数据闭环规则挖掘引擎实战：从结构化元数据中批量发现高价值场景.docxVIP

数据闭环规则挖掘引擎实战：从结构化元数据中批量发现高价值场景

规则挖掘引擎实战

从结构化元数据中批量发现高价值场景：批流双模

标签收进体系之后，挖掘的第一个大规模消费方登场——规则挖掘引擎。它的定位很明确：挖掘漏斗的第一层过滤器。业界做cornercase挖掘的主流范式是「规则先验粗筛+模型不确定性细筛」两级漏斗：先用低成本的规则从海量数据里圈出候选，再让昂贵的模型去精挑。华为ADS的数据闭环同样以规则挖掘作为第一层过滤器，控制下游算力开销。

本篇拆解这套引擎的三件事：规则怎么定义（规则即数据）、规则有哪六大种类（附真实示例）、规则怎么跑（批流双模执行链路）。

一、规则即数据：配置也是湖仓资产

第一个设计决策是「规则即数据」：规则配置存在挖掘平台的MySQL，经FlinkCDC实时同步入湖（ods_mining_rule_config）。规则不是散落在代码里的if-else，而是与业务数据一样可查询、可追溯、可审计的湖仓资产——谁在什么时候改了什么规则，一查便知。

规则的表达与管理能力：

双模式表达：SQL条件+可视化配置——工程师写SQL，业务同学拖配置，产出的规则等价；可组合标签、GPS范围、时间、传感器信号、模型输出等多类条件；

全生命周期管理：创建/修改/禁用/优先级/版本，变更全程留痕；

优先级驱动下游：rule_prio