告别人工，Aloudata 助力某头部险企 24h 盘清百万数据口径

以数字经济为代表的颠覆性力量，正在催生新的商业模式，企业业务增长越来越依赖数据驱动。在某头部险企，伴随其移动互联网业务创新所获得的显著成果，企业数字化转型也不断深入：公司数据总量越来越多、数据来源越来越复杂——截至 2023 年，总任务数近十万，数据表达 50 万＋，字段数达千万级，数据链路复杂度剧增，数据资产管理和数据质量保障面临巨大挑战。

其中监管报送和高管指标链路的问题尤为突出。由于看不清报送指标的上游加工链路，上游数据变更往往无法及时通知报送端，导致报送数据容易出现偏差。而现有的基于 Apache Atlas 所构建的表级血缘准确度不高，且粒度太粗，无法准确看清每个指标的来龙去脉，无法做数据标准的保障落地，该企业不得不组织大量人工通过分析代码来梳理每个指标的计算口径和加工链路。据评估，按照人工每天梳理 4 个指标的加工口径，预估需要 6000 个人日，以 20 人专职投入计算，需要 1 年左右才能完成梳理，人员成本投入数百万，且这种梳理结果保鲜难度极高。

准确、持续盘清百万数据表背后字段口径的关键在于解决四个问题：

基于以上分析，我们建议客户对现有元数据基础能力进行升级，将元数据底座从 Apache Atlas 升级为 Aloudata BIG，以增强元数据智能化服务能力，构建新一代资产管理平台，帮助数据团队提升字段口径梳理效率、监控链路风险，并优化资源成本，让数据治理高效、长效，最终达成“降本增效”这一业务目标。