Flink）去做数据处理，然后汇聚到DataWorks中做数据开发和数据服务，包括机器学习PAI平台去做模型开发等，最后开放给数据应用去使用，包括QuickBI、DataV、Tableau等。
低延迟的分析和服务，支持实时数仓、大数据交互式分析等场景。其核心特点是分析服务一体化、以实时为中心进行设计、存储计算分离架构、兼容PG生态。
貌似自己已经很懂数据驱动了，但是实际操作起来可能连“什么是事件属性这种基础的概念都不了解”，这是很多业务线同学普遍的现状。
以友盟+服务的客户场景来说，比如在拿到一份高质量的数据之后，KPI在确定情况下进行了拆解，现在要做的就是希望团队里的人知道自己的KPI，KPI大屏就可以轻松解决这个问题。
IT运维场景：IT运维场景从横向、纵向来看，观察的目标从最基础的机房、网络等开始向用户的端上发展；观察的场景也从纯粹的错误、慢请求等发展为用户的实际产品体验。
基于上述我们的一些思考，回归到可观测这个问题的本质，我们目标的可观测性方案需要能够满足以下几点：
1. 数据全面覆盖：包括各类的可观测数据以及支持从各个端、系统中采集数据
例如多模态实体链接技术可以融合多种模态下的相同实体，可应用于新闻阅读，同款商品识别等场景中，多模态知识图谱补全技术可以通过远程监督补全多模态知识图谱
。KnowBERT使用一个集成的实体链接器，通过一种单词到实体的注意形式生成知识增强的实体广度表示。KAdapter为RoBERTa注入了事实知识和语言知识，并为每种注入的知识提供了神经适配器。
其次，为了保持单个模态的独立性，我们提出通过初始交互特征融合模块来融合图像和文本模态的初始特征及其交互特征。
方便其进行微服务拆分以及模型映射。下面我们分别看下这三个阶段到底都做了什么事情。
业务分析：在这个阶段需要集齐项目团队的成员主要包括领域专家、设计人员、
