背景介紹 

伴随人工智能、大數據、雲計算等新興技術的高速發展，數字與信息的融合正在颠覆傳統模式。而實現數字化轉型并非一蹴而就，如何利用技術手段實現業務優化的路徑，如将大量工業技術原理、行業知識、基礎工藝、模型工具等規則化、軟件化、模塊化，并封裝為可重複使用的組件；具體包括通用類業務功能組件、工具類業務功能組件、面向工業場景類業務功能組件等往往存在諸多挑戰。

數據建模産品可以作為不同技術背景和業務經驗的各類人員有效溝通數據需求的重要媒介，通過統一的數據模型可以幫助描述與溝通數據需求、增加數據的精确性與易用性、降低系統的維護成本并增加數據可重用性。并且在數據管理中處于向上承接業務，向下引導數據的關鍵地位，是承載着數據需求的元數據、數據集成與互操作的起點、數據存儲和操作的結構保障、數據安全需求分析的參考、數據質量校驗的對象、是形成數據質量規則的基礎、是數據倉庫和BI的抽象化支撐、是參考數據與主數據的一緻性指導。

 産品簡介 

由巨龍信息自主研發的一款“一站式、零編程、可視化”的大數據智能建模分析産品，通過簡捷的、拖拽式的、可視化的流程設計即可搭建業務模型，最大程度上降低了數據分析實施的技術門檻，使複雜的建模工作簡單化、重複的工作智能化，為用戶提供一站式的大數據建模與分析。

 産品價值 

面向各行各業在大數據建設過程的應用訴求構建智能數據體系，提供從數據準備、數據建模、分析探索、數據可視化到數據API服務等全鍊路的完整解決方案，充分滿足建設數據過程中的多樣複雜需求，幫助客戶打通挖掘數據價值，促進在業務場景中應用大數據。

零基礎建模

可通過可視化流程建模完成模型設計，能夠極大地降低建模的技術門檻，從而快速地獲得高質量的模型搭建，使用戶更加直觀、簡便的獲取分析結果。

自助式分析

可自助進行數據的分析、再加工實現數據的探索分析，讓用戶将“分析”玩起來，拖拖拽拽就可以設計想要的分析圖表。

數據可視化

可便捷的構建自定義的儀表盤，通過豐富的可視化圖表，讓用戶的建模結果以更生動更直觀的展示出來。

數據服務化

可快速的将模型結果生成數據API，API化的數據服務高效的輸出數據至業務應用，讓有價值的建模結果發揮出數據的價值。

技戰法可共享

圍繞着人、地、案、事件、物、組織等統計、畫像、關聯、線索、預測分析類模型，彙聚各單位的大數據分析模型技戰法，形成統一的模型應用市場，最終為用戶提供分享與交流平台。

 産品亮點 

拖拽式交互設計

系統具備良好的交互體驗和易用的功能設計，能夠極大地降低建模的技術門檻，您隻需通過拖拽式的流程設計，拖拽節點并配置節點參數就完成模型的搭建。

直觀的可視化建模

系統将建模過程抽象成組件，提供可視化模型搭建界面，為用戶呈現全程可視化的建模過程，可直觀的在模型設計器上拖拽式操作，從建模數據集的選擇、組件的編排、參數的配置、節點的調試到運行模型都可以零編程、可視化的配置操作，并提供模型運行結果可視化查看。

全面支持大數據庫

系統提供了豐富的數據庫類型接入，包括主流的關系型數據庫、大數據存儲、半結構化存儲、NoSQL等。支持關系型數據庫、大數據存儲、半結構化存儲、NoSQL等常用數據庫類型的接入。數據庫類型包括但不限MySql、Oracle、PostgreSQL、ElasticSearch、Greenplum、外部文件數據源（Excel、csv）、外部數據服務接口等；同時，支持适配各種雲平台數據庫的适配，包括阿裡雲RDS、阿裡雲ADS、阿裡雲ODPS、華為Mpp等。

可靠的數據運行支撐

通過自主研發的高性能、高擴展性的建模引擎，無論是大數據量還是小數據量的數據分析場景，以及在高并發數、大數據量處理時，均能穩定、高效的支撐。

同時，建模引擎支持在線分析和離線分析兩種模式，可以通過實時計算引擎，直接讀取數據庫表進行分析，适用于對實時性要求較高的數據分析場景；也可以使用流程建模引擎進行離線計算，一般用于業務模型較為複雜、數據量較大、實時性要求相對較低的數據分析場景。

便捷的數據可視化

為了幫助用戶更好的理解數據，提供常見的可視化圖表和探索分析能力，讓用戶可以便捷的将模型結果采用圖表的形式展現，進一步幫助用戶清晰地解讀模型數據和啟發模型搭建。

快速構建數據服務

系統提供快速将模型生成的結果集生成數據API的能力，以滿足不同的業務應用場景對模型結果的使用需求，極大的降低模型結果數據開放的門檻并提升了模型結果的數據價值。

 産品架構 

數據空間：彙聚整合、标準化、統一存儲，将數據【管】起來，形成數據目錄。

建模引擎：以業務來驅動數據建模，提升數據的應用能力，将海量數據轉化為高質量數據資産，從而提供更具個性化和智能化的産品和服務。

建模空間：以數據為基礎，依托據建模平台快速的數據和算法的驅動，在快速建模能力、快速構建服務等方面能力。

數據可視：盤活全量數據，以業務來驅動數據建模，充分利用數據，提升數據的價值；打造持續增值的數據資産，形成數據價值閉環。

 應用成就 

應用案例：風險指标量化分析

通過結合大型活動、重大會議、安保數據、線索數據、軌迹數據、采用關系圖分析、關聯分析等技術，從時間、地理位置、事件相關性、涉穩對象數量多個維度，構建涉穩群體風險指标量化分析模型，對影響涉穩工作的風險因素進行量化，并給出涉穩工作的風險評估結果。

解決方案一：通過群體産生的事件内容量化為六因子模型（時間因子，動量因子，地點因子，環境因子，規模因子，頻次因子），根據群體的過往曆史事件刻畫群體的風險因子，構建群體和個人的風險知識圖譜。

解決方案二：基于每個群體的風險因子，在關鍵節點（時間），發生地（空間）兩個維度預測風險程度和可能存在高危風險的群體和個人，提前做好預防和安保工作。

應用案例：防範電信網絡詐騙分析

詐騙分子借助于手機、固定電話、網絡等通信工具和現代的技術等實施非接觸式的詐騙給人民群衆造成了大量經濟損失,犯罪成員隐蔽。當前問題現狀主要如下：首先詐騙類型多樣化、演化快速多變，其次被詐人員特征複雜，梳理難度大，效率低，最後防詐宣傳人群針對性不強、民衆存在抵觸，防範成本高。

解決方案：通過自然語言處理精準提取涉詐人員特征，關聯挖掘不同詐騙類型的特征畫像，快速分析詐騙手法；構建被詐騙人員知識圖譜，通過分類、預測與推薦識别未來可能的被詐人員，提升人員防詐針對性與有效性；深度分析不同詐騙類型的高發區域，通過精準宣傳降低防詐宣傳成本；構建詐騙類型知識圖譜，通過機器學習快速分析新詐騙類型的手法，反哺涉詐人員特征分析與預測防範。通過整體态勢報告，可以方便領導決策防犯重點。

應用案例：警力優化配置分析

近年伴随着社會經濟的迅速發展，社會治安形勢日趨嚴峻，公安機關普遍面臨着警力不足的問題。受現實條件的制約，在短期内大規模增加警察數量很難實現。如何科學配置警力，有效整合當前的警力資源，不斷挖掘現有的警力潛力，就成為我們自主解決警力不足問題的突破口

解決方案：提取統計每天各時段社區警情，量化警力在單個警情的資源投放情況；分析挖掘派出所每小時忙閑特征，為按分局構建外勤警力資源池，統籌警力資源提供輔助決策；優化警力調度方式，錯峰利用有限警力資源。該主題模型優化警力資源配置，讓有限的警力發揮最大作用應該推動警力下沉，做大做強派出所，做精做細社區警務，做實做強城區防控，做好做專專業警種。