【正文】 你必須努力，當有一天驀然回首時，你的回憶里才會多一些色彩斑斕，少一些蒼白無力。既糾結了自己，又打擾了別人。2. 若不是心寬似海，哪有人生風平浪靜?！?3】張楊20100301201105012004030120110101大數據時代及數據挖掘的應用國家電網報大數據量GIS網絡分析算法的實現和優(yōu)化研究2011 年的數據量已經8 澤字節(jié) (ZB)，也就是 萬億 字節(jié)，此傳統(tǒng)的存儲系統(tǒng)遇到了前所未有的挑戰(zhàn)。 為了克服這些弊端，現在有推薦使用基于分布式存儲、集中管理思路的、以及基于iSCSI 技術的IPSAN 來作為視頻監(jiān)控的存儲解決方案，這個方案的主要特點包括:(1)分布式存 儲，集中管理。 上述兩種存儲方案均有很多弊端，尤其當監(jiān)控點很多，需要的存儲量又很大的情況下， 這些可能的弊端包括:由于存儲分散導致難以維護。 在一個視頻監(jiān)控系統(tǒng)中，選擇什么樣的存儲解決方案直接決定了整個系統(tǒng)的系統(tǒng)架構以 及系統(tǒng)的性能和穩(wěn)定程度，目前視頻監(jiān)控系統(tǒng)中的存儲方案大致上有兩種。因此，有必要分析對比當前主流的 分布式文件系統(tǒng)在體系結構、緩存一致性、可擴展性、安全等方面的長處和不足。正是由于對用戶透明地改變了結構， 滿足用戶的需求，以掩蓋分布式文件操作的復雜性，才大大增加了分布式文件系統(tǒng)的實現難 在計算機性能不斷提升的同時，計算機部件的平均價格卻在不斷下降。高層次的文件系統(tǒng)都是以低層次的文件系統(tǒng)為基礎， 實現了更高級的功能。多處理器多用戶的文件系統(tǒng)，如Unix 的本地文件系統(tǒng)。從早期 NFS到現在的 Lustre，分布式文件系統(tǒng)在體系結構、系統(tǒng)規(guī)模、性能、可擴展性、可用 性等方面經歷了較大的變化。一個典型的網絡可能包括多個供多用戶訪問的服務器。世界上 第一個分布式數據庫系統(tǒng)SDD1 是由美國計算機公司(CCA)于1979 年在DEC 計算機上 實現。集中式處理 引起系統(tǒng)的規(guī)模和配置都不夠靈活，系統(tǒng)的可擴充性差。 國內外綜述 分布式數據庫 分布式數據庫系統(tǒng)通常使用較小的計算機系統(tǒng)，每臺計算機可單獨放在一個地方，每臺 計算機中都有 DBMS 的一份完整拷貝副本，并具有自己局部的數據庫，位于不同地點的許 多計算機通過網絡互相連接，共同組成一個完整的、全局的大型數據庫。 除了解決傳統(tǒng)信用評估體系無法解決的無信用評分借貸問題，ZestFinance還主要面向傳統(tǒng)信用評估解決不好的領域，將信用分數低而借貸成本高的人群視為服務對象，利用大數據技術降低他們的信貸成本。 （3）大數據技術可以使得“一切數據皆信用”成為可能。中國目前是世界上互聯網人口最大的國家，截至2013年12月，%，其中手機網民規(guī)模達5億人，繼續(xù)穩(wěn)定增長。%。因此在利用大數據進行信用評估的時候，要考慮使用個人隱私的合規(guī)性前提。ZestFinance的基于大數據的數以千計的變量規(guī)模和多模型使得數據的處理和模型的解釋變得比較復雜，在實際應用中會帶來許多麻煩。 （2）ZestFinance的體量不大，目前僅為10萬美國人提供了服務，在美國的影響力有限，真實的效果目前還很難總體評價。美國的金融體系比較健全，而且信用體系也比較健全，這是ZestFinance賴以生存的土壤。信用風險評估是P2P網貸的核心問題，存在很多挑戰(zhàn)，如很多信貸客戶沒有或者是缺乏銀行的信貸記錄。而新的信用評估體系更看重用戶現在的信息，致力于橫向拓展。 如表2所示，將這種將基于大數據技術的信用評估體系和傳統(tǒng)信用評估（以美國的征信體系為例）相比，發(fā)現主要的區(qū)別有以下幾個方面。 其中，ZestFinance開發(fā)了10個基于機器學習的分析模型，對每位信貸申請人的超過1萬條數據信息進行分析，并得出超過7萬個可對其行為做出測量的指標，在5秒鐘內就能全部完成。其次，尋找數據間的關聯性并對數據進行轉換。為了證明自己的還款能力，用戶會有詳細、準確回答的激勵，另外用戶還會提交相關的公共記錄的憑證，如水電氣賬單、手機賬單等。 如圖4所示，ZestFinance的數據來源的多元化體現在：首先，對于ZestFinance進行信用評估最重要的數據還是通過購買或者交換來自于第三方的數據，既包含銀行和信用卡數據，也包括法律記錄、搬家次數等非傳統(tǒng)數據。 ZestFinance的數據來源十分豐富，依賴于結構化數據的同時也導入了大量的非結構化數據。 五、ZestFinance大數據信用評估的實踐 ZestFinance的基本理念是認為一切數據都是和信用有關，在能夠獲取的數據中盡可能地挖掘信用信息。但在大數據背景下個人消費者出現許多信息維度，如電子商務、社交網絡和搜索行為等，傳統(tǒng)信用評估模型解決問題的能力越來越受限。大數據征信應用與啟示 wbr——以美國互聯網金融公司 wbrZestFinance為例 三、傳統(tǒng)信用評估模型信息維度比較單一 傳統(tǒng)的FICO評分模型的基本思想是比較借款人信用歷史資料與數據庫中的全體借款人的信用習慣，檢查借款人的發(fā)展趨勢跟經常違約、隨意透支，甚至申請破產等各種陷入財務困境的借款人的發(fā)展趨勢是否相似。還有一種可能，那就是他們的貸款申請會被拒，無論是否事出有因。大致來看，美國個人消費者信用評分人群分布狀況呈現兩頭小中間大的形態(tài)，信用分數處于750～850的人群有40%之多，其中信用分數在800～850大約占總人數的13%，在750～799超過總人數的25%，這是整個信用社會的中間階層，對應于美國的中產階級。由于美國傳統(tǒng)的信用風險評估體系無法覆蓋全部的人群，大約15%的人因沒有信用評分而被銀行排斥在外，無法獲得基本的信貸需求。卜德（ShawnBudde）（曾管理過收益超過10億美元的次級信貸業(yè)務)聯合創(chuàng)辦。2． 實際意義：大數據在征信系統(tǒng)中的應用近期，美國互聯網金融公司ZestFinance受到國內互聯網金融專業(yè)人士的熱捧，其基于大數據的信用評估模型也越來越受到關注和效仿。大數據所依賴的數據分析技術為非關系型的，以數據中心為基礎?，F在，其過程變成了以實際分布為基礎，根據總體的特征進行概率的判斷，在靜態(tài)或者動態(tài)的某個時點，大數據所需處理的對象為總體數據，不需要根據分布理論推斷總體特征，而要根據計算方法進行推斷。第二，傳統(tǒng)的統(tǒng)計實證分析，思路是“假設—驗證”，即首先提出假設，接著按照統(tǒng)計方法進行數據的收集、分析、展示，最后通過所得到的結論對假設進行驗證。 其次對數據進行量化、分直接從各種“定量的回應”中找出有價值的、為我們所需要的數據，并通過分析找到數據的特征和數量關系，進而據此做出判斷與決策。（6）． 分析思維的改變。 （5）． 量化方式的變化。 （4）.數據來源的不同。 最后為數據存儲。 （3）． 收