<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[saprrows的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/saprrows</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; saprrows]]></copyright><item><title><![CDATA[衷心祝愿~]]></title><link>https://blog.youkuaiyun.com/saprrows/article/details/133383203</link><guid>https://blog.youkuaiyun.com/saprrows/article/details/133383203</guid><author>saprrows</author><pubDate>Thu, 28 Sep 2023 14:15:38 +0800</pubDate><description><![CDATA[我们期待着达之云CDP客户数据平台在未来能够继续发挥其重要作用，帮助更多的企业实现客户价值最大化，共同迈向更加美好的未来！专为中小企业打造，让每一位客户的声音都被听见，每一次的互动都被珍视。双节来临之际，达之云发布全新产品——达之云CDP客户数据平台（Dazdata CDP），致力于为中小企业提供互联网营销解决方案，针对全域粉丝潜客进行管理，集成统一客户身份、行为采集、微信个性内容推送等，通过大数据和AI技术使中小企业互联网数字化营销快速落地。达之云衷心祝愿您，中秋国庆双节快乐，阖家幸福！]]></description><category></category></item><item><title><![CDATA[达之云BI平台助力中国融通集团陕西军民服务社有限公司实现数字化运营]]></title><link>https://blog.youkuaiyun.com/saprrows/article/details/132742400</link><guid>https://blog.youkuaiyun.com/saprrows/article/details/132742400</guid><author>saprrows</author><pubDate>Thu, 07 Sep 2023 17:17:42 +0800</pubDate><description><![CDATA[中国融通集团陕西军民服务社是一家大型综合类零售购物中心，公司目前管理系统运行了10年左右，面临系统新零售支持发展严重滞后，行业主流应用落地困难，如线上业务、到家业务、全渠道营销、电子发票、自助收银、扫码购、无感停车、未来营区保障涉及的自助售货机、无人超市、伴随式野战超市等业务现都无法直接实现。继续深耕大型商业综合体行业，力求通过先进的方案和完善的服务全方位助力零售企业打造起符合行业发展与时代诉求的大数据应用效果，推动零售企业数智化变革的进程，协助客户实现价值增长，助推国内零售业全面数智能化进程。]]></description><category></category></item><item><title><![CDATA[达之云牵手杭州数梦联合启动智慧矿业大数据服务项目]]></title><link>https://blog.youkuaiyun.com/saprrows/article/details/130683899</link><guid>https://blog.youkuaiyun.com/saprrows/article/details/130683899</guid><author>saprrows</author><pubDate>Mon, 15 May 2023 14:30:53 +0800</pubDate><description><![CDATA[达之云公司通过Redash中文商业版BI产品，以数梦工厂的数据中台为数据驱动，将为客户搭建10个符合煤矿需求的可视化大屏，利用大数据治理手段、数据标准、数据建模、指标建立等手段实现前端效果展现。将煤矿生产、安全、监控、运检、调度、运营等业务板块进行指标建立，通过BI功能展现到前端，达到综合监测、主动感知、提前预防、主动参谋的目的。为煤矿提供跨专业关联分析和数据可视化应用，将煤矿生产、安全、监控、运检、调度、运营实时数据、分析数据、成果数据上屏，达到综合监测、主动感知、提前预防、主动参谋的目的。]]></description><category></category></item><item><title><![CDATA[基于dbt的机器学习：流畅的过程衔接]]></title><link>https://blog.youkuaiyun.com/saprrows/article/details/130017666</link><guid>https://blog.youkuaiyun.com/saprrows/article/details/130017666</guid><author>saprrows</author><pubDate>Fri, 07 Apr 2023 17:53:32 +0800</pubDate><description><![CDATA[DBT 继承了我们在 SQL 上的工作，在数据工程师、数据分析工程师和任何数据角色之间构建了一个优雅、通用的、操作友好的环境。工具和工作流的统一在数据组织内为不同团队之间创建了互操作性。就像在接力赛中一样，在过程的各个阶段都有明确的交接点和明确的所有权。但截止目前，还有一个环节仍然痛苦且不确定：机器学习（ML）工程师和数据分析工程师之间的衔接。根据我的经验，ML工程和数据分析工程之间的初始协作工作流程开始时很强大，但最终在维护阶段变得混乱。这最终导致项目变得无法使用和被遗忘。]]></description><category></category></item><item><title><![CDATA[发挥现代数据栈MDS的更大价值]]></title><link>https://blog.youkuaiyun.com/saprrows/article/details/129990039</link><guid>https://blog.youkuaiyun.com/saprrows/article/details/129990039</guid><author>saprrows</author><pubDate>Thu, 06 Apr 2023 15:14:21 +0800</pubDate><description><![CDATA[从原始数据到有价值的、可操作的见解的过程是漫长的，不适合胆小的人。旅程的每一步都需要时间和精力，而且往往需要不同的工具。例如，第一步 - 数据收集 - 已经是一场艰巨的艰苦战斗，因为公司的数据分散在各种源系统和文件中。将碎片数据集成到集中式数据仓库依赖于 ELT 或 ETL 过程，为此您可能需要多个提供程序来连接所有源。以下步骤 - 存储，转换，可视化和分析 - 都涉及将数据重新定位或转换为不同的格式和结构。不用说，这不是一件容易的事。]]></description><category></category></item><item><title><![CDATA[通过 DVT 和 dbt 测试监控Airbyte数据管道]]></title><link>https://blog.youkuaiyun.com/saprrows/article/details/129958311</link><guid>https://blog.youkuaiyun.com/saprrows/article/details/129958311</guid><author>saprrows</author><pubDate>Tue, 04 Apr 2023 17:37:33 +0800</pubDate><description><![CDATA[首先，在提取加载 （EL） 步骤中，在加载作业完成后，根据目标中的数据验证源中的数据质量。开源替代方案包括普罗米修斯、洛基、远大期望、数据验证工具 （DVT）、dbt 测试、Datafold 的数据差异等......需要注意的重要一点是，您可能需要组合其中两个或多个工具来实现您的目标。下面的代码片段实现了从 Google Cloud Function 运行的通知/提醒系统，并在源表中的行/列数与上述数据验证示例中的目标表不匹配时将通知/警报推送到 Slack 渠道。这种类型的监视发生在管道的转换阶段之后。]]></description><category></category></item><item><title><![CDATA[你想知道的关于现代数据栈MDS的所有内容]]></title><link>https://blog.youkuaiyun.com/saprrows/article/details/129935103</link><guid>https://blog.youkuaiyun.com/saprrows/article/details/129935103</guid><author>saprrows</author><pubDate>Mon, 03 Apr 2023 17:40:52 +0800</pubDate><description><![CDATA[如上所述，现代数据堆栈的倡导者包括dbt，Fivetran，a16z，其他数据软件公司和许多风险投资。他们都想改变的是公司准备数据进行分析的方式：从传统的ETL（提取，转换，加载）到ELT（提取，加载，转换）。相反，ELT 的意思是，在将数据加载到云数据仓库之前，只需要数据提取和数据加载。现在回到本文的主题，这种以数据仓库为中心的构建堆栈的方式是现代数据堆栈所倡导的方式：数据仓库功能的广泛使用。现代数据堆栈的目标是大大简化用户管理数据的难度，让用户更关心数据本身，而不是软件。因此，起点是不同的。]]></description><category></category></item><item><title><![CDATA[DBT构建和部署机器学习模型预测订单退货]]></title><link>https://blog.youkuaiyun.com/saprrows/article/details/129862506</link><guid>https://blog.youkuaiyun.com/saprrows/article/details/129862506</guid><author>saprrows</author><pubDate>Thu, 30 Mar 2023 17:39:59 +0800</pubDate><description><![CDATA[在这篇博文中，我们将引导您了解如何使用 fal 和 dbt 来训练和存储逻辑回归 ML 模型，对新数据进行预测，并将这些预测存储在 dbt 模型中。接下来，我们将模型权重保存到本地存储。在我们的例子中，逻辑回归模型的输出将是给定客户的年龄和订单总价格的订单被退回的概率。这个新的dbt模型将首先选择最佳的逻辑回归模型，使用它来预测订单是否会被退回，最后将其预测存储在我们的数据仓库中。如您所见，我们正在计算两个 dbt 模型，并且 .顾名思义，一个数据集包含标记的数据，而另一个数据集包含未标记的“新鲜”数据。]]></description><category></category></item><item><title><![CDATA[数据工程：ELT 工作流中的 6 个步骤]]></title><link>https://blog.youkuaiyun.com/saprrows/article/details/129841857</link><guid>https://blog.youkuaiyun.com/saprrows/article/details/129841857</guid><author>saprrows</author><pubDate>Wed, 29 Mar 2023 17:47:13 +0800</pubDate><description><![CDATA[因此，一个好的数据转换过程既严格又灵活 - 该过程允许足够的护栏，使分析工作有价值和有条理，有足够的空间来有趣、具有挑战性和针对您的业务进行定制。在实际的转换步骤中，已加载到数据仓库中的原始数据，您熟悉该数据的结构，并且您有一个关于如何处理它的大致计划 - 它终于准备好开始您的建模过程了！如果您对原始数据的准确性和完整性有很高的信心，那么与质疑数据的完整性相比，此步骤可能会变得不那么费力（如果您是数据从业者，这可能是您的自然倾向😉）。在提取过程中，从与您的业务相关的多个数据源中提取数据。]]></description><category></category></item><item><title><![CDATA[自助式分析是数据组织的一种状态]]></title><link>https://blog.youkuaiyun.com/saprrows/article/details/129800184</link><guid>https://blog.youkuaiyun.com/saprrows/article/details/129800184</guid><author>saprrows</author><pubDate>Mon, 27 Mar 2023 17:47:47 +0800</pubDate><description><![CDATA[例如，在我认识的一家消费者软件公司中，该公司报告结构中的许多人都精通SQL，因此他们能够通过面向SQL的BI工具，精心策划的数据仓库和一两个可视化工具的组合来解决自助服务问题。然后你的公司成长起来，创建了向不同领导者报告的部门，每个部门都雇佣了自己的分析师，现在你在公司的各个部门都有一群分析师，都在编写查询或调整Excel电子表格，只是试图跟上你的公司向他们提出的业务要求。“我们非常高兴，”他告诉我们，“产品团队和营销团队都有自己的仪表板，一旦我们设置了所有内容，我们从这两个团队收到的请求数量就会下降。]]></description><category></category></item><item><title><![CDATA[现代数据栈MDS应用落地介绍—Vero营销自动化平台]]></title><link>https://blog.youkuaiyun.com/saprrows/article/details/129755879</link><guid>https://blog.youkuaiyun.com/saprrows/article/details/129755879</guid><author>saprrows</author><pubDate>Fri, 24 Mar 2023 18:00:07 +0800</pubDate><description><![CDATA[如果 你有一个像Dribbble这样的数据仓库设置，这意味着 支付两次费用以存储相同的数据：一次在您自己的数据中 仓库，并再次在您的电子邮件服务提供商的云中。这是运球的场景 发现自己在。现代数据栈MDS的出现使得中小企业低成本获得大数据处理能力成为可能，技术的进步使得各种基于MDS的大数据应用如雨后春笋般涌现，不同于国内的数据中台更多强调数据处理技术，MDS注重落地和最后一公里的大数据应用。在原始成本之上 重复数据存储，运行中涉及的维护 数据管道的拼凑使所有内容保持同步，增加了 巨大的维护成本。]]></description><category></category></item><item><title><![CDATA[现代数据栈MDS应用落地介绍—Vero营销自动化平台]]></title><link>https://blog.youkuaiyun.com/saprrows/article/details/129735659</link><guid>https://blog.youkuaiyun.com/saprrows/article/details/129735659</guid><author>saprrows</author><pubDate>Thu, 23 Mar 2023 17:40:23 +0800</pubDate><description><![CDATA[如果 你有一个像Dribbble这样的数据仓库设置，这意味着 支付两次费用以存储相同的数据：一次在您自己的数据中 仓库，并再次在您的电子邮件服务提供商的云中。这是运球的场景 发现自己在。现代数据栈MDS的出现使得中小企业低成本获得大数据处理能力成为可能，技术的进步使得各种基于MDS的大数据应用如雨后春笋般涌现，不同于国内的数据中台更多强调数据处理技术，MDS注重落地和最后一公里的大数据应用。在原始成本之上 重复数据存储，运行中涉及的维护 数据管道的拼凑使所有内容保持同步，增加了 巨大的维护成本。]]></description><category></category></item><item><title><![CDATA[现代数据栈MDS应用落地介绍—Bloom AI数据交付平台，实时AI驱动业务]]></title><link>https://blog.youkuaiyun.com/saprrows/article/details/129715260</link><guid>https://blog.youkuaiyun.com/saprrows/article/details/129715260</guid><author>saprrows</author><pubDate>Wed, 22 Mar 2023 17:47:32 +0800</pubDate><description><![CDATA[现代数据栈MDS的出现使得中小企业低成本获得大数据处理能力成为可能，技术的进步使得各种基于MDS的大数据应用如雨后春笋般涌现，不同于国内的数据中台更多强调数据处理技术，MDS注重落地和最后一公里的大数据应用。客户在 Salesforce 中捕获客户/潜在客户的互动，而 Bloom AI 平台为客户团队提供了主题分析、视觉洞察和智能警报。Bloom AI认为业务团队的当前商业智能（BI）流程是分散的、复杂的和技术性的。例如，对定价的严重负面反馈、对全球战略客户的高满意度、新功能的趋势等。]]></description><category></category></item><item><title><![CDATA[现代数据栈MDS应用落地介绍—ActionIQ智能营销系统]]></title><link>https://blog.youkuaiyun.com/saprrows/article/details/129693688</link><guid>https://blog.youkuaiyun.com/saprrows/article/details/129693688</guid><author>saprrows</author><pubDate>Tue, 21 Mar 2023 17:45:22 +0800</pubDate><description><![CDATA[现代数据栈MDS的出现使得中小企业低成本获得大数据处理能力成为可能，技术的进步使得各种基于MDS的大数据应用如雨后春笋般涌现，不同于国内的数据中台概念，MDS注重落地和最后一公里的大数据应用。随着客户隐私和数据保护的增加，作为营销人员和组织，我们如何使我们的业务面向未来，并考虑正确的技术堆栈，以帮助我们保护面临风险的收入，更重要的是，开始考虑如何创造更无缝的客户体验来推动增长？在遵守隐私法规的情况下，跨您选择的第一、第二和第三方来源管理和解析匿名和已知客户的身份。]]></description><category></category></item><item><title><![CDATA[现代数据栈MDS应用落地介绍—Clearbit营销数据激活平台]]></title><link>https://blog.youkuaiyun.com/saprrows/article/details/129671976</link><guid>https://blog.youkuaiyun.com/saprrows/article/details/129671976</guid><author>saprrows</author><pubDate>Mon, 20 Mar 2023 17:25:51 +0800</pubDate><description><![CDATA[现代数据栈MDS的出现使得中小企业低成本获得大数据处理能力成为可能，技术的进步使得各种基于MDS的大数据应用如雨后春笋般涌现，最后一公里的大数据应用在企业的普及，反过来也促使MDS技术平台快速发展。额外的表单字段通常意味着更少的合格潜在客户。获取公司关心的每家公司和联系人的更全面背景信息，以推动大规模洞察、转化和制胜。一致的上下文可让您实时评分和路由潜在客户，以便您可以告别不适合、错误路由的潜在客户和手动排序。使用您的 CRM 数据、网站数据和 100+ 公司、技术和员工属性，通过精确的受众推动更多管道。]]></description><category></category></item><item><title><![CDATA[现代数据栈MDS应用落地介绍—DataChannel数字营销分析]]></title><link>https://blog.youkuaiyun.com/saprrows/article/details/129624825</link><guid>https://blog.youkuaiyun.com/saprrows/article/details/129624825</guid><author>saprrows</author><pubDate>Fri, 17 Mar 2023 17:22:37 +0800</pubDate><description><![CDATA[DataChannel公司推出的数字化营销和分析产品，让营销团队能够在需要时快速访问来自所有广告平台和营销自动化工具的新数据。通过与所有关键营销平台的集成，获取数据变得轻而易举。随时随地构建报告和仪表板。使用高质量数据超个性化您的广告投放，跨营销平台运行超个性化的营销活动。在一个统一平台管理您的细分和受众。现代数据栈MDS的出现使得中小企业低成本获得大数据处理能力成为可能，技术的进步使得各种基于MDS的大数据应用如雨后春笋般涌现，最后一公里的大数据应用在企业的普及，反过来也促使MDS技术平台快速发展。]]></description><category></category></item><item><title><![CDATA[现代数据栈MDS的6个趋势]]></title><link>https://blog.youkuaiyun.com/saprrows/article/details/129593112</link><guid>https://blog.youkuaiyun.com/saprrows/article/details/129593112</guid><author>saprrows</author><pubDate>Thu, 16 Mar 2023 17:32:24 +0800</pubDate><description><![CDATA[他说，在IT运营管理领域，这涉及分析数据，包括指标，事件，日志，拓扑，事件和更改，并且需要开放的平台，并且可以集成来自无数工具和技术的数据，并补充说，堆栈还需要支持混合客户来自本地数据中心基础设施和应用程序以及多个云资产的数据。“人们，普通商业用户，使用AI / ML做非凡事情的方式，将改变未来企业的运营方式，”他说，并补充说谷歌正在寻找进一步民主化人工智能和机器学习的方法，以便那些没有数据背景的人可以通过简单的电子表格访问它。我们在谷歌有备份，在微软有其他备份，这种互连正在变得正常，“齐马说。]]></description><category></category></item><item><title><![CDATA[现代数据栈MDS兴起]]></title><link>https://blog.youkuaiyun.com/saprrows/article/details/129562568</link><guid>https://blog.youkuaiyun.com/saprrows/article/details/129562568</guid><author>saprrows</author><pubDate>Wed, 15 Mar 2023 17:57:22 +0800</pubDate><description><![CDATA[数据仓库曾经是数据团队的巨大瓶颈。这就是您的数据来源：它可以是您的生产数据库（例如PostgreSQL），Web服务器的日志，或者第三方应用程序，如Stripe，Zendesk或您正在使用的任何其他产品。例如，在传统的数据堆栈中，想要访问过产品某个区域的客户列表的客户经理需要友好的工程师或分析师的帮助来为他们“提取”数据。通常，这是作为技术和服务的列表共享的，但是给定堆栈背后的工作和理论比简单格式所允许的要多方面得多。在成熟的数据堆栈中，它是通常是数据仓库，但可能只是一个数据库的只读副本在早期阶段的公司。]]></description><category></category></item><item><title><![CDATA[DBT是什么]]></title><link>https://blog.youkuaiyun.com/saprrows/article/details/129533820</link><guid>https://blog.youkuaiyun.com/saprrows/article/details/129533820</guid><author>saprrows</author><pubDate>Tue, 14 Mar 2023 17:39:21 +0800</pubDate><description><![CDATA[仅使用 SQL 语句或 Python 数据帧编写业务逻辑，返回所需的数据集，dbt 负责select物化.构建可重用或模块化的数据模型，这些数据模型可以在后续工作中引用，而不是从每次分析的原始数据开始。DBT 针对您的数据平台编译并运行您的分析代码，使您和您的团队能够在指标、见解和业务定义的单一事实来源上进行协作。作为 dbt 用户，您的主要关注点将是编写反映核心业务逻辑的模型（即选择查询）——无需编写样板代码来创建表和视图，也无需定义模型的执行顺序。通常，数据源中的记录是可变的，因为它们会随时间而变化。]]></description><category></category></item><item><title><![CDATA[现代数据堆栈MDS有什么现代之处]]></title><link>https://blog.youkuaiyun.com/saprrows/article/details/129499125</link><guid>https://blog.youkuaiyun.com/saprrows/article/details/129499125</guid><author>saprrows</author><pubDate>Mon, 13 Mar 2023 17:11:55 +0800</pubDate><description><![CDATA[设计一个好的MDS，让你的员工做他们的工作，回报将是无价的。为了保持竞争优势，组织需要能够在正确的时间采取行动的数据，并且足够灵活地适应变化。随着网络安全威胁、负责任的 AI 以及数据法规的增加，在没有考虑数据治理的情况下构建的系统是每个 CIO 的噩梦。需要注意的重要一点是，尽管没有任何奶油，但最终结果是你仍然有一个可以吃的蛋糕。例如，Metabase是一个可视化工具，不需要SQL知识来构建，也不需要BI专家的帮助来使用。这种方法的问题在于，MDS 现在是围绕工具构建的，而不是为用户构建的。]]></description><category></category></item></channel></rss>