背景介绍 

伴随人工智能、大数据、云计算等新兴技术的高速发展，数字与信息的融合正在颠覆传统模式。而实现数字化转型并非一蹴而就，如何利用技术手段实现业务优化的路径，如将大量工业技术原理、行业知识、基础工艺、模型工具等规则化、软件化、模块化，并封装为可重复使用的组件；具体包括通用类业务功能组件、工具类业务功能组件、面向工业场景类业务功能组件等往往存在诸多挑战。

数据建模产品可以作为不同技术背景和业务经验的各类人员有效沟通数据需求的重要媒介，通过统一的数据模型可以帮助描述与沟通数据需求、增加数据的精确性与易用性、降低系统的维护成本并增加数据可重用性。并且在数据管理中处于向上承接业务，向下引导数据的关键地位，是承载着数据需求的元数据、数据集成与互操作的起点、数据存储和操作的结构保障、数据安全需求分析的参考、数据质量校验的对象、是形成数据质量规则的基础、是数据仓库和BI的抽象化支撑、是参考数据与主数据的一致性指导。

 产品简介 

由威廉希尔中文网站自主研发的一款“一站式、零编程、可视化”的大数据智能建模分析产品，通过简捷的、拖拽式的、可视化的流程设计即可搭建业务模型，最大程度上降低了数据分析实施的技术门槛，使复杂的建模工作简单化、重复的工作智能化，为用户提供一站式的大数据建模与分析。

 产品价值 

面向各行各业在大数据建设过程的应用诉求构建智能数据体系，提供从数据准备、数据建模、分析探索、数据可视化到数据API服务等全链路的完整解决方案，充分满足建设数据过程中的多样复杂需求，帮助客户打通挖掘数据价值，促进在业务场景中应用大数据。

零基础建模

可通过可视化流程建模完成模型设计，能够极大地降低建模的技术门槛，从而快速地获得高质量的模型搭建，使用户更加直观、简便的获取分析结果。

自助式分析

可自助进行数据的分析、再加工实现数据的探索分析，让用户将“分析”玩起来，拖拖拽拽就可以设计想要的分析图表。

数据可视化

可便捷的构建自定义的仪表盘，通过丰富的可视化图表，让用户的建模结果以更生动更直观的展示出来。

数据服务化

可快速的将模型结果生成数据API，API化的数据服务高效的输出数据至业务应用，让有价值的建模结果发挥出数据的价值。

技战法可共享

围绕着人、地、案、事件、物、组织等统计、画像、关联、线索、预测分析类模型，汇聚各单位的大数据分析模型技战法，形成统一的模型应用市场，最终为用户提供分享与交流平台。

 产品亮点 

拖拽式交互设计

系统具备良好的交互体验和易用的功能设计，能够极大地降低建模的技术门槛，您只需通过拖拽式的流程设计，拖拽节点并配置节点参数就完成模型的搭建。

直观的可视化建模

系统将建模过程抽象成组件，提供可视化模型搭建界面，为用户呈现全程可视化的建模过程，可直观的在模型设计器上拖拽式操作，从建模数据集的选择、组件的编排、参数的配置、节点的调试到运行模型都可以零编程、可视化的配置操作，并提供模型运行结果可视化查看。

全面支持大数据库

系统提供了丰富的数据库类型接入，包括主流的关系型数据库、大数据存储、半结构化存储、NoSQL等。支持关系型数据库、大数据存储、半结构化存储、NoSQL等常用数据库类型的接入。数据库类型包括但不限MySql、Oracle、PostgreSQL、ElasticSearch、Greenplum、外部文件数据源（Excel、csv）、外部数据服务接口等；同时，支持适配各种云平台数据库的适配，包括阿里云RDS、阿里云ADS、阿里云ODPS、华为Mpp等。

可靠的数据运行支撑

通过自主研发的高性能、高扩展性的建模引擎，无论是大数据量还是小数据量的数据分析场景，以及在高并发数、大数据量处理时，均能稳定、高效的支撑。

同时，建模引擎支持在线分析和离线分析两种模式，可以通过实时计算引擎，直接读取数据库表进行分析，适用于对实时性要求较高的数据分析场景；也可以使用流程建模引擎进行离线计算，一般用于业务模型较为复杂、数据量较大、实时性要求相对较低的数据分析场景。

便捷的数据可视化

为了帮助用户更好的理解数据，提供常见的可视化图表和探索分析能力，让用户可以便捷的将模型结果采用图表的形式展现，进一步帮助用户清晰地解读模型数据和启发模型搭建。

快速构建数据服务

系统提供快速将模型生成的结果集生成数据API的能力，以满足不同的业务应用场景对模型结果的使用需求，极大的降低模型结果数据开放的门槛并提升了模型结果的数据价值。

 产品架构 

数据空间：汇聚整合、标准化、统一存储，将数据【管】起来，形成数据目录。

建模引擎：以业务来驱动数据建模，提升数据的应用能力，将海量数据转化为高质量数据资产，从而提供更具个性化和智能化的产品和服务。

建模空间：以数据为基础，依托据建模平台快速的数据和算法的驱动，在快速建模能力、快速构建服务等方面能力。

数据可视：盘活全量数据，以业务来驱动数据建模，充分利用数据，提升数据的价值；打造持续增值的数据资产，形成数据价值闭环。

 应用成就 

应用案例：风险指标量化分析

通过结合大型活动、重大会议、安保数据、线索数据、轨迹数据、采用关系图分析、关联分析等技术，从时间、地理位置、事件相关性、涉稳对象数量多个维度，构建涉稳群体风险指标量化分析模型，对影响涉稳工作的风险因素进行量化，并给出涉稳工作的风险评估结果。

解决方案一：通过群体产生的事件内容量化为六因子模型（时间因子，动量因子，地点因子，环境因子，规模因子，频次因子），根据群体的过往历史事件刻画群体的风险因子，构建群体和个人的风险知识图谱。

解决方案二：基于每个群体的风险因子，在关键节点（时间），发生地（空间）两个维度预测风险程度和可能存在高危风险的群体和个人，提前做好预防和安保工作。

应用案例：防范电信网络诈骗分析

诈骗分子借助于手机、固定电话、网络等通信工具和现代的技术等实施非接触式的诈骗给人民群众造成了大量经济损失,犯罪成员隐蔽。当前问题现状主要如下：首先诈骗类型多样化、演化快速多变，其次被诈人员特征复杂，梳理难度大，效率低，最后防诈宣传人群针对性不强、民众存在抵触，防范成本高。

解决方案：通过自然语言处理精准提取涉诈人员特征，关联挖掘不同诈骗类型的特征画像，快速分析诈骗手法；构建被诈骗人员知识图谱，通过分类、预测与推荐识别未来可能的被诈人员，提升人员防诈针对性与有效性；深度分析不同诈骗类型的高发区域，通过精准宣传降低防诈宣传成本；构建诈骗类型知识图谱，通过机器学习快速分析新诈骗类型的手法，反哺涉诈人员特征分析与预测防范。通过整体态势报告，可以方便领导决策防犯重点。

应用案例：警力优化配置分析

近年伴随着社会经济的迅速发展，社会治安形势日趋严峻，公安机关普遍面临着警力不足的问题。受现实条件的制约，在短期内大规模增加警察数量很难实现。如何科学配置警力，有效整合当前的警力资源，不断挖掘现有的警力潜力，就成为我们自主解决警力不足问题的突破口

解决方案：提取统计每天各时段社区警情，量化警力在单个警情的资源投放情况；分析挖掘派出所每小时忙闲特征，为按分局构建外勤警力资源池，统筹警力资源提供辅助决策；优化警力调度方式，错峰利用有限警力资源。该主题模型优化警力资源配置，让有限的警力发挥最大作用应该推动警力下沉，做大做强派出所，做精做细社区警务，做实做强城区防控，做好做专专业警种。