微軟銀行業(yè)大數(shù)據(jù)解決方案交流(編輯修改稿)
2025-03-16 13:27 本頁(yè)面
【文章內(nèi)容簡(jiǎn)介】 t Service ? Hive ODBC Driver 和 Addin for Excel ? JavaScript Framework for Hadoop ? SQL Server and SQL Server Parallel 數(shù)據(jù) Warehouse connections for Hadoop ? Sharepoint, Powerpivot和 Powerview作為前端展示 24 數(shù)據(jù)價(jià)值 訪問(wèn)頻度 MPP數(shù)據(jù)庫(kù) 結(jié)構(gòu)化數(shù)據(jù) 傳統(tǒng) BI工具 HDP 半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù) 歷史數(shù)據(jù)分析 數(shù)據(jù)生命周期 數(shù)據(jù)規(guī)模 ? HDP在 hadoop上增加了：集群管理能力，工作流，安全管理，并融入了數(shù)據(jù)分析 ,機(jī)器學(xué)習(xí)技術(shù)以及文本數(shù)據(jù)分析挖掘。 ? 所有的這些增強(qiáng)都是為了更好的使得該方案能適用于 復(fù)雜的，海量數(shù)據(jù)的分析 。 ? HDP是 對(duì)傳統(tǒng)數(shù)據(jù)倉(cāng)庫(kù)的一種 補(bǔ)充和延伸 ，整體構(gòu)成一個(gè)更廣義 的海 量數(shù)據(jù)倉(cāng)庫(kù)。 HDP 海 量 大 數(shù) 據(jù)倉(cāng)庫(kù) 25 Hive、 Sqoop 當(dāng)前大數(shù)據(jù)分析面臨的挑戰(zhàn) Warehouse 要求學(xué)習(xí)和掌握MapReduce技術(shù) 需要 IT人員將 HDFS 中的數(shù)據(jù)倒入數(shù)據(jù)倉(cāng)庫(kù)或集市中，才能用于后繼的分析 HDFS (Hadoop) HDFS (Hadoop) —— 大量新技術(shù)需要學(xué)習(xí)掌握、周期長(zhǎng)、見(jiàn)效慢 傳統(tǒng) BI EDW Connector for Hadoop ETL/ELT ? Hadoop：成本低、擴(kuò)展性好、數(shù)據(jù)加載快、并發(fā)處理 強(qiáng) ? EDW： SQL查詢執(zhí)行性能高，包括Adhoc、 OLAP、報(bào)表等 Hive ODBC Driver 26 基于 PolyBase的全方位數(shù)據(jù)整合能力 ? 穿越結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)的訪問(wèn) ? 數(shù)據(jù)庫(kù)和 Hadoop的混合分析支持 ? 透明的應(yīng)用訪問(wèn) Social Apps Sensor RFID Mobile Apps Web Apps 非結(jié)構(gòu)化數(shù)據(jù) 結(jié)構(gòu)化數(shù)據(jù) 數(shù)據(jù)庫(kù) 文件系統(tǒng) HDFS 混合動(dòng)力引擎 PolyBase SQL 關(guān)系型 數(shù)據(jù)庫(kù) ? 通過(guò)統(tǒng)一的查詢，同時(shí)訪問(wèn)結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù) ? 沿 用標(biāo)準(zhǔn)的 SQL語(yǔ)句進(jìn)行訪問(wèn) ? Select, From Where 低延遲可擴(kuò)展流數(shù)據(jù)計(jì)算平 臺(tái) StreamInsight 用于大數(shù)據(jù)領(lǐng)域?qū)崟r(shí)高頻數(shù)據(jù)分析處理 一個(gè)處理流數(shù)據(jù)的 低延遲 平臺(tái) 毫秒級(jí)，甚至微妙級(jí)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(tái) 通過(guò)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 、 勱態(tài)的 平臺(tái) Streams應(yīng)用靈活部署 支持勱態(tài)部署新的分析應(yīng)用 每秒數(shù)以百萬(wàn)計(jì)的事件 微秒級(jí)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 churn predict Smart Grid 網(wǎng)絡(luò)安全入侵監(jiān)測(cè) Cyber Security Government / Law enforcement ICU Monitoring 環(huán)境監(jiān)控 27 28 使用熟悉工具來(lái)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(lái)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(wú)需 IT 人員介入 分析多樣的數(shù)據(jù)類型 廣泛使用的Excel 29 MicrosoftSpeech SDK —Microsoft Speech SDK是微軟公司提供在 Windows平臺(tái)上開(kāi)發(fā)語(yǔ)音識(shí)別和語(yǔ)音合成應(yīng)用程序的開(kāi)發(fā)包，簡(jiǎn)稱為 SAPI，內(nèi)含 SR（ Speech Recognition）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(yǔ)音引擎支持多種語(yǔ)音的識(shí)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(shí)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(yǔ)音引擎和識(shí)別上下文等內(nèi)容，配置本地訪問(wèn)屬性。 ?分析處理得到的文本結(jié)果 —請(qǐng)求接口 ?請(qǐng)求方式：本地訪問(wèn) ?請(qǐng)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(yǔ)音識(shí)別引擎位于本地，便于訪問(wèn)，識(shí)別速度較快。 ?待識(shí)別音頻的大小、時(shí)長(zhǎng)無(wú)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(chǎng)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(chǎng)優(yōu)勢(shì)，對(duì)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(lái)是銀行自己的持卡客戶，銀 行卻根本不知道他們的購(gòu)物明細(xì)，只能知道他們花了多少錢(qián)。這在未來(lái)以數(shù)據(jù)取勝的 時(shí)代對(duì)銀行很不利。 ? 銀行系電子商務(wù)開(kāi)展不順利：整個(gè)銀行系的電子商務(wù)市場(chǎng)份額總共不到 2%。 ? 貸款模式使得客戶減少對(duì)于銀行的依賴：目前來(lái)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(duì)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(wàn) 貸款余額 民 生銀行： 363億美元 招商銀行： 52億美元 阿里小貸： 貸款客
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1