2014中国金融云平台峰会 普元强调“数据治理”才是金融大数据应用的基石

简介:

ZDNET至顶网CIO与应用频道 09月19日 北京消息:9月12日,由国内领先的基础软件产品与解决方案提供商普元与计世传媒集团新金融世界联合举办的“2014中国金融云平台峰会”在北京隆重召开。本届峰会以“互联网金融时代的大数据应用”为主题,与会嘉宾涵盖银行、保险、证券、互联网金融等领域的权威专家、公司CIO以及负责信息技术、产品创新的部门负责人,深度探讨了金融业的数据整合、数据挖掘、数据治理、数据平台、数据安全等热点问题,并对互联网金融时代的大数据应用创新与实践进行了分享,旨在推动国内金融领域在互联网金融时代成功转型。

在此次金融云平台峰会上,计世传媒集团总裁与新金融世界出版人黎争、国家信息中心副研究员李良博士、普元CTO焦烈焱、TalkingData数据商业部高级总监陈星霖、中国建设银行产品与创新管理部副总经理赵志宏、宁波银行信息科技部总经理沈栋等重量级演讲嘉宾从互联网金融的大数据应用、分析、架构和解决方案等方面分享了他们的创新理念和最佳实践。

大数据应用基石:数据治理

金融业是典型的数据驱动行业,在这一行业,大数据无处不在:交易、报价、业绩报告、消费者研究报告、官方统计数据公报、调查、新闻报道等皆是数据来源。在此次金融云平台峰会上,计世传媒集团总裁与新金融世界出版人黎争指出,企业需要利用大数据来判断消费者的需要、对企业的反馈,以及怎样针对不同消费者推出相应的产品和技术。中国建设银行产品与创新管理部副总经理赵志宏表示,金融行业已在大数据应用指引下,完全向客户化定制时代过渡。国家信息中心副研究员李良博士则认为,大数据的价值在于如何成为预警和规避风险、提高资产质量、扩大利润空间和提升核心竞争力的关键。

那么,如何在互联网金融下如此繁杂的大数据中,有效利用与驾驭数据呢?普元CTO焦烈焱在此次金融云平台峰会上强调:大数据应用的前提是高质量的数据,数据治理应是基石和关键。焦烈焱认为当下CIO应以资产的角度来管理数据,让数据对内发挥作用,对外产生效益,并需解决在多种技术混合下的大数据治理的实时性和快速交互等问题。宁波银行信息科技部总经理沈栋更是以自身的实际案例来说明,良好的数据治理应以“大平台”的策略逐步实现。

普元数据治理平台:实现可落地的大数据治理

普元大数据产品线总经理王轩在此次金融云平台峰会上表示,监管机构很早就认识到数据治理的重要性,2011年银监会启动了数据质量管理标准的检查,在为金融客户实施的数据治理项目中,普元总结出可落地的大数据治理的一套方法论:在做数据治理时客户不仅要有强有力的组织架构、完善的制度流程,更要有良好的平台支撑和成熟的实施方法。在峰会上,王轩还分享了普元的数据治理平台Primeton Data Governance在金融业的众多成功应用:从大型的政策型的银行、大型的城市商业银行到大型的资产公司,普元数据治理平台领先的技术和方法论可以从根本帮助用户解决数据质量的问题,并有效地分析系统数据之间的来龙去脉。

王轩强调,普元大数据平台有非实时数据整合、实时数据整合、数据治理、数据发布、数据可视化、数据分析等一系列产品,可提供从咨询、数据集成、数据治理到可视化的“一站式”服务,以标准化、模块化和动态可持续的IT平台助力金融行业大数据应用。在大数据架构的创新上,普元讲求“大平台+微服务”的概念,落点在客户最终体验上,即微小的快速服务体验,帮助合作伙伴快速实施应用,并产生效果。针对风险管理、数据管理等问题,普元通过业界流行的流式计算技术Storm,为金融行业这一面向海量客户的服务行业实现应用场景设置、实时风险控制、主动营销、时间预警等功能,为大数据安全保驾护航。

众多金融企业成功实施

普元自2010年开始涉足大数据领域,一直走在整个业界的前列。普元数据治理平台Primeton Data Governance,提供从数据治理咨询到工具落地实施一体化的解决方案,在业内特别是金融行业拥有丰富的成功实施案例,全力支持互联网金融时代的大数据应用,堪称大数据时代企业挖掘数据资产、高效分析、提升业务管理能力的利器。

普元数据治理平台Primeton Data Governance能够进行跨行业、多领域数据治理,拥有强大、灵活的数据接入能力,强大的解析能力,多平台一体化的分析能力。在中信银行的项目中,普元团队通过分析,实现了以业务价值为驱动的原则,在元数据信息整合共享、变更影响分析等环节发挥了重大作用,有力提升了日常工作的效率。除此之外,普元数据治理平台Primeton Data Governance在国家开发银行、上海银行等国内金融行业的重点企业,均已成功应用。

原文发布时间为:2014年09月19日
本文来自云栖社区合作伙伴至顶网,了解相关信息可以关注至顶网。
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 
目录
相关文章
|
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
117 1
|
2月前
|
分布式计算 DataWorks IDE
MaxCompute数据问题之忽略脏数据如何解决
MaxCompute数据包含存储在MaxCompute服务中的表、分区以及其他数据结构;本合集将提供MaxCompute数据的管理和优化指南,以及数据操作中的常见问题和解决策略。
46 0
|
2月前
|
SQL 存储 分布式计算
MaxCompute问题之下载数据如何解决
MaxCompute数据包含存储在MaxCompute服务中的表、分区以及其他数据结构;本合集将提供MaxCompute数据的管理和优化指南,以及数据操作中的常见问题和解决策略。
37 0
|
2月前
|
分布式计算 关系型数据库 MySQL
MaxCompute问题之数据归属分区如何解决
MaxCompute数据包含存储在MaxCompute服务中的表、分区以及其他数据结构;本合集将提供MaxCompute数据的管理和优化指南,以及数据操作中的常见问题和解决策略。
33 0
|
2月前
|
分布式计算 DataWorks BI
MaxCompute数据问题之运行报错如何解决
MaxCompute数据包含存储在MaxCompute服务中的表、分区以及其他数据结构;本合集将提供MaxCompute数据的管理和优化指南,以及数据操作中的常见问题和解决策略。
38 1
|
2月前
|
分布式计算 关系型数据库 数据库连接
MaxCompute数据问题之数据迁移如何解决
MaxCompute数据包含存储在MaxCompute服务中的表、分区以及其他数据结构;本合集将提供MaxCompute数据的管理和优化指南,以及数据操作中的常见问题和解决策略。
31 0
|
2月前
|
机器学习/深度学习 算法 数据可视化
基于Google Earth Engine云平台构建的多源遥感数据森林地上生物量AGB估算模型含生物量模型应用APP
基于Google Earth Engine云平台构建的多源遥感数据森林地上生物量AGB估算模型含生物量模型应用APP
91 0
|
2月前
|
分布式计算 Cloud Native MaxCompute
MaxCompute数据问题之没有访问权限如何解决
MaxCompute数据包含存储在MaxCompute服务中的表、分区以及其他数据结构;本合集将提供MaxCompute数据的管理和优化指南,以及数据操作中的常见问题和解决策略。
38 0
|
3天前
|
数据采集 搜索推荐 大数据
大数据中的人为数据
【4月更文挑战第11天】人为数据,源于人类活动,如在线行为和社交互动,是大数据的关键部分,用于理解人类行为、预测趋势和策略制定。数据具多样性、实时性和动态性,广泛应用于市场营销和社交媒体分析。然而,数据真实性、用户隐私和处理复杂性构成挑战。解决策略包括数据质量控制、采用先进技术、强化数据安全和培养专业人才,以充分发挥其潜力。
10 3
|
5天前
|
运维 供应链 大数据
数据之势丨从“看数”到“用数”,百年制造企业用大数据实现“降本增效”
目前,松下中国旗下的64家法人公司已经有21家加入了新的IT架构中,为松下集团在中国及东北亚地区节约了超过30%的总成本,减少了近50%的交付时间,同时,大幅降低了系统的故障率。