金融公司大數據架構

A. 請問：金融行業在大數據這塊做的好的公司

星 橋 數來 據 就 很 好 ， 這 加 公 司 是源 一 家 融 合 了 大 數 據 和 金 融 行 業 的 創 新 公 司 ， 公 司 目 前 有 壹 貳 信 用 大 數 據 風 控 系 統 等 若 干 個 創 新 產 品 ， 這 些 產 品 在 緊 抓 客 戶 痛 點 的 同 時 ， 為 客 戶 實 現 數 據 分 析 、 預 測 、 征 信 查 詢 、 信 用 評 估 、 風 險 評 估 、 專 業 化 匹 配 等 大 數 據 金 融 一 體 化 服 務 。

B. 大數據技術在金融行業有哪些應用前景

金融業的涵蓋非常之廣，主要包括三大類：銀行類、投資類和保險類。具體則很多：商業銀行、投資銀行、證券、保險、小貸公司、租賃等。而且隨著時代和技術發展，還出現了各類新型金融機構，比如：消費貸、P2P等等。
其次，金融業基本是全世界各個行業中最依賴於數據的，而且最容易實現數據的變現。在本回答中不糾纏於大數據和數據的區別。比如世界上最大的金融數據公司Bloomberg，看起來它提供的金融數據服務在深度上並不復雜，而且其成立時間遠早於大數據這個詞彙出現的時間，但是你很難說，Bloomberg不是一個金融大數據公司。
越來越多的互聯網公司甚至是傳統行業的公司，變為產品導向性，一兩款產品的走勢就能決定公司的整體趨勢乃至股價的走勢

C. 大數據技術在金融行業的典型應用

大數據技術在金融行業的典型應用
近年來，大數據技術結合雲計算、區塊鏈、人工智慧等新技術向金融領域滲透融合，釋放出裂變式的創新活力和應用潛能，為金融行業包括財務公司帶來巨大的機遇。
近年來，我國金融科技快速發展，在多個領域已經走在世界前列。大數據、人工智慧、雲計算、移動互聯網等技術與金融業務深度融合，大大推動了我國金融業轉型升級，助力金融更好地服務實體經濟，有效促進了金融業整體發展。在這一發展過程中，又以大數據技術發展最為成熟、應用最為廣泛。從發展特點和趨勢來看，「金融雲」快速建設落地奠定了金融大數據的應用基礎，金融數據與其他跨領域數據的融合應用不斷強化，人工智慧正在成為金融大數據應用的新方向，金融行業數據的整合、共享和開放正在成為趨勢，給金融行業帶來了新的發展機遇和巨大的發展動力。

大數據在金融行業的典型應用場景
大數據涉及的行業過於廣泛，除金融外，還包括政治、教育、傳媒、醫學、商業、工農業、互聯網等多個方面，各行業對大數據的定義目前尚未統一。大數據的特點可歸納為「4V」。
第一，數據體量大(Volume)， 海量性也許是與大數據最相關的特徵。
第二，數據類型繁多(Variety)，大數據既包括以事務為代表的傳統結構化數據，還包括以網頁為代表的半結構化數據和以視頻、語音信息為代表的非結構化數據。
第三，價值密度低(Value)，大數據的體量巨大，但數據中的價值密度卻很低。比如幾個小時甚至幾天的監控視頻中，有價值的線索或許只有幾秒鍾。
第四，處理速度快(Velocity)，大數據要求快速處理，時效性強，要進行實時或准實時的處理。
金融行業一直較為重視大數據技術的發展。相比常規商業分析手段，大數據可以使業務決策具有前瞻性， 讓企業戰略的制定過程更加理性化，實現生產資源優化分配，依據市場變化迅速調整業務策略，提高用戶體驗以及資金周轉率，降低庫存積壓的風險，從而獲取更高的利潤。
當前，大數據在金融行業典型的應用場景有以下幾個方面：
在銀行業的應用主要表現在兩個方面：一是信貸風險評估。以往銀行對企業客戶的違約風險評估多基於過往的信貸數據和交易數據等靜態數據，內外部數據資源整合後的大數據可提供前瞻性預測。二是供應鏈金融。利用大數據技術，銀行可以根據企業之間的投資、控股、借貸、擔保及股東和法人之間的關系，形成企業之間的關系圖譜，利於企業分析及風險控制。
在證券行業的應用主要表現為：
一是股市行情預測。大數據可以有效拓寬證券企業量化投資數據維度， 幫助企業更精準地了解市場行情，通過構建更多元的量化因子，投研模型會更加完善。
二是股價預測。大數據技術通過收集並分析社交網路如微博、朋友圈、專業論壇等渠道上的結構化和非結構化數據，形成市場主觀判斷因素和投資者情緒打分，從而量化股價中人為因素的變化預期。
三是智能投資顧問。智能投資顧問業務提供線上投資顧問服務，其基於客戶的風險偏好、交易行為等個性化數據，依靠大數據量化模型，為客戶提供低門檻、低費率的個性化財富管理方案。
在互聯網金融行業的應用，一是精準營銷。大數據通過用戶多維度畫像，對客戶偏好進行分類篩選，從而達到精準營銷的目的。二是消費信貸。基於大數據的自動評分模型、自動審批系統和催收系統可降低消費信貸業務違約風險。
金融大數據的典型案例分析
為實時接收電子渠道交易數據，整合銀行內系統業務數據。中國交通銀行通過規則欲實現快速建模、實時告警與在線智能監控報表等功能，以達到實時接收官網業務數據，整合客戶信息、設備畫像、位置信息、官網交易日誌、瀏覽記錄等數據的目的。
該系統通過為交通銀行卡中心構建反作弊模型、實時計算、實時決策系統，幫助擁有海量歷史數據，日均增長超過兩千萬條日誌流水的銀行卡中心，形成電子渠道實時反欺詐交易監控能力。利用分布式實時數據採集技術和實時決策引擎，幫助信用卡中心高效整合多系統業務數據，處理海量高並發線上行為數據，識別惡意用戶和欺詐行為，並實時預警和處置;通過引入機器學習框架，對少量數據進行分析、挖掘構建並周期性更新反欺詐規則和反欺詐模型。
系統上線後，該銀行迅速監控電子渠道產生的虛假賬號、偽裝賬號、異常登錄、頻繁登錄等新型風險和欺詐行為;系統穩定運行，日均處理逾兩千萬條日誌流水、實時識別出近萬筆風險行為並進行預警。數據接入、計算報警、案件調查的整體處理時間從數小時降低至秒級，監測時效提升近3000倍，上線3個月已幫助卡中心挽回數百萬元的風險損失。
網路的搜索技術正在全面注入網路金融。網路金融使用的梯度增強決策樹演算法可以分析大數據高維特點， 在知識分析、匯總、聚合、提煉等多個方面有其獨到之處，其深度學習能力利用數據挖掘演算法能夠較好地解決大數據價值密度低等問題。網路「磐石」系統基於每日100億次搜索行為，通過200多個維度為8.6億賬號精確畫像，高效劃分人群，能夠為銀行、互聯網金融機構提供身份識別、反欺詐、信息檢驗、信用分級等服務。該系統累計為網路內部信貸業務攔截數十萬欺詐用戶，攔截數十億不良資產、減少數百萬人力成本，累計合作近500 家社會金融機構，幫助其提升了整體風險防控水平。
金融大數據應用面臨的挑戰及對策
大數據技術為金融行業帶來了裂變式的創新活力，其應用潛力有目共睹，但在數據應用管理、業務場景融合、標准統一、頂層設計等方面存在的瓶頸也有待突破。
一是數據資產管理水平仍待提高。主要體現在數據質量不高、獲取方式單一、數據系統分散等方面。
二是應用技術和業務探索仍需突破。主要體現在金融機構原有的數據系統架構相對復雜，涉及的系統平台和供應商較多，實現大數據應用的技術改造難度很大。同時，金融行業的大數據分析應用模型仍處於起步階段，成熟案例和解決方案仍相對較少，需要投入大量的時間和成本進行調研和試錯。系統誤判率相對較高。
三是行業標准和安全規范仍待完善。金融大數據缺乏統一的存儲管理標准和互通共享平台，對個人隱私的保護上還未形成可信的安全機制。
四是頂層設計和扶持政策還需強化。體現在金融機構間的數據壁壘較為明顯，各自為戰問題突出，缺乏有效的整合協同。同時，行業應用缺乏整體性規劃，分散、臨時、應激等特點突出，信息價值開發仍有較大潛力。
以上問題，一方面需要國家出台促進金融大數據發展的產業規劃和扶持政策，同時，也需要行業分階段推動金融數據開放、共享和統一平台建設，強化行業標准和安全規范。只有這樣，大數據技術才能在金融行業中穩步應用發展，不斷推動金融行業的發展提升。

D. 大數據在金融行業有哪些典型應用

天雲在金融行業深更多年，主要的應用場景分為以下幾類。

1，大數據，小分析：給予天雲大數據平台的數據倉庫項目，簡單來說就是做多維分析，通過構建cube來對數據進行分析。

2，大數據，大分析：全量數據進行數據挖掘與機器學習，打破人固有思維模式，進行業務創新。

3，查詢分析：典型的NOSQL資料庫適用場景，例如歷史數據查詢，銀行冠字型大小碼查詢等。

4，流式分析：事件驅動架構，對銀行中的大額變動提醒，vip人員及時關注應用比較多。

E. 中國有哪些金融大數據公司

中科院附屬《互聯網周刊》發布了2021年金融大數據30強榜單，並評選出今年以來在金融大數據方面取得突出進展的代表性企業。隨著大數據和人工智慧技術在金融領域的創新與實踐，融匯金科上榜了！《互聯網周刊》創刊於1998年，是中國互聯網和it行業最成功的主流商業雜志之一。早在幾年前，《互聯網周刊》就開始在互聯網行業發布各類榜單，在業內具有很高的權威性。此次入選榜單，無疑是對榮輝金科強大的研發能力和行業領先的金融科技布局的肯定。

中國金融服務業大數據分析服務市場總收入1093億元，其中金融風險管理收入323億元，客戶生命周期管理收入770億元，後者包括吸引新客戶和現有客戶管理。預計2019年至2024年，大數據分析服務市場將繼續保持快速增長，2024年將達到2524億元人民幣，年復合增長率為18.2%。准確、客觀、中立的大數據分析結果是客戶尋求大數據分析服務的關鍵要素。獨立服務商可以更准確地識別客戶需求，避免利益沖突，保持客觀性和中立性，更好地服務客戶。2014年至2019年，金融服務業獨立大數據分析服務提供商的市場份額將從2.3%提高到9.7%，預計2024年將進一步提高到16.8%。

F. 金融行業大數據是怎麼做的

如‍中投在線‍網站很多基於大數據處理的，該網站的理財‍產‍品‍實在太多了，都是用大數據‍來‍做‍批‍處理的。

G. 金融行業中的大數據應用有哪些方面

金融行業會運用到很多大數據，從投資結構上來看，銀行將會成為金融類企業中的重要部分，證券和報表分列第二和第三位。國內不少銀行已經開始嘗試通過大數據來驅動業務運營，如中信銀行信用卡中心使用大數據技術實現了實時營銷，廣大銀行建立了社交網路信息資料庫，招商銀行則利用大數據發展小微貸款等等。我這邊常會涉及到的大數據應用工具有finereport報表工具。

H. 中國有哪些金融大數據公司你知道哪些

金融大數據公司有很多，因為監管部門有牽頭組織的，然後還有這些互聯網平台他們自己成立的，還有那些專門為企業服務的那麼不同的類型，當然就有不同的機構了呀。像我們非常熟知的京東金融螞蟻金服，他就是互聯網電商平台旗下的金融科技公司。

電商平台給的比較明顯的螞蟻金服，我們京東金融我們平常使用的這個京東白條都價格范圍，還有網路的度小滿金融，它本身也是互聯網巨頭牽頭的這個金融大數據公司。本身也肩負著投資的這個平台功能，因為他們也可以叫做互聯網金融平台，大數據是他們自己的金融平台，是對我們的兩者並不沖突。

I. 金融大數據平台應該如何搭建及應用是否有金融案例可以借鑒的

金融大數據平台的搭建和應用是兩個部分，對於金融大數據平台來說，這兩個部分都很重要。所以以下的部分我們從大數據平台和銀行可以分析哪些指標這兩個角度來闡述。

一、大數據平台

大數據平台的整體架構可以由以下幾個部分組成：

1.一個客戶

客戶主題：客戶屬性（客戶編號、客戶類別）、指標（資產總額、持有產品、交易筆數、交易金額、RFM）、簽約（渠道簽約、業務簽約）組成寬表

2.做了一筆交易

交易主題：交易金融屬性、業務類別、支付通道組成寬表。

3.使用哪個賬戶

賬戶主題：賬戶屬性（所屬客戶、開戶日期、所屬分行、產品、利率、成本）組成寬表

4.通過什麼渠道

渠道主題：

渠道屬性、維度、限額組成寬表

5.涉及哪類業務&產品

產品主題：產品屬性、維度、指標組成寬表

三、案例

鑒於篇幅問題，此處可以參考這篇文章：

華夏銀行：大數據技術服務業務需求，實現銷售高速增長