指标体系建设与应用（31页 PPT）.pptx

;

目录CONTENT;

01

金融行业指标现状

DataFunSummit#2024;;

DWDDS/发果

面向表、需层层固化、有技术门槛;

02

痛点-技术问题

DataFunSummit#2024;

指标生产、分析

与消费的痛点;

Data≠Insight：我们公司花了很大精力建设了驾驶舱和各种大屏，看起来很高端，但数字并不等于见解。每次有具体问题，团队还得回去挖数据、分析指标，周报变成了无尽的等待游戏

SpeedisEverything：每当董事会要求针对数据作出快速反应时，我都希望能够立刻拿到结论，这个数据大屏却只能给我表面的数，深入分析还得是手工在数仓里建作业，太慢了

TheGoldenWhyQuestion：我们的驾驶舱解决了数据展示的问题，但未触及数据解释的关键。当涉及到业务背后的为什么时，它似乎没有答案

SQL学习难度高：尽管我们有意愿深挖数据背后的真相，但SQL的复杂性让我们非技术人员望而却步。许多时间都浪费在了查询语言的学习上，而不是洞察和行动

BI报表配置难度高：我们依赖BI工具来提供数据的可视化，但每次都需要技术团队介入来配置数据集和报表，它的复杂程度令人沮丧大量时间花费在导出数据到Excel里输出结论：分析团队的日常就像Excel的奴隶，时常花费大把时间将数据导入、整理和分析，这种重复低效的工作限制了我们对数据快速反馈的能力

报表需求灵活多变，临时表冗余：我们数据团队大部分时间都花在了应对业务部门多变的报表需求上，每次业务流程一变，我们就得开发各种临时表、中间表。这不仅效率低，还很容易造成错误，甚至有的表用一次就废了

指标口径不一致：虽然公司有众多部门在使用数据，但每个团队对同一指标的定义却截然不同，没有统一的数据口径和解释标准。这种不一致性给跨部门的沟通和决策带来了混乱

难以实时响应业务新增指标需求：每次业务人员新增一个指标开发需求，都希望我们能半小时内提供相应的指标。现状是，虽然我们已经在数仓加班加点开发了，但还是被业务团队说反应慢，有苦说不出;

c;

03

解法

DataFunSummit#2024;

指标体系建设和应用痛点的解法（数据右移、角色解耦）;

数据语义建在数仓;;

HME;;

Metric=Condition*(Function*(Measure));;

不会用BI

不会问问题;;

场景数据分析诉求;

数据解读右移-指标平台+大模型，实现数据价值的端到端;

Evaluation(结果评估)

?

==

用户想要的SwiftAgent输出的;

基于大模型的理解和思考能力，实现基于自然语言的数据分析，并针对获取的结果数据进行智能解读与归因，提升经营分析效率;

数据解读右移-SwiftAgent创造性解决5大挑战;

;

指标产品合作案例—某头部证券公司基于指标平台的经营分析平台建设;

;

指标产品合作案例—面向业务人员的BI分析产品，随时随地修改卡片;

指标产品合作案例—面向业务场景，低门槛灵活组装个性化看板;

指标产品合作案例—支持业务同学对话式进行数据分析，更好的智能化交互体验;