首页 / 案例

客户背景

现代金融业几乎完全建立在信息技术之上。随着金融业蓬勃发展,银行、保险、证券等金融机构将更多依靠构建智能型数据分析体系充分挖掘业务规律,以更好支持业务与服务创新。

问题与需求

需要可扩展的开放架构做支撑。大数据量必然要求金融企业IT基础设施更易于数据的整合与集中、扩展与伸缩,以及管理与维护,同时还必须具备良好的可靠性、可控性、安全性。

大数据在加强风险管控、精细化管理、业务创新等业务转型中将起到重要作用。首先,大数据能够加强风险可审性和管理力度,支持业务精细化管理。利率市场化必然会对银行业提出精细化管理的新要求。

需要大数据支持服务创新,能够更好实现“以客户为中心” 的理念,通过对客户消费行为模式进行分析(比如事件关联性分析),提高客户转化率,开发出不同的产品以满足不同客户的市场需求,实现差异化竞争。

小额信贷是另一个大数据应用领域,需要通过大数据技术自动分析判定是否给予企业贷款等业务应用。

TDH方案的实施效果

某国有银行用户查询系统
某银行将所有的交易数据通过ETL工具从关系数据库实时增量导入Hyperbase,设计容量能够存放15年。TDH的最新ODBC驱动程序支持增删查改(CRUD)并对接现有ETL工具,使实时增量同步成为可能。历史交易数据查询采用SQL进行查询,可在1秒内完成,可支持每秒1万的并发SQL查询。同时对所有交易数据通过SQL进行批量处理,对近期三个月交易数据进行行列转换载入内存进行交互式分析,可以10秒内完 成大部分统计分析。

某券商客户综合分析管理系统
某金融结构有银行和保险等金融业务。银行业务提供多种类型的贷款,为了避免坏账,银行根据金融原理和行业经验设计了许多复杂的SQL,用来对它收集的大量数据进行分析,计算出坏账风险。银行原有的传统关系型数据库和MPP数据库在数据海量和SQL复杂的场景下性能不足,而开源版本的Hadoop无法支持现有复杂业务场景,TDH大数据平台完美地解决了上述问题。Inceptor前端解析层高度支持银行使用的 SQL,100%完成了银行贷款风险分析系统用到的大量超宽表统计,并以快于某MPP数据库若干倍的速度返回了结果。内存表Holodesk满足银行所需的大量adhoc(即席)查询,通过对接现有报表系统,可以在一秒内聚合 分析几亿条数据,满足了银行业务部门交互式分析需求。

某银行信用卡中心
某金融机构的信用卡中心拥有大量银行卡实时交易数据,该中心需要打造开放的大数据平台使得各业务部门可以挖掘这些数据中的价值。Inceptor中的分布式大数据挖掘工具全面支持 R语言而且提供二十多种并行化机器学习算法。Transwarp R帮助该信用卡中心的大数据平台高效地实现了以下功能:

1.根据刷卡消费的时间、金额和种类分析商圈的范围和密度,找出特定消费类别的重点区域和重点人群。
2.根据刷卡记录分析持卡人的行为特征,如年龄阶段、性别、支付能力、消费频繁度、兴趣爱好、职业性质等等,采用协同过滤等机器学习算法为持卡人推荐合适的商户或产品。
3.从持卡人复杂的连续交易行为中挖掘出规律,一方面找出沉默用户并分析流失可能性,另一方面利用消费规律下推测该用户在未来一段时间内很大概率会发生的消费行为,进行精准的营销。