公司近年来承接了很多新零售相关的项目，在数据研发过程中，不论是对人、货、场、客，都需要先建立各种数据模型，再对其进行精准的分析、匹配和应用。在大数据领域中，这属于多维数据分析的范畴。开发人员使用分析工具一定可以解决特定的需求，但是业务人员的需求往往多变，而且需要反复尝试才能确定。为了降低他们之间沟通成本，满足业务配置灵活性的需要，公司研发了这套基于规则的可视化模型构建引擎。与传统 BI 工具不同的是，它可以作系统级插件，集成到任意的业务系统、数据仓库、甚至数据中台中，与上层的数据应用无缝结合，提供动态的数据模型。
- 支持多维数据组合建模
- 支持自定义指标集合
- 规则定义
- 支持逻辑查询
- 支持指标排序
- 支持分组排序
- 支持指标比较
- 支持模型定时构建
- 支持结果预览
- 支持多数据源接入
- 支持 RESTful API 调用
- 支持字段过滤
- 支持分页查询
- ...
沉睡会员模型：为每位导购筛选最多 20 名沉睡会员，且满足年龄、消费时间、消费次数等条件。
会员指标集合: 利用会员主题数据集市，可任意定义规则引擎要使用的指标。
API 实例
Request:
curl xxxx
Response:
{}
- 会员营销场景：根据会员的消费指标构建会员模型。例如：RFM模型。
- 商品销售场景：根据商品的skc/品类/系列等维度创建销售分析模型。例如：商品畅滞断平模型。
- 门店经营场景：根据门店的经营指标进行异常诊断。例如：异常门店归因模型。
- 导购赋能场景：根据导购的业绩指标进行导购成长规划。例如：高连带低客单导购模型。
...
...
...
- 已完成基础的信息化建设
- 正在通过数字化转型重构经营模式；
- 有强烈的数据驱动业务需求；
- 有频繁且多变的运营策略；
- 已搭建数据仓库或者数据中台；
- 有一定的研发能力和数据集成能力；
集成架构图
思辙数据: https://www.sizdt.com
Email: chenq@sizdt.com
WeChat: chenqingspring