业务需求

为了应对数字化转型的需求，该大型保险公司开发了各类数据应用系统，以支持报表分析、即席查询、多维分析、人群圈选等不同业务场景的需求。随着时间的推移，该系统架构的问题也逐渐暴露：

业务挑战

在早期，该大型民银银行通过离线数仓支撑数据业务的运行，然而，随着其营销和风控领域的数据时效性要求越来越高，该架构的弊端也开始暴露

• 数据的时效性为 T+1，难以基于当日最新的实时数据实现对业务的实时洞察，决策存在滞后性
• 基于 Hive+Spark 的执行引擎数据查询效率低下，无法满足业务端极速响应的需求
• 基于传统 Hadoop 生态的底层技术栈比较复杂，维护成本高

解决方案

使用大数据工具完成实时表历史数据的初始化，同时借助采集工具和流式计算引擎，将数据写入 SelectDB 实时数仓，实现了数据的实时增量抽取、查询请求流畅性的提升和数据的不重不丢。

客户收益

基于 SelectDB 实时数仓支撑了该银行的 BI 实时报表、客户营销等多业务场景，完成了 263 张实时表的接入和加工，同时实现了产品和服务匹配的“千人千面”运营。

01. 极速查询性能

实现离线数仓的加速查询，查询响应从分钟级至 15 秒，提速超 10 倍。

02. 高并发支持

日常交易场景下轻松支持高并发，实现百万 QPS 1.5 秒查询响应，系统可靠性和稳定性显著提高。

03. 简单易用，提升效率

极大简化了大数据的架构体系，整体链路体系简洁，便于维护。