通常用得较多的场景：1、对象存储2、时空数据3、Feeds流4、 推荐画像、、、一般来说：面向列的，容量大的数据都可以采用hbase存储

大数据平台中适合存放数据量极大，而且是一次写入，多次读的应用需求，存储在HDFS分布式文件系统，采用多副本机制保障数据的安全和可靠影像类数据包括视频数据和图像数据，非常适合存放在HDFS中，系统将影像类数据进行切分，按照128MB大小进行切分，然后对每个128MB的数据进行多副本进行...

其实你知道怎么设计事实表 跟维度表，这事基本就解决了。因为你关心的那些本身就是这个数仓模式下的火候点甚至说是争论点，这也是这几年敏捷BI大行其道的原因之一。就是数仓模型或者BI模型无法快速的支撑业务灵活的变化。任何抛开数据量来谈数仓设计都是耍流氓啊。因为设计...

分享下经验吧，我们公司目前有三套BI，把其中一个定性为集团级BI，其他的产品为辅助品。针对这个角度，联合业务系统推行数据治理，划分了一些需要重新梳理的主数据，目前也已经完成了一些梳理。然后再引入统一指标体系（打个重点），目前也在完善中。推行过程中尊着核心业务为主，ERP 跟财...

我们银行目前也在用FusionInsight大数据平台C8.0版本，实时数据可以放到HBASE里面，用HIVE ON HBASE的方式去处理实时的数据，SPARK SQL处理轻量级别的数据没有问题，大量的数据SPARK SQL 不合适，SPAKR 的计算单元RDD每一个动作都会有一个RDD产生对内存要求很高。...

我觉得分几步来做:1.数据全部收集到一个数据平台。不管是实时的还是历史的。2.做好数据库的清洗和基础关联，和宽表的建立。3.根据对数据的实时性要求进行分级处理。4.成立每个业务分析团队在款表上做分析。5.分析的数据再返回宽表，并形成数据模型，共以后或其他业务线使用。...

所谓的实时数仓，最主要的就是当天的数据，银行最重要的是当天的流水。所以更多的需求都应该是银行的流水数据产生的。时时的数据量很少。只有当天或几天的数据（保存几天的数据可以增加容错的机制），各个理解时时数仓关注的应该是指标。而非各种各样的数据。模型也应该是轻量级的...

谈点个人理解：1)一般业务系统或者一般应用系统：对于一般业务系统或者一般应用系统之上补充增加一些实时分析或者实时监控，这个模型建立与业务系统/应用系统耦合比较紧密，这样的模型建立的五花八门，没有统一、更没有标准。这样的case在许多银行的许多系统都是这样。2)专业型数...

江湖上以前有这种说法数据治理一般还是做基础的脏活累活，除非是做数据治理的定义模型之类的工作，这个另说；全流程的开发更利于建立全局观，后期发展更好。但是总体上讲因为技术的进步Ods以后没啥业务了，数据都上数据湖了，数据治理要搞大数据的分布式数据治理，还要基于AI的半自动...