Eko 通过 AWS 上的分析管道赋能数据驱动型决策

对于印度许多零工经济工作者来说，获得银行账户的机会很少。他们通常以现金获得报酬，工作时间不固定，没有或几乎没有信用记录。Eko 帮助低收入至中等收入工作者实现收入数字化，从而实现银行和金融服务民主化。

在其 13 年的运营中，Eko 已为超过 7 千万客户提供服务，并拥有由 150 万家小型和中型商店组成的商户网络，这些商店充当收款和存款中心。过往来看，该公司主要提供促进付款和转账的金融服务和解决方案。但是到了 2018 年，Eko 创始人发展了他们的愿景，在贷款和保险等新的垂直领域进行创新，这涉及利用客户数据来提供更多的个性化服务。

2019 年，该公司着手组建数据和分析团队，负责在三个月内创建数据管道。团队面临的最大挑战是 Eko 数据集的复杂性，仅一个数据库就可能包含 800 多张表。检索两个多月前的数据可能至少需要 10 分钟或更长时间。此外，每次项目团队需要一年前或更久的历史信息时，他们都必须向 IT 团队提交请求，等待数小时甚至数天才能得到回复。

数据和分析团队的首要任务是整合 Eko 的数据，这些数据随着时间的推移迅速积累，并分布在多个传统数据库中。公司一直与其他提供商合作在云端运行所有工作负载，但其分析平台开放给新供应商。

团队发布了需求方案说明书（RFP），并选择与 Amazon Web Services（AWS）精选咨询合作伙伴 Oneture Technologies 合作。“我们收到的几乎所有说明书都以 AWS 为基础，而在 RFP 过程中我们从 AWS 获得的支持是决定性因素，”Eko 数据科学经理 Sheekha Verma 解释说。“此外，我们对 Oneture 乐于倾听我们的想法表示感激。Oneture 团队成为我们团队的延伸，在这个过程中与我们的工程师一起培训他们。”

Eko 与 Oneture 合作在 AWS Cloud 上构建数据湖，为各种数据来源提供统一视图。该公司现在使用 Amazon EMR 处理大数据，使用 AWS Glue 准备和加载数据进行分析。Amazon Athena 是其分析管道的核心，用于从存储在 Amazon Simple Storage Service（Amazon S3）中的数据运行无服务器查询。

如今，Eko 通过在 AWS 上运行分析平台，检索数据的速度比以往更快。例如，该公司定期查询最终客户的季度保留率。此查询以前需要 20 分钟才能处理，但使用新的数据管道只需 3.8 秒。

由于整个公司员工都能获得近乎实时的数据，Eko 可以更好地了解日现金流。Verma 说：“我们以前无法深入了解资金在何处、如何流动，以及不同时间点的周转率，现在我们可以随时查看。”

以前，如果 Eko 各部门需要访问数据，不得不正式向 IT 团队提交请求。现在，已经为每个部门创建了自定义仪表板。Verma 说：“我们已经能够下放信息收集过程，因此非工程团队可以采用任何所需格式访问数据并与之交互。”

这改善了决策并提高了团队的生产力。各个部门仍提交请求以使用数据团队的信息，但工程师通常能够调整请求部门的仪表板筛选器，以便将来可以独立满足此类请求。

为了更好地了解客户，Eko 根据客户使用公司服务的模式将他们分组。细分基于交易量、交易频率以及其他人口和地理因素，这帮助 Eko 更好地满足每个群体的特定需求。

自 2019 年 12 月采纳分析管道以来，Eko 已实现全面的客户细分。Verma 说：“通过我们在 AWS 上运行的平台，我们可以识别持续带来高交易量的客户群体，并相应地聚焦我们的营销工作。”

在分析项目之前，Eko 已经在寻找其他吸引和留住客户的方法。基于新的见解，Eko 正在实施忠诚度计划，在新客户首次使用 Eko 的服务后亲自联系他们。

尽管该项目和潜在流失预测模型仍处于初期阶段，但似乎成功在望。Verma 说：“我们预计最忠实客户群体的销售转化率至少增加 10％，这占我们利润的 70％。”

能够灵活地查看客户活动波动并采取行动也使 Eko 能够快速响应市场变化和需求。例如在 2020 年初，当一位数据分析师发现对一款非核心产品的需求激增时，该公司得以重新安排部分营销工作，并迅速分配额外资源来支持对该产品的需求。“借助 AWS 和 Oneture，Eko 继续创新方法，通过分析更好地为客户提供服务，”Verma 总结道。