【文章內(nèi)容簡介】 理流數(shù)據(jù)的 低延遲 平臺毫秒級，甚至微妙級端到端的延遲一個(gè) 可高度擴(kuò)展 的，用于 實(shí)時(shí)分析 的 高性能 平臺通過橫向增加硬件獲得近線性的處理能力擴(kuò)展高達(dá) 125個(gè)節(jié)點(diǎn)擴(kuò)展一個(gè) 靈活的 、 動(dòng)態(tài)的 平臺Streams應(yīng)用靈活部署支持動(dòng)態(tài)部署新的分析應(yīng)用每秒數(shù)以百萬計(jì)的事件微秒級延遲傳統(tǒng) /非傳統(tǒng)數(shù)據(jù)源實(shí)時(shí)決策強(qiáng)大分析算法交易 Telco churnpredictSmartGrid網(wǎng)絡(luò)安全入侵監(jiān)測Cyber Security Government /Law enforcementICUMonitoring環(huán)境監(jiān)控2728使用熟悉工具來分析結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)Hadoop 數(shù)據(jù)結(jié)構(gòu)化數(shù)據(jù) 用熟悉的工具來分析大數(shù)據(jù) ? 微 軟 BI工具的天然集成? 在同一表格中分析結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)? 廣泛使用的熟悉工 具? EXCEL? PowerPivot? SQLSERVER BI無需 IT 人員介入分析多樣的數(shù)據(jù)類型廣泛使用的Excel29MicrosoftSpeechSDK— MicrosoftSpeechSDK是微軟公司提供在 Windows平臺上開發(fā)語音識別和語音合成應(yīng)用程序的開發(fā)包，簡稱為 SAPI，內(nèi)含 SR（ SpeechRecognition）和 SS（ Speechsynthesis）引擎，因此可以很方便地在自己的應(yīng)用程序中添加這些功能。— 該語音引擎支持多種語音的識別和朗讀，包括英文、日文、中文等。微軟推出的應(yīng)用編程接口 API，雖然現(xiàn)在不是業(yè)界標(biāo)準(zhǔn)，但是應(yīng)用比較廣泛。— 識別基本流程：?從音頻輸入設(shè)備獲取原始音頻并編碼或直接調(diào)用音頻文件。?設(shè)定語音引擎和識別上下文等內(nèi)容，配置本地訪問屬性。?分析處理得到的文本結(jié)果— 請求接口?請求方式：本地訪問?請求數(shù)據(jù)：編碼后的音頻數(shù)據(jù)?音頻編碼格式： wav?音頻采樣頻率： 8000Hz、 11025Hz、 16000Hz、 22050Hz、 24000Hz、 32023Hz、 44100Hz、 48000Hz— 主要優(yōu)點(diǎn)?基于 COM組件，便于與 DirectShow中的組件整合。?語音識別引擎位于本地，便于訪問，識別速度較快。?待識別音頻的大小、時(shí)長無限制 。 MAVIS“ 微軟研究院音視頻索引系統(tǒng)目錄大數(shù) 據(jù) 分 析挑戰(zhàn) 微軟解決方案介紹 大數(shù)據(jù)案例分享銀行面臨大數(shù)據(jù)時(shí)代的業(yè)務(wù)挑戰(zhàn)小微企 業(yè)貸款市場逐漸被侵 蝕 ? 電子商務(wù)公司和第三方支付廠商緊貼最終用戶，依靠市場優(yōu)勢，對銀行 的 議價(jià) 能 力極 強(qiáng)，比如：銀行的支付交易手續(xù)費(fèi)被支付寶壓到 3‰ 甚至更低，侵蝕銀行信用卡的收入。第三方支付企業(yè)使得客戶和銀行的關(guān)系進(jìn)一步疏遠(yuǎn)：本來是銀行自己的持卡客戶，銀 行卻根本不知道他們的購物明細(xì)，只能知道他們花了多少錢。這在未來以數(shù)據(jù)取勝的 時(shí)代對銀行很不利。? 銀行系電子商務(wù)開展不順利：整個(gè)銀行系的電子商務(wù)市場份額總共不到 2%。? 貸款模式使得客戶減少對于銀行的依賴：目前來看，貸款模式使得資金的供求 方和需求方可以自行撮合。這使得客戶對于銀行的貸款依賴逐漸減小。小微企 業(yè) 客戶 數(shù)銀 行系 民生 銀 行： 招商銀 行： 互 聯(lián) 網(wǎng)系阿里小 貸 ： 1030萬貸 款余 額 民 生銀行： 363億美元 招商銀行： 52億美元阿里小 貸 ： 美元貸 款客 戶 數(shù)民生 銀 行： 15萬阿里小 貸 ： 13萬平均 貸 款 規(guī)模工商 銀 行： 120萬元 阿里小 貸 ： 年增 長 率銀 行 業(yè) ： %阿里小 貸 ： 80%壞 賬 率銀 行 業(yè) ： %阿里小 貸 ： %銀行與零售客戶越來越遠(yuǎn)32銀 行面臨大數(shù)據(jù)時(shí)代 的 技術(shù) 挑 戰(zhàn)216。數(shù)據(jù)缺口216。專業(yè)人才缺乏216。IT技術(shù)成熟度216。隱私安全33中國銀行業(yè)大數(shù)據(jù)應(yīng)用場景風(fēng)險(xiǎn) 管理和合 規(guī)反欺 詐 反洗 錢 多點(diǎn) 檢測營銷 實(shí)時(shí)營銷事件式 營銷 全渠道 營銷客 戶 360客 戶視圖 客 戶 定價(jià) 客 戶 分 類銀 行 數(shù)據(jù) 銀 行交易數(shù)據(jù) 用 戶 金融信息 電話錄 音互 聯(lián) 網(wǎng)數(shù)據(jù) 瀏覽 信息 搜索信息 SNS信息用 戶 數(shù)據(jù) 身份信息和偏好數(shù)據(jù) 地理位置信息 用 戶 事件電 子商 務(wù) 數(shù)據(jù) 商品 瀏覽 信息 交易數(shù)據(jù) 消 費(fèi)趨勢 信息 銀行大數(shù)據(jù)源 大數(shù)據(jù) 應(yīng)用P2P業(yè)務(wù) 人人貸 小額信用貸利率市場化解 決信息孤島：分布式信息日志集中匯聚索引中信、農(nóng)行、工行、建行、交行、民生、招行、光大、阿 里巴 巴等大數(shù)據(jù)應(yīng)用試點(diǎn)項(xiàng)目34摩根大通 基于 Hadoop的大數(shù)據(jù)應(yīng)用已經(jīng)開始使用 Hadoop技術(shù)以滿足日益增多的用途，包括詐騙檢驗(yàn)、 IT風(fēng)險(xiǎn)管理和自助服務(wù)。150PB在線存儲(chǔ)數(shù)據(jù)、 30,000個(gè)數(shù)據(jù)庫和 35億個(gè)用戶登錄賬號。Hadoop能夠存儲(chǔ)大量非結(jié)構(gòu)化數(shù)據(jù)，允許公司收集和存儲(chǔ) Web日志、交易數(shù)據(jù)和社交媒體數(shù)據(jù)。數(shù)據(jù)被匯集至一個(gè)通用平臺，以方便以客戶為中心的數(shù)據(jù)挖掘與數(shù)據(jù)分析工具的使用。35微 信貸公司“ 大數(shù)據(jù) +機(jī)器智能學(xué)習(xí) ”利用海量數(shù)據(jù)挖掘和算法來做一些貸款業(yè)務(wù)大量使用了社交媒體和其他的網(wǎng)絡(luò)工具每個(gè)貸款人都擁有 6000到 8000條數(shù)據(jù)特點(diǎn)：它的每筆貸款額度都很小 ， 太多的資金額度需要更多次的檢驗(yàn)不良貸款會(huì)迅速暴露 。， 模型的反饋和改 進(jìn)違約率高利率很高n Wongan LendingStreamn Zestcashn Klarnan PawnGon 阿里云n 金 電聯(lián)行36花旗銀行大數(shù)據(jù) 信貸應(yīng)用定期 （每天） 對 所有客戶的交易日志和當(dāng)前的債權(quán)狀況（包括核心系統(tǒng)內(nèi)的數(shù)據(jù)和從征信中心取得的數(shù)據(jù)）進(jìn)行分析， 建模，及分析當(dāng)前模型的精確性；定期 （每天） 根據(jù) 分析對客戶進(jìn)行分類（segmentation）；每天 針對不同的分類建立不同的模型，進(jìn)行行為 評分 、 預(yù)測 對 客戶 營銷 可能性 、 提前還款的可能性 、 壞賬 的可能性等；每天 根據(jù)預(yù)測的分?jǐn)?shù)和交易狀況和提前設(shè)定的strategy自動(dòng)調(diào)整客戶的 creditline；每天 根據(jù)預(yù)先設(shè)定的 strategy和 3， 4的結(jié)果對客戶進(jìn)行 電話 、 郵件 、 信件 等的促銷和催收 ；采用結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)消費(fèi)者數(shù)據(jù)庫基本身份信息住址信息收入信息財(cái)產(chǎn)信息消費(fèi)信息…（ 1）定期更新消費(fèi)者信息 （ 2）營銷活動(dòng)需求（ 3）建模并計(jì)算（ 4）提供報(bào)告HBASE（ NOSQL數(shù)據(jù)庫）Hadoop（ Map/Reduce）HBASE（ NOSQL數(shù)據(jù)庫）大集中系統(tǒng)? 使用 HBASE存儲(chǔ)半結(jié)構(gòu)及非結(jié)構(gòu)化內(nèi)容? 使 用 adoop的并行計(jì)算框架對存儲(chǔ)的半結(jié)構(gòu)化及非結(jié)構(gòu)化內(nèi)容，按照營銷要求進(jìn)行分析計(jì)算與消費(fèi)者數(shù)據(jù)庫中的身份信息進(jìn)行關(guān)聯(lián) 結(jié)果合并處理37MS大數(shù)據(jù)分析最佳 實(shí) 踐客 戶 分析解決方案關(guān)注點(diǎn) ? 理解客 戶 行 為 :利用 線 上和 線 下客 戶 數(shù)據(jù)，更加高效制定市 場 決策? 提升客 戶 體 驗(yàn) :通 過 理解客 戶 痛點(diǎn)以及定制客 戶 服 務(wù) ，使客 戶滿 意度最大化企 業(yè) 痛點(diǎn)? 客 戶 通 過線 上， 線 下和企 業(yè) 之 間 的交互信息 視圖 不完整? 對 客 戶 有行 為 特征了解有限，無法切 實(shí) 有效影響客 戶 的 業(yè)務(wù) 決策