基本信息

---

下载

文档摘要

---

数据架构与数据应用

生物医药企业数据化转型常见问题与思维误区

常见问题：

一、数据分析提取时间缓慢，按天计算

二、数据算法不精准，数据质量差

实时/离线计算引擎

三、数据模型无法建立，数据标准不统一Spark/Flink

取取

数数

数据仓库/数据建模

HDFS

数据湖

数据治理（含数据标准统一）

现有业务架构与双中台建设规划-LIMS分层构架

子公司A子公司B子公司C子公司D

销售子系统客服子系统实验室子系统质检子系统外接系统

营销服务中心CRM服务中心检测服务中心统生物特检系统人事系统

通用数据与算法组件通用数据与算法组件通用数据与算法组件一

接

通用营销组件与接口用户画像潜客预测老客流失预测样本消耗评估模型口合同系统财务系统

BI工具算法工具包

业务中台建立与统一接口的优势在于：

实时计算引擎SparkFlink离线计算引擎PrestoImpala各系统无需从底层数据库直接取数，在

通用业务上也无需额外开发，通过业务

ADS层中台通用功能组件以及计算保留数据直

接调用，以减少数据库访问安全与性能。

CDM层

ODS层

数据标准统一目的在于：

结构化数据非结构化数据统保证业务映射到数据