则ID、接口名称搜索规则实现技术 J2EE 运行方式作为WAR包部署在Tomcat集群上发布链接到企业数据平台门户上用户通过B/S方式登录平台执行配置管理使用对象数据质量管理员检查规则配置管理模块说明模块名称源系统数据交换质量日报、数据质量汇总日报、数据质量汇总月报展现模块实现功能该模块的主要任务是用web界面方式引导用户提交查询条件，查看满足条件的数据质量管理分析。模块需要实现如下功能： • 报告查询；按照时间、报告名称 • 报告查看；在线查看报告内容 • 报告下载；将报告下载到本地查看 • 错误明细下载；下载未通过数据质量检查的出错记录明细有效时间每日或月ETL处理结束后实现技术 J2EE 运行方式作为WAR包部署在Tomcat集群上发布链接到企业数据平台门户上用户通过B/S方式登录平台执行配置管理使用对象源系统维护人员（查看相关源系统日报）、数据质量管理员、 ETL管理员、公司领导数据质量管理分析报告展现实时数据查询历史数据查询管理分析业务沙盘演练数据增值产品数据应用层实时数据区历史归档数据区某省市数据区沙盘演练数据区增值产品数据区数据计算层主题数据区数据交换平台数据交换层大数据交换组件企业内外部半结构化、非结构化数据商城零售供应链企业人人贷系统基金系统 ……系统数据产生层用户访问层数据管控层用户数据管控平台贴源数据区流程调度平台监控告警待处理大数据流程调度层企业数字化转型总体架构处理后大数据 IT人员外部用户数据标准数据安全元数据数据质量流程调度供应链数据 ……零售数据客户管理财务管理风险管理 …… 客户汇总账户汇总机构汇总 …… 协议主题客户主题产品主题 …… 数据区数据交换组件数据库数据交换组件某著名企业互联用户评价访问日志社交媒体大数据区 …… 在本次项目实施中将采用以增量为主、全量为辅结合的方式获取源数据 商城和消费企业业务系统的数据增量数据识别、获取由云数据推送平台负责，云数据推送平台采用分析、对比源系统日志方式实现对于无法通过上述方式获取增量的源系统数据，则采用某一个时间范围内的全部数据作为增量初始数据加载均采用全量模式 业务系统产生的结构化数据商城日常零售业务处理过程中产生的结构化数据，存储在关系型数据库中，如：供应商信息、采购信息、商品信息、销售流水…… 消费企业日常业务处理过程中产生的结构化数据，存储在关系型数据库中，如：客户信息、账户信息、企业产品信息、交…… 企业非结构化数据日常业务处理过程中产生的非结构化数据，存储形式多样，主要包括用户访问日志、用户投诉、用户点评…… 企业外部数据企业外部数据以非结构化为主，主要包括国家政策法规、信息、地理位置等某著名企业信息、微博等社交媒体信息…… 企业数字化转型总体架构——数据产生层源数据内容源数据增量保证数据在平台内高速流转保证数据交换过程中不失真保证数据交换过程中不丢失保证数据交换过程安全可靠企业数字化转型总体架构——数据交换层传输组件是根据数据源存储的不同分类而设计的，本质是通过分析数据存储结构和数据存储库的特点来针对性的设计工具，以追求卓越的性能 NAS存储 Hadoop 元数据数据平台导入临时区数据平台导出临时区 ETL程序区数据服务层云数据推送平台数据交换层设计目标商城系统消费企业系统数据库数据交换组件数据区数据交换组件大数据交换组件外部大数据 ↓ ↓ 数据平台临时数据区集团数据交换平台每日获取运输局推送平台提供的业务系统变化数据，暂存在NAS临时数据区企业数据平台加工计算结果返回给业务系统，暂存在NAS临时数 Hadoop集群元数据区存储数据平台各个Hadoop集群的元数据信息，如：HDFS文件系统元数据数据平台ETL数据处理程序区数据平台ETL加工处理程序（数据压缩、数据加载、各数据数据处理等）统一存储在NAS集群指定目录，各接口服务器通过文件系统Link建立映射企业数字化转型总体架构——数据交换层NAS存储据区 定时抽取用户访问日志，加载到数据平台大数据区HDFS 指定目录，MR程序加工处理 开发网络爬虫程序 , 扫描用户微博，抓取用户微博内容 , 社交圈信息，存入大数据区 企业非结构化、半结构化数据，如：音频、视频、邮件、Office文档、抵押品扫描件等 企业外部非结构化、半结构化数据，如：微博、贴吧、击流、用户某著名企业位置等 组件以实时和批量两种模式实现下列功能：数据采集数据传输到数据交换平台（接口服务器） NAS指定目录存储数据到数据平台大数据区指定HDFS目录 批量采集：大数据源以SFTP协议批量传输数据文件 在线访问：开发 Java或C应用，调用大据源API，或以网络平台爬虫方式抓取源系统非结构化、半结构化数据企业数字化转型总体架构——数据交换层大数据交换组件处理对象应用场景实现技术实现功能 Perl程序数据采集，调用 Perl文件模块相关函数，轮询指定目录，获取数据文件数据核查，Perl执行文件级数据质量检查数据加载，调用 HiveLoad数据命令，加载到数据平台临时数据区的HiveTable 企业业务系统产生的结构化数据，包括两大来源：商城零售业务数据，数据存储在Oracle、 SQLServer、MySQL和 MongoDB四类数据库消费企业互联网企业业务数据，数据存储在 MySQL数据库 云数据推送平台连接供应链企业系统数据库，分析供应链企业 MySQL数据库日志，识别增量数据，存储到企业平台NAS存储的指定目录，企业平台加载数据文件到数据平台临时区Hive表 组件以实时和批量模式实现下列功能：数据采集，轮询NAS集群指定目录，获取数据文件（LZO压缩）数据核查，对数据文件进行质量校验数据加载，加载数据到临时数据区企业数字化转型总体架构——数据交换层数据库数据交换组件应用场景处理对象实现技术实现功能 组件以批量方式实现下列数据交换功能：贴源数据区和主题数据某省市数据区大数据区到主题数据某省市数据区主题数据区、贴源数据某省市数据区到沙盘数据区各个数据区数据归档 Sqoop某省市数据区与数据平台其他 Hadoop数据区的数据交换 Hadoop命令、Hive 外部表、MR程序实现数据平台Hadoop 数据区间的数据交换 数据平台计算层各数据区贴源数据区主题数据区某省市数据区沙盘数据区大数据区归档数据区企业数字化转型总体架构——数据交换层数据区数据交换组件 某省市的数据按照据生命划 , 统一将过期数据归档到历史数据归档区应用场景处理对象实现技术实现功能 批量数据处理由流程调度层部署的自定义开发WorkFlow组件调度运行 整个流程主要完成如下工作： 1. 获取业务系统结构化数据，存入临时数据区 2. 获取企业内外部非结构化数据 ,并进行结构化处理，存入主某省市数据区 3. 按照贴源数据模型整合数据( 标准化、数据更新/追加） 4. 按照主题数据模型整合数据并生成汇总 5. 数据加工计算后，结果交付到某省市，支持分析类应用企业数字化转型总体架构——流程调度层批量处理流程 实时数据处理强调的是实时或准实时获取并处理数据，通常采取消息队列等技术构建“数据流” 整个处理流程由流程调度层部署的自定义开发WorkFlow组件调度运行 整个流程主要完成如下工作： 1. 通过数据库数据交换组件获取增量数据，加载到实时数据区 2. 通过大数据交换组件获取非结构化数据，并利用Storm处理数据，加载到实时数据区 3. 针对实时数据区数据执行标准化处理和贴源整合企业数字化转型总体架构——流程调度层实时数据处理流程 数据归档的对象包括业务系统数据文件、贴源数据区数据、主题数据区数据、大数据区数据某省市数据区数据 数据按照生命划存储到归档区Hadoop集群 ,归档后原数据区删除此数据 整个处理流程由流程调度层部署的自定义开发 WorkFlow组件调度运行 整个流程主要完成如下工作： 1. 数据文件通过HDFS命令行copyfromlocal进行归档 2. 贴源、主题和大数据区通过HDFS命令行 distcp或自定义开发的MR程序执行归档 3某省市数据区通过Sqoop或数据库提供的 Hadoop集成技术（如：外部表）执行归档企业数字化转型总体架构——流程调度层归档数据处理流程 业务系统前日快照数据和一段时间的流水数据 数据标准化，为后续主题模某省市和沙盘演练提供数据 贴源数据模型 不保存历史 主题数据某省市数据区和沙盘演练数据区批量作业访问 无最终用户访问 I/O敏感，日终批量ETL 以ELT形式通过HiveSQL执行 与主题区/贴源某省市区构成一个Hadoop集群（Hive） 无单点故障，7×24小时+非工作日有限停机 业务系统前日增量数据 缓存数据，支持后续ELT数据处理 贴源数据模型 保存最近7天数据 贴源数据区和主题数据区批量作业访问 无最终用户访问 I/O敏感，连续小批量的数据抽取和加载 少量量数据使用Hive的Load命令，大量数据使用MR程序 与主题区/贴源某省市区构成一个Hadoop集群（Hive） 无单点故障，7×24小时+非工作日有限停机企业数字化转型总体架构——数据存储层贴源数据区临时数据区数据内容主要用途数据模型保留工作负载用户访问模式平台要求 其他各数据区历史数据 按数据生命划归档平台过期数据，支撑历史数据查询 数据按照HDFS文件存储 数据文件按照数据区划分目录，建议保留7年 �朁市区/沙盘区/增值产品区/主题区/高时效区批量作业访问 业务人员执行历史数据查询 MapReduce分布式计算，HDFS命令实现Hadoop集群内归档， Sqoop实现数据库归档，通过Hive提供历史查询 独立的Hadoop集群（HDFS+Hive） 无单点故障，7×24小时+非工作日有限停机 企业内外部非结构化、半结构化数据 采集并存储数据，进行结构化处理，最终得到结构化数据 数据按照HDFS文件存储 建议保留1年 �朁市区/沙盘区/增值产品区/主题区/归档区批量作业访问 少量高级业务人员进行大数据分析 MapReduce分布式计算，半/非结构化数据的结构化处理（包括文本检索、语义分词、图像识别、音频识别等） 与主题区/贴源区构成一个Hadoop集群（HDFS） 无单点故障，7×24小时+非工作日有限停机企业数字化转型总体架构——数据存储层（续）历史归档数据区大数据区数据内容主要用途数据模型保留工作负载用户访问模式平台要求 对主题数据预加工后的结果数据 针对应用需求进行数据预连接、预汇总某省市提供数据 逆范式宽表 依某省市数据需求 �朁市区/沙盘区/增值产品区/归档区批量作业访问 少量高级业务人员进行灵活查询、挖掘预测 I/O敏感，日终批量ETL（连接、聚合、汇总等等） 以ELT形式通过HiveSQL执行，复杂处理使用MR定制UDF 与大数据区/贴源区构成一个Hadoop集群（Hive） 无单点故障，7×24小时+非工作日有限停机 业务系统历史明细数据 打破业务条线整合数据 第三范式模型 保留长期历史，需要根据主题细化 主题某省市区/沙盘区/增值产品区/归档区批量作业访问 少量高级业务人员进行灵活查询、挖掘预测 I/O敏感，日终批量ETL（合并、拉链、关联、汇总等等） 以ELT形式通过HiveSQL执行，复杂处理使用MR定制UDF 与大数据区/贴源区构成一个Hadoop集群（Hive） 无单点故障，7×24小时+非工作日有限停机企业数字化转型总体架构——数据存储层（续）主题数据区—汇总主题数据区—明细数据内容主要用途数据模型保留工作负载用户访问模式可用性要求 面向企业管理分析类应用需求的汇总数据 为客户、运营等管理分析主题和数据增值产品提供数据服务 维度数据模型 依赖业务需求 沙盘区/归档区批量作业访问 决策人员、管理人员、业务人员访问 I/O敏感型，BI工具提交的报表、查询、分析SQL命令和日终批量ETL（汇总、聚集等操作，以ELT形式通过SQL执行） 基于开放平台的完全无共享MPP数据库集群+内存数据库 无单点故障，7×24小时+非工作日有限停机 按沙盘演练需求，准备的明细或汇总业务数据 为数据科学家的挖掘预测操作提供数据服务 模型依赖于沙盘演练需求 在整个沙盘演练保留 �朁市区/沙盘区/归档区批量作业访问 少量高级业务人员进行灵活查询、挖掘预测 I/O敏感，终批量ETL（合并、拉链、关联、汇总等等） 以ELT形式通过HiveSQL执行，复杂处理使用MR定制UDF 独立的Hadoop集群（HDFS） 无单点故障，7×24小时+非工作日有限停机企业数字化转型总体架构——数据存储层（续）某省市数据区沙盘演练数据区数据内容主要用途数据模型保留工作负载用户访问模式可用性要求 面向应用的业务系统快照数据和一段时间的交 为实时获准实时分析应用提供数据服务 贴源数据模型 依赖用户业务需求 企业业务人员 高时效、高并发、高可靠性的联机交询 CPU敏感，BI工具或业务系统高并发、高时效查询，以及准实时连续ETL处理+SQL批量处理 独立的内存数据库集群 无单点故障，365×24小时不停机 根据外部用户的数据使用需求数据平台加工计算的结果数据 为部署在数据平台上的企业内外部增值产品提供数据支持 应用模型，依赖于用户业务需求 依赖于用户业务需求 企业外部人员，如：客户 通过自己部署在Paas平台上的应用访问 I/O敏感型，BI工具提交的报表、查询、分析SQL命令和日终批量ETL（汇总、聚集等操作，以ELT形式通过SQL执行） 独立的Paas平台，部署Hadoop集群 无单点故障，7×24小时+非工作日有限停机企业数字化转型总体架构——数据存储层（续）实时数据区增值产品数据区数据内容主要用途数据模型保留工作负载用户访问模式可用性要求数据集成层公共汇总数据集市数据区主题数据区主题明细数据财务某省市客户某省市风险某省市运营某省市某省市归档数据区贴源数据区实时数据区大数据区沙盘演练数据区企业数字化转型总体架构——数据存储层数据流实验室数据临时数据区财务研发数据企业业务数据操作型聚合数据结构化数据操作型明细据非结构化&半结构化数据增值产品数据区 POP自营数据大物流系统数据供应链系统数据财务审计数据贴源数据源系统数据文件集市数据高时效数据大数据主题数据 4 历史查询类应用 1 管理分析类应用 针对公检法查询需求、内外部审 管理分析类应用主要实现了集团计需求和最终用户的历史交客户管理、运营管理、财务管理询需求，以贴源存储的归档数据、风险管理、监管信息披露五大为基础，实现的查询类应用分析体系功能 历史查询类应用通常使用BI工具 管理分析类应用通常采用套装软或自主开发实现 3 沙盘演练类应用 业务人员根据业务需求或自己对业务的理解，设计计算模型，准备各类明细或汇总数据，导入模型运算，验证业务结果 沙盘演练类应用通常使用R语言在 Hadoop分布式体系下实现件和BI工具（MicroStrategy等）实现 消费企业数据科学家根据自己对业务需求的理解某省市场的判断，设计并运行模型，发掘数据价值，并封装成商业产品 数据增值产品通常采用R语言和BI 工具实现，面向企业内外部用户 客户经理等最终业务人员针对当前业务的发生（如：用户交易、用户访问日志），进行实时查询、分析的应用企业数字化转型总体架构——数据应用层 实时分析类应用通常使用CEP 、ESB等技术实现 5 高时效类分析应用 2 数据增值类产品平台应用大数据谢谢 Thankyou! 谢谢