快手短视频领域为例的邻域数据建设探索-29页_2mb

快手短视频领域数据建设探索总结

核心内容

快手在短视频领域的数据建设经历了从早期主题域划分与分层建设，到领域驱动设计（DDD）的探索与实践，再到具体领域的建设与运营，逐步构建起一套完整的数据体系。该体系不仅覆盖了短视频业务的核心环节，还通过数据治理与技术手段的结合，提升了数据能力的复用性与易用性。

主要观点

1. 数据建设滞后于业务需求：早期数据建设多为被动响应业务需求，导致资源浪费与效率低下。
2. 烟囱式数据建设问题：重复建设宽表，增加人力与资源负担，影响整体数据治理效率。
3. “找数难”现象：用户需经历复杂的查找路径，获取数据成本高。
4. 领域驱动设计（DDD）：通过构建领域知识、统一通用语言、复用领域模型，提升数据建设的主动性和前瞻性。
5. 数据资产组织形式优化：从“主题域-层级-资产”到“领域-子领域-业务场景-数据能力-资产”，降低用户理解成本。
6. 数据能力覆盖全面：短视频领域涉及视频生产、审核、推荐、消费、导流等环节，数据资产需覆盖所有业务场景。

关键信息

快手早期数据建设

• 阶段：2016~2017（v1）和2018~2019（v2）。
• 方法：主题域划分+分层建设（ODS、DWD、DWS、APP、TOPIC）。
• 问题：数据建设滞后于业务需求，存在烟囱式建设，用户找数成本高。

快手领域建设探索

• 目标：通过领域驱动设计，提升数据资产复用性与业务场景服务能力。
• 策略：
  • 冷启阶段：建立领域知识，明确业务场景。
  • 日常阶段：持续迭代领域知识，沟通基于场景。
  • 复用领域模型：通过场景拆解与合并，提升资产复用率。
• 方法：一个组织，三个阶段，五个步骤，建立业务领域数据管理小组。

快手短视频领域建设实践

• 申报阶段：
  • 明确四大要素：领域名称、描述、目标、拆解。
  • 公示信息用于拉齐内外认知，引导合作。
  • 案例：短视频领域涵盖视频生产、审核、推荐、消费、导流等业务环节。
• 建设阶段：
  • 通过领域驱动设计细化业务场景，提炼三要素：粒度+指标+维度。
  • 延续2.0分层思想，包括ODS、DWD、DWS、APP、TOPIC。
  • 拆解为子领域，如视频供给、视频分发、视频消费、视频导流。
• 运营阶段：
  • 资产组织形式优化，强调场景与能力。
  • 定期盘点与评估，提升领域知识与资产的先进性。
  • 资产应用至各FT及内容产品，实现业务场景全覆盖。

快手短视频领域建设收益

• 场景覆盖全：数据资产覆盖短视频业务的全流程。
• 资产应用广：应用于各FT及内容产品，提升数据使用效率。
• 用户成本低：通过统一通用语言与场景驱动模型，降低用户找数门槛。

未来规划

• 数据技术+数据治理：在分析场景增多与复杂度提升的背景下，持续通过技术与治理手段平衡成本与能力。
• 领域知识沉淀：推动领域知识与资产沉淀，提升数据平台的服务能力。
• 主动赋能：通过数据平台主动输出能力，减少业务方重复建设，提高整体效率。

总结

快手短视频领域的数据建设探索，从早期被动响应业务需求，到通过领域驱动设计主动赋能业务，逐步实现了数据资产的系统化、场景化与复用性提升。未来将继续深化数据治理与技术应用，以支持更复杂的业务分析与产品发展。