不管是银行、证券公司，还是基金公司都在强调数据的价值，都是以数据驱动作为最终追求的目标。对于基金公司来说“投研”是最主要的举措，做一些量化研究和市场分析的投资研究。 富国基金有一个量化投资的团队，它经常会采集一些敏感性的因子去做数据分析报告，因此，他们就需要一些简单易用、能够及时响应的数据分析和挖掘工具，去制作一些报表和图表。

另外一方面，富国基金正在筹建一个数据仓库，但是建设任务比较紧，按照传统的项目周期肯定难以实现规划进度。因此，富国基金就考虑，在成本可控的情况下选择一款敏捷型的BI工具来加速完成数据仓库的建设，更快展示出数据仓库的效果。富国基金的想法是，实时的数据整合，目标是做好数据管理，在此基础上推进富国基金的各种应用。

富国基金希望通过在大数据平台的数据仓库中构建按照主题模型存放数据的模型层，提升数据整合效用与科学性，构建指标层来提升基础数据的复用程度，逐步统一数据出口；同时推动数据管理的落地，数据质量检测与反馈机制逐步优化落实在系统中，最终在数据整合、数据管理、数据应用三个部分相互之间推动良性循环。

营销团队对于数据的专业度不如IT团队那么高，因此，该项目实施的一个重要目标，就是让营销人员可以在永洪科技自服务数据分析平台上自己构建数据模型，亲手制作数据分析报告。例如客户数据分析、产品数据分析，还有绩效数据分析的报告。

大数据时代，很多公司都在考虑建设自己的大数据平台，强调进行数据化运营的理念，那么富国基金在这个部分是如何考虑与规划的？

相较于银行等金融机构的“大数据”，基金公司在经营管理中所产生的信息以数据量比较只能称之为“小数据”。然而如何有效整合、管理“小数据”，如何将“小数据”用“大”用好，是富国基金与同业都非常重视的部分。“数据虽小，五脏俱全”，结构化、半结构化、非结构化数据以及外部数据在富国基金一样都不缺。与拥有“大数据”的机构一样，数据整合、数据管理、数据应用也是富国基金在建设大数据平台需要全面规划与考虑的。

对于结构化数据，我们以往的做法是将源数据集成进来以快速应用为目标加工之后就直接使用了，数据之间的关系在一定程度上呈网状互联的关系。重复加工，数据质量的问题时有困扰，我们希望通过在大数据平台的数据仓库中构建按照主题模型存放数据的模型层提升数据整合效用与科学性，构建指标层来提升基础数据的复用程度，逐步统一数据出口；同时推动数据管理的落地，数据质量检测与反馈机制逐步优化落实在系统中，最终在数据整合、数据管理、数据应用三个部分相互之间推动良性循环。

在BI工具选型的阶段，富国基金当初有什么样的考虑？

在选型伊始我们问了自己一个问题：是否可以尝试一下敏捷型BI？在回答这个问题的过程中，我们与公司相关业务部门进行了多次沟通与相关BI产品的演示。从反馈来看，更低的上手门槛、更大的灵活性、更少的试错成本、更短的IT周期是业务部门比较一致的诉求。

我们认为，强调更短的IT周期、更多的业务自主使用，这恰是敏捷型BI的理念与定位所在。在这个领域，永洪科技属于国内较早涉足敏捷型BI产品的公司。