场景描述

随着金融企业业务的不断扩张，数据产生量与数据流量高速增长，业务逻辑越发复杂，很多场景需要有实时数据来辅助完成决策，同时金融企业在用户需求的响应速度、服务的精准度、用户体验的个性化、数据分析的实时性都面临着诸多挑战：

1. 数据来源复杂：

随市场规模和业务增长，包括资产管理、营销、审计、绩效、运营管理等各种内外部数据，分析某个指标时需要到多个系统查询，并进行汇算和多维分析，跨业务跨系统的复杂的数据源和异构数据大大增加了海量数据的整合、统计分析的难度，同时还存在大量的数据冗余，运维成本高。

2. 分析效率待升级：

传统的T+1固定报表模式下业务人员将需求提交给大数据部门进行开发，报表开发工作负荷重，费时费力且响应周期长，严重影响运营分析的效率，业务人员无法实时洞察业务数据导致决策时效性低，且随业务端用户和需求数的激增，需要为业务人员提供更为灵活的自助式BI查询、明细查询、透视分析、多维分析、同时满足高性能高并发的交互式分析能力，以提升查询效率，缩短等待时间，加快分析决策。

3. 经营管理复杂化：

随着入口和流量的多元化，用户的消费行为越来越复杂化，对金融产品和服务的需求也越来越个性化，此外内外部监管机构的数据报送要求不断变化，激烈的市场竞争环境和多变的监管政策对银行数据平台在复杂业务场景下的多维分析处理能力和实时性提出了更高的挑战。