StarRocks 助力金融营销数字化进化之路

作者：廖晓格 平安银行数据资产中心数据及 AI 平台团队负责人 

小编导读：

平安银行五位一体，做零售金融的领先银行，五位一体是由开放银行、AI 银行、远程银行、线下银行、综合化银行协同构建的数据化、智能化的零售客户经营模式，这套模式以数据为基础，AI 为内核，通过画像识别，基于场景数据分析，通过高效组织内部资源，为客户提供精准服务，实现零售转型业务增长的第二曲线。

通过颠覆传统“以产品为中心”模式，真正实现以客户为中心、以 AI 、大数据为驱动，以 KYC/KYP/KYATO 方法论打造技术架构及业务模块。在智能银行3.0体系建设中，StarRocks 提供全行级的澎湃数据分析能力，并在行为埋点分析、客户旅程、自助指标查询、CDP 客户标签服务、策略效果分析、AB 实验、统一 API 透明加速等众多业务环节落地应用。

👇点击下方链接，观看完整演讲内容～

01

  金融营销转型

、、、

01

从以产品为中心到数据驱动的客户定制服务

传统金融公司的销售模式以产品为中心，依赖高成本的地推和可能打扰用户的推销方式，容易造成用户体验差，人力成本高，并且转化效率低。因此，我们致力于变革这种模式，通过数据洞察来精准识别和满足客户需求，提供最优的产品和服务。

我们的新模式借鉴互联网公司的“人、货、场”理念：

• 在“人”方面，运用 KYC 技术精准识别客户身份，并通过多维度数据分析深入理解客户需求，真正做到比客户更了解他们自己。
• 在“货”方面，借助 KYP 分析确定客户的需求和偏好，从而提供更为合适和全面的产品服务。

• 在“场”方面，利用 KYATO 策略识别最佳的产品交付方式，匹配丰富而精准的场景，实现交易的有效触达。

在这个过程中，我们坚持以大数据和 AI 驱动决策，真正转向以客户为中心，而非以产品为中心的销售模式。我们强调数据驱动的运营，而非依赖前线销售人员的个人经验，并通过 KYC、KYP 和 KYATO 的方法论实施整个经营策略。这一转变旨在提升服务质量和客户满意度，推动金融营销的新时代。

02

金融营销模式转型难点

互联网公司的经营模式已高度成熟，而在金融领域，这一模式的应用仍处于起步阶段，因为业务的复杂度，导致落地难度远超互联网公司，因为金融公司在客户偏好识别、产品复杂度、场景频度和流量管理等方面面临独特挑战。

• 在用户洞察方面，互联网公司能够直接、快速且精准地理解用户喜好。相比之下，金融公司的客户洞察更为复杂，需考虑性格、个人阅历、市场影响和资质等多种因素对用户金融偏好的影响。
• 在产品层面，互联网产品通常简单易懂、门槛低，适合大众使用。而金融产品则因其复杂性、高合规要求和多变的售后情况而显得与众不同。

• 在渠道和场景方面，互联网产品作为生活必需品，主要通过单一的 APP 渠道触达用户。然而，金融产品的使用场景相对低频，需要通过 APP、远程服务、线下网点和团队等多元渠道与客户接触。

为了应对这些挑战并支持交易过程中的复杂需求，我们设计了智能银行3.0。这一设计旨在整合系统资源，优化金融服务，以适应金融行业的特性和客户需求，引领金融领域的营销模式转型。

03

智能银行 3.0 建设蓝图

智能银行 3.0 架构体系整合了运营经理、产品经理和数据分析师的角色，在统一门户上进行管理。系统设计围绕人、货、场三个核心要素展开。

• 在“人”方面，运用数据 KYC、客户行为分析、客户关系管理和商户关系管理，实现对用户的全方位统一管理。
• 在“货”方面，通过内容中心进行统一的商品管理，并借助统一货架进行商品上架、活动管理等操作。
• 在策略层面，构建了三层策略体系。策略大脑根据用户行为将合适的产品推荐给客户，包括宫格、旅程和场景等策略的处理。通过 AB 测试，将最优策略呈现给客户，淘汰效果不佳的策略。

• 在渠道方面，致力于识别客户的渠道偏好，通过最优渠道触达客户，并采用最优表达方式吸引客户的注意力，确保高效执行和智能触达。

整体架构上涉及到诸多技术挑战，StarRocks 在其中发挥了关键作用，助力平安银行实现策略的统一管理、内容体系化管理和渠道高效执行，以提供更加智能化和个性化的金融服务。

02

StarRocks 数字化驱动

、、、

01

选中 StarRocks 的原因

StarRocks 以其澎湃性能脱颖而出，并且协议简单、具备实时分析能力和数据湖联邦分析能力。StarRocks 团队以其极客精神和对客户需求的真诚关注，确保合作过程顺畅无阻。其灵活的物化视图和透明改写功能为我们带来了重要启示。这种创新技术能够在不改变用户体验的前提下，显著提升查询性能，为我们的数据处理和分析工作提供了强有力的支持。选择 StarRocks，即选择了高效、用户友好的数据解决方案。

02

StarRocks 在金融营销场景的应用

StarRocks 在金融营销复杂场景中的关键作用：

• 渠道与策略：StarRocks 助力实现实时埋点数据回流，进行多表关联查询和多维分析，加速业务对埋点行为数据的实时探索。
• 标签管理：以往割裂的模型表和不支持 JOIN 的存储问题得以解决。借助 StarRocks，实时和离线数据得以融合，实现高效、实时的数据分析。
• 策略平台：策略大脑、渠道选择和客户触达等策略，依赖 StarRocks 快速评估与计算。
• AB 实验与客群分析：StarRocks 支持灵活的客户分组和在线实时生成客群。以前 T+1 的客群分析现可实时完成，进而快速生成AB实验指标，为实验效果分析提供即时支持。

总结来说，StarRocks 在金融营销的多个关键环节中发挥着不可或缺的作用，通过实时数据处理和高效分析，推动业务决策的精准性和时效性提升。

03

StarRocks 在 CDP 场景的应用

基于 StarRocks 的 CDP 平台为策略投放提供了强大的支持：

• 数据整合：StarRocks 实现了实时与离线数据的无缝融合，以往割裂的实时和离线数据现在得以统一管理。大数据平台的离线标签表被快速导入到 StarRocks，同时海量的实时标签和行为事件数据也能实时写入，实现数据集中管控。
• 高效分析：借助 StarRocks 的多表 JOIN 能力、灵活标签筛选和 Bitmap 丰富运算，能够在秒级完成画像类分析、客户分群、人群洞察和标签饱和度计算等任务。
• 简化复杂计算：通过物化视图，原本复杂的 KYC 宫格人群计算变得更为便捷。
• 深度应用：人群数据能够出仓，用于进一步的深度分析和应用。

总的来说，基于 StarRocks 的 CDP 平台，提供灵活便捷的客群圈选和画像分析的能力，来支持精准营销投放，通过高效的数据管理和深度分析，实现客群洞察和策略优化，提升营销效果。

04

StarRocks 在指标场景的应用

指标场景的分层设计：

• 物理层：数据工程师依据业务和数据模型的理解，通过事实表、维度表和对象构建了实体关系（ER）模型。这一层定义了表之间的关系，为上层业务提供可靠的数据基础模型。
• 逻辑层：借助指标平台，根据数据工程师定义的模型，将对象转化为一张全行超宽表。例如，将客户对象的所有维度目录和指标目录整合到一张表中，简化了业务分析工作。业务用户无需理解复杂的底层 ER 关系，只需拖动维度和指标即可轻松应用数据。

• 应用层：根据用户定义的场景和查询行为，构建了物化的 DWS 层指标，显著提升了查询性能。基于用户的查询行为，可以持续优化 DWS 的物化逻辑。有了 StarRocks 的支撑，DataAPI 能够提供毫秒级查询，报表支持秒级查询，而自助分析则能在几十秒内完成查询。

在实施过程中，我们基于 StarRocks 进行了专门设计，以确保整个指标应用系统的高效运行和灵活扩展。这一创新架构旨在提升数据访问速度，简化数据分析过程，并为用户提供更优质的查询和分析体验。

在底层 ODS 定义完数据 ER 关系后，我们致力于实现指标的“一处定义、多处使用”。数据团队一次性定义指标口径，指标应用用户根据场景需求使用指标。平台通过应用场景进行物化调度，满足指标应用服务的 SLA 需求。

设计上划分了三个层次：

1. 明细层：通过 StarRocks on k8s 直接查询 Hive 外表，快速返回自助分析结果。
2. 指标层：将自助分析查询结果物化到 StarRocks 内部表，便于制作高层关注的看板和卡片。若内部体量较大，可通过物化视图上卷进一步提升查询速度。

3. 缓存层：对物化视图或内表查询结果进行缓存，以高性能存储或缓存应对极高并发的应用接口请求。

整体架构上，底层基于大数据的 Hive 表，上层通过 StarRocks 加速查询。这意味着未来所有大数据平台的查询都可以通过 StarRocks 物化的逻辑进行高效查询，通过智能物化调度提升整个大数据平台 SQL 查询性能，并降低资源使用成本，提升整体集群的吞吐量。未来，我们将基于这一模式，在行内进一步推广物化和透明改写能力，旨在提供更简洁、更高效、更具成本效益的大数据解决方案。

03

未来展望

、、、

金融业务模式上，通过“以产品为中心”改变到“以客户为中心”的经营模式上，虽然困难重重，但是是业务发展的必经之路。对于技术团队来说，怎么实现“以客户为中心”，也是值得深度思考的。当前大数据发展越来越快，技术复杂度也越来越高，组件越来越丰富，对于用户的理解难度也越来越高，但是其实用户的需求极其简单，他们希望执行一段统计分析 SQL，希望做一张报表，希望定义一个指标/标签/特征，希望定义一个数据服务 API，仅此而已。因此，对于平台来说，我们需要坚持贯彻“以客户为中心”，将复杂的计算和大数据架构封装在平台产品内部，为用户提供简洁易用的平台能力，为用户提供直接、高效的查询能力。

用户只需定义 SQL 和 SLA 指标，由平台将复杂的离线计算、实时计算隐藏在系统底层，希望使用大数据整体架构变得如同使用 MySQL 一样简单。以 StarRocks 澎湃的性能为基石，依托多表物化视图，自动化的构建数仓 DWS 层，自动化的做数据调度，把复杂的离线计算、实时计算，都屏蔽在冰山之下，为客户提供一个简洁高效的查询性能。

最后，也感谢 StarRocks 团队在平安银行的大力支持。

关于 StarRocks 

Linux 基金会项目 StarRocks 是数据分析新范式的开创者、新标准的领导者。面世三年来，StarRocks 一直专注打造世界顶级的新一代极速全场景 MPP 数据库，帮助企业构建极速统一的湖仓分析新范式，是实现数字化转型和降本增效的关键基础设施。StarRocks 持续突破既有框架，以技术创新全面驱动用户业务发展。当前全球超过 350 家市值 70 亿元以上的头部企业都在基于 StarRocks 构建新一代数据分析能力，包括腾讯、携程、平安银行、中原银行、中信建投、招商证券、大润发、百草味、顺丰、京东物流、TCL、OPPO 等，并与全球云计算领导者亚马逊云、阿里云、腾讯云等达成战略合作伙伴。拥抱开源，StarRocks 全球开源社区飞速成长。目前，已有超过 320 位贡献者，社群用户过万人，吸引几十家国内外行业头部企业参与共建。项目在 GitHub 星数已超 7500 个，成为年度开源热力值增速第一的项目，市场渗透率跻身中国前十名。

金融：中信建投｜中原银行 | 申万宏源 |  | 

互联网：微信｜小红书｜网易邮箱｜滴滴｜美团餐饮SaaS | B站｜携程 | 同程旅行｜360｜58同城｜芒果TV｜得物 ｜贝壳｜汽车之家｜欢聚集团

游戏：腾讯游戏｜波克城市｜37手游 | 游族网络

新经济：蔚来汽车｜理想汽车｜顺丰｜京东物流｜跨越速运 | 大润发｜华润万家｜TCL ｜万物新生 | 百草味 | 多点 DMALL | 酷开科技

StarRocks 技术内幕：极速湖仓神器：物化视图｜存算分离，兼顾降本与增效   ｜实时更新与极速查询如何兼得｜Query Cache，一招搞定高并发｜资源隔离｜大数据自动管理｜查询原理浅析