- 1、本文档共41页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
大数据质量保障探索与实践;;01 背景;1.1 数据管理与数据使用的趋势;1.2 DataOps的兴起;1.3 DataOps的定义(续);02 问题与挑战;;u1、在线分析场景
主要基于“融e慧”体系面向全行数据分析师及数据科学家等业务用户开放“一湖两库”数据资
产及基础数据,提供数据分析挖掘及建模工作端到端全流程线上闭环。涵盖指标加工、数据建模、可视化定制、模型发布等全自助数据分析服务。
u2、敏捷研发场景
总分行科技研发人员,借助“大数据工作站”,在大数据平台上自行开展数据探索、数据加工、单元自测、集成测试等研发工作;并依托行内“VCDS持续交付平台”提供的持续交付能力,实现应用版本的自动构建、自动部署与自动交付。;2.2 工行数据研发现状 - 研发流程及周期;2.3 大数据平台研发测试面临的挑战;03 实践与探索;3.1 总体思路;3.2 DataOps数据研发流水线;3.2 大数据工作站 - 整体架构;3.3 大数据工作站 - 数据理解;;;3.4 大数据工作站 - 数据准备;;;;;3.5 大数据工作站 - 数据研发;;;;;;;;3.6 大数据工作站 - 数据运营;;;4.1 数据研发敏捷化;4.2 数据研发民主化;;;5.1 展望一:提升流水线支撑能力,赋能数据价值快速交付;5.2 展望二:构建智能数据运营,量化数据流通价值;5.3 展望三:推进DevOps、DataOps与MLOps协同融合
文档评论(0)