冯俊晨-火花思维数据分析体系建设和实战分享

自研团队的“鸡肋”处境：产研团队规模小（2产品、3后端、2测试），人力不足，旧系统维护成本高，开发全新系统又力不从心。
行为日志系统分析效率低下：以页面ID和行为ID作为最细粒度，导致点位爆炸（抖音APP点位约6000个，火花点位超1万）；仅会SQL的分析师能创建和修改图表，响应速度慢；缺乏自助测试验证机制，协作链条长。
技术架构问题：采用presto+redis缓存，P95查询延迟达30秒以上，使用体验差；数据结构上，一个可视化图表对应一个SQL（或物化视图），缺乏交互式分析机制。
复用性差：日表、周表、月表需维护3段SQL，生产效率低，分析师不愿使用。

BI系统：
- 可视化分析：图表类型丰富度不如Superset，但常见图表均有配置；表格格式化能力不如FineBI，但远强于Superset；上卷/下钻与FineBI和Superset相似；查询性能最佳；辅助分析组件未认真比较。
- 智能归因分析：火山引擎独门绝技，是选型的决定性因素；加法指标（如DAU）几乎替代分析师工作，乘法指标（如平均用时）极大节约分析师时间；归因分析（除法指标，如转化率）仅参考意义。
- 数据预处理：接入数据源种类丰富；调度系统未认真比较；可视化建模对非分析师友好。
行为数据分析系统：
- 可视化分析：常用组件与神策类似；单人细查与分群分析与神策类似；固化套件逊于神策的行业模板。
- AB Test系统：动态分流系统（多臂老虎机）国内生态仅火山引擎提供，是选型的决定性因素；点位生命周期管理独特但实际价值不大；可视化测试环境与神策类似。
数据治理：动态分流下自动扩缩量，保护业务结果，节约实验时间，特别利于小流量实验。

设计插上数据的翅膀：助力朋友圈有效分享率提升12%；第一阶段深度介入数据管线和看板；第二阶段鼓励设计人员自分析；通过培训和工作坊提升自问自答能力。
后服务团队数据管理工作台：助力业务团队超额完成GMV目标5%；第一阶段从数据搬运到分析；第二阶段定制数据集；可视化建模+行列权限极大解放数据运营效率；长期固定观察项目才需数据宽表。

数据分析产品需需求驱动：业务痛点决定解决方案形式；专业分析人员需提高生产效率，非专业分析人员需降低生产门槛；创造看数需求比提高产数效率更重要。
行为分析系统日活提不上来的原因：重视培训和工作坊，做好业务核心场景的数据集市，控制数据集认知复杂度。
面向大模型的元数据治理：
- OLAP时代是维度建模，LLM时代需从数据集市到问题集合：业务抽象建模、企业知识和元数据管理将沉淀企业内部。
- Metrics Layer：可能成为LLM时代的建模方式。