近些年随着金融科技的发展，客户行为和消费习惯也出现了改变，提升客户体验变得紧迫。与此同时，传统银行业也一直在应对来自非传统金融机构和互联网企业的挑战。因此，很多传统商业银行积极探索和实践金融科技，积极拥抱大数据时代带来的金融创新和变革，充分挖掘和利用数据的价值，向大数据驱动的数字银行转型。

某银行开展统一规划工作早已开始，积极推进信息化和数字化建设。2014年，设立了数据管理部门，负责整合银行内部分散、不一致的数据资源，建立共同的数据接口，为总行和各分支机构提供数据应用场景。

随着数据统计和分析的要求增加，对于提取详细数据和开发报表的需求也在增加。日常数据提取与分析的需求不断增长，某银行也面临着以下挑战：

1、面对"三长"问题，分别是沟通耗时长、数据提取链路长、报告开发周期长。

在以往的制度中，业务指标繁多，数据规格复杂，如果业务人员想要获取特定的数据或创建报表，就必须向科技部门提出需求。科技人员收到需求后，由于不了解业务，需要与业务人员多次沟通以确认需求，这增加了沟通成本，给数据使用带来了很大的不便。

2、进行数据分析需要具备较高的门槛。

进行数据提取的人员需要具备SQL等语言基础，但是很多业务人员缺乏技术知识，难以独立完成全部的数据提取、清洗和分析流程。面对复杂的数据，他们很难自行深入挖掘数据背后的含义。

3、管控安全限制

根据科技部安全管理规定，进行数据分析的业务人员必须在办公网虚拟桌面上进行操作。不同用户权限的申请和审批流程繁琐，这导致数据分析的使用和推广过程遇到困难。

目前该平台主要应用于明细查询、仪表自助、透视分析、SQL探索、数据播报5大板块，且每个板块都有相应的用户群。

解决方案

为了解决这一问题，某银行在充分考虑产品功能的完整性、平台理念的契合度和建设经验的成熟度后，决定与Smartbi合作建立大数据智能分析平台，旨在让业务人员可以独立进行数据分析，减少对科技部门的依赖，提高工作效率并促进整个银行的数字化运营。

这一项目实现了将商业智能工具和数据分析环境进行无缝结合，建立在长行云基础上的数据基础设施。业务部门可以根据需求自定义传统报表、看板和即席查询等功能，以灵活自主的方式进行数据自助分析。整个数据的准备、处理和展示流程完全由业务部门自行完成。

1、数据基础：数据实验室采用了多用户管理模式，为业务部门提供了充足的存储和计算资源。

2、数据采集：经过数据治理处理后，业务部门可以在其专属租户空间内进行数据的关联、清理等整合工作，以便构建自助分析所需的数据集。

3、数据应用：在业务方接入整合后的数据集之后，构建数据主题，利用报表、看板等多种形式展示。通过拖拉拽的操作，业务人员可以轻松定制报表或仪表盘，并利用丰富的交互和分析功能，如过滤、钻取、跳转等，快速探究根本原因，从而实现敏捷的业务决策。

4、数据安全管理：根据组织结构自动设定数据访问权限范围，严格防止数据被越权访问。同时依靠数据脱敏、审查重要数据、控制下载权限等安全举措，避免泄露敏感信息的危险。