在日前結束的“讓業(yè)務用起來·觀遠數據2022智能決策峰會暨產品發(fā)布會”云上直播中,數禾科技CDO王冠軍分享了“金融科技場景下的敏捷BI實踐”。王冠軍總結了 BI 建設的訴求與動機,以及 BI 工具框架搭建的分析方法論,并分享了數禾科技攜手觀遠數據,建立 BIOps 打造一流 BI 團隊,實現數據分析民主化和數據驅動決策的歷程。

BI 建設的訴求與動機

數禾科技成立于 2015 年的 8 月,以大數據和技術為驅動,為金融機構提供高效智能零售金融解決方案,服務銀行、信托、消費金融公司、保險、小貸公司等持牌金融機構。數禾科技通過自主開發(fā)的消費信貸產品,連接金融機構與普羅大眾,賦能金融機構數字化轉型,迎接中國消費升級的大潮。

數禾科技 BI 建設路程與業(yè)務息息相關。對于業(yè)務而言,BI 功能有幾個關鍵詞。

?提效:幫助業(yè)務能夠更方便地獲得數據,找到數據背后的業(yè)務含義,效率是第一位。

?自助:從原來的專業(yè) IT 團隊者做交付,轉化為業(yè)務團隊自助式完成訴求。

?交互友好:在任何時間、任何地點以各種方式,都能夠通過 BI 做業(yè)務洞察、業(yè)務探測,例如手機,Email,釘釘、企業(yè)微信、飛書等工作軟件。

?共享與協作:BI 的結果要能夠共享,讓不同的業(yè)務職能團隊做協作,實現更好的協同。

?流程簡化:BI 體系能夠簡化多方協作的流程,以更平民化的方式獲得數據洞察的能力。

?快速洞察:快速取數以及拿到數據后,要能快速分析出業(yè)務結果。

?嵌入業(yè)務流程:將 BI 的能力和業(yè)務流程結合,邊看邊干,邊分析邊執(zhí)行。

?目標跟隨:通過歷史數據設定 KPI 目標、戰(zhàn)略目標等執(zhí)行目標,通過 BI 管理目標結果與過程,并優(yōu)化戰(zhàn)術策略以及調整戰(zhàn)術方向。

?績效改進:設定業(yè)務目標時匹配多種方案,可以通過BI做提前預測,找到更優(yōu)化的策略。

?可執(zhí)行決策:BI 最重要的工作是產生洞察,洞察的目的是決策,可落地的決策才是最有價值。

在大數據時代下,數禾科技對數據與技術都有了更高的要求。每個地方都可以產生數據,產生數據的結構都是不一樣的,異構數據源的統一集成是重點;其次是數據的準備和處理,可以幫助高效加工數據,做高質量的洞察;數據實時性是當前非常重要的要求,可以對后續(xù)執(zhí)行進行靈活性調整;未來對于更高效的數據探索,在全量數據進行快速的交互式查詢,對大數據量的可視化工作,以及一些高級分析算法,都是目前努力的方向。

王冠軍表示,“底層支撐技術需要跟 BI 去做結合,提供更高效、合規(guī)、安全的洞察服務基座。”技術的主要挑戰(zhàn)在大數據體系方面的分布式存儲、分布式計算流批一體以及 OLAP 在線分析處理、安全處理、數據編織等等。

除去業(yè)務的訴求和數據、技術的挑戰(zhàn), BI 工具的功能特點發(fā)生了重大升級,王冠軍總結了以下幾點:

?移動優(yōu)先,移動互聯網時代,BI 無論是在手機、平板電腦,還是在筆記本上,都可以快速獲得訪問能力;

?即時響應,報表的加載的時間,應該在秒級就能把結果呈現出來;

?交互增強,被動接收新的 BI 信息、成果以及洞察結論。例如不再點擊鏈接,而是與機器人交互,獲知GMV等信息;

?可嵌入,把 BI 嵌入到工作流程里,邊看邊干,邊分析邊執(zhí)行,縮短洞察到決策到執(zhí)行環(huán)節(jié);

?敏捷自助,唯有自助才能夠實現敏捷;

?增強分析,把 AI 機器學習的算法能夠放進 BI 里,不局限于傳統分析框架。

此外,安全合規(guī)、實時數據、云原生、可觀測性、7*24可訪問、BIOps等等也是數禾科技關注目標。

將數據融入 BI ,將 BI 融入業(yè)務,數禾科技構建了自己的“數據賦能飛輪”。先從業(yè)務流程開始,承載數字化業(yè)務,業(yè)務流程累積沉淀出數據,采集這些數據放在大數據平臺上做洞察,基于洞察結果,制定一系列策略,并定計劃行動,最后這些行動再落實在業(yè)務流程里。那么新的業(yè)務流程或者說這個變更過的業(yè)務流程,又開始運轉起來,如此循環(huán)不斷產生了螺旋式上升的飛輪效應。

這其中“洞察”環(huán)節(jié)的框架是重中之重。有了數據,下一步是分析洞察,可以分成四大塊,分別是統計分析、診斷分析、預測分析、規(guī)范分析。

?統計分析主要解決兩個問題,第一,對于過去發(fā)生的事情,在明細層面還原業(yè)務;第二,對過去數據進行匯總統計產出報告,知曉發(fā)生了什么。

?診斷分析階段,基于報告要做診斷分析找到原因。

?預測分析開始預測未來可能發(fā)生什么,通過數據能夠給到預判,輔助業(yè)務制定策略。

?規(guī)范性分析的核心目標是事中控制,及時制定最優(yōu)策略并快速執(zhí)行,讓數據洞察落地。第一要干預,對業(yè)務問題的及時干預止損,第二就做控制,實時感知業(yè)務狀態(tài),控制在合理邊界范圍內。

為了支撐以上分析功能,有一些傳統的經典分析方法,也有一些目前比較流行的增長分析手段。無論是經典分析方法論還是先進的增強分析,都需要 BI 能力支撐。比如,通過數據指標統計進行業(yè)務監(jiān)控,感知業(yè)務當前的運行狀態(tài),感知后進行預警,一旦超過閾值,及時進行歸因定位,通知相關人員。最后在新策略制定過程中,要有模擬仿真,通過歷史數據做歷史回測。在模擬仿真的歷史回測上得到是最優(yōu)解后,再去在生產環(huán)境里驗證,有效節(jié)省相關成本。

BIOps 建設實踐分享

DevOps 和 Data Ops 實現了開發(fā)運營以及數據分析過程中,降本增效的作用。借鑒該理念,數禾科技總結了一些經驗,制定出一套 BIOps 的實踐經驗。

BI 工作環(huán)境分成兩個,沙箱/分析環(huán)境和生產環(huán)境。沙箱/分析環(huán)境里,提供一整套數據的訪問和透視能力。把數據集成到沙箱/分析環(huán)境后,數據分析師業(yè)務人員可以自助通過觀遠數據 SmartETL等工具進行簡單的數據清洗工作。之后可以應用一些分析方法論,對各個維度的數據進行探索,甚至做一些可視化圖表、分析看板,觀察效果以及結論。

當這條分析方法以及洞察結論形成了相對固定的套路之后,業(yè)務人員就會把整個 BI 的分析流水線上線發(fā)布到生產環(huán)境里去。生產環(huán)境里的數據源來自于大數據和數據中臺,把這些數據抽取到 BI 平臺里做數據加工,生成報表,發(fā)布到訂閱用戶使用。通過類似于 DevOps 的流程,極大簡化了數據分析探索,以及洞察交付的實踐。相當于把沙箱/分析環(huán)境里,業(yè)務人員自助發(fā)現的業(yè)務數據規(guī)律進行了更廣泛的共享和使用。

對于這樣一套環(huán)境,BI 管理團隊需要維護好的整個 BI 平臺。對每天跑的平臺任務的運維,監(jiān)控資源的消耗,以及治理BI作業(yè)。平臺中的儀表板、報表,做好生命周期管理,跟蹤治理效果如何,是否實現了某個業(yè)務的降本增效。王冠軍表示,“所有的工作都是數據驅動,也是得益于觀遠數據 BI 平臺,提供了很多的 BI 元數據,幫助到我們制定精細化的管理策略。”

建設一流BI團隊

打造數據文化

有了工具,有了流程,后續(xù)是讓整個公司的人員都用起來,所有人都應該基于數據做決策。這就對企業(yè)的數字文化建設提出了要求。兩年前引入觀遠數據之后,數禾科技一直在不斷打造數據文化體系,王冠軍介紹了工作開展的三點思路和方向。

首先做培訓和社區(qū)。BI 能夠干什么?能夠幫助到業(yè)務解決什么問題?一系列問題的解決方案是什么?能解決日常工作中的痛點是什么?這些都是需要和業(yè)務同事明確的。同時也會引進一些前沿的分析方法論,應用在日常工作當中,讓業(yè)務真正體會到數據和技術能夠帶來的變化。之后在各個業(yè)務團隊里面培養(yǎng)種子用戶,形成社區(qū)效應,做定期分享,形成自下向上的體系。

其次是精益運營。作為 BI 管理團隊,除了 BIOps 之外,數禾科技使用了 PDCA 框架貫穿在日常工作中。每個季度把所有的業(yè)務痛點拎出來分類,設定相關的解決方案和改進機制,不斷循環(huán),使得業(yè)務團隊對BI平臺信賴度持續(xù)提升。

最后是科學管理的手段。不僅依賴于人去管理整個系統運營,也需要自動化工具來運營。包括自動化的工具的研發(fā),平臺性能監(jiān)控機制,以及多種數據架構方案。通過現有技術手段精益求精,讓數據驅動的數據文化真真正正在數禾科技落地生根。

引入觀遠數據已經兩年,王冠軍表示,“數禾科技已經實現了數據分析民主化和數據驅動的決策。”在數禾科技,入職即開通觀遠賬號,目前 90% 以上的員工都在使用觀遠BI。目前總共有 5000 多張報表。

從活躍度來看,數禾科技兩年多累計訪問約 360 萬次,每天訪問量在 5.8 萬次左右。數禾科技也在持續(xù)改進整個 BI 平臺體系,當前 SLA 非常高,大于99.99%,系統 0 卡頓。從效率看,平均報表渲染加載時長 1.5 秒,快速渲染加載率 95%。因此數禾科技用戶在觀遠BI平臺上交互體驗以及響應都非常好,樂意使用觀遠BI完成數據分析以及洞察。

數禾科技和觀遠數據一起合作兩年多的時間內,把數據分析民主化這件事情真正的落地了,期待雙方的進一步合作,共創(chuàng)更好的 BI 最佳實踐,為整個行業(yè)做出更多貢獻。

（免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。 ）