专题演讲嘉宾：宋东辉

云音乐数据研发模式的痛点：

• 数据研发模式需要突破，进一步提升研发效率
• 研发自测效率低，无明确的质量准出标准
• 数据监控覆盖率和准确率较低，研发无法及时感知数据线上问题

方案介绍：

从各类保障工具建设，到“变更巡检”，我们逐步坚定规范研发流程才是解决研发痛点的关键，于是基于 DataOps 理念，结合云音乐实际情况落地！

DataOps 的建设初衷是保障数据质量，其终局是“协调多方高效合作，辅助研发敏捷开发！”

• 事前：从平台层面，规范需求评审、数据指标评审等动作和文档模版要求
• 事中：提供代码diff和扫描能力，辅助研发快速定位变更点和问题点；
• 完善数据质量检测能力，基于数据质量准出标准提供自动化检测卡点能力，辅助研发自测，强制推动研发完成必要工作（例如数据测试用例、数据监控等）
• 事后：基于规范巡检兜底数据研发全量变更，保障变更质量；此外，通过监控告警通知等手段，闭环治理数据监控，提升数据线上问题召回率，降低问题影响时长。

效果说明：

• 云音乐核心项目需求研发周期从22年H2的39天降低到23年H1的33天，实现了研发效率提升；数据需求延期交付率从50%降低到30%。
• 云音乐数据线上问题数量，比22年H2降低40%，研发规范类问题降低50%。
• 2023年H1（事后）累计召回数据问题31例，线上问题召回率提升到70%；核心业务监控月度误报量下降50%以上。

演讲提纲：

1. 云音乐大数据业务&痛点介绍
2. DataOps 项目内容
   • 研发规范
   • 自动化卡点
   • 规范巡检&监控治理
3. 效果收益
4. 后续规划

你将获得：

• 云音乐数据研发效率提升和研发质量保障的解法
• 云音乐数据线上问题治理的难点和实战