2024年银行业全渠道客户旅程分析与精细化线上运营白皮书-火山引擎

全渠道客户旅程分析与精细化线上运营火山引擎数据飞轮行业实践系列白皮书·银行业《火山引擎数据飞轮行业实践系列白皮书·银行业》专为金融银行提供构建数据飞轮的系列解决方案，当前您即将阅读的是——第三本白皮书《全渠道客户旅程分析与精细化线上运营白皮书》CONTENTS前言011.银行客户旅程分析与线上运营痛点简述032.火山引擎新一代方案总览053.银行全渠道客户旅程分析与线上运营典型场景073.1APP产品运营健康度监测093.2客户旅程可视化分析，赋能用户体验优化运营133.3多维度用户转化漏斗分析，聚焦转化断点识别，精准定位问题173.4用户行为实时感知，实现秒级精准营销，抓住客户线上营销契机，做精流量变现193.5埋点数据实时、稳定采集，助力线上贷款风险管理233.6商机识别，客群分层运营，实现线上线下联动营销253.7APP崩溃、版本监测，推进APP性能优化管控273.8从客户行为事件到高价值衍生标签，赋能精准线上运营303.9视频回溯用户操作全流程画面，全面优化用户使用体验344.保障新一代平台架构落地374.1新一代全渠道客户旅程分析总体框架384.2历史埋点数据迁移394.3手机银行APP、公众号、小程序、各类活动页的客户行为事件如何采集404.4非线上渠道的客户行为事件如何采集414.5超大数据量下的高性能保障与扩展能力414.6搭载豆包大模型的AI智能分析助手425.通过数据开放能力，便捷融入到银行现有架构体系465.1典型数据开放与数据集成场景475.2通过配置化方式，快速实现数据集成476.配套保障机制构建及火山引擎增值服务486.1新平台上线后关键保障角色与能力培养496.2埋点治理保障机制与支持工具507.方案综合优势528.典型案例548.1某头部城商行：优化埋点规范，建设用户行为分析体系558.2某股份制银行：自研埋点治理，完善埋点治理机制568.3某区域城商行：建立线上线下联动运营机制，打通埋点数据内在行业系统共享578.4某省级农信：全渠道行为数据采集，赋能零售、对公智能运营58VeDIVOLCANOENGINEDATAINTELLIGENCEVeDI前言PREFACE数据飞轮是由火山引擎重磅提出的企业数智化升级新模式：它以数据消费为核心驱动力，实现“以数据消费促资产建设，以数据消费助业务发展(UtilizeDataMore,MoreDataIntelligence,MoreIntelligentBusinesses)”。这一新模式来自于字节跳动十余年数据驱动实践经验的提炼，其核心是倡导企业能通过数据消费使数据流充分融入业务流，实现数据资产和业务应用的飞轮效应，从而激发员工创造力，增强业务战斗力，提升组织生命力。BusinessDriveDataIntelligenceDataEnablingIntelligentBusiness业务驱动数据提效数据驱动业务提升围绕数据飞轮，火山引擎新一代企业级数据产品服务平台——数智平台VeDI，推出了一系列“端到端的数智产品”、“场景化的行业解决方案”和“专业的数智转型咨询”，让企业收获从数据基础建设、数据引擎升级到数据智能应用的全套数智能力，提供运维降本、运营提效和业务增长的行业数智解决方案，助力企业构建数据飞轮，实现数智化转型升级。BusinessDriveDataIntelligenceDataEnablingIntelligentBusiness业务驱动数据提效数据驱动业务提升01在金融行业，火山引擎数据飞轮已经积累了众多实践。一方面，通过领先的湖仓一体技术、数据治理与数据BP咨询等服务，帮助金融机构实现数据基础建设的升级，完成企业数据资产轮的构建。另一方面，则通过九大数据赋能，助力金融机构构建业务应用轮。以银行业为例，做精细化线上用户运营是各行普遍重视的场景之一，在数据飞轮的理论模式之下，借助火山引擎增长分析DataFinder，各行可构建可视化的全渠道客户旅程分析，搭建客户流量地图，真正将数据与运营业务相结合，发挥数据的真正价值。本书将结合火山引擎在银行业的诸多项目实践，总结归纳银行面临的客户旅程分析与线上流量运营面临的关键问题。全面分享当下火山引擎数智平台VeDI如何帮助银行构建全渠道客户旅程可视化分析与精细线上运营，提升银行业流量转化。0201银行客户旅程分析在过去的三年里，近百家金融机构与火山引擎就数字化客户经营转型升级、新一代全渠道客户旅程分析与线上运营平台建设展开了深度合作。在项目实施过程中，线上运营部门与数据科技部门人员最常遇到下面的问题：业务/运营部门数据部门研发部门业务/运营部门数据部门研发部门提取数据、查询数据高度依赖数仓，每次增加新指标都需要要定开，效率低化工具，只能看到单一环节的数据表现希望优化用户体验，难于不知道主要漏损环节在哪里，抓不到重点，错失营销最佳时机

缺乏敏捷高效的分析模型SQL随着数据增长，性能瓶颈难埋点口径和数据格式不统一，

埋点缺乏统一采集工具,缺乏数据验证工具，埋点上线0402火山引擎新一代方案总览分析模型事件分析|留存分析分析模型事件分析|留存分析|转化分析|归因分析|路径分析|业务维度分析……BI/数仓数据沉淀火山引擎基于字节跳动内部业务多年实践，围绕金融机构场景输出新一代银行全渠道客户旅程分析平台，旨在深入、全面地理解和分析用户在与金融机构的产品、服务交互过程中的行为路径和体验，具有以下四个关键特点和功能：全渠道数据整合能够收集来自手机银行、小程序、H5活动落地页、公众号、客户经理电话营销等的全渠道数据，形成统一的流量视图，全面了解用户。全旅程分析视角以用户全生命周期为基础，通过全域流量可视化分析工具，深入洞察可能出现的漏损点。灵活的数据开放与集成支持将采集到的行为数据、营销人群包、标签等数字资产开放给自建数仓、CRM或其他数据平台，用于二次加工，打破数据壁垒。高性能/高可扩展性增长分析核心OLAP引擎基于先进的开源引擎ClickHouse进行近万行代码的二次开发和优化，能够实时获取和处理用户数据，查询分析秒级响应。在抖音集团内部，DataFinder平台日增数据量级超过万亿条，火山引擎产品由字节跳动原生产研团队支持，产品及服务有充分保障。线上小程序公众号渠道活动页业务场景业务指标分析线上小程序公众号渠道活动页业务场景业务指标分析|活动数据监测|App性能稳定性监控|风险管理|渠道质量CDP/CRM/GMP断点营销全埋点开放通道webhookkafka离线全渠道数字触点全渠道数字触点数据洞察与应用数据开放系统联动数据管理数据表元数据数据应用 数据治理用户表 事件管理 看板管理 埋点质量事件表 属性管理 分群管理 埋点消维度表 指标管理 标签管理 埋点生数据管理数据表元数据数据应用 数据治理用户表 事件管理 看板管理 埋点质量事件表 属性管理 分群管理 埋点消维度表 指标管理 标签管理 埋点生风控引擎风险管理远程电话银行线下智能柜台取号机sdkandroidiosH5小程序其他APIKafka代码埋点数据类型原始数据指标数据人群包0303银行全渠道客户旅程分析与线上运营典型场景火山引擎在与金融机构的项目合作中，沉淀了大量数据赋能全渠道客户旅程分析及线上用户运营的场景经验，如网金部开展线上用户运营以及客户旅程分析与优化、APP团队开展功能监测与迭代、零售个金部门开展线上活动旅程分析与漏损归因、客户旅程断点识别与线上线下联动营销，埋点实时采集与线上消费贷秒批秒贷等。火山引擎增长分析DataFinder作为这些数智化场景中的主力支撑产品发挥着重要作用，其场景价值及关键收益如下：场景APP健康度监测介绍包括对用户注册登录、使用时长和频率等方面的监测与评估，以及对关键指标异动的归因分析，以赋能线上运营工作。关键收益数据更新周期从T+1升级到秒级查询平均每张看板可节约5000元开发成本用户旅程可视化分析通过可视化的用户流量流转图高效查看分析用户在各个页面中的行为分布，及时发现用户流失节点或者流量聚集节点。即使发现客群表现差异分析实效提升，秒级获取业务指标转化链路断点识别产品购买场景中，用户转化断点识别，关键流失原因定位。理财交易成功转化率提升10%数仓开发成本降低20%实时感知，实现秒级精准营销对于线上消费贷/零售用户进行实时的断点营销，以实现高效的断点营销，提升转化。打通自动化营销平台，实现实时营销实时上报用户行为事件埋点实时上报，助力线上贷款风险管理将用户行为数据引入贷前信审、贷中监控的作为特征变量，提升风险识别效果。客群分层运营，实现线上线下联动营销通过已经建立的线上营销渠道，及时识别不同业务场景中的潜在商机，形成线上线下联动营销，从而促进产品的最终转化。断点环节转化率提升20%商机触达率提升40%以上APP稳定性监控及性能优化监测手机银行APP的性能问题，并对每次版本升级效果和升级覆盖率实现即时监测。研发侧0投入即可完成崩溃问题监控数分钟之内即可获取到最新用户升级发进度和升级问题从客户行为事件到高价值衍生标签构建高价值行为标签体系，从产品搜索、购买决策、产品购买、客户引入、客户忠诚度管理等环节，赋能线上运营。缩短行为数据衍生高价值标签的开发周期，从过往的1-2周提升为分钟级创建标签补充客户偏好、需求等高价值标签，进行人群的精准圈选，针对特定兴趣偏好或需求人群进行活动的策略设计和邀约视频回溯用户操作全流程画面，全面优化用户使用体验通过引入录屏技术（SessionReplay），真实还原用户在页面的原始操作视频，帮助设计师快速定位漏损节点，优化页面设计方案。活动页留咨转化提升18%活动信息触达率提升35%08VeDIVOLCANOENGINEDATAINTELLIGENCEVeDIAPP产品运营健康度监测场景简述●场景：该场景即对于●场景：该场景即对于APP产品运营的总体监测，包括对对关键指标异动的归因分析，以赋能线上运营工作●关联部门：手机银行App线上运营部门痛点聚焦实时查看难APP产品运营指标需要T+1，无法获取当日实时数据异常监测难实时查看难APP产品运营指标需要T+1，无法获取当日实时数据异常监测难许多时候是接到用户投诉后进行复盘才发现异常点归因难发现指标异常后，需要提需给开发部门或者人工手动按照业务经验逐步分析，效率低新平台上线后的运营方式Step1：配置常规化产品运营指标集、构建APP综合运营看板基于近三年金融行业全渠道分析项目落地实践，APP等线上平台运营监控指标通常包括：指标大类用户规模数据-实时统计典型指标当日App活跃次数，当日App活跃用户数，当日注册用户数，当日登录用户数等。运营监控用途查看App实时基础指标的变化，及时感知数据异常。用户规模数据-整体趋势近7日新增用户数、近30日活跃用户数，近30日人均访问时长趋势，7日留存率趋势等。查看App基础运营指标的发展，判断App的整体发展趋势。App整体功能渗透功能的渗透率，功能的浏览次数，浏览用户数，功能访问偏好等。资源位同理。“生活”、“信用卡”等不同模块。资源位指首页客户生命周期活跃用户结构及趋势：新用户，留存用户，回流用户，流失用户。流失用户结构及趋势：流失新用户，流失留存用户，流失回流用户。根据不同用户群体的结构和趋势，合理分配营销、服务和研发资源。关注流失用户的结构和趋势，及时发现潜在的流失风险群体。比如，对留存率较高的用户群体，减少营销投入，而对流失风险较大的群体，增加服务和关怀。业务运营类（每种类型业务一个看板，包含理财、贷款等，以转账为例）转账支付用户数，转账支付次数，转账支付金额，转账流出银行分布，转账支付流程转化漏斗，转账方式分布，转账失败次数，不同转账失败原因占比等。对这些转账支付相关指标的关注和分析，有助于银行提升服务水平、优化业务流程、保障资金安全，并更好地满足用户需求和适应市场变化。活动效果数据活动页访问次数，活动页访问人数，活动流程转化率，活动参与用户渠道转化率，活动人群理财同比增长率等。通过活动效果数据的分析，及时感知活动的参与度与转化，并根据数据作出及时的策略调整。09实时查看数据最细粒度可到分钟级，快速感知数据变化。通过DataFinder提供指标可视化分析，支持快速配置运营监控指标，并生成常规化看板，不再依赖传统的ETL开发。可进行看板定时推送，常规推送至相关业务方，无需每天登录系统来查看数据。用户健康度看板配置看板订阅及指标监控10VeDIVOLCANOENGINEDATAINTELLIGENCEVeDIStep2：梳理与配置异常监控任务，赋能运营人员及时发现APP运行过程中的异常点通过DataFinder指标监测能力，可以基于历史经验配置告警规则，也可选智能监控，依据历史数据规律，实时预测指标的数值区间，若实际数据值超出预测区间，则进行告警。例如：转账失败次数波动超过10%则视为异常。Step3：异常数据归因，快速定位问题定位问题可以遵从以下流程：第一步：可查看整体异常指标的趋势发现异常点。第二步：开启异常监测。第三步：系统对该事件的维度进行归因分析，可查看某个银行的转账接口失败，导致大量转出失败，导致整体转账失败次数的增加。整个过程只需要几秒，即可快速归因。1112VeDIVOLCANOENGINEDATAINTELLIGENCEVeDI方案收益定量收益APP运营指标看板查询时间T+1>秒级定量收益APP运营指标看板查询时间T+1>秒级定性收益异常监测从事后review升级为实时监测节省看板搭建成本每张看板节省5000元发现异常后可通过内置归因模型快速定位客户旅程可视化分析与用户体验优化场景简述●场景：在用户行为分析中，需要记录和分析目标用户在各●场景：在用户行为分析中，需要记录和分析目标用户在各高效查看分析用户在各个页面中的行为分布，有助于及时发现用户流失节点或者流量聚集节点。●关联部门：网金部，消费贷等部门运营人员痛点聚焦无法掌握热点功能和用户访问路径手机银行功能众多，不清楚哪些是用户常用无法掌握热点功能和用户访问路径手机银行功能众多，不清楚哪些是用户常用功能不清楚用户的主要访问路径如何，哪些环节转化高，哪些环节流失高无法快速识别，定位问题时，很难识别是否出现使用问题无法确认业务流程是哪个环节对用的行为产生了影响13新平台上线后的运营方式的人力与时间，特别是当分析不能得出需要的结论时，需要反复导数、分析。暂且不论结果的有效性如何，仅从结论的时效性而言，就有可能错失运营良机。在使用DataFinder系统，并进行合理的埋点实施以后，就可以利用“路径分析”功能充分的明确用户在手机银行内的流转情况。以某银行的手机银行应用分析为例，通过前期的应用分析，我们发现用户常用的功能包括：理财产品购买、存款购买、转账以及消费贷申请等。但是不清楚的是，用户使用这些功能的路径是怎样的，哪些功能是用户流量的集中节点。因此可以通过“路径分析”让分析工具协助识别这些流量聚集点。不知道哪些节点是关键节点?不知道哪些节点不知道哪些节点是关键节点?不知道哪些节点在前?哪些节点在后?不知道是不是有交叉访问的情况?……不需要预先假设用户路径如何，只需要将关注的路径节点直接添加至分析列表即可，数据会给出结论理财产品浏览 与购买?存款产品浏览与购买?用户启动手机银行贷款申请?转账?14VeDIVOLCANOENGINEDATAINTELLIGENCEVeDI识别用户关键路径。在配置完分析节点以后，系统在几秒钟内即可给出直观的用户流转可视化结果。在实际的分析的分析案例中，通过“用户路径”分析，我们发现理财产品、转账等功能为用户常用功能，尤其是转账业务，全体用户使用都较为频繁。“转账”行为较多，一方面值得行方关注，需要进一步分析用户的转账行为究竟是行内同名账户转账，还是跨行转出等，从而采取对应客户挽留措施。另一方面，作为用户体验提升的环节，需要了解到，用户在进行转账功能时是否使用顺畅，是否存在阻碍性节点。转化流程中是否存在问题，如果有问题，问题在哪里？一般情况下，我们可以通过不同的“属性分组”分析，来了解用户哪些客户出现了行为差异。15在设置完漏斗路径后，系统即刻可以给出不同维度下的用转化率。通过“转化分析”，发现新老手机银行用户在转账业务的转化链路上存在流失率差异，新用户在某一节点流失率明显高于老用户，需要加强对新用户的提前引导。得到分析结果后，行内马上制定了用户体验优化措施，提升新用户使用体验。ROI定量收益分析实效性提升定量收益分析实效性提升几天>秒级分钟级定性收益原来不能分析的场景的现在可以分析了:原来不能进行的分析，现在借助DataFinder可以实现了。通过路径分析与页面停留分析等功能准确识别热点功能，为用户体验优化找准场景。分析耗费人力减少运营、科技人员5-6人天>运营人员1-2小时及时识别与定位问题:及时发现同一转化链路在不同客群间的表现差异，识别出问题;准确定位问题发生节点，减少定性排查的不准确性与时间消耗。16VeDIVOLCANOENGINEDATAINTELLIGENCEVeDI多维度用户转化漏斗分析识别转化断点场景简述●场景：产品购买场景中，用户转化断点识别，关键●场景：产品购买场景中，用户转化断点识别，关键流失原因定位●归口部门：个金客户运营团队、网金APP运营团队、零售运营团队痛点聚焦旅程不清晰业务功能入口较多、转化路径长、客户路径旅程不清晰定位原因难业务活跃度高但最终转化低流失节点无法准确识别旅程不清晰业务功能入口较多、转化路径长、客户路径旅程不清晰定位原因难业务活跃度高但最终转化低流失节点无法准确识别缺少数据支持客户特征洞察缺失、营销精准度低、产品优化缺少有效数据支持分析时效低无灵活自主的分析的工具时效低，错失关键运营时机新平台上线后的运营方式通过采集理财各节点核心数据后，运营人员发现从申购点击到申购成功，存在断崖式流失。通过多种数据分析方式及多维度数据支持，高效的完成了数据分析，进行了线上运行策略的迭代。创建客户旅程，定位流失节点理财交易成功的的数据理财交易成功的的数据持续无增长?17灵活分析工具，发现申购点击到申购成功的断崖式流失灵活分析工具，发现申购点击到申购成功的断崖式流失观察流失趋势，圈定流失的人群明显数据波动的日期受明显数据波动的日期受哪些因素影响?清晰定位节点，保存流失人群洞察多维度用户特征，找到关键影响因素综合分析结果，进行运营策略或产品功能的迭代，助力新一代线上运营方式18数仓开发成本无需提需数仓开发降低数仓人员开发的成本数仓开发成本无需提需数仓开发降低数仓人员开发的成本20%VeDIVOLCANOENGINEDATAINTELLIGENCEVeDI定性收益提供十多种灵活的分析工具由过去高度依赖报表开发，到灵活的线上分析能力的转化定量收益定性收益提供十多种灵活的分析工具由过去高度依赖报表开发，到灵活的线上分析能力的转化定量收益理财转化率准确定位流失节点交易成功的转化率提升10%全面多端的数据采集能力，多种采集方式的支持，为产品及运营活动的有效迭代，提供充分的数据支持数据分析效率灵活自主分析全面多端的数据采集能力，多种采集方式的支持，为产品及运营活动的有效迭代，提供充分的数据支持数据分析效率灵活自主分析提升数据分析的效率30%场景简述●场景：对于线上消费贷用户进行实时的断点营销，以实现●场景：对于线上消费贷用户进行实时的断点营销，以实现高效的断点营销，提升转化。●关联部门：网络金融痛点聚焦无法有效识别营销断点在没有分析工具的情况下，无法有效监测用户在无法有效识别营销断点在没有分析工具的情况下，无法有效监测用户在产品购买过程中的断点，也无法进一步根据断点判断用户意愿强度无法基于断点进行实时自动化营销因为无法及时获取用户的线上行为数据，就无法在用户跳出时及时进行挽回触达19新平台上线后的运营方式新的用户行为分析平台上线以后一般可以采用以下方法实现用户旅程断点进行实施营销：第一步：根据不同的业务场景，梳理出对应的用户旅程，如产品购买流程、活动参与流程等；第二步：根据已经梳理出来的业务流程进行埋点开发，并进行用户行为的采集；第三步：通过DataFinder中的用户行为分析，找到容易产生用户行为断点的环节，或者是转化不达预期的环节，设计对应的营销措施，例如：发放权益、推荐专属产品或者推送一线客户经理等，在此环节下，实时营销和非实时营销可以结合使用，以进一步促进用户的转化。以线上贷款申请流程为例，首先可以进行转化率分析。在实例中，首先在DataFinder中，我们利用“转化分析”功能分析在线上贷款申请环节是否出现严重的转化断点或者转化不符合预期的节点，同时，我们将“贷款类型”作为属性分类进行用户客群的区分。在分析过程中，我们发现：整体转化漏斗中，具体产品选择环节（贷款入口点击——〉线上贷款选择）流失率比较高；再进一步细分“消费贷”和“经营贷”两个产品的贷款申请流程，可以发现，“经营贷”的转化率不足10%，而“消费贷”的转化率近30%，其中“经营贷”用户进行人脸识别这一环节的流失较大，近90%的用户在这个环节离开。而“消费贷”产品在贷款提交等环节转化率又不如“经营贷产品”线上贷款申请整体转化漏斗线上贷款申请整体转化漏斗贷款入口点击线上贷款产品选择人脸识别贷款产品申请页曝光贷款产品申请提交授信受理等待界面经营贷转化漏斗消费贷转化漏斗线上贷款产品选择 人脸识别 贷款产品申请页曝光 贷款产品申请提交 授信受理等待界面 线上贷款产品选择 人脸识别 贷款产品申请页曝光贷款产品申请提交授信受理等待界面转化率57％转化率12％转化率26％20VeDIVOLCANOENGINEDATAINTELLIGENCEVeDI根据对应的断点设计对应的自动化营销策略，在GMP系统中引入DataFinder的圈选条件，例如“发起了申请流程但人脸识别未成功的用户”、“多次浏览未发起申请的用户”等；21最终，可以回到DataFinder中进一步分析用户转化行为的变化以及营销效果等数据。定性收益精准圈定用户群:定量收益定性收益精准圈定用户群:定量收益快速识别流程中的交易行为转化漏斗分析时间几天>几十秒重跑分析维度时间数秒内根据用户行为，实时进行营销触达:数据可以输出给自动化营销平台，作为实时自动化营销的触发点;根据用户行为，实时进行营销触达:数据可以输出给自动化营销平台，作为实时自动化营销的触发点;在用户行为出现断点时，根据规则进行实时营销触达，减少客户犹豫时间，提升转化。VeDIVOLCANOENGINEDATAINTELLIGENCEVeDI埋点数据实时、稳定采集，助力线上贷款风险管理场景简述●场景：在线上贷款申请和使用场景中，用户行为数据作为●场景：在线上贷款申请和使用场景中，用户行为数据作为贷前信审、贷中监控的重要特征变量已广泛的应用于各类金融机构。●关联部门：风险管理部痛点聚焦埋点开发周期长、成本高在传统场景下，风控部门的埋点需求需要经过需求提出、评审、专项开发、上线验证等流程，开发周期往往需要几周时间，难以满足应用时效性要求。埋点开发周期长、成本高在传统场景下，风控部门的埋点需求需要经过需求提出、评审、专项开发、上线验证等流程，开发周期往往需要几周时间，难以满足应用时效性要求。无法充分满足信贷流程中的时效性、准确性要求行为数据在整个信贷流程中前、中、后三个环节都起了很重要的要求行为数据能够及时传输，传统埋点方式面对较多埋点时，数据丰富度不足风控场景下，策略团队不仅会还会不断的进行探索性分析。传统埋点一般都是紧贴风控所需的字段进行开发，不能充分使用贯穿整个用户生命周期的行为数据。新平台上线后的运营方式在线上贷款申请场景中，金融机构在构建风控模型时，往往会引入用户行为数据作为重要的特征变量。因此用户行为数据采集的及时性、准确性以及完整性会直接影响风控模型的质量。利用DataFinder进行用户行为数据采集，可以降低科技部门的开发成本，缩短开发时间，并实现数据采集的及时性、准确性以及完整性。客户手机APP客户手机APP行为数据采集申请信息DataFinderAPP使用 行为信息风控引擎征信数据三方征信数据历史记录/标签等其他系统23埋点数据复用度、丰富度提升:DataFinder可以将用户相关行为数据通过OnelD进行整合统一，免除行内对应开发工作量;且无论是运营所需埋点，还是产品所需埋点，均可以直接开放给风控部门使用，复用性和丰富度都可以得到提升。埋点数据复用度、丰富度提升:DataFinder可以将用户相关行为数据通过OnelD进行整合统一，免除行内对应开发工作量;且无论是运营所需埋点，还是产品所需埋点，均可以直接开放给风控部门使用，复用性和丰富度都可以得到提升。埋点实时采集在线上消费贷申请页面和相关流程中，部署了精细的埋点策略，实时采集行为数据，包括页面访问路径、停留时间、填写信息的速度和准确性等。采集用户的设备信息、网络环境等技术数据，以及用户贷中用信、贷后还款等的行为数据。对接风控决策引擎采集到的实时数据被迅速传输至先进的风控决策引擎。风控决策引擎运用大数据分析、机器学习算法和规则引擎，对用户的信用风险进行快速评估。定性收益实时采集数据，充分满足信贷各环节需求:DataFinder提供的实时数据采集以及经过充分验证的高稳定性，既支持了授信秒批，也满足了贷中、贷后的持续监控需求。定量收益定性收益实时采集数据，充分满足信贷各环节需求:DataFinder提供的实时数据采集以及经过充分验证的高稳定性，既支持了授信秒批，也满足了贷中、贷后的持续监控需求。定量收益埋点开发时间短成本降低利用系统预置埋点获取基础信息开发接近0成本利用系统预置属性，事件可复用边际成本接近0需求提交到验证上线仅需2-3天24VeDIVOLCANOENGINEDATAINTELLIGENCEVeDI线上线下联动中的客群分层与商机识别场景简述●场景：客户希望通过其已经建立的线上营销渠道，及时识别●场景：客户希望通过其已经建立的线上营销渠道，及时识别不同业务场景中的潜在商机，对于重点客户或者关键活动，形成线上线下联动营销，从而促进产品的最终转化。●关联部门：数字银行、零售痛点聚焦无法识别关键客群手机银行是理财产品和小额消费贷类产品的主要转化场景，无法有效识别哪些客群，在购买哪些产品时，在哪些环节产生了流失无法识别关键客群手机银行是理财产品和小额消费贷类产品的主要转化场景，无法有效识别哪些客群，在购买哪些产品时，在哪些环节产生了流失转化效果无法追踪无法对营销后的链路数据进行有效的分析，对应的客群是否有响应，是否产生了转化、转化了多少等，数据缺失线上客群无法转化为有效的线下营销商机当线上客户成为潜在营销客群后，无法有效的向行内其他系统进行传导，无法使一线客户经理团队及时获取商机并跟进新平台上线后的运营方式用户潜力提升但普通用户通过线上触达通过DataFinder识别潜在用户用户潜力提升但普通用户通过线上触达通过DataFinder识别潜在用户线上忠实客户未建联的，转线下建联中高净值用户转线下触达25通过DataFinder平台进行关键客群圈选，可以形成每日更新的人群包，这类人群包可以输送给下游系统进行实时自动化营销或者由线下渠道进行用户触达。人群包输出系统互通，建立商机。每日开展定时任务，由下游商机系统读取DataFinder系统生成的人群包，并通过解析，形成商机推送给一线客户经理，由客户经理进行跟进触达。如果行内还没有建立自动化营销系统，也可以通过短信等渠道实现批量客户触达。26VeDIVOLCANOENGINEDATAINTELLIGENCEVeDIROI定量收益部分产品断点客户线下触达转化率定量收益部分产品断点客户线下触达转化率提升20%定性收益实现线上线下运营联动:通过DataFinder实现了关键客群(高意愿客群)的识别，并通过建立闭环运营机制、优化营销方案、对接系统、培训一线营销人员等措施，将部分线上客户转化为线下营销商机，实现了完整的线上线下营销闭环，取得成效。一线商机触达完成率提升40%一线商机触达完成率提升40%优秀支行触达率达到80%打通DataFinder与行内系统的数据应用链路:与下游系统实现数据联通，包括:客群标签的识别与对接、基于用户行为触发的商机工单机制、商机工单功能整体优化等;营销闭环搭建完成后，还可以通过DataFinder进一步分析用户的线上转化行为，实现数据闭环。APP崩溃、版本监测，推进APP性能优化管控场景简述●场景：用户希望通过DataFinder进一步监测手机银行本身●场景：用户希望通过DataFinder进一步监测手机银行本身的性能问题，以及每次升级后，用户是否都完成了重要更新版本的升级工作。●零售部痛点聚焦无法监控用户版本以及系统分布情况银行不定期会对手机银行进行重大功能更新，或是修复上一版本的重大缺陷，此时需要能够主动监控用户升级情况，以确保主要用户都完成了重大版本的更新；无法监控用户版本以及系统分布情况银行不定期会对手机银行进行重大功能更新，或是修复上一版本的重大缺陷，此时需要能够主动监控用户升级情况，以确保主要用户都完成了重大版本的更新；当前安卓、鸿蒙、IOS平台对于应用厂商对于客户的触达采取了不同的限制策略，银行需要了解用户的系统情况，以制定有针对性的营销策略。无法及时判断应用崩溃影响程度APP崩溃非常影响用户体验，因此需要能够监控应用崩溃情况，识别主要崩溃原因并跟进解决。27新平台上线后的运营方式在DataFinder内部预置了移动端的“应用崩溃”事件采集，可以在一定程度上帮助应用运维团队尽早识别“手机银行版本”、“手机品牌”等系统相关属性进行综合判断；一般情况下，可以通过以下步骤来进行用户版本升级以及应用崩溃监测。Step1：监控关键参数。利用预置事件“应用启动”，通过“属性分组”功能中的“软件版本”与“系统版本”两个属性，分别关注用户手机银行版本以及手机操作系统类型等。此类数据的监控，主要用来帮助金融机构监控用户是否及时进行了客户端升级、客户机型分布、操作系统分布等情况，一方面识别升级等操作是否达到预期，一方面集中资源，在用户分布较多的手机品牌、操作系统或者机型上进行优先适配；Step2：下应用崩溃次数和影响用户数，如图：28VeDIVOLCANOENGINEDATAINTELLIGENCEVeDI用户影响分析用户影响分析近30天手机银行崩溃日均影响用户人数崩溃用户手机应用版本分布Step3：如果出现崩溃次数或者影响用户数较多，就需要对崩溃原因进行进一步探查，该步骤可以通过29ROI定量收益对于“应用崩溃”，系统设置为预置事件定量收益对于“应用崩溃”，系统设置为预置事件无需额外开发人力实现零成本定性收益及时解决用户使用手机银行崩溃问题:帮助科技部门及时了解手机银行崩溃情况和涉及应用版本，并初步定位崩溃原因。帮助科技及时修复影响严重的问题，并发起了用户升级引导活动，近一步提升了用户体验。对于“用户版本升级”问题，通过看板搭建零延迟获取升级信息对于“用户版本升级”问题，通过看板搭建零延迟获取升级信息正确反映用户手机银行使用情况:之前零售部门发现很多客户无法及时收到营销推送，或者推送被拦截。通过分析用户操作系统分分布情况，结合业务实践，明确了部分操作系统对于营销触达信息的约束，后续会制定更具有针对性的触达策略。行为事件衍生为高价值标签场景简述借助埋点采集的线上浏览、搜索、收藏、购买等数据，可以创新提炼出客群习惯、偏好、意愿等借助埋点采集的线上浏览、搜索、收藏、购买等数据，可以创新提炼出客群习惯、偏好、意愿等高价值标签，赋能精准的客群圈选。痛点聚焦高价值衍生标签较少当前银行标签多以客户属性和客户业务办理的事实性标签为主，而描绘客户习惯、偏好、金融需求方面的标签较少，无法进行精细化圈群高价值标签需求难以提出高价值衍生标签较少当前银行标签多以客户属性和客户业务办理的事实性标签为主，而描绘客户习惯、偏好、金融需求方面的标签较少，无法进行精细化圈群高价值标签需求难以提出业务运营人员不了解埋点体系，无法清晰提出高价值衍生标签的行为数据采集到标签衍生链路长30VeDIVOLCANOENGINEDATAINTELLIGENCEVeDI新平台上线后的运营方式新平台上线后，可以进行高价值标签的快速分析与衍生配置Step1:构建高价值行为标签体系业务人员希望在人群圈选中通过产品偏好、渠道偏好等方式精细化分群，因此提出高价值标签的需求，例如：标签名称业务描述标签名称业务描述理财产品偏好理财产品偏好权益敏感度通过客户对营销权益的行为反馈，总结客户对于立减金、优惠券等权益的敏感度权益敏感度通过客户对营销权益的行为反馈，总结客户对于立减金、优惠券等权益的敏感度触达渠道偏好通过客户对触达方式的行为反馈，总结客户对于营销渠道的偏好触达渠道偏好通过客户对触达方式的行为反馈，总结客户对于营销渠道的偏好金融办理需求偏好通过对客户浏览app的频道或专区，总结客户在使用app过程中主要的金融业务办理需求偏好金融办理需求偏好通过对客户浏览app的频道或专区，总结客户在使用app过程中主要的金融业务办理需求偏好Step2:分布分析查看频次分布通过数据分析，对标签实现方式和取值逻辑的进行设计31基于数据分析结果，完善标签的具体名称和业务口径标签名称口径说明标签名称口径说明理财产品购买意向最近14天客户在手机银行上有过理财产品浏览行为高：浏览次数在4次及以上。理财产品购买意向最近14天客户在手机银行上有过理财产品浏览行为高：浏览次数在4次及以上。中：浏览次数在2（含）-4次（不含）。低：浏览次数在1（含）-2次（不含）。理财产品类型偏好最近14天客户在手机银行上有过理财产品浏览行为，且浏览产品类型次数≥5次，认为客户具有此类产品的意向偏好。理财产品类型偏好最近14天客户在手机银行上有过理财产品浏览行为，且浏览产品类型次数≥5次，认为客户具有此类产品的意向偏好。枚举值包含：货币型、固收型、混合型、权益型触达渠道偏好最近3个月通过手机银行弹窗、push、短信等点击情况分析，大于5次表示对此渠道的偏好。触达渠道偏好最近3个月通过手机银行弹窗、push、短信等点击情况分析，大于5次表示对此渠道的偏好。枚举值包含：弹窗、Push、短信……权益敏感度最近3个月根据客户领取相关权益的行为进行统计，大于10次表示对此渠道的偏好。权益敏感度最近3个月根据客户领取相关权益的行为进行统计，大于10次表示对此渠道的偏好。枚举值包含：积分、微信立减金、商城优惠券、饮食优惠券、信用卡还款金、出行券……金融办理需求基于用户最近1个月浏览各频道的次数，大于10次，或相关频道内容每次停留时长超过2分钟的。金融办理需求基于用户最近1个月浏览各频道的次数，大于10次，或相关频道内容每次停留时长超过2分钟的。枚举值包含：理财办理需求、基金办理需求、信贷办理需求、信用卡办理需求、存款办理需求、养老金融办理需求……Step3:通过可视化的用户标签功能快速配置衍生标签利用行为数据构建【理财产品购买意向】标签32VeDIVOLCANOENGINEDATAINTELLIGENCEVeDI利用行为数据构建【理财产品类型偏好】标签建立好的标签示例定性收益补充客户偏好、需求等高价值标签，进行人群的精准圈选，针对特定兴趣偏好或需求人群进行活动的策略设计和邀约定量收益行为数据衍生定性收益补充客户偏好、需求等高价值标签，进行人群的精准圈选，针对特定兴趣偏好或需求人群进行活动的策略设计和邀约定量收益行为数据衍生高价值创建标签时间 1-2周>分钟级(从需求到开发)高价值标签作为个性化推荐等算法模型的特征变量，有效提升推荐模型的效果33高价值标签作为个性化推荐等算法模型的特征变量，有效提升推荐模型的效果视频回溯用户操作全流程画面，全面优化用户使用体验场景简述●场景：过往的行为分析中，业务人员只能拿到埋点数据和●场景：过往的行为分析中，业务人员只能拿到埋点数据和相关看板，理解门槛高，需要熟悉埋点数据结构和业务含义。为了进一步提升用户在手机银行的用户体验，帮助运营部门优化活动设计，结合国内外的前沿技术和实施经验，通过引入录屏技术（SessionReplay），真实还原用户在网页上的原始操作视频，更好的优化业务流程。●关联部门：数据运营部、产品部痛点聚焦希望提升活动页的留咨转化率。通过转化分析虽然可以计算出每一步骤的流失百分比&数值，但无法感知每个步骤中具体哪个操作造成的流失，难以让UI设计师快速定位到优化方向。希望提升活动页的留咨转化率。通过转化分析虽然可以计算出每一步骤的流失百分比&数值，但无法感知每个步骤中具体哪个操作造成的流失，难以让UI设计师快速定位到优化方向。新平台上线后的运营方式Step1：通过会话回放列表页中的高级筛选，筛选出在活动页留咨步骤中流失的用户群体（从进入表单页填写到点击提交按钮这部分流失的人群）。34VeDIVOLCANOENGINEDATAINTELLIGENCEVeDIStep2：分别查看该群体用户的行为视频，如该用户在表单详情页输入信息时，认真填写了联系人/Step3：进行进一步下钻分析剖析输入内容->浏览选项->停留->关闭页面的动作后，可以猜测：可能该下拉选项中没有目标选项&用户不理解全部选项的含义，无法自行添加选项，后放弃咨询关闭页面；若此流失群体中多位用户行为相似，可判断该选项交互体验较差，可通过进一步用户访谈进行优化方向的确认，明确优化内容；通过热力图分析用户的关注点和可能疑惑的信息点;35ROI定量ROI活动页面-业务咨询转化 定量ROI活动页面-业务咨询转化 提升18%定性ROI通过查看用户录屏，全面掌握从数据’到“具象”的全方位洞察。活动信息触达效率 提升35%

设计师无需单独安排用户线下产品试用，耗费大量时间逐一访谈，工具可自动捕获用户原始行为录屏。36保障新一代平台架构落地OLAP引擎数据导出推荐系统画像平台报表系统规则引擎系统对接数据开放数据分析新一代全渠道客户旅程分析总体框架OLAP引擎数据导出推荐系统画像平台报表系统规则引擎系统对接数据开放数据分析Kafka订阅OpenKafka订阅OpenAPI预设业务看板预设业务看板|自定义看板|场景看板（财富管理、信用卡、活动营销...）用户分析行为分析特色分析用户分群 用户细查事件分析 留存分析 转化分析 用户路径多维表格 融合分析用户标签 成分分析归因分析 热图分析 归因分析......会话回放AI分析AppSDK WebSDK AppSDK WebSDK 小程序SDK 外呼平台微信公众号 服务端API 数据导入工具用户标签数据行为数据明细数据机构/账户/用户/设备...数据采集数据融合分析视角：打破传统工具对于“应用”这一单一分析视角的传统架构，实现全链路分析的模式跃升，支持跨平台、跨端、跨域的全链路分析，实现营销分析的视角升级通过豆包大模型能力，在数据采集管理、数据查询分析、数据洞察决策环节融入智能化工具，自动化完成数据质量巡检，对指标结果针对性提关键洞见，帮助机构提升数据使用效率，降低数据使用门槛。SeesionReplay点击、混乱操作等异常动作，帮助设计团队真实了解用户使用体验，完成针对性排查和优化。38VeDIVOLCANOENGINEDATAINTELLIGENCEVeDI历史埋点数据迁移基于过去近百家银行全渠道客户旅程分析与线上运营平台落地实施实践，火山引擎总结归纳历史埋点数据迁移是一项必须的关键实施事项，核心需要考虑以下两点：历史埋点数据源评估与数据迁移新平台元数据迁移任务离线数据迁移任务历史埋点数据迁移元数据迁移任务离线数据迁移任务历史埋点数据迁移实时数据迁移任务看板数据迁移任务MySQL外部数据库ClickHouseClickHouse外部大数据存储kafka外部MQ输入kafka外部MQMySQL外部数据库数据同步MySQL外部数据库历史埋点数据源简介火山支持的迁移方式银行采用的历史埋点数据源通常包括：历史埋点数据源简介火山支持的迁移方式HDFS/CK存储历史埋点、用户数据标准化迁移工具+ETL迁移HDFS/CK存储历史埋点、用户数据标准化迁移工具+ETL迁移Mysql/Oracle等存储事件元数据、看板数据产品化、模板化迁移Mysql/Oracle等存储事件元数据、看板数据产品化、模板化迁移Kafka/其他MQ实时上报数据流支持SDK双写+逐步验证替换的迁移方案Kafka/其他MQ实时上报数据流支持SDK双写+逐步验证替换的迁移方案存量数据可做到一键数据迁移，低成本快速落地。其他埋点平台的元数据、历史数据、实时数据迁移，DataFinder已具备成熟的标准化迁移方案，已在多家股份银行、城商行、券商等金融客户验证。39数据迁移过程中的埋点治理与质量提升除数据迁移外，可引入分析团队针对历史埋点进行埋点治理，去除重复埋点、废弃埋点，提升埋点价值，已在多个金融客户落地实施。识别方式：1）从口径判断是否是重复埋点。2）从场景判断是否为临时埋点或过期埋点，例如短期活动上线的埋点，活动已下线。3）从质量判断埋点采集的数据是否存在上报时机不准确，采集内容不可用的问题，可废弃。手机银行APP客户行为事件如何采集如何采集行为数据手机银行APP行为数据手机银行APPlOSAndroidSDK公众号授权接入公众号HTTPAPI公众号

数据处理数据处理数据整合数据处理数据整合数据处理埋点设计埋点验收数据存储数据清理元数据管理元数据管理///采集接入WEB|H5UserprofileAPl

可在线创建埋点，保存前验收埋点，创建新的虚拟事件或虚拟属性，以及总体评价系统内的数据质量及查看有问题的埋点明细。数据存储数据存储智能终端产品定期清理无效埋点智能终端产品用户注销时可删除账号下所有数据40VeDIVOLCANOENGINEDATAINTELLIGENCEVeDI非线上渠道的客户行为事件如何采集场景一：用户在线下网点、智慧柜台、远程银行、取号机等设备和营业厅发生的交互事件线下场景中的用户洞察：用户通过银行线下网店访问智能柜台或移动营销，从客户的业务办理类型、交易金额、办理时间等数据中推断其行为和需求。线上线下联动洞察用户画像：通过实时上报的线下访问行为查询用户画像、标签等属性信息。线上自动化触达柜台经理：通过上报行为和ID实时进行IDmapping，并将实时查询到的用户属性/偏好标签推送至对应的管户经理或柜台经理，实现线上线下的打通和联动。场景二：通过DataFinder外部数据源接入能力对接发卡环节的领卡、审批等事件线下用户行为：客户线上申请办理信用卡，线上只覆盖了浏览办卡页->申卡，后续的审批节点和开卡、绑卡节点等，都不在线上埋点采集范围，从业务整体视角出发，需要跟踪分析整个办卡到首刷全旅程。全渠道数据打通：通过信用卡审批系统后台数据回流，或数据中台直接上报到DataFinder，补齐非线上旅程埋点。超大数据量下的高性能保障与扩展能力DataFinder在抖音集团内部场景下已实现日事件量万亿级的行为数据采集分析，私有化部署已支撑百亿级日事件量客户的平稳运行，目前已有数十家金融机构投入使用，满足金融场景客户亿级日事件量的实时行为分析能力。商业化场景的性能、稳定性已得到充分验证。DataFinder对外服务一键扩容DataFinder对外服务一键扩容服务A(pod) 服务A(pod) 规划扩容有状态存储一键扩容服务A(pod)有状态存储运维监控规划扩容有状态存储无状态服务底座(基于K8S)火山引擎私有化底座(基于K8s)服务器A服务器B服务器C服务器...服务器N41智能治理与监控ChatBl智能治理与监控ChatBl搭载豆包大模型的AI智能分析助手通过豆包大模型能力，帮助用户更轻松、更高效地进行数据分析。在数据采集管理、数据发现使用、数据洞察决策融入智能化能力，帮助机构提高数据使用效率、降低使用门槛。事件/属性自动定义错误检测与纠正图表解读图表生成与探索大模型带来了什么DataFinder智能分析助手，提供端到端的AI能力，提高效率、降低门槛、AI辅助让数据分析不再是少数专业人士的专属。随着数据分析使用与普及，使他们在日常决策中自然而然地运用数据分析思维。使数据驱动在一线业务场景中进一步落地。事件/属性自动定义错误检测与纠正图表解读图表生成与探索埋点规划建议数据供给提效数据开发人员IT工程师数据分析师埋点规划建议数据供给提效数据开发人员IT工程师数据分析师数据消费扩大数据分析师业务使用者企业管理者自然语言分析大模型擅长什么大模型擅长什么知识搜索与生成语义理解与翻译归纳总结提供分析思路数据解读与文本生成埋点事件智能检测过去：异常埋点发现难现在：AI能力支持即时发现异常异常发现难：在数据分析和处理过程中，数据质量异常的发现是极为困难的。时常由于异常数据影响数据的准确性和可靠性，还可能导致分析结果出现偏差，在过去只能在使用数据分析时才能发现。即时发现：通过AI能力在不提供预置埋点异常检测人工规则条件的前提下，可借助大模型能力基于客户已有数据埋点，智能的、及时的给出可能的异常埋点待排查清单。过去：异常埋点发现难现在：AI能力支持即时发现异常异常发现难：在数据分析和处理过程中，数据质量异常的发现是极为困难的。时常由于异常数据影响数据的准确性和可靠性，还可能导致分析结果出现偏差，在过去只能在使用数据分析时才能发现。即时发现：通过AI能力在不提供预置埋点异常检测人工规则条件的前提下，可借助大模型能力基于客户已有数据埋点，智能的、及时的给出可能的异常埋点待排查清单。42VeDIVOLCANOENGINEDATAINTELLIGENCEVeDI功能简介无需人工配置数据入库校验规则，将埋点上报事件输入给豆包大模型。豆包大模型具备强大的自然语言处理能力和深度学习算法，能够深入理解事件上报的含义。它会自动对上报的Json进行全面解读，通过复杂的分析和计算，给出是否异常的准确判断。不仅如此，豆包大模型还会进一步推测错误的可能原因，为后续的问题排查和修复提供有力的支持和指导。这种智能化的处理方式极大地提高了数据处理的效率和准确性，降低了人工干预的成本和风险。AI能够自动生成一个可能的异常埋点待排查清单给出异常原因与优化建议AI能够自动生成一个可能的异常埋点待排查清单给出异常原因与优化建议AI配置助手过去：配置复杂，门槛高现在：AI加持下的用户自助分析配置条件复杂，普通用户难以自行配置，需要专业人士协助，这使得数据工具在企业过去：配置复杂，门槛高现在：AI加持下的用户自助分析配置条件复杂，普通用户难以自行配置，需要专业人士协助，这使得数据工具在企业在DataFinder中，利用豆包模型通过项目中历史数据配置条件，可以推荐合适的埋点数据与查询条件配置。帮助助业务使用者，快速应用关键的用户行为数据，使普通用户可自助使用分析功能即时查询数据。43功能简介在DataFinder中，利用豆包大模型通过项目中历史数据配置条件，可以推荐合适的埋点数据与查询条件配置，帮助业务使用者，快速应用关键的用户行为数据，减少查找时间。AI搜索:AI的搜索能力可以大幅扩展用户的搜索范围，通过自然语言处理技术，AI能够理解用户的查询意图，并匹配到相关的事件或指标。这种能力使得用户不需先学习埋点文档或是询问埋点名称，大大提升寻找数据的效率。图表配置:利用AI的信息汇总和理解能力，可以将现有的图表条件转化为AI推荐的选项。用户可以直接使用这些推荐的已有选项，这大大降低了新手用户的使用难度，使得图表配置变得更加直观和简单。关联指标推荐：当用户选择某个事件指标时，AI能够基于项目中的历史分析记录和数据含义，推荐与之相关联的其他事件和指标。这种推荐机制帮助用户发现潜在的指标关联性，帮助使用者明确需要一同分析的指标。界面展示44VeDIVOLCANOENGINEDATAINTELLIGENCEVeDI数据图表解读过去：数据图表理解门槛高现在：AI智能分析和趋势解读，提升效率理解门槛高：对于大多数普通用户来说，数据复杂性和多变性是一道难以逾越的障碍。想做好基础图表得理解，需要去被很多的数据分析知识，往往只能从宏观上直觉的感知变化趋势，而难以深入洞察数据背后的深层变化。提高效率：数据解读能够智能分析和总结数据情况，帮助普通用户快速理解数据的含义。同时，自动识别数据中的趋势和异常情况，并以简洁明了的方式呈现给用户。用户不再需要花费大量时间去解读复杂的数据图表。AI的智能分析和总结功能可以快速提供数据的核心见解，极大地提升了数据处理和分析的效率。过去：数据图表理解门槛高现在：AI智能分析和趋势解读，提升效率理解门槛高：对于大多数普通用户来说，数据复杂性和多变性是一道难以逾越的障碍。想做好基础图表得理解，需要去被很多的数据分析知识，往往只能从宏观上直觉的感知变化趋势，而难以深入洞察数据背后的深层变化。提高效率：数据解读能够智能分析和总结数据情况，帮助普通用户快速理解数据的含义。同时，自动识别数据中的趋势和异常情况，并以简洁明了的方式呈现给用户。用户不再需要花费大量时间去解读复杂的数据图表。AI的智能分析和总结功能可以快速提供数据的核心见解，极大地提升了数据处理和分析的效率。功能简介全面、自动化且用户友好的数据解读，它通过基础度量、对比性度量、变异性度量、连续性趋势分析、波峰波谷识别、综合指标描述、周期性分析、关键信息自动总结以及趋势和模式识别，帮助普通用户可以更低成本的提炼出数据关键信息。界面展示450505通过数据开放能力，便捷融入到银行现有架构体系VeDIVOLCANOENGINEDATAINTELLIGENCEVeDI典型数据开放与数据集成场景通过埋点数据分发和客群、元数据对接能力，可快速实现与银行现有架构与应用之间实现数据集成：与标签平台之间数据集成：支持以【实时方式】，将用户行为埋点事件，开放给标签平台应用，以支持标签平台内部基于用户行为埋点事件构建用户行为标签，或者用于断点营销人群圈选。与营销运营平台之间数据集成：支持以【实时方式】，将用户行为埋点事件，开放给行内营销运营平台，以支持事件触发的营销场景，如APP开屏弹窗营销场景等。与数仓/数据平台之间数据集成：支持以【离线批量方式】，将用户行为埋点事件，开放给数仓/数据平台，以支持在数仓中进行行为埋点与业务数据的深度融合加工，服务更多应用场景。与风控决策引擎的数据集成：支持以【实时方式】，将选定范围的用户行为埋点事件，开放风控决策引擎，实现用户申卡/申贷场景，将用户行为埋点纳入风控决策场景，如【基于用户设备指纹的欺诈侦测】等场景。通过配置化方式，快速实现数据集成DataFinder平台，支持通过参数化配置方式，配置实时、离线批量数据开放集成任务，将数据高效开放给下游应用。470606配套保障机制构建VeDIVOLCANOENGINEDATAINTELLIGENCEVeDI新平台上线后关键保障角色与能力培养银行现状火山引擎增值服务银行现状火山引擎增值服务关键角色通常设置在哪个部门主要职责需求提出人APP项目组（存款、理财、分期、信贷等）/私域项目组（小程序、公众号等）等业务部门对业务：负责业务指标梳理、统筹埋点需求；埋点收口人对科技：负责埋点规范设计、埋点质量验收埋点开发 科技部 埋点测试科技部埋点测试在出现埋点质量问题（埋点错漏、埋点不好用、找不到从哪里找埋点、不敢与行方共同梳理和定位「埋点收口人」的职责后，火山引擎也会提供对应的分析师陪跑服务，保障各角色共同遵循埋点需求流程规范并通过埋点平台执行到位：火山引擎分析师陪跑服务专业埋点人员培训精细化分析启迪典型场景共创平台配置落地带做核心目的:通过典型场景培训行内平台大数据部/数据金部/数据管理部等数据运营部门，掌握指标体系搭建和埋点设计能力，并能快速基于DataFinder完成埋点录入和行为分析，赋能业务精细化分析，促进业务增长。专业埋点人员培训精细化分析启迪典型场景共创平台配置落地带做埋点收口人作为业务需求方和埋点技术团队的接口人至关重要，手把手培训其关于理解业务目标及需求梳理规范、埋点设计规范等，帮助其顺利landing火山引擎实施过多家股针对典型场景开展同业指标体系搭建实践深度埋点收口人作为业务需求方和埋点技术团队的接口人至关重要，手把手培训其关于理解业务目标及需求梳理规范、埋点设计规范等，帮助其顺利landing火山引擎实施过多家股针对典型场景开展同业指标体系搭建实践深度选取典型业务场景，如理财/信贷/存款/分期等业务场景，基于业务目标进行指标体系及埋点采集方案的共创约定真实的需求场景进行全流程实战，客户方主实施，火山引擎以指导答疑形式配合落地，让业务和数据部门均能遭循规范并通过平台执行到位49埋点治理保障机制与支持工具埋点治理通常面临的典型问题银行客户面临的埋点治理问题我行存量埋点有几十万+，我行存量埋点有几十万+，怎么跟新一代平台结合来用?每次要用数要分析的时候就发现埋点数据不对或根本没埋...特别大，新一代平台能否提供有效降本增效的方式?业务提需“应埋尽埋”,怎么过正确规范业务提需?埋点有问题了不知道找谁?去哪里可以查得到我行有哪些埋点?火山引擎DataFinder将如何结合各大银行客户实际情况提出可落地、可执行并且可持续有效推进的埋点治理解决方案呢?构建埋点治理全流程，保障数据高质量可用埋点治理绝非单独某个人的职责所在，而是以「埋点收口人」为核心驱动力，构建起多角色协同联动的完整全流程。唯有如此，方能高效保障埋点数据的准确性、完整性和可用性：PM/需求申请人DA/埋点收口人RA/开发负责人QA/测试负责人PM/需求申请人DA/埋点收口人RA/开发负责人QA/测试负责人埋点需求 埋点需求 拆解需求尽量与产品需求一起 产品平台中设计方发起联合评审联合评审(所有角色)发起埋点埋点开发埋点测试需求验收埋点验收埋点管理流程规范最佳实践参考产品化 线下流程50VeDIVOLCANOENGINEDATAINTELLIGENCEVeDI埋点治理支撑工具，提升治理流程线上化与效率埋点治理是一个长期而持续的工作，需要不断地投入精力和资源。火山引擎提供DataGoverner埋点管理平台助力银行实现全线上管理一站式服务。增量埋点：火山引擎可提供配套银行定制化的流程与机制，确保各部门之间能够高效地合作，共同保障埋点质量存量埋点：火山引擎可提供存量埋点治理建议，协助行方识别出无用埋点并做下线处理，同时借助平台上埋点白名单、埋点分级、例行无用埋点的治理功能助力行方数据管理员owner实现自主化的治理规划通过产品能力升级和流程机制完善，助力行方实现真正的降本增效：火山引擎埋点治理保障机制与支持工具可持续的治理路径可持续的治理路径埋点全线上管理埋点全线上管理看的见埋点管理埋点需求 埋点开发与测试埋点治理 埋点分析与监控流程与流程与规范 机制理得清流程阶段 ＋ 角色(责任人) ＋ 职责 ＋产出(含交付标准)及动作埋点白名单埋点白名单埋点分级例行无用埋点治理改得准赋能更多业务元数据质量治理，打破信息孤岛广泛应用、驱动业务埋点交付质量治理DA按需求验证埋点、RD按需求自测产品化自测&验收流程，量化交付质量产品能力升级注：DataFinder新一代平台产品能力510707方案综合优势VeDIVOLCANOENGINEDATAINTELLIGENCEVeDI对比项总体火山引擎新一代全渠道旅程分析自开发埋点系统/mpass先沉淀至数仓再由人工提取加工，分析效率低，数据时效性独立第三方埋点工具埋点采集范围相对自研系统更广，可提供部分预置看板，但数据结构不开放，难以支持二次开发，只能独立应用无法与上下游系统拉通。产品由抖音集团内部业务孵化，覆盖全场景数据采集和10余种内置分析模型，查询性能极高，能够低成本实现与行内系统的数据交换，实现全渠道数据拉通。数据采集支持覆盖常见SDK和业务数据导入工具，可满足代码埋点和全埋点场景，更提供便捷的埋点开发工具，提升埋点开发效率。支持弱性相对较低，无法关联线下业务数据。支持前后端采集能力相对齐全，但SDK层提供的开发工具较少。数据加工支持数据资产可供二次开发，配备标准化离线、实时数据分发能力。支持数据可回流到数仓，数据提取依赖人工处理，效率低。支持弱底层数据不透明，二次开发需要服务商收费定制开发。埋点治理支持可配套专业埋点治理工具及字节内部埋点治理方法论。支持弱不支持专业治理工具。部分支持分析模型领先打破传统工具对于“应用”这一单一分析支持弱分析模式缺失，只能满足基础统计查询，不具备算法模型。支持弱单一主体（受到底层模型限制，未来也很难扩展）不支持数据跨项目分析。计算性能高性能使用最新一代OLAP引擎ByteHouse，计算性能极高，数据上报、处理到可用仅无优势