8-4 BI 平台在小米的实践

小米的BI平台发展演变

• 2019年：业务自建
• 2020年：产品整合
• 2021年：可视化
• 2022年：规模化交付

主要特点

• 技术选型
  • 引擎：最终选择了Doris，因为它对宽表的易用性较好。
  • 数据源：支持MySQL、Doris、Hive、Excel、BW HANA等。
• 查询体验
  • 裁剪数据量
  • 数据抽样
  • 集群空闲程度监控
  • 拆分实时和离线查询
  • 查询排队机制
  • SQL拼接优化
  • 查询耗时预估
  • 提供性能分析功能
  • 实时查询与提交查询结合
  • 查询功能拆分
  • 维度值查询和更新策略
• 建模
  • SQL拼接查询
  • 复杂指标SQL片段
  • 定义参数变量
  • JOIN优化/SQL调优
  • 基于Cube查询
  • 复杂指标用函数搞定
  • 时间层级自动聚合
  • 维度层级结构MDXSQL
• 可视化
  • 图表样式交互
  • 数据可视化
• 权限管理
  • 自定义页面及操作资源管控
  • RBAC管理
  • 维度分组、指标分组、模型关联
  • 看板作为页面资源管理
  • 编辑或查看权限
  • 用户、角色、资源组织结构通过角色定义

当前产品架构

• 数据源：Hive、Doris、SAP Hana、MySQL、EXCEL、BW HANA
• 图表组件：筛选组件、交互组件、富文本自由布局、联动下钻
• 多端适配：PC看板、移动看板、报表场景、数据探索、在线文档订阅简报报告场景、DataBot智能场景、异常/根因分析、智能预警分析
• 权限管理：认证、血缘溯源、指标分发、数据百科

未来规划和演进方向

• 数据消费趋势
  • 动态、互动式的简报/机器人
  • 数据智能
• 目标
  • 更业务化
  • 更简单
  • 面向研产供财等业务领域的规模化交付能力
  • 更灵活的定制
  • OLAP分析底座
  • 数据建模可视化展现
  • 更轻的产品形态和数据消费方式
  • 更智能的DataBot