背景：电子钱包基建化背后的数据挑战
“我们为交易数据建立了单一可信数据源，Quick BI 则提供了让这些数据实现规模化应用的分析层。如今，我们的团队能够实时监控业务表现，并在整个 TNG eWallet 生态体系中基于同一套数据作出决策。”—— 聂香信(Marcus Naik), Head of Data & AI, TNG Digital
在马来西亚，电子钱包已演变为日常生活的基础设施，驱动着交易量的显著增长。然而，随着业务加速扩张，企业内部的数据能力往往难以同步跟进。TNG Digital 运营的 TNG eWallet 拥有超过 2700 万认证用户，其交易数据分散在支付网关、商户平台、用户行为日志和客服记录四套独立系统中。
这种数据孤岛导致各部门指标口径不一，分析师约 60% 的时间耗费在数据准备上，严重制约了深度业务分析的开展。
核心痛点：口径、效率与安全的平衡
TNG Digital 在数字化转型初期面临三大关键挑战：
- 指标口径不统一：不同团队对“月活用户（MAU）”等核心指标定义各异，季度复盘前需耗时两天对齐数据，才能进入战略讨论。
- 跨系统查询低效：分析商户交易趋势需手工整合多平台数据，从提出需求到获取结果往往需数天。
- 安全与访问的矛盾：作为持牌金融机构，需在严格保护用户隐私（PII）和交易数据的前提下，简化内部数据访问审批流程。
解决方案：构建云原生统一数据底座
统一数据源，消除认知分歧
TNG Digital 基于阿里云重构了分析架构，将交易记录、用户行为、商户接口和客服日志统一汇入 MaxCompute 与 AnalyticDB，并以 Quick BI 作为全员通用的分析入口。
这一变革最直观的成效体现在月度复盘中：各业务部门现在查看的是同一张仪表盘和同一组数据。过去因数据源头不一致引发的“数字之争”彻底消失，结构性差异被根除，团队得以聚焦业务本质。
自助分析：洞察获取效率提升 65%
借助 Quick BI 的自助分析功能，业务人员无需具备 SQL 技能或依赖分析师排期，即可通过拖拽式仪表盘、自动跨表关联和亚秒级查询响应，自主探索数据。
结果显示，洞察获取时间从“天”级缩短至“分钟”级，整体效率提升 65%。数据已从需要申请的“资源”转变为日常运营中随手可用的“工具”，极大激发了业务团队的主动性。
实时故障排查：耗时缩减 60%
对于日均处理数百万笔交易的平台而言，交易成功率的微小波动都关乎真金白银和用户信任。传统模式下，定位异常需经过工单上报、跨系统查日志、手工对齐时间线等繁琐步骤，耗时至少数小时甚至全天。
接入 Quick BI 实时仪表盘和加速引擎后，核心指标实现分钟级刷新。一旦数值异常，业务团队可直接在视图中逐层下钻（整体→通道→商户→时间段）。加速引擎支持在数十亿条记录上保持亚秒级响应，使故障排查时间大幅缩减约 60%。
行列级权限：兼顾安全合规与高效协作
为解决安全与效率的平衡问题，TNG Digital 采用了 Quick BI 的行级和列级权限控制。系统可根据角色精确控制数据可见性：高管拥有全局视图，各业务线仅访问特定领域，敏感信息（如用户身份、交易金额）自动脱敏。
这种细粒度的权限管理不仅自动落实了合规要求，更增强了跨团队协作的信任度。当团队确信系统会自动守护数据边界时，共享仪表盘变得更加顺畅无阻。
未来展望：从“人找数”到“数找人”
随着东南亚数字支付成为千万级用户的基础设施，竞争优势正从功能迭代转向数据决策的效率。TNG Digital 的成功实践表明，扎实的数据基础是企业敏捷反应的关键。
展望未来，TNG Digital 正与阿里云集团瓴羊携手，利用 Quick BI AIPro 能力推动数据分析进阶。目标是从传统的“人找数”转向“数找人”，通过主动的智能洞察、异动预警以及多模态对话式交互，让关键业务变化实时触达决策者，推动分析从“理解过去”迈向“预见未来”，持续释放数据业务价值。
