天弘基金作爲國內總規模最大的公募基金，阿里雲MaxCompute爲我們構建了企業級一站式大數據解決方案。MaxCompute對於海量數據的存儲、運維、計算能力強大且安全穩定，阿里雲服務將原本需要清算8小時的用戶交易數據縮短至清算1個半小時，同時減少了本地服務器部署壓力，在顯著提升我們工作效率的同時減少了大量開發成本和人力成本，使我們能更專注於業務發展，爲用戶提供高品質、高價值的金融服務。
背景：
隨着餘額寶用戶數持續呈指數級增長，數據量也成倍增長。在這種情況之下，已經無法通過簡單的hadoop集羣進行數據的管理工作，而業務端面臨需要通過數據瞭解用戶、分析行爲進而對業務決策和用戶行爲進行精準預測。基於這些業務的需求驅動需要一個大數據平臺來承載，我們在對穩定性、成本、自身能力和複雜度等進行綜合考量後，決定採用當前最流行和最成熟的雲平臺·阿里雲MaxCompute。
目標：
搭建大數據平臺從技術指標的角度是數據存儲和數據計算兩大目標，而從各個業務環節的角度看是數據採集、數據清洗、在線/離線分析與預測、實時/非實時查詢。而業務目標是爲了能夠快速響應業務需求，能夠爲業務分析提供穩定的開發和建模平臺，爲業務提供邏輯清晰和靈活便捷的可視化平臺。從而實現從數據支持業務到數據驅動業務的逐步升級。
解決方案及架構：
整個架構都是搭建在阿里雲上的，該架構是成熟的三層架構：採集層+整合層+應用層。
採集層：
採集層對接了我們幾乎所有的業務，採集數據的頻率有實時的、分鐘級、小時級、日級、月級，支持不同的採集頻率，而且這些都是靈活可配置的。將採集的數據通過企業級的數據交換平臺進行存儲和交換，該平臺使用OSS實現。通過OSS可以實現數據的中轉、分發和備份存儲。
整合層：
在整個整合層包含了五大區：緩衝區、ODS區、整合區、主數據和彙總區。不同的區域爲了實現不同的功能，緩衝區是爲了在正式進入數倉應用數據模塊之前進行數據質檢，滿足質檢後方可進行真正的加工處理，避免因爲數據錯誤污染整個數倉的數據；ODS區是爲了保留源系統格式的數據模塊，一方面能夠在有問題時追根溯源，另一方面能夠滿足部分業務的需要；整合區是數據倉庫的核心區域，通過主題建模的方式進行數據的模型化處理，使得數據的解釋口徑具有統一性；主數據則是與業務結合比較緊密的主題數據，這樣更方便業務方的使用；彙總區則是提前將需要預加工統計的數據進行統計計算，避免多次開發計算帶來的時間成本、開發成本和計算成本等。
應用層：
應用層主要是通過監控、管理看板、報表等可視化系統給業務提供直觀的數據呈現，從而爲業務的決策提供更加有力的數據支撐。在應用層通過RDS、ADS、HBase等不同的產品滿足了不同的需求。
對於數據倉庫來說是一個比較複雜的系統，需要很多配套的系統輔助才能做好這樣的項目。而其中很多系統在dataWorks中都已經產品化，大大的簡化了大數據平臺的搭建和運維，提供了一站式的解決方案，而且通過阿里雲Dataworks能夠實現敏捷開發、快速響應、輕量化運維、低成本的實現大數據平臺架構。其中包括最核心的調度系統、權限管理、元數據管控、數據安全保護傘等等一系列功能。而在使用中，數據分析師能夠快速上手完成數據的加工和分析。
業務價值案例：
收益王者：
收益王者產品幫助廣大用戶追蹤頭部用戶的交易行爲，使用用戶自身數據來影響用戶心智，滿足了用戶的窺私慾、攀比欲。該產品爲用戶提供了投顧化的數據服務，爲公司提升了用戶粘性及交易轉化，在2018年實現銷量數億元。在開發過程中，數加幫助我們快速、精準地處理海量用戶交易數據，爲該產品數據的準確性、穩定性、及時性提供了有力的保障。
產品AI推薦：
我們根據用戶自身屬性、交易行爲、資產屬性以及與他類似的用戶的產品關注和交易行爲，預測每位用戶當前最感興趣的基金。產品AI推薦與傳統的僅從市場出發的產品推薦不同，我們從用戶的角度，根據用戶的行爲數據，做出千人千面的產品推薦，提升了用戶體驗，並提升了交易轉化率。在特徵加工、模型開發、預測結果投入使用的過程中，dataworks爲我們提供了整套技術架構，包括算力強大的odps、組件豐富的pai機器學習平臺以及ADS、RDS等產品，滿足了我們各方各面的需求。