1-5 京东零售指标体系中台化与服务化实践 - 韩雷钧

京东零售指标中台化与服务化实践总结

指标体系为何建了又建

• 原因：指标口径定义发生转移，导致频繁重建。
• 挑战：
  • 口径收敛困难。
  • 人工治理短期有效，但长期质量下降。
  • “熵增”现象难以避免。
  • “自顶向下”与“自底向上”的方法论存在差异。
  • 需要付出更多的努力以维持高质量。

零售指标中台化动因

• 目标：挖掘资产价值，实现全局最优。
• 措施：
  • 全局优化脉络拓扑结构。
  • 进行数据诊断，提升数据质量。
  • 实现消费场景可感知，促进资产货币化。
  • 推动资产开放共享，增强数据寻址能力。
  • 加速策略的应用，提高处理效率。
  • 复用中间态数据，优化全链路血缘关系。
  • 坏点检测与实时离线口径统一，提高系统稳定性。
  • 系统与业务变化时保持灵活性，实现一体化管理。

架构设计方案

• 主要组件：
  • 数据BP委员会。
  • 数据委员会负责定义驱动生产数据。
  • 通过应用场景抽象通用决策链路。
  • 数据知识被系统识别并应用。
  • 在线存储与离线存储相结合，实现加速策略。
  • 逻辑模型进行规则解耦，保持一致性。
  • 物化模型与口径定义相结合，增强扩展性。

指标服务化实践与资产价值释放

• 实践案例：
  • 智能寻址，定义指导组装。
  • 离线行为决策优选前置，实时行为决策动态分流。
  • 生产决策支持多种选择。
  • 使用JDVEasyBIGE作为示例。
• 资产价值释放：
  • 完备性：全链路可观测。
  • 唯一性：修饰口径排他。
  • 流通性：统一数据语言。
  • 可度量：建立资产价值模型。