1、自助BI在銀行電信行業(yè)的應用實踐題解兩 個 行 業(yè) 有 很 大 的 相 似 性 ： 1、信息化建設起步早，系統(tǒng)建設完備。2、數(shù)據(jù)大集中、建設了數(shù)據(jù)倉庫。3、數(shù)據(jù)分析的特點：1）數(shù)據(jù)量大；2）分支機構、分析用戶多；3）需求覆蓋面廣；4）反集中：數(shù)據(jù)開放；4、從量大、面廣、人多角度看，非其它傳統(tǒng) 行業(yè)客戶可比。為什么在一起？現(xiàn)狀分析數(shù)據(jù)倉庫、集市都已建成，但業(yè)務部門還是“饑渴”；根據(jù)業(yè)務需求預制了數(shù)千張報表，可還是需求不斷；非常重視數(shù)據(jù)質(zhì)量，但數(shù)據(jù)不一致問題卻還出現(xiàn)；問題原因：傳統(tǒng)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(shù)

2、量無法匹配業(yè)務需求；是否滿足提出需求共同進行分析、確定數(shù)據(jù)規(guī)則開發(fā)應用需求變更業(yè)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(nóng)終 端交易理財電話POS第三方 存管信用卡賬戶網(wǎng)上 銀行國 際 業(yè) 務分 析 主 題核心交易網(wǎng)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(yè) 結 售 匯 流 水超 級 網(wǎng) 銀 企 業(yè) 轉 賬 流 水個 人 網(wǎng) 銀 理 財 產(chǎn) 品 交 易個 人 網(wǎng) 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(yè) 務農(nóng) 信 歷 時 POS流

3、水理 財 交 易 明 細助 農(nóng) 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(yè) 務 產(chǎn) 品 客 戶中 間 業(yè) 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(xié) 助 存 款 客 戶代 發(fā) 工 資 數(shù) 據(jù)內(nèi) 部 分 戶 賬 明 細 調(diào) 取柜 面 收 取 代 理 保 險自 助 終 端 交 易 數(shù) 據(jù)理 財 客 戶 信 息存 折 數(shù) 量柜 面 交 易 查 詢?nèi)?方 存 管 信 息核 心 股 東 名 單 數(shù) 據(jù)豐收 創(chuàng) 業(yè) 卡 和 小 額 農(nóng) 貸 卡貸 款 數(shù) 據(jù) 查 詢中 間 業(yè) 務 摘

4、要 碼核 心 系 統(tǒng) 借 意 險 數(shù) 據(jù)收 回 已 核 銷 呆 賬 貸 款國 際 匯 入 匯 款 數(shù) 據(jù)信 用 卡 交 易 流 水核心交易網(wǎng)上銀行自助分析需求及期望目標80%的報表需求可以由業(yè)務人員自行解決科技部門自身的報表開發(fā)過程縮短50%科技部門投入更多精力發(fā)展數(shù)據(jù)中心，積累數(shù)據(jù)財富業(yè)務部門更專注于挖掘數(shù)據(jù)價值，積累業(yè)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(jīng)開始實踐， 并取得了期望的效果。自助分析平臺重新“定義”業(yè)務與技術 業(yè)務部門不過度依賴IT支持時間更多用于分析數(shù)據(jù)，而不是獲得數(shù)據(jù)快速響應決策者的需求增加發(fā)展自身業(yè)務水平的途徑 技術部門內(nèi)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(shù)據(jù)管控：提高數(shù)據(jù)訪問安全控制確保運行平臺的性能規(guī)范數(shù)據(jù)管理，提高數(shù)據(jù)質(zhì)量增強元數(shù)據(jù)能力參與創(chuàng)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(shù)據(jù)類型設置字段的顯示格式表關聯(lián)關系設置：按外鍵、按列名自動創(chuàng)建 手工創(chuàng)建、維護支持左、右、內(nèi)、外連接業(yè)務主題：面向業(yè)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(shù)據(jù)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(shù)據(jù)探索主要用于清單查詢復雜表頭、預警、數(shù)據(jù)格式等高級功能多視角的數(shù)據(jù)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(lián)

6、動后臺提供內(nèi)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(nèi)存列式數(shù)據(jù)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(yè)務庫數(shù)據(jù)分析架構分布式的OLAP方案分布式內(nèi)存列式數(shù)據(jù)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(yè)務庫分布式的OLAP方案應用場景分析維度固定，維度個數(shù)較少（如15個以內(nèi)），

7、且事實表數(shù)據(jù)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(shù)據(jù)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(shù)據(jù)（TB和PB級）從數(shù)據(jù)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(nèi)處理完成最終效果超大數(shù)據(jù)量，用戶多維查詢，秒級響應動態(tài)抽取數(shù)據(jù)方案分布式內(nèi)存列式數(shù)據(jù)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(yè)務庫動態(tài)抽取數(shù)據(jù)方案大（如1千萬行以內(nèi)）應用場景分析維度不固定，維度個數(shù)多（大于15個），且查詢過濾后的結果集數(shù)據(jù)

8、不應用方案根據(jù)查詢字段和查詢條件，從數(shù)據(jù)倉庫中動態(tài)抽取數(shù)據(jù)，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(tài)進行數(shù)據(jù)抽取由于先設置過濾條件，能夠大大降低結果集的數(shù)據(jù)量級；將查詢結果集提取出來存儲到分布式數(shù)據(jù)庫中（如SparkSQL、Infobright，甚至是DW的臨時表空間），后續(xù)分析快；抽取出來的臨時數(shù)據(jù)可管理：可配置自動更新數(shù)據(jù)，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(shù)據(jù)，數(shù)量級小，且無需多表關聯(lián)，后續(xù)多維分析性能快，秒級響應-1、數(shù)據(jù)庫、BI工具，兩端合理分擔運算壓力；2、數(shù)據(jù)庫：明細、初步匯總；3、BI工具：加載初步匯總數(shù)據(jù)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(xiàn)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