能够解决

数据分散

大量的消费者相关的事实数据、行为数据散落在多个系统，数据源的不统一导致数据就是零散的孤岛。

用户群体划分口径不同

消费者运营管理方式多样且环节较多，口径不一。

无法即时获取所需分析

各业务数据需求环节不能达到即时高效地使用数据。

能够解决

业务系统数据分散化

业务数据各自为阵，难以从开发项目全周期视角实现对各阶段风险的全局把控。

业务分析需求迭代较快

市场政策变化快速，业务部门存在许多个性化数据分析需求。

项目开发进度及风险预警管控难实现

老式开发报表的方式周期较长、耗费较多人力，难以对业务部门需求的快速响应。

能够解决

海量数据难以实现即席分析

传统报表平台在做海量数据查询分析时，响应很慢，花费了大量IT与业务的人力资源。

业务口径差异

新老业务合并分析时，口径逻辑不同导致无法实现自上而下，从整体概览到精细化分析的诉求。用户流量红利消失，互联网寒冬到来，如何精细化分析实现增长是必须要解决的问题。

能够解决

用户数据提取效率

要从业务上面考虑，如何从会员及其行为数据提取洞见，并给会员提供更好的服务。

BI系统建设成本

传统BI 和大数据建设的体系成本非常高，速度也很慢。

业务人员协同

传统连锁的报表分析业务门槛很高，限于连锁模式的特性，很多业务人员分散在全国各地。

能够解决

临时数据需求过多，人力不足

大型餐饮客户的数据查看需求过多，不定期就会要求提数，IT人力资源不足，导致分析需求不能及时响应。

数据量过大，开发难度大

日均流水明细数据过大，开发时间长，且易因细节问题返工。

数据需求存在共性，导致开发的重复单一

大型餐饮业客户数据需求存在共性，存在大量重复开发工作。