1、自助BI在銀行電信行業的應用實踐題解兩 個 行 業 有 很 大 的 相 似 性 ： 1、信息化建設起步早，系統建設完備。2、數據大集中、建設了數據倉庫。3、數據分析的特點：1）數據量大；2）分支機構、分析用戶多；3）需求覆蓋面廣；4）反集中：數據開放；4、從量大、面廣、人多角度看，非其它傳統 行業客戶可比。為什么在一起？現狀分析數據倉庫、集市都已建成，但業務部門還是“饑渴”；根據業務需求預制了數千張報表，可還是需求不斷；非常重視數據質量，但數據不一致問題卻還出現；問題原因：傳統報表的流程和工藝響應慢：不能滿足快速變化的需求（及變更）；難溝通：需求理解與交付溝通成本較大；顯瓶頸：科技團隊的人員數

2、量無法匹配業務需求；是否滿足提出需求共同進行分析、確定數據規則開發應用需求變更業務人員技術人員時間太長 受不了！原來的處理方式九大主題，四十余項分析！核 心 交 易助農終 端交易理財電話POS第三方 存管信用卡賬戶網上 銀行國 際 業 務分 析 主 題核心交易網上銀行其他主題A T M交 易按 揭 貸 款 還 款保 證 金 交 易定 期 存 入、 支 取國 業 結 售 匯 流 水超 級 網 銀 企 業 轉 賬 流 水個 人 網 銀 理 財 產 品 交 易個 人 網 銀 交 易 流 水繳 費 支 付 交 易 流 水手 機 銀 行 交 易 流 水第 三 方 存 管 業 務農 信 歷 時 POS流

3、水理 財 交 易 明 細助 農 終 端 交 易活 期 存 款 賬 戶 交 易賬戶主題存 款 賬 戶 信 息保 證 金 明 細各 支 行 業 務 產 品 客 戶中 間 業 務 掛 鉤 客 戶保 證 公 司 保 證 金 明 細借 記 卡 信 息 查 詢活 期 賬 戶 信 息協 助 存 款 客 戶代 發 工 資 數 據內 部 分 戶 賬 明 細 調 取柜 面 收 取 代 理 保 險自 助 終 端 交 易 數 據理 財 客 戶 信 息存 折 數 量柜 面 交 易 查 詢三 方 存 管 信 息核 心 股 東 名 單 數 據豐收 創 業 卡 和 小 額 農 貸 卡貸 款 數 據 查 詢中 間 業 務 摘

4、要 碼核 心 系 統 借 意 險 數 據收 回 已 核 銷 呆 賬 貸 款國 際 匯 入 匯 款 數 據信 用 卡 交 易 流 水核心交易網上銀行自助分析需求及期望目標80%的報表需求可以由業務人員自行解決科技部門自身的報表開發過程縮短50%科技部門投入更多精力發展數據中心，積累數據財富業務部門更專注于挖掘數據價值，積累業務知識從而大幅提高辦公效能，降低運營成本！一些超前的銀行、電信，已經開始實踐， 并取得了期望的效果。自助分析平臺重新“定義”業務與技術 業務部門不過度依賴IT支持時間更多用于分析數據，而不是獲得數據快速響應決策者的需求增加發展自身業務水平的途徑 技術部門內部服務：負責自助BI

5、工具的培訓提供日常使用的技術支持數據管控：提高數據訪問安全控制確保運行平臺的性能規范數據管理，提高數據質量增強元數據能力參與創新語義模型 自助分析的基石轉義：對表、字段名稱進行翻譯 設置字段的數據類型設置字段的顯示格式表關聯關系設置：按外鍵、按列名自動創建 手工創建、維護支持左、右、內、外連接業務主題：面向業務分析進行字段重 組，形成分析主題權限可控自助式獲取數據自助式勾選維度和指標，簡單易用任何字段均可作為輸出字段和篩選條件，隨意進行數據探索主要用于清單查詢復雜表頭、預警、數據格式等高級功能多視角的數據透視類似Excel透視表，看了就會用支持鉆取，又無需建立多維模型圖形豐富，并可隨鉆取動作聯

6、動后臺提供內存計算引擎，性能超群分析效率組合分析、透視分析解決了易用性問題；查詢效率怎么辦？舉例，某電信客戶：1、8年，15.6億，600+200字段；原來的BI工具效率；最后的解決方案；分布式內存列式數據庫（Spark、Infobright、GP等）TB級HIVEKylin（分布式多維引擎）TB到PB級 日增量：十幾GHBaseDW業務庫數據分析架構分布式的OLAP方案分布式內存列式數據庫（Spark、Infobright、GP等）TB級HIVEKylin（分布式多維引擎）TB到PB級 日增量：十幾GHBaseDW業務庫分布式的OLAP方案應用場景分析維度固定，維度個數較少（如15個以內），

7、且事實表數據量超大，如PB級希望能夠秒級響應各種維度交叉匯總的查詢，但即使是MPP數據倉庫也不具備這種快速響應能力應用方案使用分布式OLAP，將大量數據（TB和PB級）從數據倉庫中抽取出來，預 先進行聚合計算，存儲到分布式多維模型。利用分布式計算，能在有限的 時間窗口內處理完成最終效果超大數據量，用戶多維查詢，秒級響應動態抽取數據方案分布式內存列式數據庫（Spark、Infobright、GP等）TB級Kylin（分布式多維引擎）TB到PB級 日增量：十幾GHIVEHBaseDW業務庫動態抽取數據方案大（如1千萬行以內）應用場景分析維度不固定，維度個數多（大于15個），且查詢過濾后的結果集數據

8、不應用方案根據查詢字段和查詢條件，從數據倉庫中動態抽取數據，并立即進行多維分析:在查詢分析過程中，基于查詢字段和查詢條件，動態進行數據抽取由于先設置過濾條件，能夠大大降低結果集的數據量級；將查詢結果集提取出來存儲到分布式數據庫中（如SparkSQL、Infobright，甚至是DW的臨時表空間），后續分析快；抽取出來的臨時數據可管理：可配置自動更新數據，可手工刪除，可按最近最少訪問策略自動管理；最終效果基于抽取后的數據，數量級小，且無需多表關聯，后續多維分析性能快，秒級響應-1、數據庫、BI工具，兩端合理分擔運算壓力；2、數據庫：明細、初步匯總；3、BI工具：加載初步匯總數據到中間庫，再匯總；鉆取、切片、變換分析角度；分析效率自助分析類項目意義1. 對管理者或技術部門的支持銀行利用移動信息展現平臺建立移動終端與服務器的連接，擺脫時間和場所局限，讓總行 及各分行領導隨時進行高效的管理和溝通，有效提高