大数据应用接行业地气 金融一体机破题

本文涉及的产品
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介:

本文讲的是大数据应用接行业地气 金融一体机破,大数据到底有多热?从春运大数据、春晚大数据到“两会”上对大数据国家战略的热烈讨论,就这样,大数据从一个技术市场的热词,恍然间“似如一夜春风来,飞入寻常百姓家”。

  技术市场中,关于大数据究竟是“新瓶装旧酒”还是“颠覆式创新引擎”的讨论从未停歇。实际上,当蕴含在数据生命周期中的信息价值得以充分释放时,没有人会关心其背后的技术究竟是“大数据”抑或是其他。现实生活中人们所经历的是各种看得见或看不见的“大数据果实”,例如购物网站上的各种关联推荐、商场中的货品陈列、基于数据的个性化服务衍生品等,甚至包括“哪里的啤酒与炸鸡最好?”这样的潮流趋势。

  互联网金融的实质-大数据

  2014年春节,“微信红包”与支付宝“让红包飞”一时瑜亮,其风头一定让人们淡忘了当年疯狂滥炸的“收礼只收脑白金”,成功占领各种信息渠道的头条位置。与再一次被推到舆论风口浪尖的“互联网金融”一道,传统金融业的服务创新再次成为所有人热议的焦点。毕竟,以微信红包为例,它交出了这样的答卷:从除夕至大年初一16时,参与抢红包用户过500万,总计抢红包7500万次以上;总领取数超2000万个,平均每分钟领取达9.4万个……

  交易数据、信用数据、社交数据、移动数据等,蕴藏在这些数据资产背后的,是想象无边界的、巨大的“信息宝藏”.谁能够更好地掌握、分析这些数据,谁就能更好地挖掘数据背后的商业价值,实现点数成“金”.在这方面,互联网公司是“探路者”也是“先行者”,传统行业的产品、服务创新将紧随其后,说到底,大数据是背后的推手。

  作为我国最早完成信息化建设的行业,金融业多年来积累了相当庞大的数据。近年来,金融行业自身客户数据、交易数据、风险管理数据以及来自于网络的数据呈爆发式增长,大数据应用前景十分广阔。

  然而,如何借鉴互联网金融的成功之处,利用大数据技术创新金融业务和模式,是众多金融机构一直在思考的问题。传统金融行业业务链长、业务环节多,带来了数据量大、分散、异构的现状。一方面,通过采用虚拟化、分布式计算、存储技术,跨越组织架构、业务体系局限,用大数据实现业务转型和服务创新已势在必行;另一方面,大数据技术市场上存在众多技术流派,带来硬件、软件等各方面的技术兼容性问题,导致在大数据的部署、业务开发和运维等环节,用户面临建设周期长、自行调试、二次开发难度高等问题。

  银行大数据内力不足

  邬贺铨院士表示:“实际上所有银行本身都是大数据的企业。”据统计数据表明,银行的平均数据存储量是各行业中最高的,国内银行结构化数据平均年增长量约100TB,接近国外的二十分之一,非结构化数据约1PB.其中,工行的企业级数据仓库存储量超过350TB,积累的数据超4.5PB;中行、建行、银联、交行、华夏、邮政等等也有很大的数据量。

  银行可以利用这些海量数据来做些什么呢?麦肯锡公司认为,基于大数据,银行可以把贷款客户份额增加一倍,贷款损失减少四分之一。目前,大数据在银行业的风险管理方面有很广泛的应用,如交行太平洋信用卡中心采用了自动信贷审批决策引擎,优质账户平均余额和利息收入增加20%和10%,审批效率提高30%;工行在采用大数据进行风险管理后,全行日均手工监督工作量由859.8万笔降低到5.4万笔,全行释放了5900余名业务监督人员。

  大数据也能有效降低银行的客户流失率。招行通过数据分析识别出招行信用卡高价值客户经常出现在星巴克、DQ、麦当劳等场所后,通过“多倍积分累计”、“积分店面兑换”等活动吸引优质客户;通过构建客户流失预警模型,对流失率等级前 20%的客户发售高收益理财产品予以挽留,使得金卡和金葵花卡客户流失率分别降低了15 %和 7%.

  不过,银行业的大数据收集与分析能力仍需加强,特别是在语音分析、视频分析、流分析以及位置分析等方面,银行与其他行业的平均水平还存在着较大差距。

  从传统结构化数据的分析应用,到行业内部整合的多结构类型大数据处理,再到未来的跨部门、跨行业的数据整合分析,“我们正处于行业内异构数据共享和价值释放的阶段,并在未来相当长的时间都会处在这个阶段。”浪潮集团高级副总裁王恩东指出,“这个阶段,会有大量的新技术和新产品涌现,无论是硬件还是软件。对于产业链上下游的系统厂商、行业ISV来说,这都是难得的‘历史新机遇'.”

  当通用技术不足以支撑行业业务流程再造和价值释放时,结合行业需求特点,进行技术和产品的整合和优化不啻为一种比较现实可行的做法。日前,浪潮集团与国内领先的金融信息化解决方案供应商南天信息联合推出浪潮云海金融大数据一体机,这是国内市场第一款面向金融行业大数据应用的一体化产品。据了解,目前该系统已经在某国有商业银行完成历史查询业务的实测,测试结果表现优异。

  大数据行业应用接“地气”

  针对大数据市场的定位和分析,浪潮的策略可谓“两手抓,两手都要硬”.一方面,浪潮在基础软硬件平台上持续加大研发投入,并将一些关键技术移植到一体机产品上。另一方面,不断建立和深化与国内大型ISV的合作,完善产业布局,已经成为浪潮大数据战略的重要策略。开放、灵活的基础平台与行业应用相结合,形成一体化方案,能够有效帮助用户跨过大数据应用的“门槛”,进而创造新的业务价值。

  据了解,基于分布式开放架构的浪潮云谷系统软件,云海金融大数据一体机采用了Share Nothing架构设计,具有弹性扩展、即付即用、性能强劲、安全可靠四大特点,其应用了FPGA加速技术、SSD加速缓存技术等多项优化技术实现了整体性能的大幅提升,数据导入速度可达到每秒百万条,随机查询速度更是高达每秒百亿条,比业界平均性能水平提升了20%.而Share Nothing架构设计,则让系统能够灵活扩展到4000节点,达到了顶级互联网企业的大数据技术实现能力。

  同时,云海金融大数据一体机应用了诸多基于浪潮天梭K1的主机安全技术,拥有自主研发的50多项发明专利和2项软件着作权,RAS特性超过20项,而模块化的安全体系设计和操作系统安全增强系统,则确保产品符合国家信息安全等级保护第三级认证标准。

  大数据一体机、一体机系统软件、大数据行业定制机,作为最早推出大数据平台化解决方案的国产厂商,浪潮的大数据策略脉络清晰,产品足够“接地气”.当基础平台与行业应用充分嫁接时,数据流转和价值变现将从真正意义上脱离“纸上谈兵”的阶段,大数据应用走向行业纵深,“以数据为中心,推动行业应用从数据向服务转型”的梦想将照进现实。

作者:陶然

来源:IT168

原文标题:大数据应用接行业地气 金融一体机破题

相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
5天前
|
存储 数据可视化 大数据
大数据管理与应用
大数据管理与应用是一门融合数学、统计学和计算机科学的新兴专业,涵盖数据采集、存储、处理、分析及应用,旨在帮助企业高效决策和提升竞争力。核心课程包括数据库原理、数据挖掘、大数据分析技术等,覆盖数据处理全流程。毕业生可从事数据分析、大数据开发、数据管理等岗位,广泛应用于企业、金融及互联网领域。随着数字化转型加速,该专业需求旺盛,前景广阔。
15 5
|
6天前
|
存储 搜索推荐 大数据
大数据在医疗领域的应用
大数据在医疗领域有广泛应用,包括电子病历的数字化管理和共享,提升医疗服务效率与协同性;通过数据分析支持医疗决策,制定个性化治疗方案;预测疾病风险并提供预防措施;在精准医疗中深度分析患者基因组信息,实现高效治疗;在药物研发中,加速疗效和副作用发现,提高临床试验效率。此外,在金融领域,大数据的“4V”特性助力业务决策前瞻性,被广泛应用于银行、证券和保险的风险评估、市场分析及个性化服务中,提升运营效率和客户满意度。
20 6
|
1月前
|
机器学习/深度学习 数据可视化 大数据
阿里云大数据的应用示例
阿里云大数据应用平台为企业提供高效数据处理与业务洞察工具,涵盖Quick BI、DataV及PAI等核心产品。DT203课程通过实践教学,帮助学员掌握数据可视化、报表设计及机器学习分析技能,提升数据驱动决策能力。Quick BI简化复杂数据分析,DataV打造震撼可视化大屏,PAI支持全面的数据挖掘与算法应用。课程面向CSP、ISV及数据工程师等专业人士,为期两天,结合面授与实验,助力企业加速数字化转型。完成课程后,学员将熟练使用阿里云工具进行数据处理与分析。[了解更多](https://edu.aliyun.com/training/DT203)
|
8天前
|
机器学习/深度学习 人工智能 分布式计算
人工智能与大数据的融合应用##
随着科技的快速发展,人工智能(AI)和大数据技术已经深刻地改变了我们的生活。本文将探讨人工智能与大数据的基本概念、发展历程及其在多个领域的融合应用。同时,还将讨论这些技术所带来的优势与挑战,并展望未来的发展趋势。希望通过这篇文章,读者能够对人工智能与大数据有更深入的理解,并思考其对未来社会的影响。 ##
|
1月前
|
消息中间件 SQL 大数据
Hologres 在大数据实时处理中的应用
【9月更文第1天】随着大数据技术的发展,实时数据处理成为企业获取竞争优势的关键。传统的批处理框架虽然在处理大量历史数据时表现出色,但在应对实时数据流时却显得力不从心。阿里云的 Hologres 是一款全托管、实时的交互式分析服务,它不仅支持 SQL 查询,还能够与 Kafka、MaxCompute 等多种数据源无缝对接,非常适合于实时数据处理和分析。
78 2
|
2月前
|
分布式计算 大数据 数据处理
Apache Spark的应用与优势:解锁大数据处理的无限潜能
【8月更文挑战第23天】Apache Spark以其卓越的性能、易用性、通用性、弹性与可扩展性以及丰富的生态系统,在大数据处理领域展现出了强大的竞争力和广泛的应用前景。随着大数据技术的不断发展和普及,Spark必将成为企业实现数字化转型和业务创新的重要工具。未来,我们有理由相信,Spark将继续引领大数据处理技术的发展潮流,为企业创造更大的价值。
|
2月前
|
存储 SQL 分布式计算
MaxCompute 在大规模数据仓库中的应用
【8月更文第31天】随着大数据时代的到来,企业面临着海量数据的存储、处理和分析挑战。传统的数据仓库解决方案在面对PB级甚至EB级的数据规模时,往往显得力不从心。阿里云的 MaxCompute(原名 ODPS)是一个专为大规模数据处理设计的服务平台,它提供了强大的数据存储和计算能力,非常适合构建和管理大型数据仓库。本文将探讨 MaxCompute 在大规模数据仓库中的应用,并展示其相对于传统数据仓库的优势。
78 0
|
2月前
|
存储 关系型数据库 大数据
PolarDB 大数据处理能力及其应用场景
【8月更文第27天】随着数据量的爆炸性增长,传统的数据库系统面临着存储和处理大规模数据集的挑战。阿里云的 PolarDB 是一种兼容 MySQL、PostgreSQL 和高度可扩展的关系型数据库服务,它通过其独特的架构设计,能够有效地支持海量数据的存储和查询需求。
56 0
|
2月前
|
机器学习/深度学习 监控 大数据
Serverless 应用的监控与调试问题之Flink在整个开源大数据生态中应该如何定位,差异化该如何保持
Serverless 应用的监控与调试问题之Flink在整个开源大数据生态中应该如何定位,差异化该如何保持
|
2月前
|
分布式计算 Hadoop 大数据
大数据处理框架在零售业的应用:Apache Hadoop与Apache Spark
【8月更文挑战第20天】Apache Hadoop和Apache Spark为处理海量零售户数据提供了强大的支持
40 0
下一篇
无影云桌面