引言

近年來(lái)，數(shù)據(jù)驅(qū)動(dòng)已經(jīng)成為企業(yè)通過(guò)云和智能技術(shù)實(shí)現(xiàn)智能化增長(zhǎng)的關(guān)鍵。企業(yè)希望通過(guò)數(shù)據(jù)分析來(lái)指導(dǎo)業(yè)務(wù)決策、優(yōu)化運(yùn)營(yíng)流程，并挖掘新的商業(yè)機(jī)會(huì)。然而，數(shù)據(jù)飛輪是目前數(shù)據(jù)驅(qū)動(dòng)最熱門(mén)的實(shí)踐模型，它是讓已有的數(shù)據(jù)驅(qū)動(dòng)起來(lái)的核心，能夠有效提升數(shù)據(jù)利用效率，加速企業(yè)數(shù)字化轉(zhuǎn)型。

數(shù)據(jù)飛輪模型

數(shù)據(jù)飛輪由業(yè)務(wù)應(yīng)用和數(shù)據(jù)資產(chǎn)組成。業(yè)務(wù)應(yīng)用通過(guò)工具和BP機(jī)制利用來(lái)自下層的數(shù)據(jù)解決決策問(wèn)題，期間產(chǎn)生的數(shù)據(jù)又沉淀在下層。這形成了一個(gè)正向循環(huán)，隨著數(shù)據(jù)不斷被利用和反饋，業(yè)務(wù)應(yīng)用將愈發(fā)智能。然而，目前企業(yè)普遍都具備上述的機(jī)制，但數(shù)據(jù)卻僅僅停留在收集的階段，沒(méi)有實(shí)現(xiàn)數(shù)據(jù)與業(yè)務(wù)的強(qiáng)耦合。

DataLeap賦能數(shù)據(jù)飛輪：激活數(shù)據(jù)驅(qū)動(dòng)，推動(dòng)企業(yè)智能化增長(zhǎng)_大數(shù)據(jù)

主要原因在于企業(yè)中數(shù)據(jù)消費(fèi)方角色眾多，各方需求和技術(shù)背景千差萬(wàn)別。傳統(tǒng)的數(shù)據(jù)中臺(tái)通常難以滿(mǎn)足所有的需求，導(dǎo)致能夠直接消費(fèi)數(shù)據(jù)的角色寥寥無(wú)幾，數(shù)據(jù)飛輪因此陷入停滯狀態(tài)。要讓數(shù)據(jù)飛輪轉(zhuǎn)起來(lái)，關(guān)鍵是讓數(shù)據(jù)在體系中最大限度地被使用，促進(jìn)數(shù)據(jù)在生產(chǎn)、開(kāi)發(fā)和運(yùn)營(yíng)環(huán)節(jié)的流動(dòng)。

全鏈路擁抱AI

全鏈路擁抱AI是推動(dòng)數(shù)據(jù)消費(fèi)更普惠的必然趨勢(shì)。AI技術(shù)能夠在數(shù)據(jù)的獲取、加工、分析和應(yīng)用過(guò)程中提供強(qiáng)大的支持，從而讓數(shù)據(jù)消費(fèi)不再是專(zhuān)業(yè)數(shù)據(jù)分析師的特權(quán)?；鹕揭娴腄ataLeap開(kāi)發(fā)助手正是在這樣的背景下應(yīng)運(yùn)而生。它在數(shù)據(jù)的獲取和開(kāi)發(fā)階段提供了解決方案，有效降低了數(shù)據(jù)利用的門(mén)檻。

DataLeap開(kāi)發(fā)助手是火山引擎推出的一站式大數(shù)據(jù)中臺(tái)解決方案。它不僅集成了實(shí)時(shí)和離線數(shù)據(jù)集成、數(shù)據(jù)開(kāi)發(fā)、智能運(yùn)維、數(shù)據(jù)治理、資產(chǎn)管理等多種能力，還引入了AI輔助模塊，旨在滿(mǎn)足不同層次用戶(hù)的數(shù)據(jù)消費(fèi)需求。企業(yè)可以借助DataLeap實(shí)現(xiàn)多業(yè)務(wù)場(chǎng)景下的數(shù)據(jù)共享、數(shù)據(jù)治理和資產(chǎn)管理。

DataLeap開(kāi)發(fā)助手：數(shù)據(jù)集成與治理

在開(kāi)發(fā)離線數(shù)倉(cāng)的過(guò)程中，開(kāi)發(fā)人員往往需要根據(jù)業(yè)務(wù)變化不斷切換、解析、調(diào)試。由于數(shù)據(jù)量大且類(lèi)型不同，人工方式進(jìn)行核驗(yàn)耗費(fèi)巨大的人力。如何使同構(gòu)代碼能夠適應(yīng)不同生產(chǎn)環(huán)境正確運(yùn)行，并避免調(diào)試過(guò)程中的誤操作，是數(shù)倉(cāng)研發(fā)中的一個(gè)關(guān)鍵挑戰(zhàn)。DataLeap開(kāi)發(fā)助手提供了一種低成本的解決方案，通過(guò)自定義項(xiàng)目參數(shù)分別設(shè)置開(kāi)發(fā)、生產(chǎn)環(huán)境參數(shù)值（包括Region、DB、schema、table、date以及自定義等），實(shí)現(xiàn)了快速的資源隔離。

具體來(lái)說(shuō)，DataLeap允許使用項(xiàng)目參數(shù)區(qū)分不同環(huán)境。在調(diào)試時(shí)，系統(tǒng)會(huì)自動(dòng)切換到測(cè)試環(huán)境的參數(shù)值，而在上線時(shí)，系統(tǒng)將自動(dòng)切換為生產(chǎn)環(huán)境的參數(shù)值。這樣就避免了在開(kāi)發(fā)測(cè)試階段因誤操作而影響生產(chǎn)庫(kù)表的數(shù)據(jù)。這種自動(dòng)化的環(huán)境切換不僅提升了數(shù)據(jù)開(kāi)發(fā)效率，還降低了誤操作的風(fēng)險(xiǎn)。

例如，在業(yè)務(wù)中，不同Region下的庫(kù)由于表名不同，開(kāi)發(fā)過(guò)程有很大的區(qū)別。為了實(shí)現(xiàn)不同Region項(xiàng)目下代碼的保持同構(gòu)，研發(fā)人員可以在代碼中使用項(xiàng)目參數(shù)，實(shí)現(xiàn)不同環(huán)境下同一任務(wù)的代碼同構(gòu)，有效提升環(huán)境代碼管理效率。同時(shí)，DataLeap可以自動(dòng)保持代碼一致，無(wú)需在上線前手動(dòng)將開(kāi)發(fā)環(huán)境的庫(kù)表名稱(chēng)替換為生產(chǎn)環(huán)境的庫(kù)表名稱(chēng)。

DataLeap實(shí)戰(zhàn)：自動(dòng)化數(shù)據(jù)生產(chǎn)/開(kāi)發(fā)隔離

下面我們以湖倉(cāng)一體分析服務(wù)(LAS)引擎為例，通過(guò)“項(xiàng)目參數(shù)管理”就實(shí)現(xiàn)區(qū)分不同環(huán)境庫(kù)和時(shí)間格式的查詢(xún)。具體方法如下：

首先創(chuàng)建模擬場(chǎng)景。在LAS中創(chuàng)建2套環(huán)境，分別是測(cè)試環(huán)境庫(kù)test_dev、生產(chǎn)環(huán)境庫(kù)test_prod，在這2套環(huán)境中分別創(chuàng)建相同表名的表LAS_table01和名為datetimes的分區(qū)字段。在開(kāi)發(fā)環(huán)境分區(qū)中字段格式為yyyymmdd，在生產(chǎn)環(huán)境分區(qū)中格式為YYYY-MM-DD。

接下來(lái)在DataLeap中設(shè)置一個(gè)日期參數(shù)arg，并使開(kāi)發(fā)環(huán)境的參數(shù)值為{DATE}。最后設(shè)置庫(kù)參數(shù)env，其中開(kāi)發(fā)環(huán)境的值為test_dev、生產(chǎn)環(huán)境的值為test_prod。

此時(shí)研發(fā)人員就可以直接在代碼中使用項(xiàng)目參數(shù)，只要點(diǎn)擊“解析-調(diào)試“系統(tǒng)就會(huì)自動(dòng)切換開(kāi)發(fā)環(huán)境的參數(shù)值，同時(shí)自動(dòng)進(jìn)行語(yǔ)法解析、權(quán)限檢查等操作。

DataLeap賦能數(shù)據(jù)飛輪：激活數(shù)據(jù)驅(qū)動(dòng)，推動(dòng)企業(yè)智能化增長(zhǎng)_數(shù)據(jù)_02

調(diào)試完成項(xiàng)目上線時(shí)，只需點(diǎn)擊“提交上線-任務(wù)例行執(zhí)行“，系統(tǒng)就會(huì)自動(dòng)切換生產(chǎn)環(huán)境參數(shù)，同時(shí)自動(dòng)進(jìn)行相應(yīng)的語(yǔ)法解析以及權(quán)限檢查，大幅提升環(huán)境代碼管理效率。

DataLeap賦能數(shù)據(jù)飛輪：激活數(shù)據(jù)驅(qū)動(dòng)，推動(dòng)企業(yè)智能化增長(zhǎng)_數(shù)據(jù)_03

到這里就實(shí)現(xiàn)了自動(dòng)化環(huán)境隔離，可以說(shuō)是非常簡(jiǎn)單便捷。如果使用傳統(tǒng)的解決方式，由于一個(gè)業(yè)務(wù)需求通常涉及10多個(gè)任務(wù)和30多個(gè)參數(shù)，而且不同環(huán)境DB中表基本一致，就需要管理兩套不同的代碼。同時(shí)，也難以避免測(cè)試代碼在生產(chǎn)環(huán)境執(zhí)行、表誤刪、數(shù)據(jù)誤刪等問(wèn)題。相比之下，DataLeap開(kāi)發(fā)助手讓研發(fā)人員不再需要手動(dòng)通過(guò)“任務(wù)輸入?yún)?shù)”的方式添加項(xiàng)目參數(shù)，只需定義一次參數(shù)即可輕松構(gòu)建，并且實(shí)現(xiàn)生產(chǎn)、測(cè)試環(huán)境下的數(shù)據(jù)自動(dòng)隔離和代碼同構(gòu)。

不僅如此，DataLeap還在數(shù)據(jù)開(kāi)發(fā)方面提供了便利，具備數(shù)據(jù)集成、開(kāi)發(fā)、運(yùn)維、治理、資產(chǎn)、安全等數(shù)據(jù)中臺(tái)建設(shè)能力。例如，在數(shù)據(jù)治理方面，DataLeap支持全鏈路數(shù)據(jù)資產(chǎn)管理，幫助企業(yè)梳理和規(guī)范數(shù)據(jù)資源，實(shí)現(xiàn)數(shù)據(jù)的高效利用和安全管控。在數(shù)據(jù)集成方面，DataLeap提供了多種數(shù)據(jù)源的實(shí)時(shí)和離線數(shù)據(jù)集成能力，支持跨平臺(tái)、跨環(huán)境的數(shù)據(jù)集成需求。

通過(guò)DataLeap，企業(yè)可以實(shí)現(xiàn)數(shù)據(jù)的全生命周期管理，從數(shù)據(jù)采集、存儲(chǔ)、開(kāi)發(fā)、分析到應(yīng)用，為企業(yè)的數(shù)據(jù)驅(qū)動(dòng)戰(zhàn)略提供有力支撐。同時(shí)，DataLeap內(nèi)置的AI輔助模塊可以幫助用戶(hù)更好地挖掘數(shù)據(jù)價(jià)值，快速構(gòu)建數(shù)據(jù)分析模型，輔助決策。

總結(jié)

火山引擎的DataLeap開(kāi)發(fā)助手為企業(yè)提供了一站式的大數(shù)據(jù)中臺(tái)解決方案，極大地簡(jiǎn)化了數(shù)據(jù)開(kāi)發(fā)和管理流程。通過(guò)自動(dòng)化環(huán)境隔離、代碼同構(gòu)、數(shù)據(jù)資產(chǎn)管理等能力，DataLeap助力企業(yè)提升數(shù)據(jù)研發(fā)效率，降低管理成本，為數(shù)字飛輪提供了堅(jiān)實(shí)的支撐。在數(shù)字化轉(zhuǎn)型的道路上，DataLeap的出現(xiàn)讓數(shù)據(jù)驅(qū)動(dòng)不再是少數(shù)企業(yè)的專(zhuān)利，而是普惠的技術(shù)，使每一個(gè)企業(yè)都能借助數(shù)據(jù)的力量，迎接智能化增長(zhǎng)的未來(lái)。