写点什么

蚂蚁金服数据洞察分析平台 DeepInsight:人人都是数据分析师

2019 年 9 月 02 日

蚂蚁金服数据洞察分析平台DeepInsight:人人都是数据分析师

小蚂蚁说:

大数据时代,由数据驱动的用户行为分析、运营分析、业务分析无疑是最被关注的“热词”,尤其对于拥有海量数据的大中型企业来说,对数据的需求已远远超越了传统数据报表所能提供的范畴。如何运用自助式BI实现当代企业精细化运营,已成为企业运营管理的新课题。

一个企业,如果要知道前段时间都发生了什么?为什么会发生?现在发生了什么?接下来又会发生什么?能有效回答这些问题的,便是所谓的BI(商业智能,Business Intelligence)。它是一套完整的解决方案,通过企业中现有的数据进行有效地搜集、清洗、整合、挖掘和分析,快速提供报表并提出预测和辅助决策依据,帮助管理者做出经营决策。



已诞生了二三十年的 BI 并不是一个新话题,但随着移动互联网带来的需求突变,让企业在实施 BI 时面临不少尴尬:技术人员经过加工后的一手资料,导致业务人员信息的不对称;业务人员需求的不同导致每一个项目都要从 0 开始,可复用部分少,时间成本高;企业所用的数据库和分析工具来自不同的供应商, 技术积累难度高。


那么怎样才能充分运用 BI,实现企业各个岗位对数据的不同需求,降低技术门槛,实现人人都是数据分析师的夙愿?蚂蚁金服大数据洞察分析产品 DeepInsight 告诉你,原来数据还可以这么玩。


简单好用就是核心竞争力


DeepInsight 是蚂蚁金服自主研发的专注于大数据的数据洞察分析平台,主要面向企业分析人员、业务人员、开发人员,为企业提供数据驱动业务发展的下一代 BI 工具,包括可视化图表、智能分析组件,支持二次开发,业务构建分析平台更灵活,让数据能在企业中快速流转,通过报告和报表帮助业务快速发现问题和定位原因,发挥数据更大的价值。



DeepInsight 操作演示


如今的数据分析市场上,国外已深耕几十年的自助式 BI 产品仍有极大的市场认可度和覆盖量,而随着中国科研技术能力的提升,国内提供 BI 产品的厂商也逐渐崛起。作为蚂蚁金服自主研发的数据洞察分析产品,DeepInsight 的优势和长处也让它无可替代。


数据轻加工和智能数据同步是 DeepInsight 的核心竞争力。数据轻加工是指,如果客户对来自交易表、用户表等多个表内数据进行分析操作时,系统能够生成一个聚合过的虚拟临时表,用户只需要对临时表进行操作就可得出自己需要的结论,有效降低了运算时间,大大提升了查询效率。而临时表的生命周期管理完全是系统自动产生,系统利用数据血缘的方式,判断哪些临时表是可用的,哪些临时表是不需要建设的,通过智能化判断、零人工参与的方式,为数据管理带来了极大的方便,有效提升数据使用效率。


智能数据同步,是指在用户查看数据之前,将多个数据库中的表格同步到一个库中,方便用户进一步分析和诊断。并且 DeepInsight 会根据用户的访问时间、表的访问次数以及访问用户的等级进行综合的算法排序,及时把储存同步到计算引擎上,比如客户 9 点需要访问,那么在 9 点之前系统就已自动同步完毕,且及时同步成功率到达 99%以上,给予用户最优的使用体验。



因为是随着蚂蚁金服自身业务成长起来的,DeepInsight 属于实至名归的金融级产品,在安全层面上相比于竞品也给予了更加的重视。首先是行级权限,同一个数据级不同的人看到数据的内容不一样,根据业务负责范围才能看到不同的数据范围。而在字段级的权限上,每个人也只能视业务情况看到不同的字段,并且这个功能是在 DeepInsight 里面直接嵌入的,不需要客户再做集成开发。


除此之外,DeepInsight 还具备描述性分析(描述业务上发生了什么)、诊断性分析(诊断为什么发生)、预测性分析(预测将要发生什么)、决策辅助(决策要做什么)这 4 个数据分析层次,并将它们沉淀在一整套成体系的科学计算引擎中,用户无需自己写代码,而是可以通过配置化、自动化的方式来实现,用户只需定义指标、公式、资产等信息,接下来这一套链路就可以完全自动监控、预警和计算,全方位的技术解决能力让小白用户也可轻松上手。


人人都是数据分析师


对客户需求的充分洞察,是源于 DeepInsight 是蚂蚁金服自身业务“用出来”的产品。


DeepInsight 的初次面世是在 2013 年,跟很多传统企业一样,此时的蚂蚁金服也处于:业务在做数据分析的时候需要提需求给数仓团队和 BI,然后数仓团队用传统报表工具去做报表,之后业务方再来看报表的过程。这个过程十分冗长,一般一两周才能满足业务需求,这就导致业务使用数据的效率低下和延迟。为了提升数据的使用效率,蚂蚁金服大数据团队当时便喊出了“人人都是数据分析师”的口号,开始规划这款工具产品,最终 DeepInsight1.0 成功替换掉了传统的数据洞察分析工具,有效解决了传统工具进行数据分析和使用数据的效率问题。


到了 2014 年-2016 年,则进入了 DeepInsight 2.0 阶段,这时 DeepInsight 使用人员已经从数据分析人员变成基本覆盖蚂蚁大部分员工,包括一线的员工运营、客服、销售、BD 等。有意思的是,阿里集团也感受到了 DeepInsight 对于业务的帮助,纷纷加入使用,慢慢的,天猫商城、阿里妈妈、菜鸟物流、口碑等成百上千号人也纷纷选择用 DeepInsight 替换掉了传统的数据洞察分析工具,DeepInsight 俨然成为阿里集团通用的数据洞察分析工具。


以口碑为例,平台入驻商户已经超过 250 万,单日交易笔数超过 3000 万笔。对于各个大区的城市经理、城市运营、城市数据接口人等一线业务同学来说,如何快速针对运营数据的分析和梳理十分重要。针对每个角色业务侧重点不同, DeepInsight 定制了“城市经理-管理者看板”、“城市运营-活动监控看板”、“城市数据接口人-自助分析看板”等不同的数据解决方案,并通过一段时间的数据洞察分析工作后,再深挖业务端痛点进行优化,最终实现:基于大盘监控看板可以时刻监控核心业务指标动态,自助看板可以每个人做自己个性化的分析产品,活动复盘产品可以让运营快速 get 到关键点的理想效果。


除此之外,阿里妈妈也利用 DeepInsight ,为天猫几万个核心品牌打造了专属行业研究报告,业务人员只需要输入品牌名称,就会有该品牌所在行业动态、竞争形势等定制化的内容快速生成;菜鸟物流在自建的仓配系统内嵌 DeepInsight,通过 DeepInsight 制作数据门户来追踪和监控入库出库、订单状况、作业动态,实现仓配系统的低成本管理、高效配送。至此,DeepInsight 在阿里体系的内部遍地开花。



2016 年,随着人工智能的火热和技术的成熟,智能分析被赋予到 DeepInsight 上,DeepInsight 3.0 正式上线,不仅能帮助客户做预测和更智能地分析,还完成了全方位的产品体验升级。


如今,DeepInsight 在外部市场也有了众多合作伙伴和客户,包括多家银行、线下商户及共享市场等。以某银行为例,它利用 DeepInsight 构建了自主分析平台,给企业的信用卡部、个人银行部提供自主分析的能力。并且,不同于以前的业务模式,银行内部的业务方需提需求给到银行科技部,银行科技部接到需求需要经过一些列操作后,业务方需要几周甚至更久的时间才能拿到报表,如今通过自主分析平台,业务方的需求当天便可以得到满足,极大提供数据使用效率。


接下来,DeepInsight 将充分构建开发者生态,将开放作为重点,开放开发集成能力,让 DeepInsight 平台能够与客户的 CRM 系统、行为系统等业务系统进行快速的集成,同时保障权限的管控;开放可视化的组件 API、SDK 等接口,让合作伙伴在 DeepInsight 平台上直接开发可视化组件。而这些在蚂蚁金服和阿里巴巴内部,早已进行过充分的尝试。


从 DI(DeepInsight)到蚂蚁金服大数据平台


其实,DeepInsight 只是蚂蚁金服大数据平台(Ant Financial Big Data Platform)中的一环,与市场上的单个产品相比,蚂蚁金服提供的是一站式集成的端到端的全套大数据解决方案,这一方案还包括:大数据计算 &存储平台 MaxCompute、分析型数据库 Analytic DB、数据集成开发平台 DIP、具备一站式数据挖掘服务的机器学习平台,以及大屏可视化 DataV 等一揽子产品和服务,全面降低客户的运营成本、提升运营效率,创造最大数据价值。



秉承蚂蚁金服的技术开放战略,蚂蚁金服大数据平台开放给外部的企业、商户、ISV 合作伙伴,不仅提供全套产品平台,也提供行业级的解决方案,并辅助定制化的服务,保证方案的最终落地。其中,通用的解决方案包括:


1、自助分析平台:包含数据集成、数据洞察分析、数据门户、权限集成的完整解决方案;


2、客户画像:以客户为中心,构建客户全息画像,360°了解客户,帮助企业更精准的解决问题;


3、大数据营销:提供客户数据标签管理、智能圈人、人群扩散、位置营销、营销效果分析;


4、大数据风控:基于大数据构建风险识别模型,提供交易反欺诈、信用反欺诈服务。


总结


除此之外,作为金融级的产品,蚂蚁金服大数据平台针对银行、保险、基金、证券等行业的特性,会提供行业专属一站式解决方案,进行个性化的服务。以网商银行为例,基于蚂蚁金服大数据解决方案,网商银行建立了一套面向业务人员的新一代大数据自助智能分析平台,实现从数据获取、数据探索分析、报表定义开发到信息发布共享的全流程管理,提成了全行业数据应用分析能力。结合网商银行业务特色,规划统一数据架构,建设完整、准确、统一的全行数据中心,实现数据统一管理,更好的支持业务创新。


目前,蚂蚁金服大数据平台也做好了服务更多客户的准备,希望能够携手更多的金融行业伙伴,为行业伙伴提供数字化转型的解决方案,共同打造数字金融,为人们带来平等普惠的金融服务体验!


本文转载自公众号蚂蚁金服科技(ID:Ant-Techfin)。


原文链接:


https://mp.weixin.qq.com/s/VUSBB4GXpYJPTmga_J7RXw


2019 年 9 月 02 日 09:142890
用户头像

发布了 150 篇内容, 共 20.9 次阅读, 收获喜欢 14 次。

关注

评论

发布
暂无评论
发现更多内容

键入网址后,其间发生了什么?

小林coding

TCP 计算机网络 网络协议 IP HTTP

Docker 镜像制作教程:针对不同语言的精简策略

米开朗基杨

Docker Dockerfile

比AtomicLong更优秀的LongAdder确定不来了解一下吗?

一枝花算不算浪漫

并发编程 jdk源码

JAVA内存模型与线程

颇风

Java 内存模型 JVM

如何用一套引擎搞定机器学习全流程?

Apache Flink

大数据 flink 流计算 实时计算 大数据处理

Kotlin协程实践之进程、线程、协程

陈吉米

Java kotlin 协程 Coroutine

【高级进阶】写给大忙人看的JDK14新特性

知春秋

Java java 14 java 14 新特性

2020年比以往任何时候更想做成的使命感

乐少

从连续两届图灵奖(2018-2019)看GPU发展史

GPU

人工智能 gpu 计算机基础 计算机图形学 计算机体系结构

都前后端分离了,咱就别做页面跳转了!统统 JSON 交互

江南一点雨

spring Spring Boot spring security

《零基础学 Java》 FAQ 之 8-Java方法调用是传值还是传引用

臧萌

Java

Design Sprint 教你五天完成产品迭代

Yanel 说敏捷产品

产品 敏捷 设计 产品设计 团队

Java如何处理异常情况

Rayjun

Java 异常

回“疫”录(19):都什么时候了,还在搞“填表抗疫”

小天同学

疫情 回忆录 现实纪录 纪实 形式主义

有问必答(2020-05-09):如何督促自己做好一件事情?

冯夷

生活

从零到部署:用 Vue 和 Express 实现迷你全栈电商应用(一)

图雀社区

node.js vue.js Vue

一种练好英语口语的方法

七镜花园-董一凡

学习

Collaboration on SaaS

zhenglei

SaaS Collaboration Cisco Webex

发布Maven包的正确姿势

廖雪峰

maven 开源

11 万字的字节码编程系列合集放送(ASM、Javassist、Byte-buddy、Javaagent)

小傅哥

Java asm bytebuddy 《字节码编程》

如何搞定Kafka重复消费?

奈学教育

kafka kafka配置

笔记:《如何系统思考》之如何应用系统思考

wiflish

思维方式

程序员的晚餐 | 5 月 17 日 当西红柿遇上鱼

清远

美食

EasyExcel最权威教程

知春秋

Java Excel EasyExcel

DevOps生命周期,你想知道的全都在这里了!

陈琦

DevOps 测试 持续集成

写作对我的意义

Neco.W

总结 思考 写作 感悟

2020第一篇技术博客

java劝退师首席大弟子

生活

微服务为什么要有服务发现与注册?

攀岩飞鱼

微服务 微服务冶理 微服务发现

机会,是不会让你准备好的

Winann

学习 生活 知识管理 机会

游戏夜读 | Scikit-learn迎来0.21版本

game1night

少说废话,先干起来

白鸽

学习 个人成长 自律

飞猪Flutter技术演进及业务改造的实践与思考

飞猪Flutter技术演进及业务改造的实践与思考

蚂蚁金服数据洞察分析平台DeepInsight:人人都是数据分析师-InfoQ