微軟銀行業(yè)大數(shù)據(jù)解決方案交流-閱讀頁
2025-03-08 13:27本頁面
【正文】 Results 傳統(tǒng) /關(guān)系型 數(shù)據(jù)源 非傳統(tǒng) /非關(guān)系型 數(shù)據(jù)源 傳統(tǒng) /關(guān)系型 數(shù)據(jù)源 非傳統(tǒng) /非關(guān)系型 數(shù)據(jù)源 1 0 0 1 1 1 STREAMING 11 大數(shù)據(jù)技術(shù)是一系列技術(shù)的集合，是傳統(tǒng)數(shù)據(jù)結(jié)構(gòu)化數(shù)據(jù)與非結(jié)構(gòu)化技術(shù)與數(shù)據(jù)的整合，并基于這些技術(shù)與數(shù)據(jù)迚行綜合的商業(yè)智能應(yīng)用，包括數(shù)據(jù)分析與數(shù)據(jù)挖掘等。 流數(shù)據(jù) SQL Server StreamInsight組件實(shí)現(xiàn)了對(duì)新的數(shù)據(jù)格式的支持，其中包括流數(shù)據(jù)。 21 大觃模并行處理引擎 Massively Parallel Processing (MPP) PDW作為 SQL Server的橫向擴(kuò)展解決方案 … MPP 提供線性橫向擴(kuò)展能力 ? Massively Parallel Processing (MPP) 大規(guī)模并行處理架構(gòu) ? 橫向擴(kuò)展： 按需添加硬件實(shí)現(xiàn)線性擴(kuò)展 ? 無共享架 構(gòu) 最小 (0TB) 到最大 (6PB) ? 從幾個(gè) TB的小型數(shù)據(jù)倉庫開始 ? 擴(kuò)展到 6 PB 比 SMP DW快 10倍 復(fù)雜作業(yè)計(jì)算 線性擴(kuò)展 擴(kuò)展靈活方便 (No forklift) 聚沙成塔 成長無限 容量最大 隨需擴(kuò)容 PB 宕機(jī)為零 高枕無憂 22 Hadoop的典型應(yīng)用場(chǎng)景 ? 用戶行為分析 ? 跟蹤用戶 在 網(wǎng)站 上 的點(diǎn)擊路徑，分析其購買習(xí)慣 ? 根據(jù)用戶屬性，猜測(cè)用戶感興趣的商品，定向推廣 ? 根據(jù) N度客戶，發(fā)掘潛在的客戶群體 ? 日志存儲(chǔ)、分析 ? 日志分布在多臺(tái)服務(wù)器，查找問題困難 ,跨系統(tǒng)應(yīng)用日 志分析、系統(tǒng)性能分析等 ? 上傳文件存儲(chǔ) ? 各業(yè)務(wù)系統(tǒng)上傳的文件、圖片統(tǒng)一保存 23 MS與 Hadoop ?基于 Apache Hadoop的 Windows Server和Windows Azure，以及 AD的支持 ? HDInsight Server ? HDInsight 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 訪問頻度 MPP數(shù)據(jù)庫 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。 ? HDP是 對(duì)傳統(tǒng)數(shù)據(jù)倉庫的一種 補(bǔ)充和延伸 ，整體構(gòu)成一個(gè)更廣義 的海 量數(shù)據(jù)倉庫。 —該語音引擎支持多種語音的識(shí)別和朗讀，包括英文、日文、中文等。 —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。 ?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 ?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。 ?待識(shí)別音頻的大小、時(shí)長無限制 。 ? 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。這在未來以數(shù)據(jù)取勝的 時(shí)代對(duì)銀行很不利。 ? 貸款模式使得客戶減少對(duì)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。 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： 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) ?數(shù)據(jù)缺口 ?丏業(yè)人才缺乏 ?IT技術(shù)成熟度 ?隱私安全 33 中國銀行業(yè)大數(shù)據(jù)應(yīng)用場(chǎng)景 風(fēng)險(xiǎn)管理和合規(guī) 反欺詐 反洗錢 多點(diǎn)檢測(cè) 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(shì)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(chǎng)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)管理和自劣服務(wù)。 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)。 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
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1