要构建服务大众的应用程序，企业必须开发能够高效处理所有数据的弹性系统，并利用这些数据来支持业务决策和改善用户体验。在这种情况下，数据团队通过创新的数据处理方法承担了主要工作。
在2025年数据工程峰会上，Zepto数据工程副总监阿比纳夫·拉古万希（Abhinav Raghuvanshi）阐述了公司面临的数据管理挑战：如何让数据像食品一样快速送达？对于建立10分钟送达模式的公司而言，实时可视化不仅是优势，更是成功执行、预测和提升客户体验的必要条件。
数据架构演进之路
在"从数据仓库到湖仓一体：Zepto的实时数据未来"的演讲中，拉古万希介绍了数据平台从单一的Redshift（Redshift）仓库向支持运营分析和应用级实时系统的混合架构演进过程。
Zepto最初依赖Redshift（Redshift）作为中央数据仓库。随着业务发展，查询瓶颈、报告滞后和长时间等待等问题逐渐显现。拉古万希表示："我们为Redshift（Redshift）采用了渐进式方案，但随着数据量增长，难以实现近实时数据处理。"
现代化架构改造
面对查询冲突、存储计算耦合等挑战，团队开始向现代架构转型。新架构采用S3（S3）作为中央存储层，Kafka（Kafka）负责流式数据摄取，Databricks（Databricks）进行数据转换和编排。系统在早期就剥离个人敏感信息，通过结构化数据管道分层处理业务逻辑，并使用Apache Airflow（Apache Airflow）进行作业加密和调度。
实时监控与分析应用
为支持近400名分析师的日常工作，工程团队开发了低代码内部框架。通过dbt目录标签、基于角色的访问控制和预算仪表板，实现了精细化的资源管理。
在业务层面，Zepto利用暗店作为商品集散中心。系统需要毫秒级监控温度等环境指标，确保产品质量。物联网系统采集这些指标并输入ClickHouse（ClickHouse）进行实时分析，支持订单流失率、交通流量等多维度监控。
未来技术展望
Zepto正在评估StarRocks（StarRocks）等OLAP引擎，以提供更强大的实时查询能力。拉古万希指出："StarRocks（StarRocks）需要约18个月时间完成自我优化。"团队的目标是让实时数据分析变得更加简单易用，使业务人员无需深入技术细节就能获取所需洞察。