2022年，《中国银保监会办公厅关于银行业保险业数字化转型的指导意见》中指出银行需全面深化数据在银行业务经营、风险管理、内部控制中的应用，提高数据应用能力，激活数据要素潜能，加强数据可视化、数据服务能力建设，降低数据应用门槛。
二、银行数据应用新痛点基于以上背景，银行只有全面提高数据应用能力，坚持推进数字化转型，才能在复杂的经济金融形势下进一步提升自身竞争力。
但是，随着银行数据化运营能力的提高，数据应用服务持续增多，十几个分散的数据应用服务平台，以及按需开发的模式，导致数据服务链路较长、效率低下，无法满足银行统一化、便捷化、及时化、自助化、甚至是智能化用数的需求。
在对金融行业长期深耕细作的调研、产品研发和项目实施服务中，思迈特软件针对银行特定的业务形态、技术架构、发展目标等实际需求，推出了Smartbi银行统一数据门户解决方案，有效解决了以上难题。
三、方案介绍Smartbi银行统一数据门户解决方案，通过体系搭建、数据整合、数据保障、数据应用等一整套设计逻辑，实现了数据的统一处理、用户的统一管理和登录界面的统一风格，打造了一个覆盖多用户层级、灵活自由、可扩展、可支撑银行各业务领域中数据查询、数据分析、数据共享的一站式数据工作平台。
01 统一入口
Smartbi通过统一登录、统一权限、统一运营来打造一站式数据工作平台，作为全行数据相关应用的流量入口，打通总行领导、业务部门、分支机构应用数据的最后一公里，提供便捷、高效、全面、智能、安全的数据服务，进而推广数字化分析应用。
统一数据门户提供数据速览 、快速入口、智能推荐等功能让用户快速获取关注数据，并且看的清、找的准、用的好！
目前Smartbi已经实现数据门户组件化，不仅拥有丰富的门户组件类型，用户只需要通过简单的拖拽、可视化设置等操作就可以高效地完成数据门户开发。
02 自助分析
通过数据自助、工具自助、分享自助“三步走”，建设以业务用户为中心的自助数据分析平台，解决业务需求临时性和多变性的及时响应问题，辅助业务决策。
第1步：数据自助
通过以数据安全为前提的数据资源导航服务，帮助用户了解到数据的分类/类型、数据存储的位置等。
第2步：工具自助
为了适应不同的需求，Smartbi提供多种数据分析工具，用户可自主查询数据、分析数据，或者完成数据报表、报告。
第3步：分享自助
优秀的分析应用成果，可以通过自定义用户群组进行分享和交流，快速推送数据给关注群体。
04 共享互动
数据分析报表可以打包成数据分析应用，并发布至应用商店。商店内所有的分析应用皆支持浏览、复用、评论、点赞、分享等功能，一方面能激励用户创造出更多优秀成果，另一方面又能推动企业数据分析的文化氛围！
05 运营推广
运营推广阶段可以通过大屏和各类丰富的报表报告，全面展示数据平台工作价值，并可对各单位使用和分析进行成果绩效排名，比如：对数据资源进行盘点、对业务分析使用情况进行排行展示，还可以向用户展示平台资源访问情况。
四、方案价值
Smartbi银行统一数据门户方案，秉持金融数字化创新、协调、绿色、开放、共享的新发展理念，积极提高数据应用能力，全面深化数据在业务经营、风险管理、内部控制中的应用，构建数据统一入口、自助分析、共享互动、运营推广的一站式数据工作平台，实现一套可持续“让数据用起来”的数据服务和运营体系，将数据资产快速形成服务能力并与业务对接，在业务中产生数据价值。
通过Smartbi一站式数据服务平台，统一各集成应用的入口，借助便捷的数据服务，实现全员自助分析、数据共享的文化氛围。
五、典型案例
Smartbi拥有丰富成熟的金融行业数据门户建设管理经验，目前已在南京银行等多家客户完成了统一数据门户的落地建设，让大数据应用和分析走进全行员工和管理者工作中，激发各层级人员对于数据的认知、挖掘和运用，使得用户看数、找数、用数的效率大大提高，实现了对银行数字化应用的大力推广！
01 南京银行
南京银行使用Smartbi打造了一站式数据服务平台，支撑全行各领域的数据挖掘、数据分析展示、数据共享等，在全行范围内营造自主的数据应用氛围和文化，推广了数据应用的价值。
目前南京银行已经建设到第四期，集成了50+应用平台，用户统一看数与用数，效率大大提高。在第三期中，全行共创建了1000+大数据用例，较去年增加100%，其中分享的优秀案例占比接近50%，真正实现了数据文化的落地。
02 某农信银行客户
为了解决数据分析系统乱、杂、慢、废的问题，充分运用行内外数据，某农信银行客户联合Smartbi启动大数据门户建设项目。Smartbi在该项目的建设中，采用了三步走的实施步骤，即搭框架、深应用、促转型，旨在搭建统一数据工作平台，推进标准化、流程化、自动化、灵活化的门户建设，使数据充分发挥价值，进而推动全行数字化转型。
大数据门户项目上线后，日均在线使用人数600左右，看数用数效率提升5倍。业务人员不再需要科技部门的支持，就能够轻松应对各类数据分析，也释放了科技部门的工作压力，让技术人员转向成了数据分析及数据挖掘的专家。
