基于大数据引擎，通过可视化组件、托拉拽式实现数据汇聚与集成开发
指标定义、指标建模、指标固化、指标分析，一体化完成指标的落地与应用
组件化、零sql实现各类复杂报表和丰富多样的图表分析
面向业务人员，简单拖拽即可生成可视化图表
内置150+特效组件，快速打造酷炫灵动的可视化大屏，支持在线编码，拓展视觉体验至极致
搭载自然语言分析引擎，引入AI大模型技术，通过简单的对话问答实现快速数据分析
移动采集、审批、分析一站式解决移动办公诉求
一站式数据分析平台
了解ABI
全程“零”编码，高效实现主数据模型、主数据维护、主数据分发、主数据质量的全过程管理，为企业主数据管理落地提供有效支撑，实现各业务系统间的主数据共享，保障企业主数据的唯一性、准确性、一致性。
内置多类主数据模版，可视化实现多视角模型定义，满足复杂规则的编码自动控制
多种数据接入方式，支持不同场景的审批管控，数据版本可回溯，满足主数据的全生命周期管理
拖拽式任务设计，内置丰富组件，支持主动式、被动式分发模式
全过程质量管控，支持内置及自定义规则，提供图表式质检报告
主数据管理平台
在线模型设计，深度融合数据标准，规范数据定义
自动化元数据感知，全链路血缘提取，理清数据资源
智能化标准推荐，一键式数据落标，树立数据权威
“零”编码规则搭建，全流程质量整改，高速数据质检
规范资产目录，自助式数据共享，释放资产价值
超30+主流数据库、国产库、大数据库、文件、消息队列等接口之间极速交换结构化、非结构化数据
构建分级分类体系，动态数据脱敏，保障数据安全
全盘监控数据，决策数据周期，释放数据资源
智能数据治理平台
了解睿治
覆盖数据建模、采集、处理、集成、共享、交换、安全脱敏于一体，一站式解决数据开发所有的问题。
结合标准体系的可视化建模工具，支持模型的正、逆向构建
拖拽式任务编排，内置丰富组件，支撑亿级数据的快速处理与迁移
具备高并发、高吞吐量、低延迟的一体化任务编排能力，可视化设计、分布式运行
提供图形化的任务监控和日志跟踪，面向运维、管理人员的完善监控体系
数据工厂系统
纯web设计器，零编码完成基本表、变长表、中国式复杂报表、套打表、问卷调查表等制作；支持年报、月报、日报，以及自定义报表期等多种数据采集报送频率
提供在线填报和离线填报两种应用模式，也支持跨数据源取数；填报数据自动缓存在WEB浏览器中，即使宕机也不会丢失
内置灵活轻便的工作流引擎，实现了用户业务过程的自动化；支持层层审批、上级审批、越级审批、自定义审批等多种审批方式
对于下级填报单位上报的数据，上级汇总单位可将其进行汇总；支持层层汇总、直接下级汇总、选择单位汇总、按条件汇总、按代码组汇总、按关键字汇总、自定义汇总等
提供数据锁定机制，防止报表数据被意外修改；支持数据留痕，辅助用户过程追溯；未及时上报的用户自动催报；所见即所得的打印输出等
提供多种类型的数据接口，可以导入EXCEL、DBF、二进制、文本等格式的数据，可以将报表数据批量输出为HTML、EXCEL、XML、TXT等格式
数据采集汇总平台
统一指标定义，实现“一变多变、一数多现”的数据管理效果，为企业提供强有力的数字化保障和驱动效应。
采用可视化、导向式方式构建指标业务域，形成指标地图，全局指标一览在目
流程化自助式的定义、开发、维护各类指标，零建模，业务人员即刻上手
助力企业更好地查询、使用指标，提供共享、交换、订阅、分析、API接口等应用服务
指标管理平台
零代码+AI，有“问”必答的数字助理，利用AI大模型和数字人技术，通过语音&文字输入问题，自动识别业务指令，深度理解用户意图的问题，洞察数据，人机交互，重新定义BI新体验。
面向业务的对话式问数，即问即答，更懂你的诉求
理解数据，洞察数据，更懂数据内容，把数据见解讲给你听
动态地分析数据特点，提供最合适的图表类型展示，让数据展现更简单
完全是颠覆做表的方式，一句话看板创建，启发式内容制作
智能化生成包含深入分析和建议的报告，复杂数据简单化，释放数据潜力
数据跃然屏上的AI大屏汇报，让数据讲述故事
海量知识，一触即达，提供更智能的知识检索服务，快速找到“对”的人
不止于工具，更是随时待命的得力助手。一声指令，为您提供即时的数据分析和决策支持
智能数据问答平台
从采、存、管、用四大方面构建数据治理体系，实现数字化经营
主数据全生命周期管理，保障主数据一致性、权威性、共享性，提高企业运营效率
以元数据管理摸清家底，以资产编目盘点数据资产，提供数据服务
集数据采集补录、数据ETL建模、数据实时存储、数据分析展现等应用场景于一体
集数据集成、数据治理、资产规划开发、资产运营等场景应用于一体
集元数据采集和规整、数据标准建立与评估、数据质量管控等场景应用于一体
面向业务和技术提供指标管理指标分析等服务的指标统一管理平台
涵盖数据存储、数据集成、数据交换、数据共享等方面，为企业用户提供云原生仓湖一体解决方案
提供数据全生命周期过程的数据服务手段，实现数据应用到数据运营
案例中心
学习中心
认证中心
培训活动
亿信社区
伙伴招募
供应商招募
了解亿信
亿信动态
亿信ABI
数据治理
产品解决方案
金融
租赁
医疗卫生
能源
制造
生态环境
政府
其他
IDC蝉联数据治理解决方案市场第一
数据流向图主要用于解决以下问题：
2、流程优化和改进：通过绘制数据流向图，可以查看和分析数据在系统中的流动路径，找到可能存在的瓶颈、冗余和低效的环节，以便优化和改进业务流程。
3、故障排查和问题定位：当系统出现故障或问题时，数据流向图可以帮助定位问题所在，追踪数据在系统中的流动和处理过程，从而更快地找到问题的根源。
4、系统集成和接口设计：对于需要与其他系统进行集成或交互的系统，数据流向图可以清晰地呈现数据的输入和输出，有助于设计和定义系统间的接口和数据传递方式。
5、系统文档和沟通工具：数据流向图可以作为系统的文档和视觉工具，以便于沟通和交流系统的数据处理过程，帮助各方理解系统的工作原理和数据流动情况。
数据流图一般由系统分析师或业务分析师来绘制。他们负责研究和理解业务流程，并将其转化为可视化的图形表示。这些分析师通常具有对业务流程和系统需求的深入理解，能够捕捉到数据的流动、处理和存储的细节，并将其编写成数据流图。
数据流图可以帮助我们全面、清晰地描述和分析系统中的数据流动和处理过程，从而提高系统分析与设计的效率和质量。
此外，数据流图还具有以下应用：
作为系统文档：数据流图可以作为系统的一部分文档，记录和描述系统中的关键数据流程和组件。
作为培训工具：数据流图可以用于培训新成员或用户，帮助他们了解系统的基本流程和数据传递。
作为审计工具：数据流图可以用于审计系统的安全性和合规性，识别潜在的数据泄漏或违规行为。
既然数据流图重要，那么如何画好数据流图了？
数据流图（DataFlowDiagram，简称DFD）是一种用于描述信息系统过程的图形工具。它通过图形化的方式展示了数据在信息系统中的流动和处理过程，帮助我们理解和描述系统中的数据流向和交互方式。
数据流图通常由以下几个基本要素构成：
1、实体/角色（Entities）：表示与系统进行交互的外部实体，可以是人、组织或其他系统。
2、数据流（DataFlows）：表示数据在系统中的流动过程，它们代表着数据从一个地方流向另一个地方。
3、进程/转换（Processes）：表示对数据进行处理、转换或计算的功能模块。进程接收输入数据流，并生成输出数据流。
5、外部实体（ExternalEntities）：表示与系统交互的外部实体，可以是用户、其他系统或外部组织。
数据流图还可以包括其他组成部分，如数据库、系统界面和信号。它们可以用来表示数据的持久化存储、系统之间的数据交互和系统的输入输出。
数据流图通过使用符号和箭头来表示各个要素之间的关系和交互。它可以按层次结构组织，从而提供对系统的不同层面的描述和分析。数据流图通常被用于需求分析、系统设计和系统文档编写等阶段，以帮助设计和理解信息系统的结构和功能。
要画好数据流图，可以按照以下步骤进行：
1、确定系统范围：明确数据流图所描述的系统或过程的边界。确定主要的实体/角色、数据流、进程/转换、数据存储、外部实体等。
2、识别实体/角色：确定系统中的实体或角色，它们是与系统进行交互的外部对象。这些实体可以是人员、组织或其他系统。
3、识别数据流：确定系统中的数据流，它们代表在实体、过程和存储之间流动的信息。标识每个数据流的名称和描述。
4、确定进程/转换：定义系统中的进程或转换，表示数据流的处理过程。标识每个进程的名称和描述，确定进程之间的关系。
5、识别数据存储：确定系统中的数据存储，表示数据流被存储或提供给处理过程的位置。标识每个数据存储的名称和描述。
6、确定外部实体和数据库：识别与系统交互的外部实体和系统的数据库。在数据流图中标识它们，以显示数据流的起点和终点。
7、画图：使用适当的符号和图形来表示实体、数据流、进程、数据存储和外部实体。连接它们以显示数据流的流向和处理过程。
请注意，在绘制数据流图时，应使用标准符号和规范，以便他人能够理解和使用图形。可以使用工具或软件来绘制数据流图，例如MicrosoftVisio、Lucidchart等。
在数据流图中，各元素有一套标准符号和规范，以便更好地理解和解释系统的数据流向。以下是常见的数据流图元素及其标准符号：
1、实体/角色（Entity/Agent）：代表系统的外部实体，如用户、部门等。标志为一个简单的方框，可在内部加上实体的名称。
2、数据流（DataFlow）：代表数据在不同实体和进程之间流动的路径。标志为一根带箭头的线，箭头指向数据的流向。
3、进程/转换（Process/Transformation）：代表对数据的处理或转换过程。标志为一个圆角矩形，内部可以注明进程的名称。
4、数据库（DataStore）：代表数据在系统中的持久存储，如数据库、文件等。标志为一个长方形，两条竖线表示存储的位置。
需要注意的是，除了这些基本元素之外，还可以使用注释和说明来更全面地描述数据流向图中的元素和关系。
这些标准符号和规范有助于确保数据流向图的一致性和规范性，同时使读者更容易理解和解释系统的数据流动。
以上是从数据中台的整体数据流向来画的数据流图，其中主要的模块包含数据源中的各种数据库，以及同步功能模块，实时计算模块，以及批量计算模块，最后就是数据服务和离线同步数据模块。
1、数据同步中的实时同步是同步开发人员配置好实时同步作业，其中实时同步作业采用flinkCDC来处理数据，而数据源则采用监听oracle数据库的redolog和mysql的binlog作为数据源。
2、数据同步中的实时同步是同步人员配置好离线同步作业，其中离线同步作业采用DataX来处理数据，而数据源则轮询查询数据库和API的方式获取数据。
4、离线作业是离线开发人员通过写SPL离线开发作业之后，经过powerjob调度之后之后，批量从WinQSPL数据仓库中读取数据，经过作业计算之后之后，写回到WinQSPL数据仓库中。同时有些离线数据会实时存储到数据湖中，持久化存储到文件系统或者S3中。
5、服务开发人员开发数据服务API之后，报表使用API访问数据，当报表和其它应用需要展示数据则会请求服务API，服务API则调用各数据仓库的OLAP分析引擎，完成分析后将计算结果返回给报表展示。
以上是一个数据中台的数据流向图，不同中台采用的数据处理组件不同，则数据流图不同，本图仅供参考。