在日前結束的“讓業務用起來·觀遠數據2022智能決策峰會暨產品發布會”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。

(相關資料圖)

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 建設路程與業務息息相關。對于業務而言,BI 功能有幾個關鍵詞。

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

?自助:從原來的專業 IT 團隊者做交付,轉化為業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 做業務洞察、業務探測,例如手機,Email,釘釘、企業微信、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,要能快速分析出業務結果。

?嵌入業務流程:將 BI 的能力和業務流程結合,邊看邊干,邊分析邊執行。

?目標跟隨:通過歷史數據設定 KPI 目標、戰略目標等執行目標,通過 BI 管理目標結果與過程,并優化戰術策略以及調整戰術方向。

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

?可執行決策: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,可以對后續執行進行靈活性調整;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、安全的洞察服務基座?！奔夹g的主要挑戰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。

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

?移動優先,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,邊分析邊執行,縮短洞察到決策到執行環節;

?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、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 融入業務,數禾科技構建了自己的“數據賦能飛輪”。先從業務流程開始,承載數字化業務,業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務流程里。那么新的業務流程或者說這個變更過的業務流程,又開始運轉起來,如此循環不斷產生了螺旋式上升的飛輪效應。

這其中“洞察”環節的框架是重中之重。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、規范分析。

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

?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生什么,通過數據能夠給到預判,輔助業務制定策略。

?規范性分析的核心目標是事中控制,及時制定最優策略并快速執行,讓數據洞察落地。第一要干預,對業務問題的及時干預止損,第二就做控制,實時感知業務狀態,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務監控,感知業務當前的運行狀態,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解后,再去在生產環境里驗證,有效節省相關成本。

BIOps 建設實踐分享

DevOps 和 Data Ops 實現了開發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 工作環境分成兩個,沙箱/分析環境和生產環境。沙箱/分析環境里,提供一整套數據的訪問和透視能力。把數據集成到沙箱/分析環境后,數據分析師業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,業務人員就會把整個 BI 的分析流水線上線發布到生產環境里去。生產環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/分析環境里,業務人員自助發現的業務數據規律進行了更廣泛的共享和使用。

對于這樣一套環境,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,監控資源的消耗,以及治理BI作業。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?！?/p>

建設一流BI團隊

打造數據文化

有了工具,有了流程,后續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。BI 能夠干什么?能夠幫助到業務解決什么問題?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,讓業務真正體會到數據和技術能夠帶來的變化。之后在各個業務團隊里面培養種子用戶,形成社區效應,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,使得業務團隊對BI平臺信賴度持續提升。

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,平臺性能監控機制,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,共創更好的 BI 最佳實踐,為整個行業做出更多貢獻。

關鍵詞： 新聞資訊