特征分类中心维护，至少1人，由于当前实际未到该阶段，后续可以让做特征探索的1人来整理
基于最终利润商品重要特征探索
二次处理数据
流量来源处理统计表(sql处理)
基于复租用户重要特征探索
投入
同种推广方案不同类型用户分流测试策略流(如:留存用户\\新用户\\复租用户\\取消用户\\会员\\优质用户\\不同偏好\\不同渠道来源用户等)
流量效率策略流异常告警
数据源补充-线下提报：运营行为事件记录表
建立决策流验证（可出各类标签）
二手出入库存统计表(sql处理)
方案
规则建立
难点
基于逾期用户重要特征探索
【供应链】库存异常监控策略流
经营性监控策略流异常告警
差异化定价策略流（实时）-不同信用不同定价
策略开发、测试、运维
异常转化数据监控策略流
用户履约历史规则集
大盘订单统计表(sql处理)
用户综合风险等级规则集
用户累计行为特征标签
商家分层规则集
1、湖的建设不是难点，难点在水源的引流和湖水的净化。数据按维度分仓后，运营同学需按指定规范，严谨的提交特征说明。2、项目技术壁垒团队目前掌握人偏少，前期时间成本投入较多，需要一定程度赶工。
特征探索
基于发货订单商家重要特征探索
基础业务流
运营效率统计表(sql处理)
商品信息表(商品id\\套餐id对应信息)
业务场景特征
基于取消再转化用户重要特征探索
1、需要建立在有准确与足够的数据上；2、特征平台的的数据存储位置与决策平台不同，无法走通，需后续另外创建3、暂无法使用sql做视图探索
同种类型用户不同推广方案分流测试策略流(如:页面设计\\社群入口\\文案展示\\坑位组合\\商品组合\\营销方式\\优惠券方式\\价格展示\\活动主题等)
用户基本画像标签
用户信息表(用户id\\支付宝id\\身份证对应信息)
其他主键表（渠道、页面、坑位、活动、）
综合策略流类型
后续分析迭代
底层技术数据库
可分探索目的不同分人：2-3人；负责整条决策流的初步搭建；其中要求至少有一个会python机器学习；
分类定义与存储
异常活动数据监控策略流
数据库二次处理支持：1人
大盘数据异常监控策略流
策略验证分析
用户价值分层规则集
渠道分类规则集
特征组合分析与验证
二分类矩阵策略流类型
数据源补充-线下提报:拉新渠道采购数据表
异常流量变动数据监控策略流
风控准入规则集
风控策略流（实时）(准入规则+业务场景分层+用户信用分层+用户共组风险分层+用户履约历史分层)
用户共租风险规则集
瀑布流智能推荐策略流（实时）-不同用户偏好不同商品展示
商家信息表(商家id\\经营证件号对应信息)
订单分配策略流（实时）-不同商家不同订单
白色格子：线下或技术可完成步骤绿色格子：QD-特征平台可完成步骤紫色格子：QD-事件中心可完成步骤蓝色格子：7月QD新开发标签中心功能可完成步骤黄色格子：QD-决策平台可完成步骤
策略流异常告警
经营性监控类型
拉新渠道投放效率统计表(sql处理)
风控策略流异常告警
● 策略对应的一些动作接口需开发支持，如：1、区分自动风控、人工电审、其他交互式电审方式的动作；2、针对不同决策结果用户在触发某些特定条件后接口展示不同页面；3、针对不同决策结果订单利用随机分配方式接口不同商家4、针对目标用户推送不通过社群入口方式
黑白名单库
用户行为事件记录表
用户粘度分层规则集
用户偏好规则集
商品分类规则集
流量效率策略流结果验证策略流
在事件中心建立二次统计在线特征
数据反馈回数据库中，再分析
1、数据的来源不再埋点动作来监听，使用canal进行主表监听更新。2、依据数据分仓，规范数据线，快速导出数据，和因子积累，口径统一。3、数据维度极广，前期可快速上线一定量级因子，后续再进行补充。4、上线第一版数据湖需在7月下旬，证明价值
商家基本画像特征
推送告警
特征探索数据标准化处理(MAX_COMPUTE计算源)
后期成熟则是业务专员维护
租赁订单信息表(含风控\\流水信息)
商家发货率统计表(sql处理)
流量效率分流测试策略流类型
商家风控报告
商家异常数据报告
商家异常数据监控策略流
输出报告
策略流结果验证策略流
风控策略流结果验证策略流
基本事件转化率统计表(sql处理)
数据源清洗
非租赁订单信息表
产品 * 1；设计 * 1；技术 * 2；测试 * 1；数据分析师 * 1；上线：7月下旬
基于首次访问下单用户重要特征探索
用户触发事件特征标签
基于下单用户重要特征探索
python线下验证组合拟合度与建模（一般在风控上用的比较多）
支持决策参数、性能异常报告，并可通过钉钉群机器人推送，但开通手机、短信需要另外收服务费，且一个信息只能针对单个参数异常汇报，多个参数会发送多条；
