大数据应用接行业地气 金融一体机破题

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
简单用户画像分析
本场景主要介绍基于海量日志数据进行简单用户画像分析为背景,如何通过使用DataWorks完成数据采集 、加工数据、配置数据质量监控和数据可视化展现等任务。
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
|
20天前
|
存储 消息中间件 监控
【Flume】Flume在大数据分析领域的应用
【4月更文挑战第4天】【Flume】Flume在大数据分析领域的应用
|
1月前
|
Cloud Native 数据处理 云计算
探索云原生技术在大数据分析中的应用
随着云计算技术的不断发展,云原生架构作为一种全新的软件开发和部署模式,正逐渐引起企业的广泛关注。本文将探讨云原生技术在大数据分析领域的应用,介绍其优势与挑战,并探讨如何利用云原生技术提升大数据分析的效率和可靠性。
|
1月前
|
存储 消息中间件 大数据
Go语言在大数据处理中的实际应用与案例分析
【2月更文挑战第22天】本文深入探讨了Go语言在大数据处理中的实际应用,通过案例分析展示了Go语言在处理大数据时的优势和实践效果。文章首先介绍了大数据处理的挑战与需求,然后详细分析了Go语言在大数据处理中的适用性和核心技术,最后通过具体案例展示了Go语言在大数据处理中的实际应用。
|
1月前
|
存储 JSON 大数据
大数据离线数仓---金融审批数仓
大数据离线数仓---金融审批数仓
126 1
|
30天前
|
数据采集 分布式计算 大数据
Java语言在大数据处理中的应用
传统的大数据处理往往依赖于庞大的数据中心和高性能的服务器,然而随着大数据时代的到来,Java作为一种强大的编程语言正在被广泛应用于大数据处理领域。本文将探讨Java语言在大数据处理中的优势和应用,以及其在分布式计算、数据处理和系统集成等方面的重要作用。
|
1月前
|
存储 大数据 数据挖掘
云计算与大数据:从基础设施到实际应用
云计算与大数据:从基础设施到实际应用
133 0
|
22天前
|
NoSQL 大数据 数据挖掘
现代数据库技术与大数据应用
随着信息时代的到来,数据量呈指数级增长,对数据库技术提出了前所未有的挑战。本文将介绍现代数据库技术在处理大数据应用中的重要性,并探讨了一些流行的数据库解决方案及其在实际应用中的优势。
|
27天前
|
机器学习/深度学习 人工智能 数据可视化
基于Python的数据可视化技术在大数据分析中的应用
传统的大数据分析往往注重数据处理和计算,然而数据可视化作为一种重要的技术手段,在大数据分析中扮演着至关重要的角色。本文将介绍如何利用Python语言中丰富的数据可视化工具,结合大数据分析,实现更直观、高效的数据展示与分析。
|
1月前
|
存储 NoSQL 大数据
新型数据库技术在大数据分析中的应用与优势探究
随着大数据时代的到来,传统数据库技术已经无法满足海量数据处理的需求。本文将探讨新型数据库技术在大数据分析中的应用情况及其所带来的优势,为读者解析数据库领域的最新发展趋势。
|
2月前
|
分布式计算 并行计算 大数据
Python多进程在数据处理和大数据分析中的应用
Python多进程在数据处理和大数据分析中的应用