为了适应经营环境变化，企业的发展模式需要转向高质量发展。在数字经济时代，借助数字化手段实现数字化经营，是企业实现高质量发展的必由之路。

指标平台逐渐成为企业数据基础设施中的重要组成部分。企业可以借助指标平台对数据资产进行便捷化管理，对业务健康状态进行实时感知，方便及时发现和定位问题，以及对用户指标进行分析，深入了解客户需求，优化产品提升客户体验，从而最终实现数据驱动业务决策 。

一、企业数字化提速，指标平台建设仍面临诸多挑战

在过去指标平台建设过程中，经常会遇到这样的情况：财务部门需要对业绩进行管理，要收集各个部门上报的指标数据和对应明细数据，此后需要一一沟通明确指标定义形成统一的指标体系才能进行分析和统计。

另外，统一过的指标也需随业务变动而随时调整，业务部门无法实时同步与更新定义指标，数据分析和管理流程变得臃肿，指标平台未发挥出应有的价值...

除此以外，指标平台在深入到业务和研发端也存在遇到诸多痛点：

• 指标问题难追溯：部分衍生指标和业务指标依赖原子指标多层加工，计算链路复杂，数据出现问题后难以快速定位。

• 运维成本高昂：建立指标平台引入多种技术与工具，技术复杂性导致实施难度和成本增加，形成技术墙，为后期增加运维负担。

• 指标口径不一致：不同部门对于同一指标定义可能存在差异，导致数据解读存在偏差。

• 用户分析体验差：传统指标平台在面对海量业务数据、多用户分析需求时，会因底层数据库性能不足导致分析时间久、分析效率慢，无法灵活支持。

• 数据治理困难：缺乏有效的数据治理和管理机制，导致数据的混乱和来源不一致，数据的可信度和可用性大大降低。

企业需要构建一个能基于数据驱动经营决策目标的指标平台，实现不同部门间的数据整合和统一指标计算方式，打破数据孤岛，提升数据分析效率和企业经营管理效率。

二、镜舟助力头部银行指标平台架构统一，真正实现一处定义、处处使用

某全国性股份制商业银行，超千家营业机构，其推出的智能化银行 3.0 蓝图，颠覆性地融合互联网行业“以消费者为中心”，助力金融营销模式转型。

随着业务的发展，灵活指标的需求增多，大量的计算不能命中预计算，导致 BI 报表开发效率低。另外该银行报表看板包含多个卡片和指标，面对全国各地的业务方查询需求，瞬时并发高，早期的指标平台很难满足业务对性能的需求。

湖仓架构统一数据，简化分析流程，加速分析结果

早期架构以 Kyligence 为核心，Presto 负责明细查询下压，ES 进行标签计算，然而多个组件并未满足分析需求，开发效率受限同时运维成本也增加。

经过选型调研，该银行选择引入镜舟湖仓分析引擎来替换 Kyligence 和 Presto，数据团队用一个引擎支撑整个平台的高并发查询需求，企业可以方便地访问外部数据源，并将这些数据关联起来进行联邦查询，从而节省了数据集成成本和跨引擎计算的开发成本。

同时，该方案帮助银行统一数据源、元数据和数据口径，为上游的数据治理或指标治理提供了底层的技术基础，一次性定义指标口径，便于业务人员基于各自的应用场景使用，满足指标应用服务的 SLA 需求。

在实际业务应用中，镜舟湖仓分析引擎为指标平台提供多层次的智能加速手段，实现指标的一次定义，多处复用，在自助分析、指标看板、客群分析、智能银行策略复盘等多个业务场景提供指标加速服务，实现准实时的秒级数据分析，为策略投放提供灵活、便捷的应用。

让便捷高效的自助分析，贯穿企业全业务单元

金融企业的高层管理人员需要查看看板和卡片，如果性能不佳，将影响查询体验。该银行选择将大量数据物化到镜舟湖仓分析引擎内表以支持查询，若内表较大且性能受影响时，也可以通过上卷物化来提升平台的查询效率和吞吐量，保障查询分析体验和效率。

同时大数据平台利用镜舟湖仓分析引擎进行加速，让所有查询都可以基于物化逻辑进行高效查询，通过智能调度提升SQL查询性能，同时降低资源使用成本。

在指标平台升级后，数据工程师可以基于对业务的理解构建数据模型，为上层业务应用提供数据支持，该银行各个业务人员均可以在平台内进行自主数据探索和分析，无须预先生成报表也能获得高效查询和分析体验。

以客户对象指标为例，工程师生成一张包含客户对象所有维度目录和指标目录的超级宽表，简化业务分析的工作，业务人员无须理解底层复杂的 ER 关系，只需通过拖动维度和指标即可完成应用，让业务能够通过数据更加了解用户，为营销投放、运营决策等带来更精准支持。

在稳定支持业务应用后，该银行通过镜舟湖仓分析引擎对需要监控的关键业务指标进行实时计算，当指标超出预设的阈值时自动触发预警通知，以便业务方及时关注及时响应和处理。