5-1 现代数据栈中的消费层 - BI+AI 产品的演进.pdf

《5-1 现代数据栈中的消费层 - BI+AI 产品的演进.pdf》由会员分享，可在线阅读，更多相关《5-1 现代数据栈中的消费层 - BI+AI 产品的演进.pdf（33页珍藏版）》请在三个皮匠报告上搜索。

1、现代数据栈中的消费层BI+AI产品的演进周远 观远数据 首席科学家|个人简介|花名字节，15年行业经验，曾就职于微策略，阿里云。目前担任观远数据首席科学家，主要负责 BI+AI 产品研发工作。开源爱好者，Apache Arrow，delta-rs 等项目的贡献者。入选2022年度 36kr X36Under36 S级青年创业者名册。01什么是现代数据栈02现代数据栈中的自助分析03Analytics as Software04增强分析与决策智能目录CONTENT|01什么是现代数据栈|传统数据栈的问题|性能受限，昂贵使用门槛高获取洞察流程长场景扩展困难数据仓库的发展|商业：数据作为企业竞争力的

2、核心，赋能组织做更好的决策。技术：大数据，云原生，AI 浪潮的兴起。1990年代：数仓，OLTP到MPP2010年代：数据湖，Hadoop2016：云数仓，Lakehouse现代数据栈的起源：拆分|现代数据“栈”|现代数据栈的发展趋势|以业务为中心拥抱云原生模块化产品，plug and playDataOps成为“第一公民”02现代数据栈中的自助分析|传统数据分析流程|总体迭代时间：数周 数月传统数据分析痛点|技术：数据处理执行速度慢，可扩展性差流程：门槛高，依赖 IT 团队的开发实施产品：BI 层要做很多额外工作，查询优化，缓存，二次计算，cube落地：应用场景少，无法流畅完成决策闭环现代数

3、据分析流程|总体迭代时间：数小时数天现代数据分析产品趋势|基础能力：融入现代数据栈，基于云原生架构让业务用起来：数据分析作为软件产品，以业务为中心让业务信任数据：分析资产管控与优化完成决策闭环：从分析为主到数据驱动决策全流程支持03Analytics as Software|发挥数据价值|我们收集这么多的数据，最终目标是什么？用户体验+决策流程|从被动响应需求的服务部分，到主动规划，基于数据OS打造“数据产品”数据产品的典型用户|软件工程的“入侵”|瀑布式开发 vs.敏捷开发API-first 设计，开放，可组合性GUI 操作 vs.代码开发软件包复用，插件化架构，数据应用市场代码 vs.低代

4、码|面向开发者用户：通用编程语言DSL代码 vs.低代码自然语言与打手势，用户门槛与灵活性的取舍软件工程实践，版本控制，code review，自动化测试等代码与低代码的结合|代码与低代码的结合|04增强分析与决策智能|数据分析渗透率|面向业务用户：搜索与推荐个性化，场景化，智能化数据洞察推荐|数据故事生成|分析成熟度进阶|决策智能：分析能力+自动化|增强分析的产品能力要求|模型开发能力，no-code to full-code模型解释能力模型运维（MLOps）仿真与优化因果推理实时数据分析开放 APIReverse ETL05广告与提问环节|观远数据的实践|云原生，云巡检多用户角色支持，BI+AI，no-code to full-code数据应用市场开放 API，自定义可视化，业务系统集成增强分析，决策建议数据管控，数据质量，数据安全提问环节|非常感谢您的观看|