ogle的云数据仓库处理方案——BigQuery是Go， 云平台的一部门它是Google。大数据”演讲它旨在处置“，数据科学阐发和。

　　化过程的一部门数据迁徙是现代。图将数据完全迁徙到云计较AutoTrader正意，往的内部系统逐步退役以。歌云的BigQuery公司选择将仓库挪动到谷，次要的BI和可视化东西并采用Looker作为，用它拜候员工使。T数据建立东西它还引入了DB，数据转换的风行东西这是一种用于主动化，(ETL)过程的一部门作为提取、转换和加载。

　　der成立于1975年英国的AutoTra，他车辆分类告白的老牌厂商是一家处置汽车、卡车和其。年来几十，新车或二手车无论是买卖，ader的营业市场都是AutoTr。年来多，直连结着其最大汽车市场的地位这家总部位于曼彻斯特的公司一，发生了严重变化但其贸易模式。如例，刷出书物不再有印，此刻都发布在网上所有的产物清单。司来说是件功德对这家上市公，为3.689亿英镑该公司客岁的收入， Index)成份股是富时指数(FTSE。

　　ader的内部和外部用户可以或许实现更多的自助办事完全迁徙数据阐发资产的目标之一是让AutoTr。始转换之前在五年前开，演讲将需要大量的工作获得数据的新视图或。需求提出，取数据从摄，模建，数据转换，演讲建立。法完全包管精确性这一过程漫长且无。而复杂的模子由于具有复杂，点窜编码法则真的很坚苦试图环绕数据可察看性去。

　　个数据阐发团队该公司还具有一，igQuery一旦数据进入B，kML来塑造数据他们就会用Loo。LookML一旦编写了，论上讲从理，以起头利用数据自助办事不太领会数据的人也可，询数据能够查，问题提出，后的复杂性领会数据背。供本人需要的工具他们能够自行提，找阐发师而不必去。

　　要基于数据的工具此刻每小我都想。实在世界数据的支撑它必需有一些基于。协助它成立一个愈加分离的数据资产AutoTrader依托新手艺来。

　　基于五大可察看性支柱蒙特卡洛处理方案是，（即数据的及时性）包罗:数据的新颖度;完整性数据的；分歧性分布；式模，的布局相关与字段和表；（沿袭及更改）以及数据轨迹。何字段的任何变化若是软件检测到任，一个警报它将生成。

　　rUK和很多公司一样AutoTrade，决策的前沿和核心正试图将数据作为。团队来说特别如斯对于公司的财政，BI东西的大用户他们是数据仓库和。

　　设想为每个客户只要一行例如一个客户数据表本来，个客户有两行但俄然起头每，出了问题这就表白。个类别俄然发生变化每个客户所依靠的某，题的另一个迹象这可能是呈现问。24小时更新一次晓得这个表该当每，有10000行晓得它该当老是。出如许的法则能够手动写，20个模子当有10到，没什么那也。几百个若是有，难多了那就。

　　笼统使用扩大了潜在用户群体虽然更多的主动化和更多的，团队的承担减轻了数据，裂痕之中的机遇也大大提高但让数据偏离轨道或陷入。可察看性处理方案的缘由这就是为什么要引入数据。

　　卡洛（Monte Carlo）公司的处理方案AutoTrader在2020岁尾采用了蒙特，注数据流阐发并依赖它来关。题：此中一些是真正的错误每周会显示大约10项问，假警报一些是，很风趣一些，是数据本身的错误但……也不必然。

　　过DBT进行数据转换跟着越来越多的用户通，自助办事仪表板和演讲通过Looker进行，像一种平安网蒙特卡洛就，到数据管线中防止错误渗入。 UK来说是一个真正的益处这对AutoTrader。行的数据转换功课主动化DBT东西用于按期运，加载到BigQuery中以从源系统提取数据并将其。

　　移到云的过程中在将阐发数据转，采用了很多新东西和手艺AutoTrader，、Looker和DBT包罗BigQuery，数据拜候的顺畅便利这些协助用户实现了。过程中在此，察性处理方案放入数据流该公司将一个数据可观，读：不良数据管线可能形成庞大丧失）以确保其数据不会发生误差（延展阅。

　　Ops（开辟运营）和SRE(站点靠得住性工程)的保守概念MonteCarlo的数据可察看性处理方案引入了Dev，到数据范畴并将其使用。