客户背景
深耕银行 IT 建设领域 26 的年， 宇信科技服务超数百家金融机构，覆盖核心系统、渠道平台、风控中台等关键业务场景。其数据条线团队专注经营分析场景 20 余年，为城商行、农商行提供从报表系统到智能决策的全栈解决方案。随着银行业数字化进程步入深水区，宇信科技面临双重挑战：一方面，市场节奏的加快，让客户对"分钟级数据响应"需求迫切，传统数据平台的处理效率与扩展能力已显滞后；另一方面，决策者不再满足于"工具即报表"现状，需要一种能够实现 "智能归因-闭环决策" 的深度分析能力，以应对复杂多变的市场环境。
挑战与探索
- 银行业经营分析的演进： 纵观银行业数据分析的发展可以看到一条从"专有"到"普惠"的演进路径，大致经历了三个时代：
- 数据分析 1.0： 分析工作高度依赖定制开发，其产出物是定期生成的静态报表。数据的生命周期以"月"甚至"年"为单位，决策信息链条长、响应迟缓。它仅仅是少数高层管理者的专属工具。
- 数据分析 2.0： "拖拉拽"式的分析和看板大屏，将数据时效性从"月"提升至"周"的粒度，并将使用权下放给了数据分析师等专业岗位，用户规模也相应扩大至十万级。
- 数据分析 3.0： 数据调取时间压缩至"秒"，通过将复杂分析能力封装于产品之中，工具的使用门槛被降至最低，开启了服务亿万级用户的可能。
- 现代化的经营分析架构详见上图，当前经营分析所面临的挑战如下：
- 缺少即时性分析： 临时探索性分析需求难以即时响应，仍依赖"提需求------等开发"的传统模式，响应周期长、时效性低。
- 实时场景需丰富： 现有技术能力不足以支撑实时营销、预警、风控等高要求场景。
- 归因分析不灵活： 由于杜邦分析、迁徙分析、漏斗分析等灵活分析方法缺失，业务结果易察而深层动因难溯。其根源在于数据、技术与业务间的"断点"导致分析路径割裂，深度归因探索受阻。
- 自助分析门槛高： 现有平台对业务人员而言使用门槛仍较高。
宇信在服务高管决策中发现， BI 工具虽然能提供精准的"数据洞察"，但普遍缺乏与业务执行流程的联动，导致洞察无法高效转化为行动，形成了"决策断点"。
为解决这一核心难题，宇信自 2023 年开始与 Apache Doris 合作，目标构建一个将数据洞察无缝融入业务执行的全新平台。具体而言，平台不再是简单的"问题工单"，而是围绕"业务目标"进行驱动：系统基于数据分析自动生成处置建议，并将其转化为可追踪、可量化的行动项，下发至执行层。
双方合作以来，已在多个项目中成功落地。新平台不仅解决了以往数据与业务脱节的长期痛点，其实际成效也远超项目预期。
Apache Doris 构建高效、智能的分析平台
宇信科技与 Apache Doris 的深度融合，是构建现代化银行经营分析平台的关键。Apache Doris 作为核心加速引擎和数据存储组件，在提升数据处理效率、实现流批一体化以及打破数据孤岛方面发挥了决定性作用 。
01 升级分析平台：实时动态指标高效查询
通过与 Apache Doris 能力打通，将常态化的指标加工变成了动态的指标加工，宇信科技经营分析平台实现指标实时高效查询，业务效率提升 30%，极大提升了业务敏捷性与竞争优势。业务用户获取洞察时间大幅缩短，可快速响应市场变化并优化资源利用，有效解决"缺少即时性分析"痛点。
02 解除数据枷锁：实现流批一体指标加工
Apache Doris 在宇信科技经营分析平台中构建了流批一体指标加工架构，轻松统一了 Kafka 实时数据流与批量历史数据源，从根本上解决了传统 Lambda 架构中常见的时效性延迟与数据不一致问题，突破传统实时分析与历史报告分离的局限。统一数据源简化了治理流程，减少冗余，使银行能构建复杂应用（如实时欺诈检测、个性化营销），同时支撑长期趋势分析与战略规划。
03 突破数据孤岛：从烟囱式到数据中台的转变
在传统的"烟囱式"数据架构中，各个应用系统独立建设，导致数据孤岛普遍存在，数据难以复用，效率低下 。宇信科技基于 Apache Doris 构建了湖仓一体的数据中台，高效支撑了新一代经营分析平台，银行能够实现指标的快速生产与分析，加快了对市场变化的响应。
04 精准业务洞察：迁徙分析与血缘拆解的应用
在 Apache Doris 的支撑下，宇信科技实现了迁徙分析 和血缘拆解分析等高级功能，能直接解决"归因分析不灵活"的痛点，促使银行对业务绩效和客户行为获得更深入、更具可操作性的理解。
客层变化分析能够帮助银行精准定位客户群体和业务变化 。通过理解客户为何在不同细分市场之间迁移，银行可以制定有针对性的保留策略，或识别高绩效分支机构的成功实践。
具体支持能力包括：
- 圈选历史客群： 以时间为节点，圈选某一时间点/区间的客户，分析这些客户在某个时间段的变化情况；
- 进行客群比对： 支持选择不同客群进行对比，分析同一周期内不同客户明细，联动CRM过程指标，同时比较各个分支行经验策略优劣；
- 下钻到客户明细： 重要客户迁徙变化，如私行迁徙到白金，可点击展示客户明细，联动 CRM过程指标，挖掘迁徙变化原因；
Apache Doris 在处理大量时间序列数据上的复杂多维查询能力，对于这些复杂分析至关重要，使银行能够增强客户忠诚度并改善其竞争地位。
维度归因分析能支持业务的精准定位问题。能够帮助银行快速排查规模变动问题、理解关键指标波动及根因分析：
自动/配置拆解逻辑： 通过拆解，将复杂的指标拆解为更细粒度的原子指标，快速定位影响指标的深层原因；
- 快速识别重点关注项： 对于整个血缘分析中占主要影响因素的项或需要重点关注的项，可通过高亮的形式进行呈现；
- 给出分析结论下发用户： 指标支持下钻进行分析，并给出相应的分析结论；
Doris 作为底层高性能分析引擎，高效处理和查询多层分解所需的粒度数据，为平台的强大诊断能力提供支撑。
某银行业务场景的成功实践
宇信科技与 Apache Doris 为某银行的零售业务打造了全新的经营分析平台。其中 Apache Doris 作为核心分析引擎，为项目成功提供了关键的数据支撑能力，重点聚焦其零售业务场景。
项目的顶层设计遵循模块化与结构化两大核心原则。前者负责将复杂的业务场景（如存款、贷款、财管）清晰解耦；后者则确保所有分析工作都围绕核心业务目标（OSM），以终为始。二者均依托 Apache Doris 强大的实时分析能力和快速响应能力。为实现"全渠道触达，分层经营"的业务目标，平台还基于 Apache Doris 构建了覆盖多维度、多层次的指标体系。
Apache Doris 的真正价值在于其协同效应：其支撑的各项能力（极速查询、流批一体、数据融合、灵活归因、智能自助）深度融合，这种集成化的解决方案可以放大整体业务的价值。
未来展望：AI x Apache Doris
结合大模型打造人人可用的 ChatBI：
深度融合大模型能力，实现对话问数、自动归因、关联应用和多轮对话，显著降低分析门槛。Apache Doris 作为底层高性能分析引擎，需支撑自然语言交互所需的动态、低延迟查询。
全域数据的融合打通，智能应用：
许多 BI 工具止步于"看指标"，却未能引导管理者 "用指标去思考"。所以，出发点不再是指标本身，而是其背后完整的分析逻辑闭环。借助 Apache Doris 将技术"隐于形"，构建整合银行内部管理职能的统一门户，结合实时标签能力，只让一条清晰、专注的业务思考路径最终呈现在管理者面前，最终实现数据驱动业务增长的目标愿景。
为此宇信未来将：
- 纵向信息流同源一致： 以全面的技术底座和数据支持，保障系统信息一致性，打造一体化企业级全领域管理与运营门户；
- 横向管理域融合贯通： 通过各模块能力的深度整合与协同，打造企业经营、数据运营、人力财资等若干企管场景，提高跨领域部门间的协作效率；
- 敏捷迭代、全域覆盖管理需求： 实现作业协同，敏捷迭代应用，流程化运营，不断打磨管理策略，并可分享应用到其他管理系统，提升管理效率和先进性；
Apache Doris 正在构建面向 AI 的智能数据平台，其 MPP 架构与向量化引擎能支撑 Agent 单一请求在数秒内触发的数万次查询，角色将扩展至企业数据设施的关键部分。