01、BI 建設的訴求與動機

數禾科技成立于 2015 年的 8 月，以大數據和技術為驅動，為金融機構提供高效智能零售金融解決方案，服務銀行、信托、消費金融公司、保險、小貸公司等持牌金融機構。數禾科技通過自主開發的消費信貸產品，連接金融機構與普羅大眾，賦能金融機構數字化轉型，迎接中國消費升級的大潮。數禾科技 BI 建設路程與業務息息相關。對于業務而言，BI 功能有以下幾個關鍵詞：

提效：幫助業務能夠更方便地獲得數據，找到數據背后的業務含義，效率是第一位。

自助：從原來的專業 IT 團隊者做交付，轉化為業務團隊自助式完成訴求。

交互友好：在任何時間、任何地點以各種方式，都能夠通過 BI 做業務洞察、業務探測，例如手機，Email，釘釘、企業微信、飛書等工作軟件。

共享與協作：BI 的結果要能夠共享，讓不同的業務職能團隊做協作，實現更好的協同。

流程簡化：BI 體系能夠簡化多方協作的流程，以更平民化的方式獲得數據洞察的能力。

快速洞察：快速取數以及拿到數據后，要能快速分析出業務結果。

嵌入業務流程：將 BI 的能力和業務流程結合，邊看邊干，邊分析邊執行。

目標跟隨：通過歷史數據設定 KPI 目標、戰略目標等執行目標，通過 BI 管理目標結果與過程，并優化戰術策略以及調整戰術方向。

績效改進：設定業務目標時匹配多種方案，可以通過BI做提前預測，找到更優化的策略。

可執行決策：BI 最重要的工作是產生洞察，洞察的目的是決策，可落地的決策才是最有價值。

將數據融入 BI ，將 BI 融入業務，數禾科技構建了自己的“數據賦能飛輪”。先從業務流程開始，承載數字化業務，業務流程累積沉淀出數據，采集這些數據放在大數據平臺上做洞察，基于洞察結果，制定一系列策略，并定計劃行動，最后這些行動再落實在業務流程里。那么新的業務流程或者說這個變更過的業務流程，又開始運轉起來，如此循環不斷產生了螺旋式上升的飛輪效應。

這其中“洞察”環節的框架是重中之重。有了數據，下一步是分析洞察，可以分成四大塊，分別是統計分析、診斷分析、預測分析、規范分析。

統計分析主要解決兩個問題，第一，對于過去發生的事情，在明細層面還原業務；第二，對過去數據進行匯總統計產出報告，知曉發生了什么。

診斷分析階段，基于報告要做診斷分析找到原因。

預測分析開始預測未來可能發生什么，通過數據能夠給到預判，輔助業務制定策略。

規范性分析的核心目標是事中控制，及時制定最優策略并快速執行，讓數據洞察落地。第一要干預，對業務問題的及時干預止損，第二就做控制，實時感知業務狀態，控制在合理邊界范圍內。

為了支撐以上分析功能，有一些傳統的經典分析方法，也有一些目前比較流行的增長分析手段。無論是經典分析方法論還是先進的增強分析，都需要 BI 能力支撐。比如，通過數據指標統計進行業務監控，感知業務當前的運行狀態，感知后進行預警，一旦超過閾值，及時進行歸因定位，通知相關人員。最后在新策略制定過程中，要有模擬仿真，通過歷史數據做歷史回測。在模擬仿真的歷史回測上得到是最優解后，再去在生產環境里驗證，有效節省相關成本。

02、BIOps 建設實踐分享

DevOps 和 Data Ops 實現了開發運營以及數據分析過程中，降本增效的作用。借鑒該理念，數禾科技總結了一些經驗，制定出一套 BIOps 的實踐經驗。

BI 工作環境分成兩個，沙箱/分析環境和生產環境。沙箱/分析環境里，提供一整套數據的訪問和透視能力。把數據集成到沙箱/分析環境后，數據分析師業務人員可以自助通過工具進行簡單的數據清洗工作。之后可以應用一些分析方法論，對各個維度的數據進行探索，甚至做一些可視化圖表、分析看板，觀察效果以及結論。

當這條分析方法以及洞察結論形成了相對固定的套路之后，業務人員就會把整個 BI 的分析流水線上線發布到生產環境里去。生產環境里的數據源來自于大數據和數據中臺，把這些數據抽取到 BI 平臺里做數據加工，生成報表，發布到訂閱用戶使用。通過類似于 DevOps 的流程，極大簡化了數據分析探索，以及洞察交付的實踐。相當于把沙箱/分析環境里，業務人員自助發現的業務數據規律進行了更廣泛的共享和使用。

對于這樣一套環境，BI 管理團隊需要維護好的整個 BI 平臺。對每天跑的平臺任務的運維，監控資源的消耗，以及治理BI作業。平臺中的儀表板、報表，做好生命周期管理，跟蹤治理效果如何，是否實現了某個業務的降本增效。

03、建設一流BI團隊，打造數據文化

有了工具，有了流程，后續是讓整個公司的人員都用起來，所有人都應該基于數據做決策。這就對企業的數字文化建設提出了要求。數禾科技一直在不斷打造數據文化體系，王冠軍介紹了工作開展的三點思路和方向。

首先做培訓和社區。BI 能夠干什么？能夠幫助到業務解決什么問題？一系列問題的解決方案是什么？能解決日常工作中的痛點是什么？這些都是需要和業務同事明確的。同時也會引進一些前沿的分析方法論，應用在日常工作當中，讓業務真正體會到數據和技術能夠帶來的變化。之后在各個業務團隊里面培養種子用戶，形成社區效應，做定期分享，形成自下向上的體系。

其次是精益運營。作為 BI 管理團隊，除了 BIOps 之外，數禾科技使用了 PDCA 框架貫穿在日常工作中。每個季度把所有的業務痛點拎出來分類，設定相關的解決方案和改進機制，不斷循環，使得業務團隊對BI平臺信賴度持續提升。

最后是科學管理的手段。不僅依賴于人去管理整個系統運營，也需要自動化工具來運營。包括自動化的工具的研發，平臺性能監控機制，以及多種數據架構方案。通過現有技術手段精益求精，讓數據驅動的數據文化真真正正在數禾科技落地生根。