数据工程构建策略

• 业务规划线性
• 技术架构统一
• 平台架构做大——从中长期规划入手规划大数据平台框架
• 实施做小——具体项目分阶段实施，逐步完善，业务优先，在技术规划轨道内实施

数据治理管控

• 不同应用，不同业务，需求不同（稳定性、时效性、高可用度的需求不同）
• 存储层要统一，应用层要分层分级。对应用层的构建，要基于对应用的解耦合，提高效能。
• 对数据按安全级分层，分开存储，避免全量丢失泄露。

机器学习一般过程

从业务出发——由问题着手、分析梳理、确认业务模型
构建数学模型——从业务模型建模
数据——根据实际条件、模型需求，来采集、处理、存储数据
算法选型——基于数据模型开展实施，这时就不再与业务相关了

企业级应用开发的核心要素

• 数据——基础核心
• 业务分析——起点，由业务领域专家、分析问题场景、给出业务模型
• 模型——这里是从业务模型构建的数学与数据模型，要持续更新，基于场景和数据不断修正。更新周期可能是一天、三天、一周，根据实际情况而定。基于自动化数据流水线，数据平台，快速响应。给一线的用户提供可靠的分析模型应用。