干數(shù)據(jù)分析這一行的人十有八九都遇到過這種糟心場景報(bào)表出來之后業(yè)務(wù)部門說數(shù)據(jù)不對你回頭一查發(fā)現(xiàn)CRM系統(tǒng)里的“廣州客戶張偉”在ERP系統(tǒng)里叫“張偉廣州分公司”財(cái)務(wù)系統(tǒng)里又變成了“廣州張偉貿(mào)易公司”。同一個客戶三個系統(tǒng)三個叫法一匯總就拆成了三個人。銷售額怎么算都差一截。這時(shí)候你會發(fā)現(xiàn)問題根本不在分析模型也不在SQL寫得漂不漂亮而是埋在一個更底層、更無聊、但極為致命的地方——主數(shù)據(jù)。主數(shù)據(jù)管理MDM和大數(shù)據(jù)分析的關(guān)系很多人理解得過于簡單以為“只要把數(shù)倉搭好主數(shù)據(jù)自然就有了”。但真到大項(xiàng)目落地時(shí)主數(shù)據(jù)往往決定了大數(shù)據(jù)分析的上限數(shù)據(jù)質(zhì)量差到?jīng)]法看分析結(jié)果沒人信自動化模型上線即翻車。這篇文章不聊概念PPT就聊實(shí)際干活的人怎么看待主數(shù)據(jù)怎么用主數(shù)據(jù)管理把大數(shù)據(jù)分析的質(zhì)量和效率同時(shí)提起來。1. 別被概念繞暈主數(shù)據(jù)管理到底管理的是什么1.1 主數(shù)據(jù)不是流水是流水旁邊那個“主語”先下個直觀定義。主數(shù)據(jù)可以理解成企業(yè)里那些被多個系統(tǒng)反復(fù)引用的“基礎(chǔ)檔案”客戶、供應(yīng)商、物料、員工、組織架構(gòu)、會計(jì)科目、渠道門店。這些數(shù)據(jù)有幾個共同特點(diǎn)變更頻率低、被大量業(yè)務(wù)系統(tǒng)共用、身份屬性強(qiáng)。你可以把它們當(dāng)成一句話里的“主語”而交易流水是謂語和賓語。“張偉買了1000塊錢的貨”張偉是主語1000塊的訂單是流水。主語錯亂謂語再準(zhǔn)確也沒用。很多人把主數(shù)據(jù)和交易數(shù)據(jù)混在一起治理這是起步就錯了。交易數(shù)據(jù)量大、變化快講的是“過程”主數(shù)據(jù)量相對小但它的唯一性、權(quán)威性、一致性直接決定交易數(shù)據(jù)能不能被正確歸集和分析。打個比方主數(shù)據(jù)就是房子的地基鋼筋大數(shù)據(jù)分析是精裝樣板間。樣板間再漂亮地基里鋼筋對不上號住久了必然開裂。1.2 大數(shù)據(jù)項(xiàng)目上線后數(shù)據(jù)質(zhì)量崩盤問題往往出在主數(shù)據(jù)我參與過不少大數(shù)據(jù)項(xiàng)目建設(shè)一個反復(fù)出現(xiàn)的規(guī)律是項(xiàng)目前期數(shù)倉搭得很漂亮ETL流程也很規(guī)范但上線運(yùn)行一個月后質(zhì)量報(bào)表里的臟數(shù)據(jù)率就開始往上飄。根源基本一致——源頭系統(tǒng)的主數(shù)據(jù)早就爛了而且沒有任何一層去兜住這種爛。數(shù)倉只會被動地接收各個業(yè)務(wù)系統(tǒng)的數(shù)據(jù)源系統(tǒng)里同一個客戶有三個編碼數(shù)倉里照樣存三個編碼。另一個被低估的問題是主數(shù)據(jù)的“時(shí)效性”。業(yè)務(wù)系統(tǒng)里的客戶歸屬銷售區(qū)域、員工所屬部門、物料的分類屬性經(jīng)常發(fā)生變更。如果主數(shù)據(jù)不維護(hù)、不更新分析端拿到的就是一套過期的基礎(chǔ)檔案。我見過一個企業(yè)做銷售區(qū)域分析銷售團(tuán)隊(duì)半年前做過區(qū)域劃分調(diào)整但主數(shù)據(jù)沒跟著改結(jié)果所有區(qū)域同比環(huán)比全部算錯管理層差點(diǎn)據(jù)此調(diào)整營銷預(yù)算。后來排查才發(fā)現(xiàn)不是數(shù)倉的錯是主數(shù)據(jù)版本過期了。所以大數(shù)據(jù)分析要想質(zhì)量好第一道關(guān)口就是主數(shù)據(jù)。這個關(guān)口不守好后面所有清洗、建模、可視化都是沙灘上蓋樓。2. 主數(shù)據(jù)撬動分析質(zhì)量三個真實(shí)案例2.1 客戶主數(shù)據(jù)重復(fù)促銷分析得出兩個不同結(jié)論先說一個消費(fèi)品企業(yè)的案例。這家企業(yè)有一千多萬條客戶檔案分布在會員系統(tǒng)、電商平臺、線下POS三個源頭。做“老客回購率”分析時(shí)數(shù)據(jù)團(tuán)隊(duì)發(fā)現(xiàn)結(jié)果異常高接近90%明顯不符合業(yè)務(wù)常識。排查后找到原因同一個用戶在小程序注冊時(shí)手機(jī)號是A在天貓下單時(shí)是B在線下辦會員時(shí)用身份證綁定了C三個系統(tǒng)各自生成一個客戶ID。分析腳本按客戶ID去重一個真人被算成了三個客戶。每個“客戶”都只買了一次但“客戶總數(shù)”被虛增了三倍老客占比自然虛高。后來上了主數(shù)據(jù)管理的客戶統(tǒng)一視圖通過手機(jī)號、身份證、設(shè)備指紋做匹配合并把1.5個人工檔案合并成一個真實(shí)的客戶實(shí)體。再做老客回購分析比例回落到65%。這個數(shù)字才是業(yè)務(wù)能用的。關(guān)鍵是數(shù)據(jù)團(tuán)隊(duì)不用再每個月花三天手工對賬客戶數(shù)據(jù)了。主數(shù)據(jù)管理在這里干的事就是定義唯一客戶身份關(guān)聯(lián)各系統(tǒng)的賬號給出一個全局客戶ID。數(shù)據(jù)分析只需基于這個全局ID聚合怎么算都對得上。2.2 物料編碼不統(tǒng)一供應(yīng)鏈庫存分析對不上賬再講一個制造業(yè)的情況。這家企業(yè)有十幾個分廠每個分廠上線ERP時(shí)都按自己的習(xí)慣編物料編碼。同一個“M8內(nèi)六角螺栓”華東廠叫M8-LS-001華南廠叫BOLT-M8-ST總部采購系統(tǒng)叫ITT-88032。供應(yīng)鏈分析團(tuán)隊(duì)想統(tǒng)計(jì)全集團(tuán)的庫存周轉(zhuǎn)率先要在物料維度上把各系統(tǒng)的編碼映射齊一萬多條物料每條都要人工核一遍核對完了還得寫一大段CASE WHEN去做轉(zhuǎn)換。等到分析做完庫存數(shù)據(jù)已經(jīng)是一周前的了。引入主數(shù)據(jù)管理體系后集團(tuán)統(tǒng)一發(fā)布了物料編碼標(biāo)準(zhǔn)所有分廠的ERP必須通過主數(shù)據(jù)平臺生成編碼同時(shí)兼容老編碼映射。新物料走統(tǒng)一下發(fā)流程老物料逐步遷移。庫存周轉(zhuǎn)分析直接從主數(shù)據(jù)平臺取標(biāo)準(zhǔn)物料維度表不再需要在ETL里寫一大堆物料轉(zhuǎn)換邏輯。前后對比差異非常直觀以前每個月做一次集團(tuán)供應(yīng)鏈分析要4個人做一周現(xiàn)在1個人兩天跑完分析結(jié)果還更準(zhǔn)。2.3 組織主數(shù)據(jù)變動快人力成本分析口徑全亂還有一個經(jīng)常被忽略的主數(shù)據(jù)域——組織架構(gòu)。企業(yè)做人力成本分析時(shí)經(jīng)常要按部門、成本中心去歸集。但組織架構(gòu)一年調(diào)整好幾次市場部改名成了品牌營銷中心IT部整體劃歸到數(shù)字化中心。如果組織主數(shù)據(jù)沒有版本化管理去年的人力成本分析用的是老組織名今年用的是新組織名歷史數(shù)據(jù)完全沒法縱向?qū)Ρ?。我遇到一個項(xiàng)目他們用Excel維護(hù)組織架構(gòu)每個月手工更新一次然后把部門名稱VLOOKUP到分析表里。看上去沒什么問題直到有一次人力資源部調(diào)整了成本中心編碼規(guī)則舊的編碼全部作廢結(jié)果全公司的歷史人力分析報(bào)表直接失去可比性。后來他們上了主數(shù)據(jù)管理里的組織域給組織架構(gòu)加了生效日期和失效日期支持按時(shí)間切片回溯。分析時(shí)只要指定“分析截止日期”系統(tǒng)自動匹配當(dāng)時(shí)有效的組織架構(gòu)。這個改動看著不大卻把人力分析報(bào)表的可靠性徹底救回來了。3. 主數(shù)據(jù)提升分析效率不只是快了一點(diǎn)3.1 數(shù)據(jù)準(zhǔn)備時(shí)間從“大頭”變“小頭”做過數(shù)據(jù)項(xiàng)目的人都知道數(shù)據(jù)分析項(xiàng)目中真正費(fèi)時(shí)間的不是建模分析而是數(shù)據(jù)準(zhǔn)備。行業(yè)里有個共識是數(shù)據(jù)準(zhǔn)備要占掉項(xiàng)目70%左右的時(shí)間。原因是什么大量時(shí)間消耗在理解口徑、清洗臟數(shù)據(jù)、對齊不同系統(tǒng)的同義字段、處理重復(fù)值。主數(shù)據(jù)全面落地以后最直接的效率提升就在這個環(huán)節(jié)。因?yàn)橹鲾?shù)據(jù)平臺已經(jīng)完成了一次高強(qiáng)度的清洗和標(biāo)準(zhǔn)化輸出給數(shù)倉的客戶表、物料表、組織表都是干凈、唯一、帶標(biāo)準(zhǔn)編碼的。下游團(tuán)隊(duì)做ETL拉到主數(shù)據(jù)維度表就能直接關(guān)聯(lián)不需要每張事實(shí)表都做一遍人工映射。原來寫半小時(shí)的清洗邏輯現(xiàn)在刪掉。原來的數(shù)據(jù)準(zhǔn)備腳本幾千行縮到幾百行。這個效率提升不是快一點(diǎn)是數(shù)量級的。3.2 查詢與分析性能隨之受益主數(shù)據(jù)還能順帶解決一個性能問題。很多數(shù)倉做寬表時(shí)喜歡把客戶屬性、物料屬性、組織屬性全部冗余到事實(shí)表里導(dǎo)致事實(shí)表極度膨脹。一個億行的訂單表冗余了20個客戶屬性字段存儲和查詢壓力都會變大。如果主數(shù)據(jù)單獨(dú)建模事實(shí)表只保留客戶ID、物料ID、組織ID這些外鍵分析需要明細(xì)屬性時(shí)再通過主數(shù)據(jù)維度表關(guān)聯(lián)寬表寬度可以瘦身一半以上。查詢性能的提升邏輯也很簡單事實(shí)表變小了掃描的數(shù)據(jù)量少了JOIN的對象是經(jīng)過裁剪和索引優(yōu)化過的主數(shù)據(jù)表復(fù)雜度大幅降低。我在實(shí)踐里見過一個銷售分析報(bào)表改造前查詢要8秒主數(shù)據(jù)拆分化建模后降到2秒。數(shù)據(jù)量翻了倍查詢時(shí)間反而變短了。這就是主數(shù)據(jù)管理帶來的杠桿效應(yīng)——它不直接幫你算數(shù)但讓算數(shù)這件事變得輕快。3.3 口徑統(tǒng)一讓業(yè)務(wù)和分析團(tuán)隊(duì)“說同一種話”效率不只是機(jī)器效率還有人的效率。數(shù)據(jù)團(tuán)隊(duì)和業(yè)務(wù)團(tuán)隊(duì)之間大量的來回溝通都在爭論“這個指標(biāo)的口徑是什么”?？蛻魯?shù)怎么定義是注冊用戶數(shù)還是活躍用戶數(shù)一個客戶在不同平臺開了多個賬號算一個客戶還是多個客戶這些口徑爭議的根源就是主數(shù)據(jù)不一致。業(yè)務(wù)說我們有2000萬客戶數(shù)據(jù)分析師數(shù)出來只有800萬兩邊吵半天最后發(fā)現(xiàn)一個數(shù)的是注冊賬號一個數(shù)的是統(tǒng)一客戶實(shí)體。主數(shù)據(jù)管理提供了權(quán)威的唯一身份標(biāo)識所有指標(biāo)只要綁定到客戶主數(shù)據(jù)ID上口徑就自動收斂了。分析團(tuán)隊(duì)和業(yè)務(wù)團(tuán)隊(duì)坐在一起不用再為“你說的客戶到底是哪個客戶”吵架因?yàn)榇蠹叶贾老到y(tǒng)里的客戶就是主數(shù)據(jù)平臺里那一個唯一的客戶實(shí)體。溝通成本降下來以后需求響應(yīng)周期自然就縮短了。這個效率提升不好量化但經(jīng)歷過的人都知道有多值錢。4. 落地實(shí)操從零開始建主數(shù)據(jù)管理體系的六個步驟4.1 識別主數(shù)據(jù)域與優(yōu)先級第一步不是買工具而是先搞清楚企業(yè)到底有哪些主數(shù)據(jù)域哪些最需要治理。主數(shù)據(jù)域清單通常是六個客戶、供應(yīng)商、物料/產(chǎn)品、組織、員工、財(cái)務(wù)科目。每個行業(yè)側(cè)重不同制造業(yè)主攻物料和供應(yīng)商零售業(yè)先做客戶和商品金融業(yè)必須優(yōu)先搞定客戶和機(jī)構(gòu)。識別之后要排優(yōu)先級建議選一個投入產(chǎn)出比最高的域先做試點(diǎn)。我的經(jīng)驗(yàn)是不要貪多先選一個域打樣跑通全流程以后總結(jié)經(jīng)驗(yàn)再復(fù)制到其他域。選試點(diǎn)域的標(biāo)準(zhǔn)有三個跨系統(tǒng)引用頻繁、當(dāng)前數(shù)據(jù)質(zhì)量痛點(diǎn)明顯、分析業(yè)務(wù)訴求急迫。制造業(yè)先做物料因?yàn)橛惺畮讉€分廠共用物料數(shù)據(jù)痛點(diǎn)最明顯零售業(yè)先做客戶因?yàn)闀T營銷ROI分析等著用。4.2 定標(biāo)準(zhǔn)編碼、命名、分類一個都不能少主數(shù)據(jù)落地的核心是標(biāo)準(zhǔn)先行。沒有標(biāo)準(zhǔn)就上系統(tǒng)等于把臟數(shù)據(jù)原樣搬進(jìn)一個漂亮的新垃圾桶。標(biāo)準(zhǔn)要覆蓋三個方面編碼標(biāo)準(zhǔn)、命名標(biāo)準(zhǔn)和分類標(biāo)準(zhǔn)。編碼標(biāo)準(zhǔn)定義主數(shù)據(jù)的唯一標(biāo)識。常見做法是分域編碼比如客戶域用C開頭加序列號物料域用物料大類加小類加流水號。編碼一旦發(fā)布就不要隨意變更要保持穩(wěn)定性否則下游系統(tǒng)全部受牽連。命名標(biāo)準(zhǔn)解決“張偉”和“張偉廣州分公司”這類問題規(guī)定客戶名稱在什么情況下允許帶后綴公司客戶的法定名稱和常用名稱如何區(qū)分。分類標(biāo)準(zhǔn)主要解決物料和商品的多維歸類確保每個產(chǎn)品在多個分類視角下都能找到確定的位置。標(biāo)準(zhǔn)文檔一定要讓所有源頭系統(tǒng)簽字確認(rèn)這一步是政治工作但同時(shí)也是技術(shù)工作。標(biāo)準(zhǔn)落實(shí)不到位后面全是返工。4.3 數(shù)據(jù)清洗、匹配與合并標(biāo)準(zhǔn)定好之后開始對存量主數(shù)據(jù)進(jìn)行清洗和合并。這一步是整個落地過程里技術(shù)含量最高、也最容易翻車的環(huán)節(jié)。清洗包括去空格、統(tǒng)一大小寫、修正格式比如電話號碼去掉區(qū)號括號統(tǒng)一成純數(shù)字。匹配則是把不同系統(tǒng)里指向同一現(xiàn)實(shí)實(shí)體的記錄找出來。匹配算法可以分幾層精確匹配、規(guī)則匹配、模糊匹配。以客戶域?yàn)槔_匹配就是手機(jī)號、身份證、統(tǒng)一信用代碼完全一致規(guī)則匹配可以定義同一手機(jī)號加同一姓名判定為同一人模糊匹配用編輯距離、Jaro-Winkler這類算法處理“廣州張偉貿(mào)易公司”和“張偉廣州貿(mào)易”的差異。模糊匹配的閾值要反復(fù)調(diào)閾值太高漏匹配閾值太低錯匹配。我的經(jīng)驗(yàn)是先跑高精確匹配把能確認(rèn)的合并掉再用規(guī)則匹配處理剩余樣本最后人工抽檢模糊匹配結(jié)果。合并時(shí)還要處理“黃金記錄”Golden Record的生成問題多個沖突字段取哪個源的值。這里不能簡單取“最先錄入的”最好按源系統(tǒng)優(yōu)先級設(shè)定規(guī)則。比如財(cái)務(wù)系統(tǒng)的客戶名稱優(yōu)先級高于CRM系統(tǒng)因?yàn)樨?cái)務(wù)系統(tǒng)面向稅務(wù)開票準(zhǔn)確性有保障。這些規(guī)則也要記錄下來方便以后追溯。4.4 建立主數(shù)據(jù)服務(wù)中心與分發(fā)機(jī)制主數(shù)據(jù)清洗合并完成后需要建立一個主數(shù)據(jù)服務(wù)中心集中管理所有主數(shù)據(jù)的查詢、變更、發(fā)布。這個中心可以是專門的MDM系統(tǒng)也可以是在現(xiàn)有數(shù)據(jù)平臺上構(gòu)建的主數(shù)據(jù)服務(wù)。不同的數(shù)據(jù)消費(fèi)方比如數(shù)倉、業(yè)務(wù)系統(tǒng)、報(bào)表平臺都從主數(shù)據(jù)中心獲取標(biāo)準(zhǔn)主數(shù)據(jù)而不是各自維護(hù)一套。分發(fā)機(jī)制也需要注意。推薦采用發(fā)布訂閱模式主數(shù)據(jù)變更時(shí)主動推送給訂閱方。這樣下游系統(tǒng)不用頻繁全量拉取主數(shù)據(jù)減少接口壓力也能保證數(shù)據(jù)在變更后及時(shí)更新。推送的實(shí)現(xiàn)可以走消息隊(duì)列也可以直接調(diào)API視企業(yè)技術(shù)棧而定。關(guān)鍵是建立一個統(tǒng)一的變更事件模型即什么樣的變更會觸發(fā)推送下游如何接收和處理這些在設(shè)計(jì)階段就要定清楚。4.5 工具選型開源還是商業(yè)工具選型取決于企業(yè)規(guī)模、預(yù)算和現(xiàn)有技術(shù)棧。如果企業(yè)本來就重度使用某個云廠商的數(shù)據(jù)體系優(yōu)先看它的主數(shù)據(jù)管理組件。開源生態(tài)里可以基于數(shù)據(jù)管理平臺搭主數(shù)據(jù)模塊或者用專門的開源主數(shù)據(jù)管理工具它們功能覆蓋模型管理、數(shù)據(jù)質(zhì)量、匹配合并、生命周期管理這些核心需求適合技術(shù)能力強(qiáng)的團(tuán)隊(duì)二次開發(fā)。商業(yè)MDM套件的優(yōu)勢在于開箱即用匹配算法成熟可視化治理界面完善適合人力緊張、急于見效的團(tuán)隊(duì)。商業(yè)套件的License費(fèi)用不低所以選型時(shí)建議多關(guān)注POC驗(yàn)證。我見過不少企業(yè)買完商業(yè)MDM后發(fā)現(xiàn)只用了20%的功能剩下80%的配置復(fù)雜度還成了日常運(yùn)維負(fù)擔(dān)。反過來也見過開源方案團(tuán)隊(duì)自己開發(fā)匹配算法做了半年還達(dá)不到理想的準(zhǔn)確率。工具本身不是決定因素和自身團(tuán)隊(duì)的能力邊界匹配才是。4.6 持續(xù)治理與月度體檢主數(shù)據(jù)管理不是一次性項(xiàng)目它更像是一次整形外科手術(shù)外加終身體檢。治好了不代表永遠(yuǎn)不復(fù)發(fā)源頭系統(tǒng)的人員流動、新系統(tǒng)上線、組織變更隨時(shí)會把主數(shù)據(jù)質(zhì)量拉回去。所以必須建立持續(xù)治理機(jī)制。推薦每月做一次主數(shù)據(jù)質(zhì)量體檢輸出質(zhì)量報(bào)告包括完整性、唯一性、一致性、有效性幾個維度。完整性看必填字段有沒有空值唯一性看是否有重復(fù)記錄一致性看跨系統(tǒng)同義字段是否沖突有效性看編碼和分類是否在標(biāo)準(zhǔn)范圍內(nèi)。質(zhì)量指標(biāo)直接量化設(shè)定閾值超閾值自動觸發(fā)整改工單。我見過一個相對穩(wěn)妥的治理模式數(shù)據(jù)質(zhì)量得分納入源頭系統(tǒng)的季度考核讓各業(yè)務(wù)系統(tǒng)負(fù)責(zé)人真正為主數(shù)據(jù)負(fù)責(zé)而不是數(shù)據(jù)治理團(tuán)隊(duì)自己拿著KPI干著急。5. 常見問題與避坑心得5.1 常見問題速查表常見問題典型表現(xiàn)排查思路解決建議主數(shù)據(jù)治理半途而廢試點(diǎn)域做完后無法推廣到其他域缺少高層支持業(yè)務(wù)部門不配合最好由一把手掛帥由數(shù)據(jù)委員會下發(fā)治理規(guī)范避免單靠數(shù)據(jù)團(tuán)隊(duì)推動匹配合并誤傷數(shù)據(jù)兩個不同客戶被合并成一個人模糊匹配閾值設(shè)置過松高置信規(guī)則自動合并低置信僅提示人工確認(rèn)后生效主數(shù)據(jù)變更后下游不同步主數(shù)據(jù)改了數(shù)倉里的維度還是舊值分發(fā)機(jī)制沒有設(shè)計(jì)好或者執(zhí)行不到位建立變更訂閱機(jī)制做灰度發(fā)布變更有日志可追蹤標(biāo)準(zhǔn)落實(shí)不下去新系統(tǒng)仍然各自維護(hù)一套編碼源頭系統(tǒng)不愿意改造將主數(shù)據(jù)標(biāo)準(zhǔn)嵌入系統(tǒng)開發(fā)規(guī)范作為項(xiàng)目評審一票否決項(xiàng)數(shù)據(jù)治理變成數(shù)據(jù)團(tuán)隊(duì)的自嗨源頭系統(tǒng)沒有維護(hù)主數(shù)據(jù)的動力只有數(shù)據(jù)團(tuán)隊(duì)在“催”數(shù)據(jù)質(zhì)量建立數(shù)據(jù)質(zhì)量績效指標(biāo)納入源頭系統(tǒng)責(zé)任人的月度考核5.2 幾條實(shí)操心得第一不要試圖一開始就把所有主數(shù)據(jù)域一起治理。先集中火力干一個域把流程理順、把團(tuán)隊(duì)信心建立起來再擴(kuò)展其他域。治理這件事的成敗很大程度取決于早期能不能快速拿到幾個“可見成果”來支撐持續(xù)投入。第二主數(shù)據(jù)標(biāo)準(zhǔn)的制定一定要讓業(yè)務(wù)和數(shù)據(jù)兩條線的人同時(shí)參與。我在實(shí)際項(xiàng)目中見過兩個極端要么業(yè)務(wù)主導(dǎo)把標(biāo)準(zhǔn)定得過于靈活等于沒有標(biāo)準(zhǔn)要么技術(shù)主導(dǎo)把編碼規(guī)則搞得非常復(fù)雜業(yè)務(wù)操作人員根本記不住最終被迫繞開主數(shù)據(jù)系統(tǒng)另起爐灶。好的標(biāo)準(zhǔn)要讓錄入人員不需要查文檔就能判斷該填什么。第三匹配算法多調(diào)試幾次不算丟人?？蛻羝ヅ淅锝?jīng)常出現(xiàn)“夫妻共用同一手機(jī)號注冊會員”這種邊界情況單看匹配置信度判斷不了需要引入更多證據(jù)鏈比如收貨地址、設(shè)備ID。這類情況人工質(zhì)檢環(huán)節(jié)不能省特別是上線初期一定要留足人工復(fù)核的窗口期。主數(shù)據(jù)管理做得好大數(shù)據(jù)分析的項(xiàng)目推進(jìn)速度和成果質(zhì)量是兩個不同量級。數(shù)據(jù)準(zhǔn)備不再是瓶頸分析模型建得再復(fù)雜也有干凈的數(shù)據(jù)底座撐著指標(biāo)口徑不再扯皮業(yè)務(wù)和技術(shù)的協(xié)作效率大幅提升。如果你正在做大數(shù)據(jù)項(xiàng)目發(fā)現(xiàn)數(shù)據(jù)質(zhì)量一直拖著后腿先別急著加大清洗腳本投入停下來看看主數(shù)據(jù)這個源頭大概率能省下后面一大筆返工的冤枉錢。