银行统一数据门户方案，秉持金融数字化创新、协调、绿色、开放、共享的新发展理念，在积极提高数据应用能力，全面深化数据在业务经营、风险管理、内部控制中的应用背景下，构建数据统一入口、自助分析、共享互动、运营推广四大平台来实现实现一套可持续“让数据用起来”的数据服务和运营体系，将数据资产快速形成服务能力并与业务对接，在业务中产生数据价值。

银行数据应用服务面临的新痛点

大数据时代的到来，使得银行业对数据的依赖越发加强，众多的业务环节都需要通过对数据的收集和分析后完成。随着银行数据应用服务持续增多，十几个分散数据应用服务平台，以及按需开发的模式，无法满足银行统一化、便捷化、及时化、自助化、甚至是智能化用数的需求。

在对金融行业长期深耕细作的调研、产品研发和项目实施服务中，思迈特软件针对银行特定业务形态、技术架构、发展目标等实际需求，推出了Smartbi银行统一数据门户解决方案，有效解决了以上难题。

方案简介

Smartbi银行统一数据门户解决方案，通过体系搭建、数据整合、数据保障、数据应用等一整套设计逻辑，实现了数据的统一处理、用户的统一管理和登录界面的统一风格，打造一个覆盖多用户层级的、灵活自由的、可扩展的、支撑银行各业务领域的数据查询、数据分析、数据共享的一站式数据工作平台。

1、统一入口：通过统一登录，统一权限，统一运营来打造一站式数据工作平台，作为全行数据相关应用的流量入口，打通总行领导、业务部门、分支机构应用数据的最后一公里，提供便捷、高效、全面、智能、安全的数据服务，进而推广数字化分析应用。

2、自助分析：通过数据自助、工具自助、分享自助“三步走”，建设以业务用户为中心的自助数据分析平台，解决业务需求临时性和多变性的及时响应问题，辅助业务决策。

3、共享互动：通过沉淀分析成果并鼓励分享，建设“百花齐放”的数据化运营的生态系统，实现业务复用与赋能。

4、运营推广：运营平台通过大屏和各类丰富的报表报告全面展示数据平台工作价值，并可对各单位使用和分析进行成果绩效排名。

方案价值

打造一站式数据服务平台，支撑全行各领域的数据挖掘、数据分析、数据共享、数据查询、交互、数据图形化展示，统一各集成应用的入口。在全行范围内营造自主的数据应用氛围和文化，推广数据应用的价值。

• 流量入口、一键访问：通过首页可一键访问所有数据相关的应用（查询、分析、建模、外部数据搜索、管理驾驶舱、报表、业务应用、大小屏、数据地图、数据应用风云榜等），提升数据消费者体验。

• 便捷的数据服务：提供管理驾驶舱、自助分析、报表、外部数据查询等数据服务，满足决策层、管理层、执行层数据需求，通过进精细化的运营管理增收。

• 推动全员自助分析、数据共享：在全行范围内营造自主的数据应用氛围和文化，推广数据应用的价值，赋能业务创新。

典型客户案例

项目背景：

大数据门户项目是某农信银行客户（以下简称：客户）为解决更简单的数据分析需求而建设的，在该银行中，各个分析系统独立分散，是典型的“烟囱式”架构。主要的问题表现在以下几个方面：

• 乱：已经有多个不同的分析系统，这些系统间并不互通，分析成果不能相互跳转。

• 杂：不同分析系统之间风格不统一，难以集成，需要进行多次登录操作。

• 慢：分析周期慢，从需求到实现，普遍需要一周甚至更多的时间。

• 废：数据整体的利用率不高，也没有和外部数据形成关联分析。

如何充分运用行内外数据，搭建统一数据工作平台，推进标准化、流程化、自动化、灵活化的门户建设，使数据充分发挥价值成为客户数字化建设的一项重要议题。为此客户联合Smartbi启动大数据门户建设项目，旨在通过项目建设，在全行范围内推广数字化分析、数字化营销和数字化风险控制；让大数据应用和分析走进全行员工和管理者工作中，激发各层级人员对于数据的认知、挖掘和运用；通过推动全员自主分析、数据共享和激励措施，提升行内数据资产价值，促进业务发展、风险控制和内部管理，进而推动全行数字化转型。

项目总体架构：

Smartbi在该项目的建设中，采用了三步走的实施步骤，即搭框架、深应用、促转型。

1、搭框架。搭框架指构建统一的大数据门户，整合行内现有的分析平台，完成门户与行内的数据、用户的集成。用户能初步进入门户进行数据查看。

2、深应用。深应用指在大数据门户上整合更多高级分析功能，如自助分析、数据挖掘、知识图谱、人工智能等，提升行内对于数据的利用水平，直接带来分析价值。

3、促转型。促转型则是一个长期的过程，它指在整个门户的运营过程中，配合一些激励的措施，充分调动全行人员的积极性，形成数据分析的氛围与文化，最终达至数字化转型。

项目成果：

项目上线后，日均在线使用人数600左右。释放了技术人员压力，为银行业务部门提供功能完备的数据分析平台及模型，业务人员不再需要科技部门支持，就能够轻松应对各类数据分析，释放了科技部门的工作压力，也让技术人员转向成了数据分析及数据挖掘的专家。

同时，有效实现了全行范围内数字化分析、数字化营销和数字化风险控制，激发了各层级人员对于数据的认知、挖掘和运用，提升了行内数据资产价值，促进业务发展、风险控制和内部管理，有效推动全行数字化转型。