客户背景

深耕銀行 IT 建設領域 26 的年， 宇信科技服務超數百家金融機構，覆蓋核心系統、渠道平台、風控中台等關鍵業務場景。其數據條線團隊專注經營分析場景 20 餘年，為城商行、農商行提供從報表系統到智能決策的全棧解決方案。隨着銀行業數字化進程步入深水區，宇信科技面臨雙重挑戰：一方面，市場節奏的加快，讓客户對“分鐘級數據響應”需求迫切，傳統數據平台的處理效率與擴展能力已顯滯後；另一方面，決策者不再滿足於“工具即報表”現狀，需要一種能夠實現 “智能歸因-閉環決策” 的深度分析能力，以應對複雜多變的市場環境。

挑戰與探索

• 銀行業經營分析的演進： 縱觀銀行業數據分析的發展可以看到一條從“專有”到“普惠”的演進路徑，大致經歷了三個時代：

• 數據分析 1.0： 分析工作高度依賴定製開發，其產出物是定期生成的靜態報表。數據的生命週期以“月”甚至“年”為單位，決策信息鏈條長、響應遲緩。它僅僅是少數高層管理者的專屬工具。
• 數據分析 2.0： “拖拉拽”式的分析和看板大屏，將數據時效性從“月”提升至“周”的粒度，並將使用權下放給了數據分析師等專業崗位，用户規模也相應擴大至十萬級。
• 數據分析 3.0： 數據調取時間壓縮至“秒”，通過將複雜分析能力封裝於產品之中，工具的使用門檻被降至最低，開啓了服務億萬級用户的可能。

• 現代化的經營分析架構詳見上圖，當前經營分析所面臨的挑戰如下：
  • 缺少即時性分析： 臨時探索性分析需求難以即時響應，仍依賴“提需求——等開發”的傳統模式，響應週期長、時效性低。
  • 實時場景需豐富： 現有技術能力不足以支撐實時營銷、預警、風控等高要求場景。
  • 歸因分析不靈活： 由於杜邦分析、遷徙分析、漏斗分析等靈活分析方法缺失，業務結果易察而深層動因難溯。其根源在於數據、技術與業務間的“斷點”導致分析路徑割裂，深度歸因探索受阻。
  • 自助分析門檻高： 現有平台對業務人員而言使用門檻仍較高。

宇信在服務高管決策中發現， BI 工具雖然能提供精準的“數據洞察”，但普遍缺乏與業務執行流程的聯動，導致洞察無法高效轉化為行動，形成了“決策斷點”。

為解決這一核心難題，宇信自 2023 年開始與 Apache Doris 合作，目標構建一個將數據洞察無縫融入業務執行的全新平台。具體而言，平台不再是簡單的“問題工單”，而是圍繞“業務目標”進行驅動：系統基於數據分析自動生成處置建議，並將其轉化為可追蹤、可量化的行動項，下發至執行層。

雙方合作以來，已在多個項目中成功落地。新平台不僅解決了以往數據與業務脱節的長期痛點，其實際成效也遠超項目預期。

Apache Doris 構建高效、智能的分析平台

宇信科技與 Apache Doris 的深度融合，是構建現代化銀行經營分析平台的關鍵。Apache Doris 作為核心加速引擎和數據存儲組件，在提升數據處理效率、實現流批一體化以及打破數據孤島方面發揮了決定性作用 。

01 升級分析平台：實時動態指標高效查詢

通過與 Apache Doris 能力打通，將常態化的指標加工變成了動態的指標加工，宇信科技經營分析平台實現指標實時高效查詢，業務效率提升 30%，極大提升了業務敏捷性與競爭優勢。業務用户獲取洞察時間大幅縮短，可快速響應市場變化並優化資源利用，有效解決"缺少即時性分析"痛點。

02 解除數據枷鎖：實現流批一體指標加工

Apache Doris 在宇信科技經營分析平台中構建了流批一體指標加工架構，輕鬆統一了 Kafka 實時數據流與批量歷史數據源，從根本上解決了傳統 Lambda 架構中常見的時效性延遲與數據不一致問題，突破傳統實時分析與歷史報告分離的侷限。統一數據源簡化了治理流程，減少冗餘，使銀行能構建複雜應用（如實時欺詐檢測、個性化營銷），同時支撐長期趨勢分析與戰略規劃。

03 突破數據孤島：從煙囱式到數據中台的轉變

在傳統的“煙囱式”數據架構中，各個應用系統獨立建設，導致數據孤島普遍存在，數據難以複用，效率低下 。宇信科技基於 Apache Doris 構建了湖倉一體的數據中台，高效支撐了新一代經營分析平台，銀行能夠實現指標的快速生產與分析，加快了對市場變化的響應。

04 精準業務洞察：遷徙分析與血緣拆解的應用

在 Apache Doris 的支撐下，宇信科技實現了遷徙分析和血緣拆解分析等高級功能，能直接解決“歸因分析不靈活”的痛點，促使銀行對業務績效和客户行為獲得更深入、更具可操作性的理解。

客層變化分析能夠幫助銀行精準定位客户羣體和業務變化 。通過理解客户為何在不同細分市場之間遷移，銀行可以制定有針對性的保留策略，或識別高績效分支機構的成功實踐。

具體支持能力包括：

• 圈選歷史客羣： 以時間為節點，圈選某一時間點/區間的客户，分析這些客户在某個時間段的變化情況；
• 進行客羣比對： 支持選擇不同客羣進行對比，分析同一週期內不同客户明細，聯動CRM過程指標，同時比較各個分支行經驗策略優劣；
• 下鑽到客户明細： 重要客户遷徙變化，如私行遷徙到白金，可點擊展示客户明細，聯動 CRM過程指標，挖掘遷徙變化原因；

Apache Doris 在處理大量時間序列數據上的複雜多維查詢能力，對於這些複雜分析至關重要，使銀行能夠增強客户忠誠度並改善其競爭地位。

維度歸因分析能支持業務的精準定位問題。能夠幫助銀行快速排查規模變動問題、理解關鍵指標波動及根因分析：

自動/配置拆解邏輯： 通過拆解，將複雜的指標拆解為更細粒度的原子指標，快速定位影響指標的深層原因；

• 快速識別重點關注項： 對於整個血緣分析中佔主要影響因素的項或需要重點關注的項，可通過高亮的形式進行呈現；
• 給出分析結論下發用户： 指標支持下鑽進行分析，並給出相應的分析結論；

Doris 作為底層高性能分析引擎，高效處理和查詢多層分解所需的粒度數據，為平台的強大診斷能力提供支撐。

某銀行業務場景的成功實踐

宇信科技與 Apache Doris 為某銀行的零售業務打造了全新的經營分析平台。其中 Apache Doris 作為核心分析引擎，為項目成功提供了關鍵的數據支撐能力，重點聚焦其零售業務場景。

項目的頂層設計遵循模塊化與結構化兩大核心原則。前者負責將複雜的業務場景（如存款、貸款、財管）清晰解耦；後者則確保所有分析工作都圍繞核心業務目標（OSM），以終為始。二者均依託 Apache Doris 強大的實時分析能力和快速響應能力。為實現“全渠道觸達，分層經營”的業務目標，平台還基於 Apache Doris 構建了覆蓋多維度、多層次的指標體系。

Apache Doris 的真正價值在於其協同效應：其支撐的各項能力（極速查詢、流批一體、數據融合、靈活歸因、智能自助）深度融合，這種集成化的解決方案可以放大整體業務的價值。

未來展望：AI x Apache Doris

結合大模型打造人人可用的 ChatBI：

深度融合大模型能力，實現對話問數、自動歸因、關聯應用和多輪對話，顯著降低分析門檻。Apache Doris 作為底層高性能分析引擎，需支撐自然語言交互所需的動態、低延遲查詢。

全域數據的融合打通，智能應用：

許多 BI 工具止步於“看指標”，卻未能引導管理者 “用指標去思考”。所以，出發點不再是指標本身，而是其背後完整的分析邏輯閉環。藉助 Apache Doris 將技術“隱於形”，構建整合銀行內部管理職能的統一門户，結合實時標籤能力，只讓一條清晰、專注的業務思考路徑最終呈現在管理者面前，最終實現數據驅動業務增長的目標願景。

為此宇信未來將：

• 縱向信息流同源一致： 以全面的技術底座和數據支持，保障系統信息一致性，打造一體化企業級全領域管理與運營門户；
• 橫向管理域融合貫通： 通過各模塊能力的深度整合與協同，打造企業經營、數據運營、人力財資等若干企管場景，提高跨領域部門間的協作效率；
• 敏捷迭代、全域覆蓋管理需求： 實現作業協同，敏捷迭代應用，流程化運營，不斷打磨管理策略，並可分享應用到其他管理系統，提升管理效率和先進性；

Apache Doris 正在構建面向 AI 的智能數據平台，其 MPP 架構與向量化引擎能支撐 Agent 單一請求在數秒內觸發的數萬次查詢，角色將擴展至企業數據設施的關鍵部分。