像其他金融机构一样,由于依赖 Excel,Venerable 曾不得不面对种种阻碍。一个电子表格中的更改经常会牵动无数其他电子表格,导致错误和大量手动调整。这种环境下的流程既耗时又容易出错,当电子表格进入其他团队的流程后,各种问题又被进一步放大。
“我们面临的一大效率问题来自相互关联的电子表格网络。假如说,一个电子表格中出现错误,但你却没意识到。那么,三个电子表格后,你必须回过头来修正出错的表格和依赖它的其他表格,还要祈祷没有在内部或者外部把它发送出去。”
— Alexandria Morales-Garcia,Venerable 投资风险分析师
此外,Venerable 的内部格局也在发生变化。随着金融专家越来越多地担起数据科学家和量化分析师的职责,传统的商业角色开始让位于“公民开发者”。这些公民开发者包括数据科学家、量化分析师和利益相关者,他们的需求仅靠手动更新电子表格无法满足。他们的期望包括自动执行流程、减少错误、简化工作流和升级数据分析方法、保持数据自主、确保数据准确,以及促进协作。
“我们的合作伙伴正在发生变化。他们不再只是坐在办公桌前工作的传统商务人士,而是正在成为所谓的‘公民开发者’。他们需要的是自主、协作,以及非常安全的工作方式。我们需要一个解决方案为这些合作伙伴提供支持,而电子表格并不是一个好的工具。”
— Steven Skarupa,Venerable 企业架构师
分析组织要求和用户需求后,Venerable 发现他们需要从现有的独立 Excel 模型转向更全面、实时且可扩缩的工具。新的解决方案不需要正式的 IT 项目,但应该能够以半自动化的方式帮助他们摆脱电子表格的束缚,同时满足利益相关者不断增长的需求。
意识到 Jupyter Notebook 技术是其数据工作流中缺少的关键组件后,Venerable 转向了 Datalore – 一款基于 Jupyter 技术的协作数据科学平台。
Datalore 为 Venerable 的“公民开发者”配备了关键功能,实现了从 Excel 的顺利过渡。这些功能包括:
“借助 Datalore,我可以使用 Statistics 标签页确保所有数据都正确加载,并在深入编码过程之前找出错误。”
— Alexandria Morales-Garcia,Venerable 投资风险分析师
在工作流中采用 Datalore 后,Venerable 可以自动执行日常任务,有效释放分析师的宝贵时间,让他们专注于更有意义的任务。Datalore 实现了从 Excel 到 Python 和 SQL 高级数据分析策略的无缝过渡。重要的是,它还促进了团队内部的协作,提高了工作效率和协调能力。
公司的现金流审查是一个显著改善的领域。过去的流程需要 8 个小时来生成数百张图表。借助 Datalore,这项任务变成仅需几分钟即可完成的 Datalore 报告计算,其中只包含有意义的指标和有价值的洞察。
8 小时
在 Excel 中完成现金流量审核的手动流程的用时
2 分钟
运行 Datalore Notebook 并更新交互式报告的用时
“我能把运行时间从 8 小时缩短到几分钟。这种效率在我们的许多操作中都有所体现,提高了数据质量也节省了大量时间。”
— Alexandria Morales-Garcia,Venerable 投资风险分析师
利用 Datalore 对分析流程进行现代化改造后,Venerable 提高了运营效率、促进了团队协作,最重要的是提高了数据质量,强化了公司在业界的领先和创新承诺。
想要了解更多详细信息,并聆听 Venerable 团队讲述这个故事吗?请观看这段预先录制的在线讲座。
Moreno Raimondo Vendra,TrueLayer 高级机器学习工程师
Datalore 使我们的团队能够以符合人体工程学的方式访问数据,同时满足安全要求,这对我们来说是一个翻天覆地的变化。 由此,我们在机器学习团队内部以及与相关方之间都可以更轻松地开展协作。
Surya Rastogi,Chainalysis 高级数据科学家
我们最大的挑战之一是区块链空间正在迅速扩大,总是有新的数据需要获取和分析。 我们公司有许多数据获取和处理功能,这些功能还会继续增长。
Nauman Hafiz,Constellation 首席技术官
Constellation 需要简化协作和增强敏捷性,以此扩展数据科学运营并向客户和内部相关方提供有价值的洞察。传统商业智能工具(特别是 Power BI 和 Looker)报告生成速度慢以及工作流脱节等问题限制了 Constellation 生成及时、定制化洞察的能力。