- 数据分析
- 数据治理
- 解决方案
- 案例
- 数字化转型
- 赋能中心
- 伙伴
- 关于
引入数据全生命周期管理理念,以建立金融机构全面的数据治理体系为目标,切实解决金融机构数据质量问题。
监管需求多变:监管机构数据报送要求不断变化,无法快速响应监管和经营管理的需求。
数据基础差:数据孤岛现象显著,数据质量存在问题,原有计算平台难以保证数据时效。
数据管控弱:数据权限细粒度底,缺少相应制度管控体系及报表生命周期的管理规划。
数据应用弱:缺少数据分析工具及数据人才培养机制,缺少行业数据应用产品。
监管报送 数据质量管理 行长驾驶舱 数据资产管控
推进数据标准化 提升数据资产管理能力 实现精准高效的分析
基于企业现有信息化基础,以工业互联网建设为抓手,推动制造企业内部数字化改革提升,落地实现数据智能运营决策。
供应链协同不足:数据不一致,分类代码混乱;缺乏统一的数据定义,数据含义不同;跨业务部门的临时供数困难。
型业务数据整合难:生产质检管理等各环节存在庞杂数据,内部系统间缺乏统一平台对数据关联、整合,数据孤岛现象严峻。
数据无法支撑决策:数据质量不高,可用性差;数据不完整,难以形成完成数据视图;无法实时直观呈现当前的业务状态,更无法实现深入分析。
产品成本管控困难:急需产品、费用、成本等多维度实时预警分析,避免一年到头出货量大但是赚的钱很少、成本费用高居不下等问题。
质量追溯闭环管理 动销监控 订单全生命周期监控
打通数据壁垒 数据质量提升 数据多维展示 异常预警推送
推动政府数据互联开放,加快政府信息资源整合,提高政府决策的精准度和智能化水平,改善政府服务质量。
一网通办难:各政府部门需要使用数据时,无线上平台共享,不方便使用。
数据可用性低:基层/市民自主手工填写或表格填写,内容乱,不准确性高。
数据标准不一:未提供统一可参照的标准,各政务部门建设的数据字典自成一套。
数据应用难:无法监控数据使用率,不能对数据进行精细化管理,价值未得到释放。
政务数据共享平台 教育无纸化入学 一体化经办平台
打通数据壁垒 挖掘数据价值 数据资源编目
以医院业务系统数据为基础,以数据治理为抓手,建设医院综合运营管理数据中心和综合运营管理评价分析系统。
信息孤岛严重:数据互联互通标准统一步伐的滞后和新旧系统的不共通,又在一定程度上加剧了信息孤岛现象。
人财物管理粗放:无法对医护人员进行全方位、全过程的信息集成展示,绩效评价也难以满足要求。
数据利用难:信息化水平低导致的数据质量低、标准不统一,数据无法发挥价值。
院长驾驶舱 门诊监控 医院运营
构建数据治理体系 提供经营决策依据
为各级应急管理部门、煤监机构、能源管理部门和能源企业,提供互联网+监管、智慧企业、智慧矿山等解决方案及技术服务。
多层级组织架构:多层级的组织架构权限、业务范围、职能问题更加复杂。
业务需求多元化:多元的组织架构导致不同层级、不同部门的业务需求多元化。
业务融合程度不够紧密:数字化资源流通内外部存在障碍,与业务融合度不足。
决策响应速度滞:缺乏数据整合分析能力和数据敏感度。
应急管理 煤矿安全监管 智慧矿山
创新数据管理模式 安全态势实时感知 数据化精细运营管控
从商品全链路到消费者全生命周期,以数据助力零售企业打造柔性供应链与智慧门店,驱动管理精细化。
数据获取难:业务系统多,接口乱数据管理乱,数据质量低,缺统一指标沉淀。
数据追踪难:人追数据过程慢,IT业务各自为政,信息不对称,内部协同难。
工具灵活度差:重业务流程驱动,轻数据决策驱动,传统报表分析,数据不及时。
门店管理 商品分析 会员分析 销售分析
全渠道运营监控 业绩追踪与诊断
依托于企业级数据分析和数据治理平台,构建经营分析体系,切实解决数据质量和分析应用问题,帮助更好高效经营和决策。
业务数据孤岛化:大量信息化管理系统,形成数据孤岛,数据无法体现在同一系统平台上,难以基于数据做分析和预测。
数据管理碎片化:信息化建设系统众多,消耗大量的人力和物力,人为监管易出现漏洞,难以保障数据的质量和安全。
应急调度复杂化:交通运输业务需求多变,随着外部因素的影响,导致企业业务复杂性的增加,也带来安全性方面的挑战。
路网运营监控 物流控制塔 仓储可视化
数据全方位统计 数据资源共享 数据支撑决策
落实地产企业数据分析体系和构建数据治理体系,实现业务数据化、数据资产化,助力企业降本增效,加速数字化转型。
数据孤岛林立:大多房企在管理及信息化建设中由于缺乏必要的顶层设计,并未从企业层面横向拉通部门、拉通流程、拉通数据。
数据采集方式落后:缺乏自下而上的数据采集、数据审核、数据报送、汇总分析的平台支撑,导致数据质量难以保证。
数据分析体系不完善:企业经营者看不到或看不懂数据,数据经营依托少数有经验的管理者,业务人员无法沉淀/共享数据。
数据资产管理 集团驾驶舱 统一业务视图
数据共享互通 辅助领导决策 数据资产可视化
利用大数据、人工智能等先进的数字化应用技术对海量数据进行分析、学习、计算,通过应用系统自动决策和执行。
数据时效性强:如何对海量电力数据进行及时、准确的捕获和有效管理。
数据链路长:数据交互需求广泛,各方数据的交互标准、质量、规范如何有效把握。
数据类型多:结构化数据、时序数据、非结构化数据,如何进行有效融合,获取洞察。
设备检修 反窃电稽查 配电网停电监测
数据资产可视化 提升数据共享及应用水平
基于全过程数据生命周期闭环管理理论,利用数据分析和数据治理技术,打造高校数据“数据闭环生态”。
数据标准不一致:业务系统建设参差不齐,数据分散管理,部门口径不一,缺少真正有效整合。
缺乏统一数据地图:学校管理人员无法及时感知数据分布与更新情况,无法进行数据可视化及全局数据查看。
数据质量不高:直接导致数据统计分析不准确、监管业务难、学校领导难以决策等问题。
全校数据地图 全局数据中心 数据资产服务
提升数据传承及共享水平 提升校园数据质量
确定数据治理组织体系:设计专职机构,明确组织目标与定位,定义岗位职责边界,搭建数据治理各领域制度流程。
数据治理成熟度评估:收集企业在信息使用中存在的障碍和挑战,理清企业数据现状和用户需求,评估企业数据治理成熟度级别,确定数据治理目标。
专项能力建设:从数据标准管理、元数据管理、质量管理、资产管理、安全管理、数据生命周期管理等各个领域完成专项治理工作,从采、存、管、用四大方面解决数据来源杂、关系乱、质量差、安全没保障,实现业务数据在采集、集中、转换、存储、应用整个过程中的完整性、准确性、一致性和时效性。
持续优化循环:通过评估各领域建设成效结果,对比治理目标,改进流程,形成新一轮数据治理工作。
元数据摸查:通过对接企业业务系统、数据湖或者数据仓库,采集元数据自动获取原始的企业数据字典及数据之间的关系,形成企业元数据地图。
有效性资源标注:制定有效资源判断规则,基于采集的元数据,对全量数据资源进行自动识别,筛选出空表、备份表、临时表等无效资源,并补充辅助理解数据业务含义的信息,形成更完整、有效的资源元数据,为数据资产分类做铺垫。
数据资产编目:按照业务条线、组织架构、数据特性等多个维度构建数据资产分类框架,基于元数据信息完善数据资产目录信息,补充与资产相关的业务、权属信息,形成面向数据消费者的数据资产门户。
数据资产服务:建立数据资产目录与实体资源的映射关系,开发面向不同消费者的数据服务类型,满足业务系统、数据分析师、前台业务人员多样的数据需求。
数据集成:实现企业中多源异构数据的采集,并进行有效的整合和开发,让数据实现更多的关联和碰撞,打破企业数据孤岛,产生更多有利于业务开展和创新的价值数据,确保数据资产的完整性。
数据治理:构建统一可执行的标准,提升数据质量,发掘数据关系,建立数据认责和问责机制,治理后的标准化数据,才能融会贯通到不同的业务领域。
资产规划开发:构建统一、规范的数据资产视角,合适的服务方式,是将数据向全业务条线推广的重要步骤,充分释放数据的巨大价值,使数据能够更好的反哺企业业务的发展。
资产运营:推广高价值的数据,收集数据资产需求,不断完善、拓展整个数据资产体系,通过运营才能让数据精准有效、安全合规的被数据消费者使用,并充分体现数据资产价值。
指标管理流程:
找指标:帮助企业将指标管理自上而下的展开工作,自下而上的筛选指标。
理指标:梳理指标以建立契合业务的指标体系。
管指标:建立企业常态化管理机制,将指标责任到人。
用指标:规划并建立指标体系在信息化中的应用。
指标管理最佳实践:
指标体系建设:通过确定指标范围、识别指标、指标解析、确定指标源头,来确定指标的体系框架。
多源整合:实现企业中多源异构数据的采集,并对企业所有系统业务数据进行有机整合,解决信息孤岛,实现数据统一管理。
指标数据落地:通过指标定义、指标建模、指标数据抽取使指标落地到平台中,并采取措施进行有效地管理。
指标分析展现:面向业务人员,猜想式、探索式的指标挖掘分析。具有快速定义、高交互,操作简单的特点,内置丰富的统计图表,支持全自动的钻取联动,并具有强大的组件库,以满足各类分析需求。
建立主数据管理标准:结合企业现状为其打造一整套符合自身业务特征的主数据管理标准,提供面向各行业的标准模板库,助力企业从数据标准、服务标准、管控标准等多维度建立一整套权威的主数据模型。
多源异构数据集成:提供多种类型数据源集成方式,实现多源异构数据的集成与整合,从数据集成、数据转换、历史数据清洗、数据整合等方面,从源头把控主数据质量,搭建一套统一的、完整的、准确的、有效的主数据信息平台。
主数据全生命周期管理:实现对主数据采集、申请、新增、变更、审核、生效、失效、分发等全生命周期管理。支持可自定义的质检方案到整改的全流程主数据质量管控服务,确保主数据的完整性、准确性、一致性、及时性和可获取性。
主数据传输共享:能够结合企业实际情况,制定合适的分发策略,满足不同业务系统的数据需求。
数据仓库建设:基于各业务部门报表需求,对业务数据进行有机整合,实现统一管理。数据仓库建设包括基础数据平台、公共汇总层、数据集市等建设,并通过灵活的ETL调度对作业执行情况监控。
数据补录:实现数据源采集与补录,数据源采集对统计的维度指标数据进行录入,数据源补录将明细业务数据补录主题数据层即数据集市层中,作为对原始业务数据的补充校正。
数据分析能力:构建数据仓库时遵循规范的“事实表+维表”的数据库模型,通过OLAP引擎实现下钻、切片、旋转、钻透等操作,使用户能很容易地实现已有的业务需求。
数据分析展示:通过各种分析手段(包括:统计图展现、报表查询、即席分析、报告分析、领导驾驶舱、地图分析等),满足各类分析场景(包括:综合业务查询、KPI指标展现、季度汇报报告、数据自助探查、指挥中心大屏等)。
元数据管理:基于企业的数据发展战略,定义元数据管理框架,采集、维护、检核全流程、多类型的元数据,通过元数据变更管控,保证元数据质量和元数据分析服务的准确性,提升数据质量管控水平和问题整改效率。
数据标准建立与评估:通过定义符合企业要求的基础数据标准、质量数据标准、代码数据标准和指标数据标准,构建一套规范企业数字化发展的数据标准体系,指导全流程数据模型的标准化建设,通过标准映射评估来检核企业存量数据模型的规范化,确保各数据层级落地数据的一致性。
智能质量规则库:机器学习和相似度算法相结合,建立能够表示标注数据集的语言模型,找到匹配度最高的元数据与数据标准关系并推荐落标,提升基础数据标准落标效率和标准覆盖率。自动将有落标关系的数据质量标准,转换为对应的技术质量规则,从而执行后续的质检操作。
数据质量管控:通过业务数据质量规范形成的技术质检规则,定期检查业务数据的正确性,导出质量报告或质量问题跟踪矩阵,监控错误数据整改过程,将质量评估、质量检核、质量整改等工作环节进行流程整合,形成完整的数据质量管控闭环。
数据集成:实现多源异构数据高效入湖,支持批/流/实时数据多种方式接入,快速实现企业应用所需的数据铺底。
数据交换:利用底层整合的信息资源,以实现各部门业务数据在应用层面的互联互通和信息共享,提供增量识别、数据清洗、数据传输、数据压缩、一致性验证等多种手段保证数据的接入,规范数据流转,提升数据共享水平,更加有效发挥数据资产价值,并提供多套数据脱敏方案和加密算法保证数据的安全性。
数据开发:提供可视化数据开发平台,丰富的数据开发组件,全自动的作业调度和监控能力,支持多人在线协同开发,极大地降低了用户使用大数据的门槛,帮助用户快速实现数据加工与处理。
数据存储:支持存算分离架构,统一管理湖仓共享存储,同一份数据和元数据共享多种应用直接访问,分级存储进一步增强了弹性扩展能力,让企业拥有一个高可扩展的统一数据基础设施。
充分借鉴业界先进数据仓库建设成功经验,经过分析证,决定采用先建数据集市、后建数据整合层的方案 进行数据仓库建设,搭建数据基础平台,整合全行主要业务系统数据,形成全行数据应用统一出口。同时制 定一批得重要业务数据标准,依据标准对数据进行加工和整合,并通过标准的逐步完善,为解决数据管理和 数据质量质量问题提供手段和依据。
赣州银行城商行数据管理平台的总体目标是完成各银行各业务条线产品的梳理,新建系统全面落标,规范字段命名,规范业务接口,提升监管数据的数据质量,为业务发展及金融创新提供助力。
锦州银行项目是搭建在NETEZZA基础之上数据仓库项目,基于NETEZZA优越的性能以及BI@Report强大的展示能力和应用的灵活性,为锦州银行用户提供快速、丰富的BI应用展示。
东芝制造车间生产过程中的数据包括车间人员、物料、加工设备、工票、工装、加工过程等,涉及车间各个部分。面向东芝内部的生产部门,为一线生产人员及质检部门提供数据填报及数据分析平台,是一个完全基于互联网技术构建的智能数据系统。
南山集团始是稳居中国企业500强前列的大型民营股份制企业,现有员工4万多人,2018年综合实力位居中国企业500强第170位,中国制造业500强第71位,年产值过1000亿。目前形成了以铝业、纺织服饰、西海岸新区、金融、地产、教育、旅游、健康、航空等为主导的多产业并举的发展格局。
安徽安利材料科技股份有限公司成立于1994年,地处安徽省合肥经济技术开发区,主要研发生产经营生态功能性聚氨酯合成革和聚氨酯复合材料,是国家工信部认定的全国“制造业单项冠军示范企业”(聚氨酯合成革),连续五年蝉联“中国轻工业塑料行业(人造革合成革)十强企业”且综合排序第一名。公司是中国深圳证券交易所公开上市企业。
本项目中重点治理卫计、工商、流管三个部门的数据,提供多种数据交换方式,参考数仓建模思想建设原始库、治理库和融合库,解决原有数据架构存在的各类问题;新增数据治理平台对原始数据进行治理,支撑教育无纸化入学和自助报表填报两大应用;新增数据资产管理功能,使数据资产价值得以体现。
通过对四标四实数据的接入、处理、组织和管控,构建业务模型和分析模型,结合5G、数据挖掘、人工智能、物联网、分布式数据存储等技术,为经济、民生及其他政府重点关注热点问题提供辅助决策,形成可靠有效的示范应用,从而提高各项政策制定的科学性和合理性。
近年来,简化政府流程、提高服务效率也一直是政府改革的重要内容,然而到政府部门办事“跑断腿、磨破嘴”现象却是社会反映强烈的痛点,比如在个人办事方面,一些日常性的事项通常也要来回跑多个政府部门,重复递交多份证明材料。
在数据抽取清洗及整合层、综合数据仓库和商业智能展现层的基础上,首先建立面向医院运营管理优化的医院运营监控中心,通过设计一系列的医院运营监控指标体系(Hospital Operation KPIs),对医院信息的统一管理和利用,提供统一的数据视图和综合管理分析支撑环境,最终形成面向各个专题的医院运营管理分析的指标体系。
该报表系统严格遵循DW/BI项目建设方法论,以综合统计分析需求为导向梳理统计指标,设计DW数仓模型,再通过ETL按照数仓模型将未充分利用的分散在不同系统的慢性疾病相关数据进行清洗整合,最后基于亿信华辰ABI一站式数据分析工具进行统计报表设计开发。
301医院经济运营分析系统的总体建设目标是对医院经济运营的指标进行分析和利用,为领导决策提供数据支撑。同时对收入进行按照科室、主诊组、医生进行分摊,对全院收入进行精细化管理,为奖金的分配提供依据。
针对该集团的实际数据问题,充分考虑到国家大数据战略规划的前提下,我们实行数据治理、建设数据仓库、逐步按需推进数据应用落地。通过数据治理、数据赋能、数据化运营核心要素建设集团数据治理平台。最终采用标本兼治、持续发展的设计理念,制定“三步走”计划。
解决了以往Excel人工填写导致工作量大的问题,且系统具有数据校验和交叉验证功能,可以第一时间发现问题,确保填报质量。此外,系统可以实现自动汇总、下钻查询及单位比对功能,减少了数据上报错误和遗漏的问题,提高了财务部门的工作效率。
华致酒行依托智能数据治理平台——睿治,搭建数据中台,整合主要的业务系统源数据,建设一套准确、完整、强大的基础数据平台;形成数据标准体系,提高数据质量,为各业务部门的管理分析提供一致且完整的数据支持,为面向主题的分析型应用的开发建设提供数据基础和技术基础;在平台上挖掘数据价值与决策支持应用,满足业务应用的同时,也可直接为管理提供决策服务。
在i@Report产品中为用户提供了导入excel数据的映射关系界面化配置功能。每一个用户在填报数据的时候,点击导入excel的功能,都会弹出自定义配置界面,每个用户的每张报表均可保存相应的数据导入对应关系,当已有保存过的脚本时,下次导入excel时则可以读出上次的配置保存结果,用户无需重复配置,直接使用即可。
在互联网+的浪潮中,商业智能不再是电商的专利,传统行业也在积极转型,试图利用互联网带来的便利进行业务优化和战略提升!DHC中国作为化妆品零售行业的巨头之一也在积极探索转型和上升之路,可想而知, DHC借助商业智能,让大数据发挥出更大的作用,未来发展将更远、更稳。
通过数据质量工具的引入,主要满足基于湖的数据治理工作要求,实现数据探查的自动化、提高数据质量检核的易用性和可用性,提升数据探查和质量检核效率,达到入湖系统的数据探查应检必检的目标。
根据省级工程指南指导和广西交通运输行业的实际需求,对广西交通运输数据共享交换与开放平台整体框架规划设计,主要包含了基础设施、数据资源、支撑平台、应用、展示5层框架。如图所示,其中绿色部分为项目建设内容。
本项目根据行业最佳实践经验,结合时代控股集团的现状与目标,通过构建数据资产管理平台为时代控股集团构建数据治理体系,包括数据治理总体规划、数据治理组织架构、数据治理体系框架、数据标准管理体系、数据质量管理体系及元数据管理体系。在数据资产管理体系的保障下,依托数据资产管理工具(数据资产管理、数据质量管理、数据标准管理、元数据管理),实现业务数据化,数据资产化。
为解决以上问题,山水文园计划建设一个统一的集团信息填报统计平台,基于亿信i@Report数据采集平台和亿信BI数据分析平台工具,快速搭建,实现资金计划预算等报表全网在线设计发布,全网在线审核填报,全网在线审批汇总,全网在线查阅报表数据。
配电网停电监测系统的开发,旨在通过对配网基本情况、计划停电分析、配网设备停电监测、停电计划比对及关联分析等。提升停电计划科学性和合理性,提升停电计划执行准确率,加强临时停电管理,减少计划外停电。最终实现降低多次停电对用户用电的不良影响,提高用户满意程度,凸显供电企业社会职责。
将数据仓库建设成果,以数据资产目录和共享目录的形式,在线进行展现、共享和动态更新,让业务人员通过工具线上查看数据,方便快捷查找所需报表数据,打通中台数据与前端业务人员之间的断点,解决业务人员看不到、拿不到数据的问题。
服务调度管控平台借助BI@Report 以大屏形式对95598服务中心的业务数据进行动态图表展示,用炫酷的展现效果,在为用户带来震撼的视觉体验的同时,清晰明了的展示各项指标情况。大屏数据定时刷新,用户能够及时洞察数据异动,将隐藏在数据背后的信息直接展示于领导面前,为后续的决策提供有力的依据与数据保障。
陕西中医药大学数据分析平台项目建设是将陕西中医药大学数据以各种图表等形式在平台上展示,可直观地掌握学校信息的情况,通过统计不同维度来分析不同的问题。平台为信息资源整合共享奠定基础,为学院教学、科研、管理和服务提供统一、规范、准确、实时的权威数据服务,并为今后的数据挖掘和科学决策提供可靠的依据。
中大数据采集平台具有校情分析 ,办学效益, 数据查询等内容,不同业务部门登录后,可快速掌握校情各项指标和学校运行现状,查询全校共享数据,获得业务数据等。该平台上线以后,中大各业务部门直接登录该平台即可进行数据的录入填报,数据统一采集之后,大大减少了数据采集的流程和人员投入;各业务部门以及校领导也可直接登录系统查阅共享数据,不仅可快速掌握全校校情现状,还能基于数据的可视化呈现提供实时决策支撑。
系统交付完成后,所有数据全部整合到系统中,系统协助网格管理员及校方领导时时观测到学生生活情况,并获取相关预警,以及学生学习成绩、奖学金、勤工俭学、图书馆数据等等相关数据情况,建立相关模型便可进行大数据分析,例如学生的日常生活学习习惯和成绩的关系等等。
立即扫码,添加客服免费领取资料