中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

生鮮app搭建數(shù)據(jù)倉庫是非常必要的，它需要提升供應(yīng)鏈管理能力和數(shù)據(jù)的計算的準確性和時效性。那么，要怎么去進行一個數(shù)據(jù)倉庫的搭建呢？本文給大家分享一下搭建的過程~

某生鮮APP搭建數(shù)據(jù)倉庫的必要性分析

（1）供應(yīng)鏈能力是生鮮電商致勝的關(guān)鍵，提升供應(yīng)鏈管理能力離不開數(shù)據(jù)倉庫的底層支撐。

中國生鮮電商市場目前處于高速發(fā)展期，隨著巨頭和資源活躍，行業(yè)內(nèi)頻頻出現(xiàn)新玩家和創(chuàng)新模式。當下，生鮮電商市場呈現(xiàn)多業(yè)態(tài)共存的局面，隨著賽道玩家的增多以及巨頭布局的擴大，生鮮電商行業(yè)競爭將持續(xù)升級，同時也將推動原有的行業(yè)格局加速洗牌。

“供應(yīng)鏈管理”作為生鮮電商最重要的一環(huán)，是企業(yè)在混戰(zhàn)中突圍致勝的關(guān)鍵，在生鮮供應(yīng)鏈中運用大數(shù)據(jù)、人工智能、物聯(lián)網(wǎng)等先進技術(shù)，追蹤用戶行為、精準預(yù)測市場需求、把控生鮮產(chǎn)品質(zhì)量，以及通過生產(chǎn)端延伸，以縮短供應(yīng)鏈條、降低運營成本是提高供應(yīng)鏈管理能力的重要途徑。

而實現(xiàn)以上訴求，離不開數(shù)據(jù)的支撐，數(shù)據(jù)倉庫保證了數(shù)據(jù)的準確性、時效性和完整性。

（2）生鮮電商市場潛力大，未來仍呈快速增長趨勢，數(shù)據(jù)倉庫保證密集型數(shù)據(jù)計算的準確性與時效性。

中國生鮮電商市場發(fā)展迅速，2018年生鮮電商市場交易規(guī)模突破2000億元。2016-2017年市場雖迎來洗牌期，大量中小型生鮮電商或倒閉或被并購，與此同時，阿里京東等電商巨頭入局，不斷加碼供應(yīng)鏈及物流等基礎(chǔ)建設(shè)投資，并帶來了線上線下融合的新零售模式，整個生鮮電商行業(yè)仍將保持快速發(fā)展。

業(yè)務(wù)的快速增長意味著數(shù)據(jù)的極度密集，急需數(shù)據(jù)倉庫的支撐來實現(xiàn)高速和大批量的數(shù)據(jù)計算。

（3）該生鮮商城擁有成熟的線上業(yè)務(wù)系統(tǒng)，底層OLTP系統(tǒng)成熟完善，擁有搭建數(shù)據(jù)倉庫的業(yè)務(wù)基礎(chǔ)。

數(shù)據(jù)倉庫搭建的價值

（1）數(shù)據(jù)集成整合，權(quán)限統(tǒng)一管理，可以保證數(shù)據(jù)的安全性。

通過數(shù)據(jù)的集中化管理，通過權(quán)限與角色的配置，可以全方面把控數(shù)據(jù)的訪問路徑與口徑，不同權(quán)限對應(yīng)不同數(shù)據(jù)主題，進一步預(yù)防數(shù)據(jù)的泄漏。

（2）數(shù)據(jù)查看更加直觀靈活、能夠進一步促進運營策略、帶來數(shù)據(jù)增長。

搭建在數(shù)據(jù)倉庫之上的數(shù)據(jù)看板、CEO駕駛艙，能直觀的看到數(shù)據(jù)的增長和分布情況，更加方便企業(yè)垂直化運營，盤活私域流量，促進GMV增長。

（3）多部門合作更加順暢。

擁有數(shù)據(jù)倉庫之后，產(chǎn)品經(jīng)理可以基于此根據(jù)不同部門的日常需求合并歸納，將高頻度高時效的需求落實到具體的大數(shù)據(jù)產(chǎn)品中，方便運營或者商務(wù)、市場部門人員自行實時獲取數(shù)據(jù)，降本增效，提高響應(yīng)速度，更好支撐業(yè)務(wù)部門的工作。

數(shù)據(jù)倉庫落地流程

首先，數(shù)據(jù)倉庫是一款數(shù)據(jù)產(chǎn)品，遵循產(chǎn)品設(shè)計邏輯，從業(yè)務(wù)出發(fā)，挖掘分析需求，立足需求確定產(chǎn)品設(shè)計方案，最后交付工程師實際落地。

其次，從數(shù)據(jù)倉庫的角度來看，數(shù)據(jù)倉庫落地包括從源數(shù)據(jù)到DW輸出過程中對數(shù)據(jù)進行采集、建模、清洗、預(yù)處理、加工和集成等關(guān)鍵步驟。

再次，數(shù)據(jù)倉庫產(chǎn)品不僅僅承擔數(shù)據(jù)的倉儲功能，還希望基于在海量數(shù)據(jù)之上提供更多分析、決策、模型等應(yīng)用。

從需求了解為起點，整個數(shù)倉的搭建過程需要經(jīng)歷以下9個步驟：

1. 了解業(yè)務(wù)背景

該生鮮APP是一款線上電商產(chǎn)品，用戶的主要行為在于商品的選購，在APP上瀏覽生鮮產(chǎn)品，選擇后加入購物車，提交訂單，完成支付，然后由商家進行配送，配送完成。

流程結(jié)束，如下圖所示：

該產(chǎn)品的商業(yè)化思路很清晰，提升用戶粘性，提高下單率，提升GMV，降低倉儲、物流及供貨成本，降本增效、提高企業(yè)利潤是該數(shù)倉追求的主要目標。

2. 設(shè)計數(shù)據(jù)倉庫實施步驟

2.1 根據(jù)業(yè)務(wù)目標，設(shè)計分析方案

根據(jù)經(jīng)濟學(xué)原理可以得出：利潤=營業(yè)額-成本。

在相同成本基礎(chǔ)上，營業(yè)額越高，利潤值越大；相反，營業(yè)額不變的基礎(chǔ)之下，成本越低，利潤值越高。

提高營業(yè)額，我們可以從：擴大購買人群、提高客單價、提高復(fù)購率、減少退貨率等方面著手。

降低成本，我們則可以從：降低進貨價格、減少庫存量、降低貨品損壞率、降低物流成本等方面著手。

擴大購買人群，提高客單價、提高復(fù)購率、減少退貨率，我們可以從用戶數(shù)據(jù)、訂單數(shù)據(jù)、大客戶數(shù)據(jù)、購物車數(shù)據(jù)、售后數(shù)據(jù)進行分析；

降低進貨成本、減少庫存、降低貨品損壞率、降低物流成本，我們可以從供應(yīng)鏈數(shù)據(jù)、微倉數(shù)據(jù)進行分析。

根據(jù)以上思路，我們可以將數(shù)據(jù)分析主題劃分為以下7個：

1. 用戶主題分析
2. 訂單主題分析
3. 大客戶主題分析
4. 購物車主題分析
5. 售后主題分析
6. 供應(yīng)鏈主題分析
7. 微倉主題分析

2.2 對所有主題進行目標拆解

用戶分析：

• 用戶會員占比？
• 用戶使用優(yōu)惠券的情況？
• 使用優(yōu)惠券后有多少轉(zhuǎn)為會員？
• 成為會員的路徑？
• 會員剩余有效期的時間？
• 購買會員時長的分布？
• 會員年齡段、性別的分布情況？
• 用戶點擊行為？
• 用戶賬戶的情況分類（手機號、第三方賬號）？
• 用戶來源渠道（推廣頁面、短信導(dǎo)流、二維碼掃碼）？
• 用戶支付習(xí)慣（支付寶、銀聯(lián)、微信、其他）？

訂單分析：

• 訂單金額分布？
• 哪些商品比較受歡迎？
• 下單時間的分布是怎么樣的？
• 年度、季度、月度、周、日銷售額、利潤？
• 哪種優(yōu)惠形式用的比較多（會員？優(yōu)惠券？優(yōu)惠券額度？免配送費）？
• 哪些品類產(chǎn)品銷售比較快？
• 訂單評價（物流、服務(wù)、商品）？
• 下單到配送完成，訂單消耗時間分布？
• 訂單支付方式分布？
• 訂單組成類型（個人訂單、大客戶訂單），銷售額占比情況？

大客戶分析：

• 大客戶來源？
• 大客戶訂單規(guī)模（100人、200人）？
• 大客戶單位性質(zhì)、行業(yè)分布？（國企、私企、互聯(lián)網(wǎng)）
• 大客戶地域分布？
• 大客戶購買頻率？
• 大客戶復(fù)購率？

購物車分析：

• 購物車產(chǎn)品數(shù)量？
• 購物車產(chǎn)品分類？
• 購物車商品關(guān)聯(lián)度？
• 購物車轉(zhuǎn)為訂單的比率？

售后分析：

• 售后渠道接單量分布？
• 售后類型（物流、商品質(zhì)量、支付問題）？
• 售后回復(fù)效率、時間？
• 售后滿意度？
• 售后處理方式（退款？賠償？發(fā)送優(yōu)惠券？）分布？

供應(yīng)鏈分析：

• 哪些供應(yīng)商的產(chǎn)品比較受歡迎？
• 哪些供應(yīng)商產(chǎn)品比較全？
• 哪些供應(yīng)商的配貨速度比較快？
• 各品類商品供應(yīng)商配貨時間集中度是什么時候？
• 供應(yīng)商的分布？

微倉分析：

• 微倉的分布？
• 微倉的規(guī)模？
• 哪些微倉效益比較好？
• 哪些微倉評價比較好？
• 微倉配貨分揀時間分布？
• 微倉收入是怎么樣的分布？
• 微倉面積與產(chǎn)品囤貨量分析？

2.3 抽取公共維度，構(gòu)建數(shù)據(jù)集市

確定細分的分析主題后，需要對上述所有的主題進行切片，抽取公共維度。公共維度的抽取非常重要，如果沒有維度的切片，那么所有分析數(shù)據(jù)只能從業(yè)務(wù)源數(shù)據(jù)中抽取，這樣會極大降低數(shù)據(jù)的處理速度，甚至?xí)?dǎo)致計算系統(tǒng)的崩潰。這一步也為接下來的數(shù)據(jù)建模提供基礎(chǔ)。

以用戶分析為例，與用戶有關(guān)的維度有下單時間、下單日期、所在地區(qū)、購買的產(chǎn)品、用戶訂單、支付方式、折扣方式、年齡、購買頻率、售后等等。

以此類推，逐個分析每一個主題，然后抽取公共維度，構(gòu)建總線矩陣表，如下所示：

2.4 根據(jù)常用建模方法，設(shè)計維度表和事實表

一般來說，數(shù)據(jù)倉庫由維度表和事實表2種表組成，保存度量值的詳細值或事實的表稱為“事實表”；用來描述事物維度和屬性的表稱為維度表。一般來說，一個事實數(shù)據(jù)表都要和一個或多個維度表相關(guān)聯(lián)。

在這一步驟中，我們需要把OLTP模型中的數(shù)據(jù)轉(zhuǎn)化為關(guān)系模型。建模方法常用的有星形模型、雪花模型。

以下訂單事實表為例，基于星型模型將OLTP中的數(shù)據(jù)轉(zhuǎn)化為關(guān)系模型，定義層次結(jié)構(gòu)，在這一步基本完成物理數(shù)據(jù)庫的設(shè)計。

如下圖所示：

3. 配置數(shù)據(jù)源

OLTP中的數(shù)據(jù)類型非常多，來源也很多。既有結(jié)構(gòu)化數(shù)據(jù)，也有半結(jié)構(gòu)化、非結(jié)構(gòu)化數(shù)據(jù)；既有mysql、oracle等關(guān)系型數(shù)據(jù)數(shù)據(jù)，也有日志文件、ngix服務(wù)器、埋點數(shù)據(jù)，甚至還有DOC文件數(shù)據(jù)。

在這一步就需要梳理所有數(shù)據(jù)來源，包括來源總數(shù)、數(shù)據(jù)類型、存儲方式、數(shù)據(jù)量級、更新頻度、增量量級等等。

另外需要注意到，結(jié)構(gòu)化數(shù)據(jù)可以直接通過ETL方式進行提??；結(jié)構(gòu)化和半結(jié)構(gòu)化數(shù)據(jù)則需要通過一定的算法處理后再入庫。

未完待續(xù)……

本文由 @alentain 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理，未經(jīng)許可，禁止轉(zhuǎn)載。

題圖來自 Unsplash，基于CC0協(xié)議。