指标+AI:迈向智能化,让指标应用更高效

原创
04/24 14:28
阅读数 466

近日,以“Data+AI,构建新质生产力”为主题的袋鼠云春季发布会圆满落幕,大会带来了一系列“+AI”的数字化产品与最新行业沉淀,旨在将数据与AI紧密结合,打破传统的生产力边界,赋能企业实现更高质量、更高效率的数字化发展。会上,袋鼠云业务总经理申杭带来了以“指标+AI:迈向智能化,让指标应用更高效”为主题的分享,深度解读了袋鼠云如何通过全面集成AI能力,提升指标应用效率的新理念与新实践。

建设指标体系的价值

随着企业业务规模的迅速扩展和数字化进程的持续深化,越来越多的企业依赖大量精准的数据指标来进行精细化运营管理和辅助战略决策,凸显出构建完善指标体系在企业内部的重要性。

当前,数据指标体系的建设主要面临着三大挑战:管理不统一、指标口径不一致、流程不规范,从而导致了重复建设、资源浪费、沟通成本增加,以及数据结果可信度下降等问题。具体来说:

内部指标五花八门、眼花缭乱,业务方不知道使用哪个指标,指标的计算口径是什么?

指标数据波动比较大,不知道具体的原因是什么?

有些指标数据下降、有些上升,不知道指标内在的关联性,该如何去看数据,解读数据?

技术部门经常接到指标开发需求,但不知道是否存在类似的指标,以及业务部门对指标的使用情况、指标的价值如何衡量?

为了解决这些问题,充分发挥数据的价值,我们需要建立统一的指标管理平台,规范指标登记、开发、发布上线、运维、服务应用的全流程,基于指标平台之上,搭建企业级的数据指标体系,沉淀数据指标资产。最后建立指标全生命周期管理的流程和制度,持续不断的迭代,完善已有的指标体系,支持更多的数据业务场景,指引业务方向,应对快速的市场变化。

file

指标体系建设五步法

那么如何从0-1建设数据指标体系,实现指标的轻松管理呢?

主要包含以下五个步骤,简称”五步法”,分别为搭建目标、需求分析、指标设计、指标开发、指标呈现。

1、搭建目标

首先是搭建共同的建设目标,指标体系建设涉及到企业内部的部门比较多,例如营销、供应链、财务、人力、IT等多个部门的协同,每个部门由于工作内容的不同,对指标体系的认知和诉求都存在差异。因此在建设指标体系之前,需要大家对齐认知,目标一致,这样才能朝着共同的目标迈进。

file

指标体系的目标和价值主要包含以下三个方面:

①统一关键指标

站在公司全局角度设计指标体系,能够有效地规避因缺乏全局视角而导致的问题,确保不同使用者对各项指标定义和口径有统一清晰的理解,进而消除数据对接不准确的现象。

②减少重复工作

在统一关键指标的基础上,可以避免同一个指标被多次重复建设的问题,包括但不限于需求分析、指标开发、计算、运维以及数据排查等环节投入的大量时间成本。例如同样是销售收入指标,如果每个部门单独去开发和管理,整体的成本都会线性增加,而且随着时间推移,还会导致指标越来越混乱,数据之间相互冲突打架,进而严重影响数据的可信度。

③结果统一输出

指标体系建设的目标是为业务创造并提供有价值的数据,因此需要定义指标结果的输出方式,例如通过统一的指标API服务,或者中间库的方式等,让指标在标准统一、安全可控、可追溯的情况下为下游业务提供指标数据服务,呈现数据价值。

2、需求分析

在达成共同的目标之后,下一步要做的是需求分析。每个行业的业务都不一样,即使是同一个行业,差异性也比较大,因此在指标设计和开发之前,需要对需求进行调研,确定本次需要实现的指标需求范围。

file

例如和相关的业务部门进行访谈,收集公司管理层、业务部门管理者、一线员工等日常对指标的需求,以及对应的业务系统的数据是否能支撑指标的落地。之后对确定好的指标进行主题划分,例如划分为销售主题、商品主题、员工主题、财务主题、供应链主题等。在指标主题的基础上,可以继续对指标进行细化分类,例如对于商品类主题的指标,分为商品的销售额、成本、利润、库存等。对于缺少数据来源的指标,还需要反推业务系统的建设。

3、指标设计

在完成指标需求分析的基础上,根据指标面向的使用对象情况,采用从上往下的方式设计不同级别的指标,层层分解。

例如,我们可以根据不同层级(如公司管理层、业务线管理层、一线员工)的需求,构建分层的指标体系,确保每个层级的对象可以使用不同的指标。在指标设计时,主要确定每个指标的名称、定义、分类、计算口径、支持的维度、目标值、来源系统、生命周期等要素。通过这样的详尽设计流程,能够将指标从需求层面细化到可执行可落地的程度。这一阶段的主要成果体现为一份详尽的指标设计文档

file

4、指标开发

完成指标设计后,紧接着进入指标数据开发阶段,该阶段主要包含数据采集、开发、数据结果落地、日常运维等步骤。以产品销售指标的开发为例,首先从各个关联的销售业务系统中抽取原始数据,根据指标的计算口径,对数据进行清洗和逻辑转换,最终生成指标结果数据,并将其落地到Hive中进行存储。

同时由于指标数据需要定期更新的特点,需要建立日常的运维机制,包括对指标任务的持续监控与管理,确保指标数据的正确性和时效性。

file

5、指标呈现

在指标开发完成后,企业内部多样化的应用场景均需依赖这些指标数据。可以通过数据API的方式,使指标API化,构建指标数据API服务。让数据门户、BI报表、分析系统、可视化大屏等数据应用系统调用数据指标的API服务接口,对指标数据进行呈现和应用。同时,也可以通过监控API的调用情况,分析每个指标的使用情况,指标的价值等。

file

指标体系的平台化和智能化

上文中的五个步骤,是指导我们如何从0-1进行数据指标体系的建设,然而要确保这套体系的成功实施与持久运作,离不开一套专门的数据指标管理平台作为支撑。

袋鼠云通过一套完善的平台化方式支撑指标体系的构建和落地,管理全公司的指标。该平台提供了从指标管理、指标开发、指标调度、指标开放和指标应用等一系列产品能力,覆盖指标建设的全流程,保障指标的快速落地和后续的持续迭代,通过平台+业务指标实施的方式来保障指标体系在企业内部的顺利落地。

file

除了通过常规的产品能力覆盖指标体系建设的全流程之外,袋鼠云更进一步结合了最新的生成式AI技术,实现了从产品化到智能化的升级转变,给用户带来前所未有的创新体验,大幅度提升指标构建效率及指标数据应用效能。

在产品智能化方面,袋鼠云在指标平台中通过集成向量数据库的搜索能力,和大预言模型的语义理解、推理、总结等语言能力,提升产品的智能化体验。

①指标搜索

通过自然语言搜索指标,发现指标的关联性,提升指标的搜索效率。

file

②Text2SQL

根据自然语言生成指标的查询SQL,并进行可视化图表呈现,降低数据使用的门槛,使非技术人员也能快捷的使用指标数据。

file

③归因分析

发现指标的异常波动,帮助使用者快速定位,总结异常数据的根因,并给出合理的解决方案。

file

以上只是智能化的几个方面,未来袋鼠云将持续结合AI技术,对产品进行创新,不断提升指标产品的应用效率。

某商业银行指标体系建设案例

接下来通过剖析某商业银行客户的指标体系建设实践案例,为大家全面展示袋鼠云指标管理平台如何助力其构建起一套科学、高效、定制化的指标体系,实现数据驱动的业务洞察与决策优化。

该客户在项目建设前,存在指标建设效率低、建设周期长、指标重复开发、数据分析效率低、决策效率低等痛点,希望建设统一的数据指标体系,实现业务指标的统一开发,对话式自助分析指标归因分析等场景。

在本次项目中,袋鼠云结合联邦查询+向量数据库+语言大模型等技术,建设智能化的指标中台,预期达到了开发效率提升500%,业务开箱即用周期缩短至20%,指标唯一性提升100%,多维分析便捷性提升300%等业务收益,建设效果显著。

file

智能指标中台的底层可以对接不同的第三方商业化的语言大模型、向量数据库,以及Hadoop计算引擎等基础设施;在平台层面,它涵盖了全面的面向指标开发的功能模块,包括但不限于指标需求管理、指标开发、指标流程管理、指标安全、运维、权限管理等;而在应用层面上,则提供了丰富的智能化服务,如指标设定、智能归因分析、分析报告、智能问答等,旨在为业务人员打造一站式、高效便捷的数据智能服务体验。

行业指标体系白皮书

袋鼠云经过近9年的行业深度实践,在服务各行各业客户的过程中,我们不断总结沉淀指标体系的建设方案,和完善指标平台的产品能力。在3月份我们发布了《行业指标体系白皮书》,手把手引领企业从顶层经营战略出发,逐步细化至日常关键业务动作,从而构建起符合企业特性和发展需求的公司级指标体系。白皮书中提供了丰富的实践案例,覆盖金融、大宗贸易、零售、制造和港口等五大国民经济支柱领域,汇集了行业中最为关键且具有代表性的2000多个指标维度。

有兴趣的朋友可扫描下方的二维码下载白皮书,希望参考白皮书中指标数字化成功实践案例,企业可以更好地构建适应自身特点的指标管理体系,以科学、准确的数据洞察引导战略决策,提升整体业务运营效果与竞争力。

file

《行业指标体系白皮书》下载地址:https://www.dtstack.com/resources/1057?src=szsm

《数栈产品白皮书》下载地址:https://www.dtstack.com/resources/1004?src=szsm

《数据治理行业实践白皮书》下载地址:https://www.dtstack.com/resources/1001?src=szsm

想了解或咨询更多有关大数据产品、行业解决方案、客户案例的朋友,浏览袋鼠云官网:https://www.dtstack.com/?src=szkyzg

展开阅读全文
加载中
点击引领话题📣 发布并加入讨论🔥
打赏
0 评论
0 收藏
0
分享
返回顶部
顶部