【云栖号案例 | 互联网】启信宝通过数加平台快速迭代,驾驭8000万企业征信

本文涉及的产品
大数据开发治理平台 DataWorks,不限时长
云数据库 RDS MySQL Serverless,0.5-2RCU 50GB
简介: 启信宝面临数据融合工作的复杂性、对数据变化的实时性要求高等挑战。通过数加平台产品快速迭代、成本降低、打破数据融合瓶颈,提升了产品开发效率。

云栖号案例库:【点击查看更多上云案例】
不知道怎么上云?看云栖号案例库,了解不同行业不同发展阶段的上云方案,助力你上云决策!

公司简介

我们上海生腾数据科技有限公司研发的启信宝产品的核心功能包括搜索引擎、企业链图、关系族谱、企业监控、企业舆情以及企业信用报告等。我们的启信宝产品目前支持APP、网页以及微信三种不同版本,另外还提供API调用方式。客户主要面向个人客户和企业客户,目前个人用户数已达到800万以上,企业客户以金融行业为主。

业务痛点

我们作为一家以大数据为核心竞争力的公司,借助大数据为客户降低执业风险、经营风险、投资风险和借贷风险,为客户提供数据解决方案以进行精准营销、拓客展业,为客户借贷管理、投资理财提供决策依据。主要面临的挑战为:

  • 高时效性。
    我们作为一家成立时间较短的企业,为了不断满足客户新的需求以及提升客户体验,并快速确立市场领先地位,产品的迭代需要非常快速,基本上三周以内会迭代一次,而且通过每一次的迭代在数据上、挖掘上都需要有一些可以打动客户的亮点,这就要求采用的大数据平台能够满足时效性的需要。
  • 低成本。
    我们作为创业公司,不仅对时效性有很高要求,成本也是重要的考量因素,需要以采用的大数据平台能够支撑快速、高效、低成本的产品迭代。
  • 数据处理量巨大、对数据变化的实时性要求高。
    目前,我们公司的启信宝产品仅日志数据的数据量已达到TB级别,每天会对日志数据进行几十个任务的调度处理来进行日志分析。另外,舆情方面的数据实时性要求较高,需要实时处理及更新并能够实时进行内容多维查询和统计分析。
  • 可扩展性。
    我们作为一家数据公司,需要大数据平台能够应对未来极有可能发生的的数据量的爆发式增长,架构可伸缩,弹性的满足需要,避免不必要的IT费用。另外,未来我们公司的启信宝产品将会在大数据采集和挖掘上持续发力,在企业信用信息展示的前提下,同时注重挖掘企业背后的舆情信息及商业关系,这就需要大数据平台的功能可扩展,既可以满足数据采集处理、可视化报表展示、多维分析等基本需求,也可以满足预测分析、机器学习及人工智能等方面的高阶分析需求。
  • 数据融合工作的复杂性。
    我们公司的启信宝产品数据来源非常丰富,因此需要跟周边各种数据源打通。举个例子,有些大数据项目真正进行开发算法、模型的时间会很短,大概一两天左右就可以完成,但这往往仅为“冰山一角”,实际上,由于数据兼容性问题,数据准备工作异常繁杂,可能会用到一周甚至更长的时间。

解决方案

我们公司的启信宝产品作为垂直企业信息搜索平台,立足于企业征信信息的披露,基于海量大数据,为泛金融、泛投资、泛法律和商务用户提供企业信息画像、风险管理、营销决策等可量化数据服务,以客户为中心,让数据说话,让商业更真实。启信宝基于阿里云数加平台进行数据的整理和分析。

  • 主要数据来源:互联网采集的数据以及API调用的第三方的企业数据。
  • 数据处理分析:应用数据采集到阿里云存储容器,通过数加平台进行二次加工处理,最终同步到阿里云存储容器中进行数据展现分析。
  • 应用层:支撑企业图谱、企业监控、深度报告、搜索引擎等不同产品形态。

上云价值

  • 阿里云数加和基础云服务平台的敏捷性很好的支撑了我们公司启信宝产品的快速迭代。我们第一个版本微信版本于2015年5月初上线,到现如今启信宝已上线APP版、Web版,同时还支持API外接,业务也做了相应扩充,分别面向个人和企业客户,通过客户需求不断的推进和拓展,期间经历了大量的小版本迭代。目前,2C的业务,客户反馈较好、活跃度较高,反映在是使用时长等各方面;2B业务,结合行业应用场景以及启信宝自身数据,正在不断提供一些更好的行业解决方案。
  • 使用阿里云数加,成本大大降低。阿里云数加的整个数据处理流程非常完善;其次,这一块的成本会比较便宜,而且可以节省我们大量的人力,这也是很重要的一块;另外,售后技术服务周到快速也是我们选择阿里云数加的原因之一。
  • 阿里云数加的按需付费模式以及产品功能完备性,使得我们对未来快速发展更具信心。阿里云完全满足我们未来数据吞吐量和可扩展性的需要,阿里云数加包含大数据基础服务、数据分析与展现、数据应用以及人工智能的大数据全链路产品,经过阿里内部锤炼和业务验证,可以支撑EB级数据海量处理。
  • 阿里云的大数据产品生态具有完备性和开放性两大特点,打破数据融合瓶颈,大大提升了产品开发效率。阿里云提供四通八达的数据传输交互服务,让数据不再成为孤岛,加速数据融合。

相关产品

  • 大数据计算服务 · MaxCompute

MaxCompute(原ODPS)是一项大数据计算服务,它能提供快速、完全托管的PB级数据仓库解决方案,使您可以经济并高效的分析处理海量数据。
更多关于阿里云MaxCompute的介绍,参见MaxCompute产品详情页

  • DataWorks

DataWorks是一个提供了大数据OS能力、并以all in one box的方式提供专业高效、安全可靠的一站式大数据智能云研发平台。 同时能满足用户对数据治理、质量管理需求,赋予用户对外提供数据服务的能力。
更多关于阿里云DataWorks的介绍,参见DataWorks 产品详情页

  • 分析型数据库MySQL版

分析型数据库MySQL版(AnalyticDB for MySQL)是一种高并发低延时的PB级实时数据仓库,全面兼容MySQL协议以及SQL:2003 语法标准,可以毫秒级针对万亿级数据进行即时的多维分析透视和业务探索。
更多关于分析型数据库MySQL版的介绍,参见分析型数据库MySQL版产品详情页

【云栖号在线课堂】每天都有产品技术专家分享!
在线课堂地址:https://yqh.aliyun.com/zhibo

立即加入社群,与专家面对面,及时了解课程最新动态!
【云栖号在线课堂 社群】https://c.tb.cn/F3.Z8gvnK

相关实践学习
数据库实验室挑战任务-初级任务
本场景介绍如何开通属于你的免费云数据库,在RDS-MySQL中完成对学生成绩的详情查询,执行指定类型SQL。
阿里云云原生数据仓库AnalyticDB MySQL版 使用教程
云原生数据仓库AnalyticDB MySQL版是一种支持高并发低延时查询的新一代云原生数据仓库,高度兼容MySQL协议以及SQL:92、SQL:99、SQL:2003标准,可以对海量数据进行即时的多维分析透视和业务探索,快速构建企业云上数据仓库。 了解产品 https://www.aliyun.com/product/ApsaraDB/ads
相关文章
|
11月前
在线教育行业云上技术服务白皮书-在线教育现状:玩家分布情况、市场占有率等-重点企业分析
在线教育行业云上技术服务白皮书-在线教育现状:玩家分布情况、市场占有率等-重点企业分析
|
存储 搜索推荐 数据挖掘
LinkFlow CDP科普篇05:客户数据中台,当代数字化营销的顶梁柱
客户数据中台(CDP)的出现,打破了现有的SaaS营销栈格局
142 0
|
机器学习/深度学习 新零售 人工智能
阿里云大数据各行业客户实践案例
本文罗列了部分阿里云上各行业的客户分享案例,包括金融、教育、电商、互娱、游戏、新媒体等几十家客户的心得分享
1920 0
|
小程序 Devops 中间件
【云栖号案例 | 交通&物流】厦门航空通过移动研发平台助力研发效率提升50%
厦航急需提高移动端及系列企业级应用的迭代研发效率 上云后提升应用的页面效果与加载速度、线上快速修复BUG的基本诉求,完成全渠道对接互通。
|
运维 安全 搜索推荐
【云栖号案例 | 金融】汇付天下通过移动研发平台提升运营效率 打造企业级移动中台
公司期望依托EMAS平台快速完成业务移动化的专项升级目标 以便提供千人千面推荐服务。2个月时间内各项营销活动的用户流量和活动打开率增长100%以上。
【云栖号案例 | 金融】汇付天下通过移动研发平台提升运营效率  打造企业级移动中台
|
新零售 供应链 算法
【云栖号案例 | 新零售】银泰上云 打造“从-1到0再到1”数字化成长逻辑
为应对愈加激烈的竞争态势,交易数字化可以进一步提升消费者体验,通过联营、直营的方式,增强控货能力,优化供应链,全面实现“线上线下一盘货”的布局。
【云栖号案例 | 新零售】银泰上云 打造“从-1到0再到1”数字化成长逻辑
|
机器学习/深度学习 存储 分布式计算
【云栖号案例 | 制造】明源云通过数加平台降低大数据的应用门槛
明源云存在数据的缺散乱现象同时需要将纸质数据搬到云端数据库上。上云后从存储、计算、上层应用,提供一整套的解决方案,与阿里云生态共同成长。
【云栖号案例 | 制造】明源云通过数加平台降低大数据的应用门槛
|
分布式计算 NoSQL 关系型数据库
【云栖号案例 | 互联网】高德“一键”上云 实现核心数据“3点产出”
高德飞速的发展同时,面临烟囱过多,影响效率、需提高网络弹性等问题。高德引用MaxCompute统一了数据仓库,数据计算效率提升30%,并带来了一键资源扩容能力。
【云栖号案例 | 互联网】高德“一键”上云 实现核心数据“3点产出”
|
SQL 分布式计算 运维
以斗鱼为例,揭秘企业大数据上云的挑战与变化
MaxCompute + Hadoop 混搭大数据架构实践。
1810 0