大数据 云服务/云平台 软件定制 案例

经营分析系统主要功能有数据采集、数据存储、数据治理、数据开发、数据查询、模型开发、程序开发、调度监控等功能模块。让企业更好的对数据进行管理，监控及自动化处理生成报表。其中数据治理的功能能将各系统采集来的数据进行标准化处理，使数据满足一致性、准确性与完整性。

系统功能如下： 1、数据采集：数据库表采集、文件采集、API接口采集、数据库日志采集、大数据组件采集； 2、数据搬迁：支持异构存储系统间的数据无缝迁移，支持自动建表、增量更新； 3、数据同步：支持异构存储系统间的数据快速同步，支持同步对账，全量+增量同步模式； 4、采集任务设计：支持界面化对数据采集任务，拖拉拽设计采集任务字段映射关系； 5、采集任务调度：支持对采集任务进行多种模式调度，如定时、事件触发，并实时监控任务 6、采集任务告警：支持对采集任务异常情况进行告警通知。

1、基于阿里平台的dataphin产品，完成数据采集、数据模型构建、分层、数据处理等，生成最终报表所需数据。 2、通过open bi，基于生成数据完成最终符合需求的报表样式。 3、基于报表需求是日报、周报、月报，基于开发逻辑定时生成最终报表数据，并且通过open bi实时展示。

阿里云企业级数据仓库建设全景图 一、架构选型：云原生技术筑基 计算引擎：MaxCompute+实时计算Flink构成批流一体能力 存储体系：OSS冷热分层+AnalyticDB实时分析+HBase高并发查询 服务组件：DataWorks为中枢，集成DataHub/EMR/PAI等产品矩阵 二、现状评估：数字化成熟度诊断 基础设施扫描：通过DMS数据管理服务自动发现存量数据库/表结构 业务需求映射：使用QuickBI快速生成现有报表体系拓扑图 云资源评估：通过费用中心API分析历史资源消耗规律 三、模型设计：阿里云最佳实践 分层标准： RAW层(OSS)→ODS层(MaxCompute)→CDM层(维度建模)→ADS层(应用集市) 数据规范：遵循《阿里云大数据建设方法论》命名规则（如fact_交易_d） 模型工具：DataWorks智能数据建模自动生成ER图 四、数据开发：全托管式流水线 开发套件：DataStudio可视化开发+PyODPS高级分析 调度引擎：基线保障机制确保重要任务准时完成 质量管控：内置50+阿里云数据质量规则模板 五、监控报警：智能运维体系 监控看板：通过ARMS实时监控计算资源水位 异常检测：利用机器学习预测任务延迟风险 通知链路：日志服务SLS对接钉钉机器人 六、数据治理：云上合规运营 安全体系：RAM权限中心+数据脱敏+敏感数据识别 成本优化：Storage Advisor智能推荐冷数据归档策略 价值评估：通过DataTrust量化数据资产ROI

数据分析平台：提供面向公安、法院、金融业务的多源异构数据分析，并提供分析可视化功能。分析平台通过数据源和操作组合建立复杂分析模型，并提供分析模型可视化定制，支持复杂关系的精准分析。 目标预警平台：通过将标识目标对象的数据在大数据平台中进行核查，根据用户设定的预警规则，当出现中标数据时进行告警，并根据需要将中标信息推送给相关业务部门）。提供人物画像引擎，包括人员基础档案、关联图、行踪档案等；提供关联图析引擎，包括关系网络分析、关联关系分析等； 提供行为分析引擎，包括上网行为分析、资金交易分析、人员伴随分析、通联分析等； 提供地图分析引擎，包括时空轨迹分析、区域热图分析、时空交叉分析、位置追踪分析等； 提供基础数据挖掘算法包，包括聚类算法、分类算法、回归算法、关联算法、 神经网络算法等； 提供数据分析模型库，包括基础模型、配置模型、机器学习模型三类；基础 模型包括伴随分析模型、关联分析模型等；配置模型支持筛选对象化档案属性和知识库内容，自定义配置业务模型；机器学习模型支持数据挖掘算法的组合，完成目标数据集的规则模型发现等； 提供可视化工具，包括 GIS 地图、图形化分析、可视化展示等； 提供分析研判过程快照，支持对分析研判的中间过程数据集临时存储和永久存储 综合查询平台：提供大数据中心数据资源的的统一查询服务访问接口，通过查询引擎对全量基础数据、对象化数据和业务专题数据等多类数据资源进行各类查询及关联展示。 数据管理平台：针对数据资产建立全面统一的数据资源目录，生成数据资源地图，支持对数据资源的清晰定义和处理过程的跟踪分析，实现对接入的海量异构数据资源的全生命周期管理。 失联修复平台：利用大数据技术，结合运营商全网通信数据，实现全网失联修复：通过大数据运算结合触达能力，辅助用户再次联系上手机号码变更的客户。 数据采集汇聚系统：提供跨域的异构数据、分布式、实时智能数据采集方案， 实现银联数据、运营商数据、外卖数据、消费数据及社保/公积金数据等资源采集全覆盖，通过强大的机器算法快速完成数据的价值“提纯”，实现“多数 据源、多技术平台、多数据类型、实时/准实时/脱机数据”的可靠采集，提升客户数据质量和数据价值密度；同时兼顾系统可扩展性，能够预留柔性、鲁棒的数据接口，以满足业务对未来新型数据采集汇聚的需求。 情报分析研判系统：利用成熟的大数据技术、先进的自然语言处理技术和深度学习技术，实现了对海量结构化、半结构化、非结构化数据的挖掘分析和预处理，提高了情报生产效率和情报产品的质量。该系统主要由分类推送、文章整编、专题综合报告、信息整合构成 全息档案应用系统：是将目标自然人的基本属性和社会行为的数字化描述汇总，通过对原始数据进行抽取和组织，萃取出目标人物包括身份标识、关系、标签、位置等关键信息要素。

该项目从90年初就开始积累数据，做数据采集以及数据分析，行业内处于第一的水平，曾获得王选新闻一等奖和二等奖（王选新闻奖是国内新闻领域的最高奖项），一开始是用angular开发，后来用vue重构，主要用到的技术是echarts进行图表的展示，其中还用到了jquery对一些不太好处理的交互进行处理。

1、大模型融合的智能分析：将大模型技术与 BI 深度融合，以 ChatBI 形式呈现。其借助自然语言处理能力，用户输入日常语言指令，模型就能理解意图，调用相关算法完成数据准备、加工及可视化查询分析等。这降低了数据生产与消费门槛，让非技术背景人员也能轻松开展数据分析工作。 2、极速查询更新：依托自研极速引擎 ByteHouse 达成。该引擎采用创新数据存储与查询优化技术，在数据存储时对数据结构精心设计，查询时运用并行计算、索引优化等策略。面对千亿级数据量，能在秒级完成查询与更新操作，让企业及时获取最新数据洞察，为决策提供高效数据支撑。 3、可视化拖拽搭建看板：为用户提供丰富可视化组件库与操作界面。用户在界面中通过鼠标拖拽方式，将所需图表组件（柱状图、折线图等）拖入编辑区，设置数据源及参数，就能快速搭建业务数据看板。这种零门槛可视化操作，方便各岗位人员将数据转化为直观可视化内容，满足多样展示与分析需求。 4、多端适配与办公集成：在多端适配方面，运用跨平台开发技术，使 风神 在 PC 端、移动端、H5 等不同终端均能良好运行。在办公集成上，通过与飞书、钉钉、企微及企业自有移动端应用等办公平台开放接口对接，实现数据在不同平台间流转与共享，用户可在熟悉办公环境中便捷获取数据、监控预警，提升办公与协作效率 。

同步查询，异步查询，提供行内外历史数据查询，归档数据查询，支持多渠道业务对接，支持数据脱敏，支持部分数据实时查询。提供行内外历史数据查询，归档数据查询，支持多渠道业务对接，支持数据脱敏，支持部分数据实时查询。