报告编委

报告辅导人

黄勇

爱剖析

合资人&首席剖析师

报告执笔人

洪逸群

爱剖析

高等剖析师

莫业林

戴甜

爱剖析

爱剖析

剖析师

剖析师

外部专家（按姓氏拼音排序）

方磊

九章云极

董事长

何兴

同盾科技

政企数字化办理方案总监

贺鸿富

爱数

总裁

李霖枫

百分点

聪慧应急奇迹部卖力人

邱文一

明略科技

架构师

吴骏

嫡控股

产品总监

杨娟

海致星图

集团总裁&CEO

杨磊

滴普科技

FastData产品线总裁

证道

奇点云

合资人&资深行业专家

周静波

百丽国际

科技中央数据中台卖力人

特殊鸣谢（按拼音排序）

媒体支持（按拼音排序）

报告择要

数字化转型背景下，企业数据平台面临多重寻衅

数据平台是支撑企业数字化转型，实现数据剖析和数据运用的底层根本举动步伐。
通过运用数据平台，企业能够实现风雅化运营，从而降落运营本钱、提高运营效率、提升创新能力。

近年来，企业和政府部门对数字化的代价的理解愈加深刻，也纷纭加快数据根本举动步伐的培植，数据运用的广度和深度随之极大地扩展，由此给数据管理与运用带来了一系列寻衅。
这些寻衅包括：数据规模持续膨胀提升了数据资产管理的主要性，数据运用处景持续扩展哀求数据平台具备更高的敏捷性、易用性、实时性和智能化能力，对企业的数据安全合规哀求也更加严格。

构建新一代数据根本举动步伐：数据智能平台

数据智能平台是企业数字化运营深入阶段的统一数据能力平台，能够对数据资产按统一标准进行管理以方便数据可用，并知足企业对数据运用的敏捷开拓、实时相应、大略易用、智能剖析等需求，同时具备完善的数据安全机制。

爱剖析认为，正在兴起的新一代数据智能平台须要具备云原生、AI增强、敏捷开拓与运用、实时数据处理与剖析四大核心能力。
同时，在平台架构层面，数据智能平台的底层根本举动步伐、存储与打算引擎、数据集成与开拓、数据资产管理、数据运用与数据做事等模块比较传统数据平台也提出了更详细和更繁芜的哀求。

数据智能平台的培植方法论

数据智能平台的构建是一个须要从全局进行方案和培植，并在后续运行中能够持续迭代的系统性工程，因此须要一套科学和完备的方法论辅导这一过程。

数据智能平台培植过程中的核心环节紧张包括了顶层计策方案、运用处景方案、根本架构设计、数据规范与数据架构设计、组织与职员方案。
在顶层方案层面，数据智能平台的培植须要考虑组织的整体目标，合理方案培植路径，并给予相应的资源支持。
在运用处景方案层面，组织要首先评估自身的业务需求，明确场景实现的优先级，同时调研和参考外部案例。
在根本架构设计层面，数据智能平台须要考虑引入云原生架构、运用多数据处理引擎，并对数据资产和数据运用做统一管理。
此外，组织还需根据业务架构对数据架构进行设计，对数据进行统一规范，方便业务职员利用数据。
在做组织和职员方案时，须要对组织的业务线繁芜度做评估，在集中式和去中央化培植中选其一。

重点行业的数据智能平台范例实践案例

数据智能平台在实际落地过程中，仍旧须要根据行业特点和企业组织的详细业务需求、现有数据根本举动步伐等情形对平台的架构和功能做针对性的设计和方案。

为了给须要培植数据智能平台的企业组织供应一定的履历参考，爱剖析对金融、政府与公共做事、消费品与零售、工业与能源等重点行业的行业特点，不同行业对培植数据智能平台的需求差异做了剖析。
同时，爱剖析深入调研了上述行业中一批海内领先企业或组织的数据智能平台实践案例，对他们在数据智能平台培植过程中面临的需求与寻衅，详细的办理方案，平台落地后的效果，以及相应的培植履历做了详细的研究，并将案例内容呈现在本报告中。

目录

1. 数字化转型背景下，企业数据平台面临多重寻衅

2. 构建新一代数据根本举动步伐：数据智能平台

3. 数据智能平台的培植方法论

4. 重点行业的数据智能平台范例实践案例

关于爱剖析

研究咨询做事

法律声明

1.数字化转型背景下，企业数据平台面临多重寻衅1.1数据平台是支撑企业数字化转型的核心根本举动步伐

数据平台是企业进行数据剖析和数据运用，从而实现数字化转型的核心根本举动步伐。
常日，数据平台包含数据采集与接入、数据存储与打算、数据管理、数据剖析与挖掘、数据做事等功能。

图 1： 范例数据平台架构

从业务的角度，数据平台支撑了企业数字化转型的各项需求，企业因此能够实现风雅化运营，从而降落运营本钱、提高运营效率、提升创新能力。
详细而言，通过数据平台的运用，企业可以在业务中实现数据驱动，从而达成以下目标：

1）准确洞察用户画像和用户需求

2）及时感知市场趋势

3）降落管理和生产本钱

4）设计和生产出更符合用户需求的产品

5）更快地推出和迭代产品

1.2企业数据管理与运用正面临一系列寻衅

近年来，面对市场环境的快速变革，以及政府对发展数字经济的促进举措，企业对数字化的代价的理解愈加深刻。
在各行业企业或政府部门纷纭加快数据根本举动步伐的培植的同时，数据在企业经营管理中的运用广度和深度也随之极大地扩展，由此带来数据管理与运用的一系列问题和寻衅。

1.2.1数据规模持续膨胀，数据资产管理主要性提升

随着企业业务的快速发展以及全面的数字化，企业内部业务和数据系统会变得浩瀚，当这些数据汇聚之后，须要处理的各种构造化和非构造化数据的数据规模也因此急剧膨胀。
这给企业的数据运用和数据资产管理带来了以下问题：

1）不愿定数据代价。
企业用户每每不能确定系统中有哪些数据，也不知道自己的业务问题可以利用哪些数据来办理。

2）不能共享数据。
企业短缺统一的数据管理标准，导致各业务部门之间难以对数据进行汇聚、共享和利用，从而无法发挥大数据的协同代价。

3）难以获取所需数据。
用户获取所需数据的过程太长和繁芜，且缺少有效的数据开拓工具，导致用户获取和利用数据存在困难。

1.2.2数据运用处景持续扩展，敏捷性、易用性、实时性、智能化哀求提升

为了充分发挥数据的代价，数据驱动的决策和业务运用正逐渐渗透进企业的各个部门和各个业务线。
面对数据运用处景的持续扩展，企业对其底层数据平台也提出更高的技能和能力哀求，包括了敏捷性、易用性、实时性、智能化四个方面的哀求，详细如下：

敏捷性。
企业存在大量数据剖析，尤其是创新性的数据剖析和运用需求。
但传统竖井式培植的信息系统修正困难、集成混乱；企业缺少自有的技能开拓能力，无法快速相应业务需求。

易用性。
数据平台逐渐由赋能数据部门转向全面赋能业务部门，而利用传统数据平台须要的编程和数据剖析能力是大部分业务职员所不具备的，因此须要新一代的数据平台具备低门槛的自助剖析能力，适应不同能力的数据或业务职员。

实时性。
企业在生产和运营中存在越来越多的实时决策场景，如何快速查找、剖析和得到数据洞察是当前数据平台面临的一大寻衅，须要从平台的架构设计、打算和存储引擎，以及业务流程优化上知够数据剖析的实时性需求。

智能化。
在数据运用越来越多的背景下，企业干系的人力配备已不能知足需求，因此须要平台具备智能化的能力，一方面在数据剖析环节引入自动化能力，减少人工操作，降落人力本钱。
另一方面，通过平台的智能预测能力，提高业务决策效率和能力。

1.2.3数据安全合规哀求趋严

数字化时期，数据安全风险已经渗透在数据运用中的各个层面，例如数据采集、数据传输、数据存储、数据共享等，因此企业数据泄露造成的丢失和风险的可能在加大。

与此同时，大众对数据隐私的关注，加上监管对数据安全哀求的趋严，都匆匆使企业在搭建新一代的数据平台时，须要在各个层级上都建立完善的安全机制戒备数据泄露的风险。

表1:数据安全重点法律法规

2.构建新一代数据根本举动步伐：数据智能平台2.1数据智能平台的定义

要定义新一代的数据根本举动步伐，我们首先须要阐明在之前的发展阶段中，不同阶段的数据根本举动步伐产生的缘故原由、运用处景和面对新阶段的需求时的局限性。

数据根本举动步伐经由数十年的发展，已经依次经历了三个阶段：数据库、数据仓库、大数据平台。
在数据库阶段，企业对数据的利用需求紧张是面向管理层从宏不雅观层面对公司的经营状况做描述性剖析，处理的数据为有限的构造化数据。
在数据仓库阶段，企业对数据的利用需求从面向管理层拓宽到面向业务职员，紧张知足一些业务监测和洞察类的数据查询和剖析需求，处理的数据依然以构造化数据为主。
在大数据平台阶段，企业须要处理大规模、多源异构的数据，对业务的监测和洞察也更多地倾向诊断性和预测性剖析。

而到了2019年之后数字化转型的新阶段中，企业对数据运用的范围从之前的管理层和部分业务职员扩展到了跨部门、跨企业的数据共享，须要进行大量面向业务，实时和智能决策的探索式、自助式剖析，并且须要处理超大规模的多源异构和实时数据。
如第一章节所述，这些变革对数据管理和运用带来了一系列寻衅和需求，传统的数据平台已经无法知足，新一代的数据根本举动步伐即是要办理这些问题。

图 2： 数据根本举动步伐的演进进程

因此，爱剖析认为，新一代的数据根本举动步伐，数据智能平台，可以被定义为企业数字化运营深入阶段的统一数据能力平台，能够对数据资产按统一标准进行管理以方便数据可用，并知足企业对数据运用的敏捷开拓、实时相应、大略易用、智能剖析等需求，同时具备完善的数据安全机制。

2.2数据智能平台的核心能力

基于对数字化转型深入阶段，企业在数据管理和运用中须要面对和解决的问题的理解，以及对一些行业领先企业在搭建数据智能平台中的实践案例的调研和履历总结，爱剖析认为，正在兴起的新一代数据智能平台须要具备云原生、AI增强、敏捷开拓与运用、实时数据处理与剖析四大核心能力。

图 3： 数据智能平台的四大核心能力

2.2.1云原生

云原生是指在运用的设计阶段就为了云的运行环境而设计，包含微做事、容器化、DevOps、持续交付等特色。
云原生架构能够为数据平台带来以下紧张能力上风：

1） 云原生架构下大数据组件都因此容器化的形式来支配，企业因此能够快速的开拓、测试、迭代和上线大数据运用，并且方便了数据的共享和复用。

2） 快速集成新的开拓工具。
企业常常须要在数据平台中考试测验新的功能组件，由于主流的开源软件基本都供应了容器化支配，因此能够快速集成到云原生架构的数据平台中。

3） 降落系统繁芜性和运维本钱。
在云原生架构的数据平台中，Kubernetes、Mesos等工具能够实现统一的资源管理和调度，这极大提高了系统繁芜性，提高了运行效率，并且在数据平台中支配和运行分布式系统也更加便捷。

4） 轻松实现存算分离和弹性伸缩，降落利用本钱。
云原生架构能够轻松实现打算和存储资源的分离，企业因此可以按照需求分别利用存储和打算资源，这降落了利用本钱，也简化了多云和稠浊云支配。

2.2.2AI增强

AI增强是指利用机器学习和人工智能技能使数据洗濯与准备、数据剖析与可视化、机器学习等剖析过程中实现部分环节的自动化，从而节省大量的人力本钱。
AI增强的自动化能力紧张表示在数据智能平台运营过程中的以下环节：

1） 数据洗濯与准备：自动匹配，联接，剖析，标记和注释数据；推举用于连接、丰富、洗濯数据的最佳方法；自动实行重复的转换和集成；自动识别数据沿袭和元数据。

2） 数据剖析与可视化：自动查找和描述数据中的干系性、非常、聚类、关键驱出发分和预测等；自动天生图表或报表；可视化或对话界面（NLQ&NLG）查找和剖析数据。

3） 机器学习：自动特色工程；自动模型选择和参数调度；自动模型支配和监控。

2.2.3敏捷开拓与运用

数字化的核心目标之一是要能够支撑企业的商业创新，尤其是当数据和数据运用的规模和繁芜性越来越大的时候，企业要去考试测验各种新的数据运用，就须要数据平台具备相应的敏捷相应能力。
数据智能平台的敏捷性紧张包括了工具集成的敏捷性、数据开拓的敏捷性、数据剖析和运用的敏捷性。

1） 工具集成的敏捷性。
当企业须要考试测验新的数据运用时，常常须要用到一些新的剖析框架，如前文提到，云原生架构能够为企业供应快速接入和支配新的工具或组件的敏捷化能力。

2） 数据开拓的敏捷性。
数据开拓的目的是利用各种工具，包括数据建模、数据探索、数据查询、机器学习、数据可视化等，来完成数据剖析。
要实现敏捷的数据开拓，常日须要企业构建一站式的数据集成和开拓平台，供应大数据的汇聚、加工、做事、资产管理等全流程能力，并降落其利用门槛。

3） 数据剖析和运用的敏捷性。
实现数据剖析和运用的敏捷性数据平台在底层数据管理和数据剖析工具上有相应的功能设计，比如，通过建立标签体系方便用户将数据快速运用于业务，通过供应可视化的剖析工具灵巧地知足用户的剖析需求，通过AI增强能力自动识别有代价的数据并推送给用户等。

2.2.4实时数据处理与剖析

为了应对企业越来愈多的实时性数据剖析需求，数据平台须要在以下层面具备实时性的数据处理能力：

1） 实时的数据接入和数据采集。
运用Kafka、RocketMQ等工具实现数据的实时采集。
同时，对付核心业务系统数据，进行被动采集；对付用户访问行为习气等数据，则会进行主动采集。

2） 实时的数据打算与查询。
基于Flink等实时打算引擎，以及指标打算、规则打算、模型打算等多种打算处理能力，构建数据平台的实时打算和查询能力。

3） 实时的数据分发。
通过Kafka实现灵巧的数据分发，以承载不同用户的实时业务。

4） 流批一体。
由于企业在业务剖析中利用的数据范围越来愈多地横跨历史数据和实时数据，须要数据平台具备流批一体的能力，用一套逻辑描述流与批业务，用一个引擎也能处理实时和离线数据。

2.3新一代数据智能平台的架构

结合前文所述确当前企业在数据管理和运用中面临的寻衅，以及对一些领先企业搭建的数据智能平台的架构进行归纳总结，爱剖析画出了如下图所示的数据智能平台的范例架构。

图 4： 数据智能平台范例架构

可以看到，新一代的数据智能平台的架构至少在五个层面具有差异于传统数据平台架构的特色。

表2:数据智能平台与传统数据平台的紧张差异

3.数据智能平台的培植方法论

类似传统数据平台的构建，数据智能平台的构建是一个须要从全局进行方案和培植，并在后续运行中能够持续迭代的系统性工程，因此须要一套科学和完备的方法论辅导这一过程。

爱剖析通过对多家领先企业的数据智能平台实践案例进行调研，总结了数据智能平台培植过程中比较共性的最佳实践方法论，涉及的核心环节紧张包括顶层计策方案、运用处景方案、根本架构设计、数据规范与数据架构设计、组织与职员方案等方面。
他们构成的数据智能平台培植的紧张流程，以及详细包含的内容如下图：

图 5： 数据智能平台培植的关键环节

3.1顶层计策方案

数据智能平台是支撑企业数字化转型的新一代数据根本举动步伐，是企业各部门各业务线共同的数据平台和数据做事体系，因此，数据智能平台的培植的核心目的是做事于企业的整体计策目标和业务目标。

同时，数据智能平台的培植不仅仅涉及技能架构，还会涉及企业的业务模式和组织架构，因此企业应该以顶层计策为出发点，根据业务目标方案数据智能平台的的培植蓝图与路径。

此外，传统企业的部门墙问题明显，要实现各部门间的沟通协作，共建数据智能平台，须要企业决策层在组织架构和资源方面给予统一的调配和支持。

3.2运用处景方案

数据智能平台的代价终极须要通过业务场景中的数据运用来表示，因此，平台培植必须运用处景方案先行，数据智能平台运用处景方案须要考虑以下关键成分：

评估企业业务需求和数据现状。
从详细的业务需求场景厘清干系的业务线、干系岗位和业务流程，梳理个中的业务需求。
同时，对企业的数据资产进行评估，厘清企业有哪些数据、须要补充哪些数据等。

明确场景实现优先级。
企业须要基于企业计策与业务目标，可实现的业务代价、数据运用的实现本钱、数据运用的可行性等方面进行评估，确定哪些优先级和紧急度比较高的场景可以运用数据平台办理业务问题。

调研和参考外部案例。
企业在培植数据平台前应该尽可能多地进行干系调研，并参考同行实践案例，总结干系履历。
同时，可以借助有成熟履历的数据平台培植厂商帮助企业办理干系问题。

3.3根本架构设计

好的根本架构设计能够让项目快速落地，并支持在现有系统上快速开拓新功能、引入新数据，而一旦选择某个技能架构并开始履行，后面涌现问题再来修正的本钱很高。
构建新一代的数据智能平台须要在根本架构设计上考虑一下要点：

1） 引入云原生架构，以便快速开拓、测试、上线和迭代数据运用，同时知足在工具集成、系统运维、以及存储和打算资源上的各种敏捷性哀求。

2） 运用多种数据处理引擎应对多样化的数据剖析场景需求，重点是为平台构建智能化和实时化的数据处理能力。

3）对数据和数据运用资产进行统一的管理，避免数据资产不明确、利用繁芜、效益拙劣等问题，方便数据资产的利用、共享和复用。

3.4数据规范与数据架构设计

为了担保用户能够在数据平台中快速找到自己所需的数据，企业须要对数据架构，即数据的组织办法，以及数据规范，即数据平台中输入和输出的数据符合规范，进行合理地设计。

1） 企业须要根据业务目标及业务流程设计平台的数据架构，包括平台供应的明细数据、汇总数据、数据剖析结果、数据做事等。

2） 对数据平台的输入数据和输出数据进行统一规范，如在所有业务系统中利用统一的全局ID，用原子指标、统计颗粒度、业务限定等维度来派生指标名称，构建指标体系。

3.5组织与职员方案

数据智能平台的能力与业务高度干系，由于平台的搭建须要IT部门、数据部门、以及各业务部门沟通折衷，对职员进行统筹安排。
根据企业数据能力现状，在集中式和去中央化两种职员模式中选其一。

1） 集中式模式：组建一个专门的数据智能平台团队，由该团队卖力所有数据能力的方案和开拓。
该模式好处在于数据能力的方案和实现比较直接，能够快速落地，难点在于须要团队理解业务。
该模式适宜公司业务体系相对大略，且软件在企业内部只是赞助工具的传统型企业。

2） 去中央化模式：由传统的数据平台团队搭建底层的平台，各业务部门在平台上开拓和利用所需的数据运用。
该模式好处在于业务部门对业务最理解，能够开拓出最知足业务需求的数据运用，且后续迭代也更方便，难点在于须要处理好部门分工和折衷的问题。
该模式适宜业务线繁杂，业务定制化需求较多的大型企业。

图 6： 数据智能平台培植推进办法

4.重点行业的数据智能平台范例实践案例

只管我们已经对数据智能平台做了较明确的定义，并对数据智能平台须要具备的核心能力、架构、培植方法论等问题做了归纳总结，但在数据智能平台在实际落地过程中，仍旧须要根据行业特点和企业组织的详细业务需求、现有数据根本举动步伐等情形对平台的架构和功能做针对性的设计和方案。

为了给须要培植数据智能平台的企业组织供应一定的履历参考，爱剖析对金融、政府与公共做事、消费品与零售、工业与能源等重点行业的行业特点，不同行业对培植数据智能平台的需求差异做了剖析，并深入调研了这些行业中一批海内领先企业或组织的数据智能平台实践案例，对他们在数据智能平台培植过程中面临的需求与寻衅，详细的办理方案，平台落地后的效果，以及相应的培植履历做了详细的研究，并将案例内容呈现在本报告中。

4.1金融

在互联网趋势加之疫情影响下，消费者阵地逐渐向线上化转移，同时随着金融监管政策持续加码，对金融行业而言，进行营销运营、风控合规等全流程的数字化转型势在必行。
首先，线下渠道难以知足金融机构业务需求，构建全渠道营销体系成为金融机构的关注重点；其次，金融产品丰富性增强，客户粘性减弱，良好的用户体验逐渐成为金融机构的核心竞争力；此外，随着不良资产的暴露、监管的不断收紧，戒备各种敲诈风险，是金融机构的关键目标。
因此，引入各种数据，依托强大的数据处理与剖析能力，深度洞察客户，从而为精准营销、风雅化运营和风控等做支撑，是金融行业的共同诉求。

现阶段，多数金融机构已完成了部门级数据库、数据平台培植，但多基于“竖井式”架构独立培植或由业务部门主导开拓，各部门、各业务场景间数据标准分歧一、数据不互通，无法形成跨部门数据复用及全行级数据洞察。
此外，数据代价挖掘深度不敷，未结合业务理解，构建数据模型、形成客户画像，无法真正落地于营销与风控场景，也是现阶段金融机构存在的问题。

因此，金融机构在构建数据智能平台时，应统一整合多渠道、跨业务数据，冲破数据孤岛，建立数据规范，结合业务进行数据建模与数据关系抽取，构建数据标签体系，天生客户画像及关系图谱，从而为精准营销、智能反敲诈赋能。

案例1 : 知识图谱平台助力培植银行戒备金融风险

中国培植银行（以下简称建行）是一家拥有60多年的历史的老牌国有银行，总资产规模排名环球第二。
作为海内最大的个人贷款和第二大信用卡发行行，信贷业务是建行业务体系中的核心，而风险预警则是为信贷业务保驾护航的主要环节。

近年来，随着培植银行信贷、信用卡等业务的快速发展，行内面临着越来越繁芜的风控难题。
一方面，行内数据量随之增大，个人之间、企业之间，以及个人与企业之间的关联关系变得更加繁芜，另一方面，不法分子的各种反风控、反侦查手段层出不穷，因此传统的风险预警模式已经不敷以识别很多金融风险。
经由稽核评估后，培植银行决定引入知识图谱平台来应对不断提高的风控难度，其知识图谱平台的培植紧张分为两个阶段，各个阶段都有着不同的需求和寻衅。

在第一阶段，培植银行紧张是希望通过运用知识图谱实现对银行内金融风险以及一些关联关系的更快和更深层次的查询挖掘。
在2017年底旁边，市场涌现了一些新型的假个贷，这类假个贷的特点是资金链路深，层级繁芜，如果用传统的基于规则和SQL查询的办法识别这些风险，一是打算量大，很多繁芜关系无法被识别，二是根据数据金额做SQL的模糊匹配其结果也每每不准确。

在第二阶段，培植银行在已经在几个项目上成功运用知识图谱的根本上，须要在行内构建统一的知识图谱平台，供应统一的对繁芜金融风险、关联关系的查询和剖析能力。
在此阶段，培植银行面临的寻衅紧张有两个：

1） 培植银行的知识图谱平台培植开始是需求驱动，缺少顶层设计，产生的问题是开始没有对须要利用到的关联关系做统一方案，没有设计出一个合理的底层的图数仓模型，对付知识图谱在哪些场景中去运用也缺少统一方案和相应支撑。

2） 由于缺少外部可参考的履历，培植银行对付如何做关系抽取，即哪些数据之间该当构建关联关系，哪些业务可以用到关联关系，以及某个关系构建之后，超过多少数据量须要分表等问题缺少认识。

结合顶层方案与外部履历参考应对知识图谱平台培植的寻衅

在知识图谱平台的搭建过程中，培植银行选择海致星图作为互助伙伴，与海致星图共同探索和培植知识图谱平台。

海致星图是一家专业的企业级知识图谱产品和做事供应商，自研了Atlas知识图谱平台、Atlas图数据库等产品，做事于金融、能源互联网、工业互联网等行业的企业。

培植银行的知识图谱平台培植紧张在平台架构设计、关系抽取、运用处景方案三个方面办理了前期存在的各类寻衅。

在平台的架构设计方面，知识图谱平台在培植银行的数据中台里的定位是为底层的原始数据做根本准备。
在底层源数据之上，知识图谱平台会对数据做数据建模，抽取数据中的关系；然后将产生的完全的知识图谱网络存储在图数仓中；在之上是图剖析和图运用平台，包括了图管理、图挖掘、各种图剖析算法，以及多种知识图谱运用。
这个中，海致星图供应的干系产品支持了培植银行知识图谱平台多层次的关系剖析、灵巧的二次开拓、自动化关系展现等能力。

图 7： 培植银行知识图谱平台架构图

在关系抽取方面，海致星图为培植银行供应了深入的辅导。
详细而言，海致星图对培植银行该当构建哪些数据关系，如何构建这些数据关系，并对这些数据关系构建之后会涌现哪些效果和问题，以及如何办理可能碰着的问题等供应了大量从实践中总结出的履历建议。

在运用处景方案培植方面，培植银行紧张方案培植了五类运用处景。
1）反敲诈：识别资金中介，拦截可疑交易；2）风险传导：对公客户涌现不良或过时时，预警提示风险可能传导到的干系方；3）资产保全和处理：处置不良资产时，查看不同债权方以及资产之间的关系；4）监管：给报送监管机构的数据做内部的勾稽关系检讨；5）优化经营用度：识别套现党、羊毛党。

知识图谱平台落地的代价与效果

通过构建知识图谱平台，培植银行在风控和关联关系挖掘上实现了以下三点代价和效果：

1） 风险识别更精准。
知识图谱可以对资金链路下探多层，且可以呈现图上各个实体之间的关系，培植银行因此能够比用传统方法更精准地识别金融风险，乃至识别出很多传统方法无法识别的风险。

2） 视图更直不雅观。
知识图谱识别出可疑交易、非常关系后，客户经理、贷中贷后职员可以在一张图上看清关系流向，便于快速和清晰地创造非常。

3） 自动化的展现。
知识图谱平台能够对金融风险做自动化的识别和展现，因此减少了客户经理人工操作的韶光，提高了风控效率。

培植银行知识图谱平台培植履历总结

1） 知识图谱平台培植该当由需求驱动，并从顶层进行方案和培植。
在开始阶段要做好充分评估，设计出一个合理的底层图数仓模型，避免在后期由于数据模型考虑不完善要做大量调度而产生很高的本钱。

2） 在数据模型、知识图谱的构建上要充分借鉴外部专家的履历。
知识图谱的构建与业务高度干系，对付哪些业务数据之间该当构建关系，如何构建，数据关系会产生哪些业务代价等问题，甲方常日没有履历和认知，这就须要广泛地借鉴外部专家的履历。

3） 平台运营过程中要定期地做效果评价和回顾。
有些数据关系在构建之后可能很永劫光内都很少用到，因此在知识图谱构建之后须要对其做进一步的剖析和评估，识别出没故意义的数据关系，有针对性地节约运算资源。

案例2 : 构建实时数据平台，知足城商行同盟实时业务需求

山东省城市商业银行互助同盟有限公司（以下简称“同盟”）是经原中国银监会批准成立，海内目前唯一持有金融牌照的中小银行金融科技做事公司。
自成立以来，同盟以提升成员行信息科技支撑水平和风险管理水平为重点，为67家成员行供应核心业务系统的搭建以及数据化的做事。

随着成员行业务量的增长与业务场景的丰富，同盟实时数据处理能力不敷的问题愈创造显。
一方面，同盟承载了浩瀚成员行核心业务系统的数据，数据加工压力大，数据处理与分发能力薄弱；另一方面，成员行对实时交易数据的查询，以及实时数据运用的需求愈发兴旺。
因此，构建统一的实时数据整合和剖析平台，实现实时数据处理与分发、实时交易打算与查询能力，成为了同盟的主要诉求。
在实时数据平台搭建过程中，同盟在以下四个层面碰着了寻衅：

1） 在项目方案阶段，如何设计合理的实时数据平台的架构。
搭建实时数据平台，须要对联盟及成员行现有及未来一段韶光内的业务需求做梳理，同时考虑同盟的IT现状，整合数据平台现有能力。

2） 如何构建实时数据处理能力。
由于同盟承载了多个城商行的在线查询任务，且需为成员行实时营销、风险等实时业务的供应数据能力支持，因此须要为数据平台构建涵盖数据采集、数据打算、数据分发全流程的实时数据处理能力。
同时，须要对实时指标和批量指标的协同调用做方案。

3） 须要办理数据打算逻辑繁芜的问题。
同盟供应的财务报表查询，CEP指标打算等做事，其数据打算逻辑繁芜度高，须要相应的引擎支持。

4） 须要平台具备易用性和开放性。
为了充分知足业务职员的利用需求，须要在数据建模、数据处理等多环节中，供应大略易用，并更为开放，知足灵巧开拓需求的做事。

基于对现有IT架构和业务需求的深度梳理，构建实时数据整合和剖析平台

在实时数据平台搭建中，同盟选择与九章云极DataCanvas展开互助。
九章云极DataCanvas成立于2013年，专注于自动化数据科学平台的持续开拓与培植，供应自动化机器学习剖析和实时打算能力，为政府及企业智能化升级和转型供应全面配套做事。

在该项目中，同盟的IT团队与九章云极DataCanvas共同互助，对联盟及成员行的IT架构与业务流程进行了全面梳理，为同盟构建了统一的实时数据平台。

首先，项目组基于对联盟IT现状和业务需求的调研，对实时数据平台的架构做了统一方案，紧张涉及了数据接入、数据打算、指标管理和数据运用等环节。

图 8： 山东省城商行同盟实时数据平台架构

其次，同盟的数据平台从数据采集、数据打算、数据分发三个层面构建了实时数据的处理能力。
在数据采集方面，除了利用Kafka队列传输数据，平台还对不同类型数据采纳了不同采集办法，比如，对付大部分核心业务系统数据采取被动采集的办法，以降落业务系统高峰期的打算压力，对付APP的用户访问行为等数据，以及核心业务系统的数据库，则采取主动采集的办法；在数据打算方面，平台采取基于流打算框架，并结合分布式缓存为平台供应高性能的实时打算能力。
此外，平台对付实时指标和批量指标做了梳理和管理，实现了流批一体化的数据加工能力；在数据分发方面，平台对成员行客户的在线数据查询需求以插件任务的形式做业务承载，对付成员行的实时业务数据需求，则供应了接口输出或数据库写入等灵巧的数据分发模式。

针对繁芜指标处理能力不敷的问题，平台供应了指标引擎、规则引擎、决策引擎三大实时打算引擎。
通过指标引擎可以做指标查询、指标分级管理，便于业务职员直接操作指标、加工逻辑定义等；规则引擎与指标合营，能够利用规则逻辑，进行规则加工，以实现风控等业务场景的落地；决策引擎则加入了机器学习模型，助力同盟及成员行实现了智能决策。

为了构建更加易用和开放的数据平台。
平台一方面预置了大量的数据加工处理的算子，可以通过调用算子实现界面化配置的流程开拓；另一方面，平台构建了“白盒”算子库，许可用户对算子进行优化和自定义，知足更加灵巧多样的业务需求。

实时数据平台知足同盟数据及业务实时性哀求

通过构建实时数据平台，同盟在实时数据处理能力和业务上实现了以下代价和效果：

第一，构建了实时数据的处理与分发能力。
在接入同盟成员行的核心数据过程中，实现了交易的隔离和各个成员行数据权限隔离，提升数据分发安全性；数据分发流程化构建，实现了可视化的接入、分发、处理和运营监控，知足了数据处理与分发的实时性哀求。

第二，完善了同盟实时交易打算及查询做事。
2020年在手机银行业务根本上，同盟知足了汇总数据查询、明细查询、生产条件的筛选查询等实时交易的打算和与查询，实现了如进出剖析、查找交易月度账单、模糊查询、标签修正、计入与不计入修正等个性化功能做事。

第三，完成了“T+0”实时五大报表的培植。
平台将成员行五级机构、三级科目、30倍裂变数据处理的报表查询相应时长，从5分钟提升至“T+0”，完成了五大司帐报表的实时打算和展现。

同盟实时数据平台培植的成功履历

1） 项目培植前期需对甲方的IT现状、业务需求等做梳理，方案合理的平台架构，将实时数据处理能力整合进现有平台。
同时要担保平台架构的成熟和开放，以应对未来发展须要。

2） 实时数据平台培植须要聚焦技能目标，合理方案落地路径。
项目方须要合理方案未来一两年内的业务需求，分阶段提出实时数据平台的培植目标，并构建相应能力。
如同盟项目初期着重培植数据处理能力、办理实时财务报表问题。
培植过程后期则重点办理实时数据和批量数据的整合，数据指标管理、数据分发等方面的问题。

4.2 政府与公共做事

为了实现由管理型政府向做事型社会的转变，政府和公共做事领域正在全面拥抱数字化转型，利用数据技能对施政理念、流程、办法和工具进行全方位和系统性的变革，推动实现政府管理体系和管理能力的当代化，从而提高管理效率，提升做事水平和能力。

政府与公共做事领域数字化的难点在于其会涉及到警务、交通、城管、应急、环保、市场监管等多个部门和单位，一方面数据伶仃，共享和调用困难，另一方面，弘大的数据存储和打算需求用传统办法难以知足。
同时，各部门和单位数据运用的场景千差万别，短缺易用的数据开拓和数据剖析工具支持。
此外，大量繁杂工为难刁难职员依赖较大，办事效率低下，缺少智能化手段。

针对以上寻衅，政府与公共做事干系部门在构建数据智能平台时须要打通各部门和单位的数据，实现数据共享，并且在聪慧城市、聪慧交通等领域，平台须要考虑采取云原生架构，充分利用云打算在存储和打算资源上的弹性上风。
同时，平台须要供应完善的数据剖析方法论和数据剖析工具，构建基于主题运用的剖析能力，并在一些运用处景供应AI能力，实现做事的智能化。

案例3 : 实现数据拉通和统一汇聚，广东省应急管理厅构建数据管理能力体系

从2018年开始，随着应急管理部的成立，作为国家组织构造改革的一部分，各个地方也相继成立应急管理部门。
广东省整合了包括安监、消防以及地震等部门，于2018年10月正式成立广东省应急管理厅（以下称“应急管理厅”）。

应急管理厅随后展开了应急管理信息化发展方案，推出了聪慧大应急项目。
项目的整体目标是为应急管理厅供应系统业务的运营做事，包括数据支撑、运用支撑以及数据做事等。

在这一背景下，应急管理厅与百分点展开了互助，由百分点供应数据支撑做事。
百分点成立于2009年，拥有全栈的大数据和人工智能技能产品，包括大数据操作系统（BD-OS）和标签管理系统等根本引擎产品，以及智能审校系统等运用产品，涉及数字城市、应急管理、公共安全、生态环境、媒体出版、零售快消等多个领域。

应急管理厅成立之初，应急管理信息化培植紧张面临以下三方面的问题和寻衅：

1）系统浩瀚，开拓难。
应急管理厅由原安监，以及消防、地震、森林、防火办以及减灾中央等部门转隶而成。
这些不同的部门存在各自系统，并且彼此相互伶仃，数据整合开拓难度大。

此外，应急管理厅缺少省政府其他部门数据，包括省和地方公安、水利、气候、林业、交通和自然资源等部门，须要进行数据协同和数据拉通。
不过，出于对数据透露、安全隐患、隐私保护等担忧，部分部门不敢或者不愿进行数据共享。

2）资源类型多，标准规范薄弱。
应急管理厅成立之前，应急管理信息化的标准规范根本较薄弱，在感知采集、数据编目和数据共享、运用开拓、信息安全等领域，短缺全省统一的技能标准、培植指南和管理规范。
应急管理信息化培植涉及地震救灾、地质磨难、森林失火、草原失火和失火事件等应急管理工具，数据标准分歧一，导致系统对接、数据共享困难。

3）数据运用难度大。
由于不同系统数据无法共享或者数据缺失落、数据资源中包含大量如文本、遥感影像和音视频等非构造化数据，处理难度大、运用不敷，无法充分挖掘数据的代价。

系统打通和数据汇聚，构建应急管理数据管理大数据平台

基于以上问题和寻衅，百分点帮助应急管理厅构建了应急管理数据管理大数据平台，如下图所示：

图 9： 广东省应急管理厅数据管理体系及流程

通过该平台实现了应急数据接入、处理、存储、运用等全生命周期的管理，培植政务管理和监督管理数据资源池，实现对不同部委和单位干系应急数据全方位获取、全网络汇聚和全维度整合。
在此根本上，对外供应数据共享交流、数据运用等做事，支撑应急管理部数据上报事情。

百分点供应的应急管理数据管理大数据平台的能力表示在以下三个方面。

1）针对系统浩瀚、开拓难的问题，百分点通过数据管理系统和数据共享交流系统，将各级干系部门和单位的数据进行汇聚领悟，形成统一的数据资源池。

2）百分点以标准先行的原则，办理了应急管理标准规范薄弱的问题。
百分点制订并完善干系数据标准及数据采集规范，设计了数据质量的检核规则，并沉淀到数据管理系统中，形成了贯穿数据接入、数据处理到数据做事的常态化管理和监测机制，推动数据标准的贯标及数据采集规范的落实。

3）在数据运用方面，百分点的大数据平台通过资源目录和资产视图等办法，实现数据的共享。
百分点还针对应急管理厅的业务运用，梳理了相应的主题库和业务专题库，如安全生产、防汛防台和聪慧应急等，通过对数据进行归类，为业务系统供应数据支撑做事。

咨询和技能能力相结合，助力应急管理厅提升数据管理能力

效果层面，应急管理数据管理大数据平台的运用代价表示在以下三个方面。

数据汇聚层面，基于数据资源池的搭建，实现广东省各地市政务做事和监督管理数据的汇聚，并监控、优化数据流转与业务链路。
个中，针对政务做事类数据，完成政务办件、电子证照等20多类数据采集；针对监督管理类数据，完成司法检讨、隐患排查、双随机等20多类数据采集。

数据资源标准层面，结合应急管理数据标准与数据归集规范，基于干系应急业务域，完成数据仓库培植，建立数据资源目录，形成数据共享能力。

数据做事层面，基于应急数据仓库，向应急管理部共享上报“互联网+政务”和“互联网+监管”数据，推动应急体系下各方资源整合，加速完成应急管理数据汇聚和数据共享事情。

总体来看，百分点能够办理应急管理厅的问题，是由于其不仅能够具备技能和产品能力，还能够针对详细业务供应落地和实操性强的咨询做事。

技能方面，百分点的大数据平台能够实现实时数据接入，如对付监测预警干系的数据，能够实现秒级的数据处理和数据上报，并保持平台的稳定性。
此外，百分点的大数据平台具备自然措辞处理以及知识图谱构建的能力，实现了对付文本和音视频等非构造化数据的处理和剖析。

咨询方面，百分点长期做事政府客户的过程中，积累了大量业务知识，形成了一套完善的数据管理方法论。
以完全的数据管理方法论作为支撑，百分点在数据汇聚、数据处理以及数据做事等环节中，能够基于一套完全的工序井井有条地推进数据管理事情。

此外，百分点前瞻性的数据管理方法论设计使得应急管理厅通过这次项目能够达到持续的数据管理效果。
以数据标准为例，百分点形成的标准体系不是基于现状打造，而是紧跟根据国家政策和国家标准体系，一样平常能够适用未来三至五年；与此同时，其标准体系还包含一系列的扩展性业务规则，担保了充分的灵巧性。

案例4 : 某市搭建数据中台数据大脑，提升数据管理和大数据剖析运用能力

某市推出了城市超级大脑项目。
该项目的紧张目标是培植市数据大脑，基于数据大脑提升数据管理能力和大数据剖析能力，搭建起数据运用体系。

详细来看，该市的数据大脑平台遵照“五个一”（一个定位、一个平台、一个终端、一批项目、一大家当）总哀求，按照“12345”的总体思路推进事情。
即：培植一个大脑，提升两种能力，聚焦三大领域，突出四个重点，实现五大愿景。
详细如下图所示：

图 10： 某市数据大脑平台培植思路

在这一背景下，该市与明略科技和腾讯云互助，打造了基于自身的数据大脑数据中台。

明略科技是一家企业级认知智能做事平台供应商，致力于通过大数据剖析挖掘和认知智能技能，推动知识和管理繁芜度高的大型企业进行数字化转型。
明略科技的数据中台以云原生和数据资产图谱平台两大支撑能力为支撑，以多维数据的感知和汇聚能力、基于知识图谱的数据融通打通能力、基于智能数据引擎的数据自做事能力，赋能客户的中台培植，实现客户数据的资产化、智能化和做事化。

软件产品和咨询结合，助力该市搭建数据中台数据大脑

明略科技为该市供应了一整套办理方案，包括软件产品和咨询做事，后者包括数据管理咨询和数据剖析咨询做事。

首先，软件产品方面，明略科技供应的数据中台产品紧张包括数据汇聚平台、数据标准化平台、元数据管理平台、开拓调度平台、用户管理平台及数据质量管理平台。
以这些软件产品为支撑，该市搭建的数据中台能够实现数据全生命周期管理。

同时，在数据运用和剖析方面，明略科技供应了知识图谱产品，实现大数据剖析能力和模型智能构建能力的在线开放共享。

其次，在咨询做事方面，明略科技供应了数据管理和数据剖析咨询做事。
数据管理咨询包括五大方面：

第一，帮助该市数据资源管理局建立数据管理的组织保障、事情机制流程，形成数据计策制订、数据架构方案的能力；

第二，帮助该市数据资源管理局制订数据管理和管理、数据开拓运维、数据运营等方面的管理标准、技能标准及数据标准，办理流程化管理、信息化管理的问题；

第三，构建市级数仓中央，特殊是标准库、根本库的核心培植事情，培植符合该市的数据管理需求的统一管理的数仓中央；

第四，构建数据运营中央，能够以业务元数据管控的办法，从业务视角和管理视角，规范性开展数据运营，促进数据代价的发挥；

第五，保障数据中台的平稳有效运行，该市各委办局，高下级单位间的数据资源能够有效对接，并在运行过程建立创造问题的机制，并持续改进。

明略科技供应的数据剖析咨询做事包括两方面。
第一，制订该市政务数据剖析方法论和政务数据剖析流程，辅导各部门进行政务数据剖析；第二，基于主题运用和专题剖析，构建剖析模型和输出剖析报告，给市领导及主管部门供应决策支持。

基于明略科技和腾讯云为该市搭建的数据中台，该市的数字城市项目取得了阶段性成效，表示在资源目录、数据共享和数据剖析方面。
资源目录方面，2020年，上线的统一数据中台做事了55家委办局，共有1800类数据资源上线；在数据归集方面，归集数据资源总量150亿条，天生数据接口800个。

数据共享方面，接口累计调用130亿次；库表交流累计40亿条，为35家委办局供应做事，例如不动产转移登记与水电气联动过户、市住建局的住建行业从业职员社保缴费情形核查、政务一体化培植、城市APP培植等，有效推进“一件事一次办”，实现更多政务做事和便民做事让市民享受一次办结的便利，进一步优化营商环境，推动政府职能转变。

数据剖析方面，共实现了11份剖析运用主题，包括境外疫情输入剖析，外洋逐日疫情发展情形，手机信令复工复产数据剖析，新型聪慧城市助力软件业再出发课题，养老金核查剖析，失落业金核查剖析，工伤救助核查剖析，医保核查剖析，城市道路交通影响剖析，养老金发放情形剖析与预测，社会保险参保人数和基金缴纳情形剖析。

案例5 : 搭建统一大数据聪慧平台，沪杭甬高速提升聪慧化运营水平

近年来，中国高速公路路网趋于饱和，根本培植需求正逐年降落，而管理需求却逐年增强。
如何利用智能技能、数字技能培植聪慧高速，盘活资产、提高管理效能和做事质量，降落运维本钱及安全风险，成为高速公路运营机构和交通参与者的急迫需求。

浙江沪杭甬高速公路株式会社投资经营及管理省内外18条高速公路，总里程1566公里。
个中，沪杭甬高速公路于1998年底全线建成通车，是浙江开建的第一条高速公路，途经嘉兴、杭州、绍兴、宁波四个地市，全长248公里。

沪杭甬高速也展开了自身的聪慧交通培植，其面临以下突出难点：高速公路的数据很难与其他行业形成交互，信息孤岛问题严重；高速公路应急指挥调度系统缺少信息化的管理手段，应急处置能力有待提升；高速公路的智能化水平，尚不能知足运营做事和道路驾乘职员的利用须要，"大众年夜众出行做事水平不高。

在这一背景下，沪杭甬高速与同盾科技展开互助，希望通过搭建统一的大数据聪慧平台，提升道路交通的聪慧化运营和管理水平。
同盾科技以人工智能、云打算、大数据三大核心技能体系为根本，基于对数据的探索洞察和深刻理解，能够将深度学习、联邦学习等领先技能与聪慧高速培植的业务场景相结合，为金融、保险、互联网、政务、零售、物流等行业供应智能剖析与决策做事。

以星河-大数据平台为支撑，同盾科技为沪杭甬高速运营商搭建了聪慧高速云控平台。
2019年，“沪杭甬高速聪慧化提升改造项目”正式启动，历经一年的研究和履行，沪杭甬高速公路聪慧化提升改造一期工程现已完成培植，到2020年底项目一期基本建成通车。

基于云原生架构，通过智能决策中台，构建聪慧高速场景

从架构上看，聪慧高速云控平台是一个包含底层、中层到上层的全面做事平台。

图 11： 沪杭甬高速聪慧高速云控平台架构

如上图所示，聪慧高速云控平台底部是云原平生台，“云”作为数据、运用的硬件支撑。
同盾科技云原生团队为高速公路聪慧化培植供应公有云做事、私有云打算平台。
为收费站供应边缘打算做事器+虚拟化/超领悟办理方案，知足自由流收费需求。
基于云原生的架构，可实现资源可一键扩缩容，故障可自愈（云化后业务未中断），知足对打算和存储资源的动态需求。

聪慧高速云控平台中间层是智能决策中台。
同盾科技通过支配大数据底层，包括可视化数据开拓平台、离线打算、流打算、机器学习，搜索引擎、工具存储、云关系型数据，知足沪杭甬大数据处理、剖析、挖掘、管理和运用等需求。
在这一根本上，把数据背后的路特色、车特色、人特色归纳总结出来，为路的运营、车的运输、人的通畅提升效能。

聪慧高速云控平台最上层是运用处景层。
聪慧高速云控平台集成运行监测、应急指挥、养护管理、收费管理、重点车辆跟踪、营运剖析等各项功能，供应聪慧高速、聪慧隧道、聪慧桥梁、聪慧枢纽、聪慧做事区等场景运用，构建数字驾驶舱。

总体来看，聪慧高速云控平台能够对不同来源的数据进行统一接入，并基于统一平台进行整合和剖析。
个中，一个主要的数据源是“慧眼”系统，也即在高速路段布设的各种感知设备，包括摄像头、雷达等。

据浙江沪杭甬高速公路株式会社信息中央副主任陈建新先容，在杭甬高速柯桥至绍兴路段上，每隔250米布设了一套毫米波雷达和视频数据设备，而在沪杭甬其他路段，每隔1公里架设了一台摄像机。
“这些‘慧眼’非常灵敏，不分昼夜地感知车流、车速以及统统非常，并源源不断地发送信息给后台大脑。
”

聪慧高速云控平台能够将软、硬件的领悟连接，通过整合不同来源数据，实现对运营商、高速交警、互联网企业、交通管理部门、电子监控系统等信息的整合与剖析，从而实现对交通的精准剖析、整体研判和协同指挥。
收成数据洞察的过程大致经历以下过程：

图 12： 沪杭甬高速聪慧高速云控平台数据洞察过程

聪慧高速云控平台，实现数据驱动运营

基于聪慧高速云控平台，沪杭甬高速实现了实时监测、客户做事、收费管理等方面的运用处景支撑。

实现监测方面，聪慧高速云控平台能够利用大数据实时剖析技能和高效人工智能算法，自动创造交通非常事宜（如拥堵、事件、违法驾驶行为等），领悟移动互联网上报事宜实现全天候事宜自动监测及应急开导和一体化施救。

客户做事方面，平台打通"大众年夜众和高速公路管理者之间的双向信息交互，实现了多渠道（情报板、高德/百度舆图、短信、APP等）精准化交通信息便捷发布，优化路网的交通组织和勾引，提升了"大众年夜众出行体验。

道路管控方面，平台能够基于高速公路各种感知设备的实时交通信息剖析全路网交通态势，实现未来交通趋势的准确预测。
实时精确核算海量车辆通畅记录和应收费率，使每辆车的每笔用度都应征不漏。

详细来看，聪慧高速云控平台上线后，沪杭甬高速达到的项目收益表示在以下方面：

首先，实现全网交通态势预测准确率90%以上。
根据数据实时剖析，行程韶光比较智能导航提升5%-10%；试验路段事件30秒内创造，并通过聪慧高速APP、智能车载终端、情报板等办法奉告客户。

其次，项目实现了人、车、路网及周边环境智能协同运转，运行路段的通畅能力提升20％、道路拥堵韶光降落10％、道路行车事件低落10％，道路运营环境更趋安全，交通秩序明显改进。
道路举动步伐能干化也减少了夜间行车事件，提升了车速，夜间事件数量比较之前均匀低落12.9%，夜间均匀车速比较之前提升9.51%。

末了，客户可在沪杭甬全线享受公里级气候推送做事，内容包括恶劣景象、安全驾驶和做事区躲避建议等提醒信息。

4.3消费品与零售

在互联网大潮以及疫情常态化的冲击下，消费品与零售行业的企业面临前所未有的机遇和寻衅。
一方面，线下门店发卖遇冷，线上渠道发挥了巨大代价，线上已经成为了费品与零售企业的主要的渠道。
另一方面，市场环境和消费者的需求也在不断发生变革。
因此，打通线上与线下数据，精确地洞察市场和消费者，快速推出符合市场需求的个性化产品并触达消费者，同时用数据驱动更高效地供应链、发卖、客户的管理，为企业经营降本增效，成为了消费品与零售企业搭建数据平台的核心诉求。

很多连锁化经营的消费品和零售企业在过去的信息化培植过程中，沉淀了多套业务和数据系统，如CRM、ERP、SCM，以及分散在多个业务部门或业务线的数据库、数据仓库等。
这给企业带来的问题是企业内部的数据体系重复培植，数据资产割裂，各种线上线下数据无法联动，不能为企业数字化运营做事。

因此，消费品与零售行业的企业培植数据智能平台最主要的事情是汇聚和管理分散在各个业务和数据系统的数据，建立数据规范，按照业务需求方案统一的数据仓库、数据集市、数据做事和标签体系的数据能力，形成对企业各个业务线的经营管理状态的准确洞察。

案例6 : 数据中台赋能百丽国际集团，应对数字化转型寻衅

百丽国际（以下简称百丽）成立于1992年，是一家大型时尚及运动家当集团，业务涵盖鞋类、运动和衣饰三大业务，旗下拥有BELLE、STACCATO、TATA等十多个鞋履品牌，以及initial、MOUSSY、SLY等衣饰品牌，也是十余个环球领先运动品牌的在华关键零售伙伴。

在29年的发展史中，百丽一贯重视用数据赋能业务，从早期对财务系统、数据报表、数据查询的运用，到2012年旁边开始组建IT团队，自建数仓、BI以及各种业务系统，以知足百丽鞋类业务20多个品牌，8个大区互异的业务需求。
经由多年的IT培植，百丽已经打通了各品牌线上和线下的数据。

为了给各业务线供应统一和更风雅化的数据做事，建立一体化的数据权限体系，以及为未来智能化运用打好根本，百丽须要搭建面向全体集团的数据中台体系。
在开始搭建数据中台之前，百丽已经通过内部的统一数仓项目将多套数仓、大数据平台做了合并，通过数据字典项目将基于BI的分散在70多个子系统的1300多个KPI、700个维度做了梳理和统一。
然而，百丽数据中台的搭建仍旧面临以下寻衅：

1） 在之前多个数仓并行的阶段，百丽有两套数据采集系统，一套供应实时数据采集功能，一套供应批量数据采集功能，因此数据采集工具或组件相对独立和割裂，在管理上没有统一。

2） 数据中台有直接面向用户的功能型和流程型模块，也有面向数据开拓部门的数据型模块，而传统的Excel表格很难知足不同部门在数据管理和折衷上的需求，因此须要对数据字典进行平台化的管理，同时平台须要具备对指标进行新增或动态调度的功能，并能让前端用户理解指标的定义和打算方法。

3） 在开拓数据运用的过程中，缺少统一和标准的数据做事，因此开拓效率不高，且无法查看做事管理的全局信息，无法做统一的权限管理。

4） 数据资产管理体系弘大，用传统的办法管理数据质量对职员依赖非常高，且投入巨大。

标准产品与定制项目相结合，构建弘大且繁芜的中台体系

在数据中台搭建中，百丽选择了滴普科技作为互助伙伴。
滴普科技是一家全场景数据智能做事商，有着深厚的技能和平台培植履历积累，其在商业与金融科技、聪慧政务、智能精益制造等核心场景中，为100余家有名大中型企业供应了标杆性的数字化转型做事。

对付百丽这样体量弘大且业务较传统的企业，数据中台的搭建须要企业内部团队与外部技能做事商发挥各自上风互助共建。
在该项目中，百丽的IT团队基于对公司业务的理解，对业务逻辑、业务管理和业务流程做了系统和全面的梳理。
滴普科技则通过标准化的产品和定制服务供应技能办理方案。

在标准化产品方面，滴普科技通过数据集成工具DCT，为百丽供应多种数据源的汇聚整合，且能做到低本钱和高可用；通过数据资产智能开拓套件DaaS，为百丽供应高效的数据汇聚、加工、做事、资产管理功能。

针对百丽的一些个性化需求，如传统企业前端系统和业务流程具有特定的业务规范，须要对半年乃至一年以上的历史数据进行处理，但标准厂商的技能组件难以在已经成型的IT和数据架构体系中调用；因而须要打造“一人一账户”的权限中台，构建更偏业务的数据字典，并在平台支配后运行测试，保障公司繁芜的业务系统可用。
滴普科技的履行和交付团队都为百丽供应了相应的定制化办理方案。

图 13： 百丽的数据中台架构图

数据中台赋能百丽数据做事体系

通过构建数据中台，百丽期望通过构建面向未来的技能和运用架构以及数据管理体系，实现数据搜集合成、业务数据字典管理、数据资产管治及数据做事能力。

首先是实现多数据源的汇聚整合，并实现对数据字典的平台化管理，给业务职员利用数据，理解数据指标的意义，为业务部门间的沟通协作供应了很大的便利。

在数据质量管理方面，数据中台简化了数据开拓哀求，并在数据稽查、质量度量， 以及覆盖数据产品的全链路监控，实现高质量数据保障。

同时，建立统一化的数据做事平台，为数据用户供应统一口径和标准的数据查询和获取能力，高效地支持好业务前台决策、业务创新等场景需求。

百丽数据中台的成功履历

1） 在搭建数据中台之前制订清晰的目标。
百丽在启动数据中台项目之前对平台的功能以及技能细节做了非常明确的方案，因此后续可以基于这些目标做清晰的阶段划分、职员组织安排。

2） 结合内外部团队上风，共创共建。
在该项目中百丽对公司内部业务和数字化现状很理解，滴普科技则具备技能上的上风，双方团队经由不断的沟通和互助，发挥各自上风，才能推动数据中台落地。

3） 公司自上而下对数字化有很高认知并全员参与培植。
百丽的管理层和业务部门的职员对数字化的认知程度很高，公司内部非常重视数据中台项目，所有关键职员都会自发参与，资源也会往该项目倾斜，全员的参与和投入，使得项目推动很顺利。

4） 业务逻辑要依赖公司内部而不是咨询公司梳理。
数据的有效运用须要以公司业务和管理标准为条件，很多公司通过外部咨询机构做业务和管理标准的统一，每每不能得到公司管理层的认可。
百丽则是由公司内部IT和业务部门梳理和统一了业务管理标准，从而有效支撑了数据运用。

4.4工业与能源

工业与能源这类传统行业的企业在经营管理中一贯存在一些固有顽疾，如业务流程繁芜、生产工艺依赖人工履历、管理水平掉队、决策效率拙劣等问题。
通过搭建数据平台，实现数字化转型，工业与能源行业的企业可以在生产制造、供应链管理、组织管理、经营决策，乃至交易、金融等环节实现数据驱动，从而降落生产本钱、提高决策效率、掌握经营风险等。

常日，工业与能源行业的企业数据呈现出多样、实时和海量的特点。
然而这类企业过去的信息化培植常日分步进行，因此其业务系统数据分散，且传统数仓无法支持业务实时性的需求；同时，由于产品类型繁多，产品数据ID分歧一，数据质量差，企业无法理解渠道、市场等方面更详细的情形，也难以对业务问题进行深入剖析和跟踪改进。

因此，工业与能源行业的企业在构建数据智能平台时，须要首先用一套统一的标准进行数据管理，拉通底层数据。
其次，须要针对生产、设备、库存、发卖等全流程的数据，供应可视化看板，让管理职员能实时、准确地理解现场情形，快速准确地做出决策。

案例7 : 发力数据中台，嫡控股构建精准、实时、敏捷的数据能力

浙江嫡控股集团（简称“嫡控股”）是海内领先的塑化质料供应链管理做事商，业务范围涵盖塑料质料、液体化工、风雅化工产品的贸易，以及相应的供应链金融、物流、信息、技能等家当链增值做事。

多年来，嫡控股一贯重视信息化、数字化能力的培植，且已经搭建了多个业务系统，以及数仓、BI等数据根本举动步伐，形成了一定规模的数据沉淀。
但随着业务的快速发展，公司内部的系统越来越多，流程越来越繁芜，原有数据系统已经难以适应其业务需求。

对付现阶段的嫡控股而言，其核心业务需求在于通过数据全面节制公司现货端各个商品的实时状态，期货真个类型、头寸等数据，从而为公司在现货和期货市场进行各种操作供应决策支持。
这就对底层数据平台的数据的准确性、实时性以及敏捷相应能力提出了更高哀求，详细如下：

1） 数据的准确性。
嫡控股之前的数据分散在各个业务系统中，业务场景多，业务链条长，导致公司总体业务逻辑和数据类型非常繁芜。
与此同时，数据口径分歧一，短缺完全的数据方案体系和数据管理规范，导致数据准确性难以评估。

2） 数据的实时性。
嫡控股原有数据系统只能做到事后数据及报表查看，无法实现现货端商品动态情形及期货端期货类型、头寸等数据的实时查询。
这一方面是由于其数据平台缺少实时的数据处理能力，另一方面是由于原有平台在繁芜的打算场景中性能表现不敷。

3） 敏捷相应能力。
嫡控股业务部门和覆盖的终端用户很多，而原有报表系统的SQL语句都是封装固定的，缺少可复用性，当业务用户提出新的报表或数据运用需求时，数据部门须要重新进行开拓，相应速率很慢，且耗费大量人力本钱。

基于数据全链路，嫡控股构建数据中台

基于对奇点云产品和项目交付能力、落地履历的认可，嫡控股选择与奇点云进行互助，共同构建数据中台，以办理上述数据运用中的问题。
奇点云是业内领先的独立第三方数据中台做事商，其自主研发的AI驱动的数据中台，能够帮助企业实现数据采集自动化、数据管理智能化、数据资产私有化、数据运用敏捷化，完成数据生命周期管理。
截至目前，奇点云已做事过600+家政企客户。

针对数据类型繁芜、数据口径分歧一的问题，双方共同组建的项目组对嫡控股的业务流程与数据现状进行了梳理，奇点云据此提出了一系列数据管理的思路和方法论，并辅导了项目组对每一节点的数据进行逐一排查，针对每一问题形成相应办理方案，终极将数据全部洗濯干净；与此同时，为了统一数据规范，双方的架构师对数据规范、对接办法、上游系统是否建主备库、网络方案、账号体系等都做了统一约定。
在此根本上，基于对组织、职员、商品、词典等数据的梳理，嫡控股汇总各个异构数据源数据并将类型进行了统一，完成了主数据系统培植。

针对数据利用实时性的问题，数据中台利用了Kafka、Flink等数据处理引擎，将数据解析后存放到Kafka行列步队，再通过流打算引擎Flink的处理，把打算结果存在数据库中，并对外供应API或数据查询做事。
同时，数据中台采取了流批一体化的架构，对付部分不须要参与实时打算的数据，以离线打算的办法进行预先打算和预存，避免了实时打算中如果对大量历史单据数据打算，花费内存和做事器节点过多的问题，从而提高了实时打算的性能。

为提高数据利用的敏捷相应能力，嫡控股构建了数据指标体系，依托指标的强解耦性，实现了不同用户对报表和数据运用的个性化需求，提升了数据需求相应速率。
此外，在奇点云的帮助下，嫡控股从业务代价高、数据根本高的场景出发，建立起了完善的数据剖析体系，包括了10多个业务域，统共数百个剖析场景，让数据查看更直不雅观和便捷。

图 14： 嫡控股数据中台架构

嫡控股数据中台的代价与效果

数据中台落地后，在数据和业务层面上，嫡控股实现了多种代价与效果：

第一，实现了整体数据资产的在线化。
建立了在线的报表解释及指标字典，完成了包括159个原子指标、29张报表、2个看板和1个大屏的开拓，并且能够明确每张报表、每个字段的意义和浸染，便于用户按图索骥，快速找到所需的数据资产。

第二，实现了现货端和期货端各种数据的实时查询与展现。
实时的数据查询和展现能力，一方面为业务发展带来了主要的代价，如进销存领域的数据准确率达到100%，数据实时性从5分钟提升到了10秒内，成为了支撑公司业务发展的必不可少的根本能力，另一方面，改变了过去须要多部门向高层管理职员人工上报数据的现状，大大降落了人力本钱，同时更好地支撑了管理层的决策效率。

第三，实现了数据可复用，提升了用户对数据利用需求的相应速率。
通过建立底层的指标体系，当用户提出报表或者数据运用的需求时，可以根据须要的自主选择相应的数据指标，从而实现业务需求的快速相应。

嫡控股数据中台的培植履历

第一，对付业务场景繁芜的企业而言，建数据中台须要只管即便选择项目履历丰富的厂商。
首先，项目履历丰富的厂商具备系统性的方法论支撑，能够有效辅导企业数据平台的培植；其次，项目履历丰富的厂商能够清晰理解企业在各个场景中的业务需求，能够对培植过程中的风险有预判，避免踩坑。

第二，数据中台培植需深入业务，甲方与厂商进行共创。
该项目中，嫡控股与奇点云深度梳理业务流程，把握需求与痛点，结合数智化能力，构建了最佳办理方案并实现了落地，以数据驱动业务增长和创新。

案例8 ：构建文档管理体系，助力晶盛机电开释数字资产代价

浙江晶盛机电株式会社（下称“晶盛机电”）创建于2006年12月，是海内领先的半导体材料装备和LED衬底材料制造企业，业务范围涵盖半导体、光伏装备业，发展LED衬底材料、工厂智能化做事办理方案等。

数字资产管理是企业数字化运营的主要保障支撑，数字资产生命周期管理包括存储管理、查找利用、共享协作等。
而文档管理作为数字资产管理的主要部分，也是晶盛机电数字化运营的主要底座。
随着数字化进程的推进和业务量的增长，晶盛机电原有的文档管理模式已经无法知足其整体的业务协作和管理需求，因此建立以数字资产为中央的文档管理体系，是晶盛机电的主要目标。
为了替代原有文件管理模式、构建全新文档管理体系，晶盛机电面临着以下三方面寻衅：

第一，存储管理方面，晶盛机电缺少统一的以数字资产为中央的文档管理平台。
原有各部门数据存放于部门级NAS中，相互独立且文件体系构造混乱，数据丢失风险大且丢失难以找回；且原有体系下权限不明晰，短缺非常行为监控，无法知足晶盛机电文档外发安全可控和文档长期保存的需求。

第二，查找利用方面，原有体系混乱，系统内容搜索和预览过程繁琐不便，且缺少针对不同业务部门的有序流程优化，不利于各部门进行文档数据的查阅及搜索，检索效率低、本钱高；

第三，共享协作方面，缺少内外部信息协作共享能力。
一方面，数据规范是数据运用的条件，规范的文档管理体系是文档运用与共享的支撑，而晶盛机电各部门缺少整体的有序、规范的文档管理体系，文档离散、凌乱、标准不一，不利于内部各部门间以及内外部的文档共享协作。
另一方面，缺少统一的内外部信息协作共享工具，多通过NAS共享或通过邮件、微信发送文件。

此外，为了构建完善的文档、内容和知识体系，以充分实现内容利用与代价挖掘，并借助知识体系为计策做支撑。
晶盛机电还须要进一步办理以下问题：比如，原有文档管理模式下，文档内容代价挖掘不敷，无法充分沉淀、利用文档内容；未形成可复用的业务知识体系，不能从业务中抽取具有商业代价的信息，为公司发展计策和数字化转型做辅导与支撑。

基于非构造数据中台，晶盛机电搭建集中文档管理体系

针对上述需求与寻衅，在综合考虑各供应商的技能能力、办理方案与履行落地履历后，晶盛机电选择与爱数展开互助。
爱数成立于2006年，是大数据根本举动步伐供应商，供应构造化数据、非构造化数据、机器数据、知识图谱数据等全域数据能力，为政府、公共奇迹及企业的数字化转型赋能，帮助各行各业的客户开释数据代价，实现即时、随时、实时的数据做事。

在深入调研了晶盛机电各业务部门实际需求、梳理了业务流程后，爱数为晶盛机电建立了完全的项目体系培植方案，包括一期文档管理体系培植、二期内容管理体系培植及三期知识创新体系培植。

作为内容管理体系与知识创新体系的根本，晶盛机电首先进行了文档管理体系的搭建。
基于完全的文档管理体系蓝图，晶盛机电构建了集成权限管理、共享协作、查找检索、审计管理及运营管理等功能的、基于非构造化数据中台的集中文档管理体系。

图 15： 晶盛机电文档管理体系架构

晶盛机电以权限管理体系为支撑，搭建了基于非构造化数据的统一文档管理平台，以同时知足文档的安全性和存储管理哀求。
数据迁移方面，晶盛机电勾引、帮忙各部门用户将个人电脑中及NAS平台中的文件按部门存入平台，并集成业务系统中的附件，保障了文件迁移的完全性。
安全管控方面，搭建部门文件构造时，根据实际需求合理分配权限；建立了基于共享策略的安全管控，管理员在掌握台通过统一的共享策略，掌握所有终真个文档共享行为，对非常行为进行监控，以确保文档访问办法和访问范围的安全性；建立文档多副本、文档多版本、回收站等机制，助力晶盛机电实现数据安全可控。

晶盛机电文档管理平台搭载了全终端同等的内容搜索功能，以提升查找利用体验。
爱数AnyShare Family V7基于海量索引和元数据，结合人工智能技能，能够支持快速搜索、全文搜索、高等搜索等多种搜索模式，具备精准搜索、模糊搜索、历史记录搜索和相似结果折叠等多重亮点。
晶盛机电文档管理体系具备高效便捷的内容协作能力，以实现共享协作。
首先，基于深度调研，晶盛机电以数字资产、成果文档为中央，为各部门搭建有序的文件构造，以提升全局文档和知识管理的规范性。
其次，晶盛机电还构建了完全的运营管理体系和审计管理体系，规范了业务流程和数字资产，为文档共享协作做支撑。
其余，晶盛机电利用了爱数供应了丰富的Office在线协作、PDF内容管理、图片和音视频在线预览、表单在线网络等运用组件，支持多人在线编辑、在线网络、在线标注等运用处景；员工可通过SharedLink功能天生文档链接给到内部员工及外部供应商查看，提高了共享协作效率。

未来，在完成文档管理体系培植的根本上，晶盛机电姑息内容管理体系及知识创新体系，与爱数展开更为深入的互助。
爱数将助力晶盛机电构建内容管理体系，充分利用文档内容、挖掘文档代价，实现全面的内容管理；打造知识创新体系，落地知识工程，利用知识图谱等工具实现非构造数据商业智能功能，赋能业务数字化转型。

文档管理体系提高文件查找与交互效率，赋能数字化转型

文档管理体系的完全搭建，充分开释文档数据代价，为晶盛机电业务数字化转型供应了支撑。
详细而言，实现了以下效果：

第一，保障了安全可控。
文档多副本、回收站双重保险，加之文档多版本管控，确保文档丢失、误删或修正后可追溯、可找回；权限颗粒度管理，加之水印、外发审批、IP限定等功能，保障了文档安全。
项目培植完毕后，晶盛机电文档误操作丢失率低落了90%；

第二，实现了文档快速查找。
基于有效的目录构造梳理搭建以及历史文件的统一归档，爱数为晶盛机电供应了多维度的全文检索能力。
基于关键字的搜索功能速率比NAS网盘提高了3倍，文件查找效率整体提升50%以上；

第三，提高了文件交互效率。
提升了文档和知识管理的规范性，极大便利了各部门文档发布与文档审核，提升了各部门业务效率；实现了高效共享，极大提升了文件内外部共享与协作办公效率，文件交互效率提高了50%以上。