银行的业金融大数据服务平台项目的规划书

1、银行业金融大数据服务平台项目规划书项目介绍1.1项目背景银行业一直是一个数据驱动的行业，数据也一直是银行信息化的主题词。银行的信息化进程先后经历过业务电子化、数据集中化、管理模型化等阶段，如今随着大数据技术的飞速 发展，银行信息化也进入了新的阶段：大数据时代。目前，国内银行都积累了海量的金融数据，包括各类结构化、半结构化、非结构化数据，数据量巨大，存储方式多样。但是这些海量数据还没得到充分利用，显得价值含量较低。只 有经过合适的预处理、模型设计、分析挖掘后，才能发现隐藏在其中的潜在规律。而应用大数据分析技术，可以从海量的、不完全一致的、有噪声的、模糊的、随机的数据中提取隐含 在其中的、人们事先

2、不知道的、但又是潜在有用的信息和知识。银行可以利用这些信息和知识来提升金融业务的服务效率和管理水平，银行的关键业务也能从中获得巨大收益。银行在大数据技术应用方面具有天然优势：一方面，银行在业务开展过程中积累了大量有价值数据，这些数据在运用大数据技术挖掘和分析之后，将产生巨大的商业价值；另一方面，银行在资金、设备、人才、技术上都具有极大的便利条件，有能力采用大数据的最新技 术。建立“金融大数据服务平台”，可以通过对金融数据的挖掘、分析，创造数据增值价值，提供针对银行的精准营销、统一广告发布、业务体验优化、客户综合管理、风险控制等多种金融服务。1.2业务需求目前，银行客户对数据的利用仍是以各类统计

3、报表为主，存在以下重大弊端：1. 对数据的分析仅按照固定项目，对业务情况进行事后统计分析和监控。实际上没有找到隐藏在数据背后的原因，数据深度分析和数据挖掘能力不足。2. 对数据的分析仅作为专项的统计分析结果输出，对于数据间的因果影响、相关性分组或关联规则、聚类、描述和可视化等工作尚未开展，数据关联分析能力不足。3. 统计分析侧重在事后的数据汇总，难以从数据汇总中得到客户服务事件发生的规律，以及前瞻性判断，数据的预测性分析能力不足。针对具体的金融业务，大数据分析在以下方面有着迫切的需求：统一广告发布：目前金融行业客户在广告方面投入大、渠道多，但在确认真实效果、提 供优化广告策略时却不能提供确切的

4、数据证据。亟需利用大数据技术在收集各类型、各渠道广告发布数据的基础上，提供可靠的效果数据和优化策略建议。精准营销：目前金融行业的营销方式基本上还是粗放式的，调查方式粗糙，分析原因简单，对过程的控制力差， 对客户和产品的推广都缺少针对性。亟需利用大数据技术来收集详尽数据、科学分析原因、严格控制过程、并有针对性地面向客户和产品进行营销推广。业务系统优化:目前金融行业对其业务系统的客户体验效果、客户转化率缺乏准确数据支持，也无法分析具体原因。亟需利用大数据技术获得各业务、各环节的客户转化率，从而有针对性地改进业务流程，提升服务质量。客户流失分析：对于如何稳定留存客户、 降低客户流失率，目前金融客户还

5、无法准确分 析客户流失的原因，也就无从提出有效的改进措施。亟需利用大数据技术在分析流失客户数据的基础上，提出改进客户关系管理效率和水平的有效建议。风险分析：金融行业对自己客户和业务的风险分析停留在初级阶段，缺乏全面掌握和提前预防的技术手段。亟需利用大数据技术获得存在较高风险的客户群体及业务，作为对其进行重点监控和提前做好预防措施的基础。通过建设金融大数据服务平台，研发基于大数据分析的统一广告发布系统、精准营销系统、业务体验优化系统、客户流失分析系统和风险分析系统，金融客户可以提升广告发布效果，提高营销针对性，优化服务质量，改善客户管理水平，预防风险冲击，进而为业务发展 提供决策支撑，并促进相关

6、领域构建新的业务模式、服务模式。二. 项目范围北京XXXX技术有限公司自主研发的“金融大数据服务平台”，旨在为金融行业客户提供包括数据采集、数据存储、数据预处理、数据挖掘、可视化展现、业务实现等全流程服务， 以帮助客户实现各种金融业务。数据采集“金融大数据服务平台” 首先需要收集各种金融数据，它们可能是结构化的， 也可能是半结构化或非结构化的；既可能来自银行内部的各业务系统，也可能由外部提供；既可以是静态的（如属性数据），也可以是动态的（如行为数据）。而金融数据采集产品就是根据业务 需要，将这些数据采集到“金融大数据服务平台”中。数据存储Hadoop 集群通过将数据分配到多个集群节点上并进行并

7、行处理，因此尤为适合对大 数据的存储和分析。Hadoop 集群通过添加节点数量来有效的扩展集群，因此具有极好的 可扩展性；Hadoop 软件都是开源的，也不必购买昂贵的高档服务器，因此具有很好的性 价比。Hadoop集群将数据分片发送至多个节点保存，因此具有极高的容错性。数据预处理采集到金融数据来自多种数据源，大多存在着不完整性和不一致性，无法直接用于数据挖掘或严重影响数据挖掘的效率。因此在进行数据挖掘之前，通过使用数据预处理工具，灵活对原始数据的清理、变换、集成等处理，可以减少挖掘所需数据量，缩短所需时间，并极 大提高数据挖掘的质量。数据挖掘数据挖掘是通过分析数据、从大量数据中寻找其潜在规律

8、的技术。利用预测、关联、分类、聚类、时序分析等技术，数据挖掘可以从海量的、不完全的、有噪声的、模糊的、随机的数据中提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识。 目前，传统的数据挖掘产品在大数据平台上还存在一些局限性，研发一套Hadoop 平台下的数据挖掘工具是一项极具挑战性的任务。可视化展现数据挖掘得到的结果，往往数据量巨大、关联关系复杂、维度多以及双向互动需求等。可视化展现工具以适合人类思维的图形化的方式对结果进行展示，提高了数据的直观性和可视性。可视化展现面向各类客户，通过选择合适的可视化模型，将枯燥的数据转换为令人印 象深刻的美丽图形，极大提升了数据的利用价值。业务实

9、现“金融大数据服务平台”的效果，最终需要集成在各类金融业务系统中才能得以体现。 目前拟建设的金融业务系统有：精准营销系统、统一广告发布系统、业务体验优化系统、客户流失分析系统、风险分析系统等。三. 项目目标实施针对银行的“金融大数据服务平台”项目，通过采集银行内部与外部、静态与动态的各类金融数据，搭建适于大数据存储与分析的Hadoop集群，对金融数据采取合适的预处理方式，利用数据挖掘技术得出隐藏在海量数据后的、有价值的潜在规律，以丰富的可视化模型向客户进行展现，在此基础上实现精准营销、统一广告发布、业务体验优化、客户综合管理、风险控制等金融业务应用。 由此，提升金融业务的水平和效率，推进银行业

10、务创新，降低银行管理和运行成本。本项目的具体技术目标包括：开发金融数据采集工具：大数据分析需要收集来自银行内部的和外部的、静态的和动态的各种金融数据，为此开发各类金融数据采集工具，如动态采集SDK、日志提取分析工具、外部数据导入工具等。搭建Hadoop 大数据集群：搭建Hadoop大数据集群，是建设“金融大数据服务平台” 的基础。利用多台性能较为一般的服务器，组成一套基于HDFS和Map-Reduce 机制的集群，并根据需要在其上安装Hive、HBase、Sqoop、ZooKeeper 等软件。实现分析挖掘算法：支持Hadoop的分析挖掘算法，是“金融大数据服务平台”的一个关键组成部分。在利用

11、传统数据挖掘技术的基础上， 实现包括抽象的数学算法 （如关联算 法、分类算法、聚类算法、时序分析算法等），以及在此基础上针对金融业务的专业算法 （如 客户行为特征模型、效果分析模型等） ，作为进一步构建抽象模型和金融专业模型的基础。构建分析挖掘模型：支持Hadoop的分析挖掘模型，是“金融大数据服务平台”的另一关键组成部分。在上一步基础上，快速构建抽象的数学模型（如神经网络模型、事物关联模型等），以及针对金融业务的专业模型（如精准营销模型、广告效果评估模型等）。实现ETL工具：数据预处理也是“金融大数据服务平台”需要解决的问题之一。利用市场上已有的数据预处理成果，研发一个支持Hadoop的ET

12、L工具，实现包括规范化、数据抽样、数据排序、汇总、指定因变量、属性变换、数据替换、数据降维、数据集拆分、离 散化等功能。实现可视化展现工具：“金融大数据服务平台”上的分析结果将主要采用丰富多彩的可视化形式向用户进行可视化展现。利用市场上已有的相关技术和产品，研发一个可视化展现工具，可以支持：分类树图、视觉聚类图、关联图、序列图、回归图等多种可视化形式。实现金融业务应用：将分析挖掘的结果集成到具体的银行业务系统中，如精准营销系统、统一广告发布平台、业务体验优化系统、客户综合管理系统、风险控制系统等。具体方式既 可以是实现某个独立的新业务系统，也可以是在现有系统中实现一个或多个新模块，从而扩充或提

13、升原有的功能。本项目的具体业务目标包括：精准营销：综合分析客户行为特征信息和金融业务分类信息，可以得到客户最有可能感兴趣的业务以及业务最有可能的潜在客户群，以此为基础有针对性地开展营销；统一广告发布：分析广告效果分析信息，可以得到各类型、各渠道的最佳配置或薄弱环 节，以此为基础改变广告策略、提升广告效果；业务体验优化:分析客户业务体验信息、客户流失信息，可以得到客户在各业务、各环 节的转化率，分析流失原因，在此基础上改进业务流程、 提高服务质量，以提升客户满意度；客户流失分析：综合分析客户行为特征信息、客户流失信息及其它信息，得到客户的全方面分析结果，在此基础上改进客户关系管理的效率和水平；风

14、险分析：分析客户属性数据、 风险分析数据，可以得到存在较高风险可能的客户群体 和业务信息，在此基础上区分特别关注目标、 制定预防措施，降低这些客户和业务可能带来 的冲击。四. 技术方案4.1总体架构“金融大数据服务平台”由数据采集层、数据存储层、分析挖掘层和业务应用层组成,总体框架如下图所示：数据采集层：负责从各类数据源中提取、导入数据，主要产品包括：动态采集SDK、日志提取分析工具、外部数据导入工具、其它数据提取工具等。数据存储层：负责将预处理后的数据进行存储，主要由可进行横向扩展的Hadoop 集 群构成，另外辅之以关系数据库作数据中转、元数据存储、供某些软件使用等用途。分析挖掘层：负责金

15、融数据经建模、 挖掘、评估和发布，核心是实现两类数据挖掘的算法和模型：一类是抽象的数学算法及模型，另一类是在此基础上针对金融业务的专业算法和模型。业务应用层：负责将分析挖掘结果的可视化展现形式，集成到相应的金融业务系统中。另外，在数据采集层和数据存储层之间，由ETL工具负责数据预处理任务；在分析挖掘层和业务应用层之间，由可视化展现工具负责分析挖掘结果的可视化展现任务。4.2技术架构“金融大数据服务平台”的技术架构采用多层次形式，如下图所示:HiveHBaseHDFS + Map-ReduceR分析包，SAS, 分析挖掘算法关系数据库业务 实现层分析 挖掘层R图形包， 可视化展现R分析包，SAS

16、, 分析挖掘模型数据存储层Kettle,数据抽取、转换、加载C/S应用客户端数据采集Sqoop 关系数据库导入Map-Reduce日志分析、提取定制化程序其他数据采集数据采集层日志文件数据源数据源包括各类动态数据 （如行为数据）、静态数据（如属性数据）、日志文件以及其它数据等，可以是结构化的、半结构化的和非结构化的数据。在数据采集层，各采集工具根据具体情况采用不同的技术实现方式，如对动态数据的采集，使用C/S架构的客户端采集 SDK，对日志文件使用 Map-Reduce 方式的分析提取工具， 对静态数据按Sqoop方式从关系数据导入，对其它数据则使用定制化程序，等等。ETL （数据抽取、转换、

17、加载）将采集到的各种数据整合成统一的数据模型，包括数据清洗、数据转换、数据规约、数据集成等。为加快项目进度和保证项目质量，初步决定在某 个支持Hadoop的开源ETL产品（如Kettle ）的基础上进行二次开发。在数据存储层，Hadoop集群使用Hadoop技术生态圈的诸多关键技术，包括：分布式存储HDFS系统、并行处理 Map-Reduce 机制、No-SQL数据库Hbase、数据仓库Hive、协调系统ZooKeeper等。此外，还需用到关系数据库担任数据中转、元数据存储、供某些 软件使用等用途。分析挖掘层的任务是在 Hadoop集群实现各种分析挖掘算法和分析挖掘模型。算法和模型有两类，一类

18、是抽象的数学算法（如聚类算法、关联分析算法）和数学模型（如神经网络模型、事物关联模型等），另一类是此基础上构建的专业算法（如金融客户分类算法、效 果评估算法）和专业模型（如客户行为特征模型、效果评估模型）。为加快项目进度、保证项目质量和扩大适应范围，初步决定在SAS和R的分析挖掘包的基础上实现算法接口，并利用算法接口构建大部分模型，其余部分视实际情况而以自主研发方式构建。可视化展现将分析挖掘结果面向用户进行各种可视化展现（如散点图、直方图、分布图、饼图等），分析挖掘的质量也决定着展现的质量。为加快项目进度，初步决定在某个可视化 展现开源产品（如 R的图形包）的基础上进行二次开发。在业务实现层，

19、分析挖掘结果集成到相应的金融业务系统中。具体方式既可以是实现某个独立的新业务系统，也可以是在现有系统中实现一个或多个新模块，从而扩充或提升原有的功能。4.3物理架构“金融大数据服务平台”采用集中部署方式，硬件环境由Hadoop集群服务器和数据个，以后根据需要增加）；NameNode 用于管理数据在 DataNode 上的分配，而DataNode 用于数据的存储。 NameNode 和DataNode 采用相同的配置，运营环境中建议为：CPUCPU为2块为2块*16核，主频22.5GHz，内存128G，硬盘12块*2T。数据库集群包括两台数据库服务器，采用双机热备方式。其配置建议为:*16核，主

20、频22.5GHz，内存64G，硬盘12块*2T。五. 项目人员组织5.1项目组织结构各组组成及职责为：项目领导组：由公司高管、部门经理担任，负责组织、监督、协调项目的进行；项目经理：由项目领导组任命，基本职责是确保项目目标准时、优质地完成；大平台组：负责金融大数据服务平台的相关事务，包括搭建Hadoop 大数据集群、实现数据挖掘算法、构建业务模型等；业务组：承担与金融业务相关的事务，包括市场调研、对金融业务系统、功能性产品的 需求分析等；系统开发组：承担对各产品及业务系统的开发任务，包括SDK产品、ETL工具、可视化展现工具、各个金融业务系统的开发等。5.2项目人员配置组别级别人数备注项目领导

21、组高级管理人员1或多人由公司高管、部门经理兼任项目经理中级管理人员1大平台组系统设计员多人技术专豕实施人员多人业务组需求分析员每产品或系统1人一般由组长兼任系统设计员每产品或系统1人业务实现组系统设计员每产品或系统1人一般由组长兼任编码人员多人测试人员多人实施人员多人六. 项目进度计划“金融大数据服务平台”的整体进度分项目规划、需求调研、项目实施、推广及服务共四个阶段。项目规划阶段自2014年11月3日至2014年11月28日，共20个工作日。需求调研阶段自2014年11月24日至2015年3月20日，共85个工作日项目实施阶段自2014年11月10日至2015年5月29日，共145个工作日（

22、含元 旦、春节、劳动节等法定节假日），按SDK产品、数据采集、集群搭建、算法层研发、构建 模型、ETL工具、可视化展现工具、统一广告发布系统、精准营销系统、业务体验优化系统、 客户流失分析系统和风险分析系统共十二个小项分别进行。推广及服务阶段，每一项功能性产品或金融业务系统完成后，即可开始进行推广，并-直持续进行。xls ”和“金融大数据服务平时间进度如下图，详细请参见“金融大数据服务平台进度台.mpp ”。UiK?O 帝耳jwy3 -J一5* '可甲舒iWMls A里誅妍内b时如i i容白申1工期产血討间之苗冃亓丢忏抚Sn 工*日 zninflaHzai4*ii月四曰弓工伯=1：Dl

23、uX|IHJ&閔1*甲】月也'-)nnn月3日' ait*iuiNBID工卉日BiqfCLlLDHEH血厲21日* 工咋日 srnsii.RnF-2r“mi月海1R1 L-ftt IZU1*培 11 冃24£j2U1± 牟AH2ULIL TA-H ULHii llKlA43PI3TJ瑪一广舌由布强53"LC.工平日Ifi 5上#|岸谥 11 势!M、LU TH，.电址弓比扯ILL屯血止護L0工q 口也鬼百一“丸亡折b盹L肾応工q冃中.亍F席十折弗说”英辛可LU J1YH琐冃宝itiw h作日了礎g丘険K妙I0T麵华胡Tt他宦|»&

24、#39;丄作屮巩油盘HI用出咱詢琳哗1;口4富汕年12月15曰"1*年伫月沖r20151,5620351 月 16B53l7'1.-1020忑評；巧=1£0ljiFi7l?Jri102D141冃 ID日 ZnimE冃 EV0 ml4f j 1 冃山日 zuialtiv lu口91 働11JILDB'月 10QuniFjifiiT20k 年】2门11 13別尹吕疤吴方秦乱走刍工作曰El癣12月B曰mim：唧汨2DUD丄作tlSD诲 iZflBBI勒i侔】旳dbII«f in 口才fULI R冃|l,fHiiiUJdRoQsz口册矫台曽井押h” rfr

25、aevimMiebeB詐心】明心口Z3L1工咋日29HM年12月啰曰冲举:月常224宫匚¥冬扶抵i=；Jl-工加tr201=1 冃 g曰2815 年:月=fld23毋0常三占孰也号1)l II n-泗电牡i引口EEK吕隼【月上口£321» tftiisrjs丄咋冃即|弭|月涓nitsineSS2TDfjtA 林 ittrns Tffni(n-i<i jinun池巧r“】四冃EBI13»丰薛甘療碎=亲“ r4a211411 月曰2TI停明：日霑L工非Hsrnaii加曰胡1山总月电曰30Ll工卉日SOi辑L2月旧zoi停i羽j阳31宦*早 tr” lU

26、-'iX -t XlVBanftk flBin3Z3i3iPFr-=rfim T仆日翱|!5申同?曰刃IE年M月2日3313St?j£fj-軒酬工作曰20153 月充一2山拜*月洪日昶册瑣律松、甘析的总弟Elit L ft LlUP14HJ44LI2U帕年4口世41日31ZJ仍弐u丄强柏二li TU就弭弧；11.岀目前1毎】烧83»点叶蕭我工吓RSH4勿？月“鬥嶺37丰讯甘击序揑一ff-工年曰£0151.120363B1« rfrB如廿肆3目2曰如亍年 月迪3?3»轲 Tita踏恬聲|耳谊10sruuk*卫日忌口啊3JL町悄出泾州总讣i

27、r 3日aWimsFW月:n日:L-I世业;：軒=也耒2工拒日8015年1月偲曰201$年1月匸用43拾卸蓉口讦为TTiFIff甲w r:4a：ll EEE3zniiiaaigS -4£ 4LqjLO丄作日血辑2月2 m也1字-引牟|<244输ttr書建!1书斬帕,：L IftU从却上屮日m】jLi程昨LtxivaiDJSiman2(fcj)fin羽4E幅窑户皤廿胖輕“ T仆日:DIS5ER1E3血亏知月弓日44L5_作日£0152刖曰WriTM他工n 口Mi 隼也 B»E3划1站您电月口n1厂工11圣峯if-工佃SL和曰zoi审i四羽取5QTfTflSH作

28、冃aikEZH胡月苗釈51山t4日2CqfelEFE9=|曲:弓年：月/日F："辽且实应S工作H2C1541 月 12 自也|弹月:thSL53nGi'U武亠鼻曰IM辑谕曰:ois<kura农5乐C、忧it、B工作El£M5 苗3冃301細丘年tflstn常骂研右可構比阪丁 H话"口ZQL蝇1耳吟日却”年*冃m日5E13可散化平却罡:，执乜方5工作日201洱1 月 17-M：# 月 j5g51*.iS.rr：(j、rfrtiM15洋1月注曰上山:pSMhrjtJSBFISKIR#工让:DI5L|EIEsDisaflirn5T阴H寸底用跖工咋RMl辑嵋

29、旧:ni君谓汗80M工乍Fl2flM5年3月30曰2EM淬电冃烈曰LL彼一广営瓷曲融出丄*U忑IM电年鮭耳紗曰20站牟3月肝已Ef讥俎掘i+lu TftS聶油£1壮.西曰卽=罩上眄r工侑日sibiAuS:my月1币肢3為tHF汗=£i工作冃缄巧祥匸耳ET曰0E5fif.U粉薪松m TftBMR吕年1月IT曰ei弓性a冃in曰eaLOZH1531.190Ml埠月坤10J&5JF 夏辽工wu1心!J£IK山 Jfl-iC輕関需工作冃C?E3« Tft口MH*砂日却吓甲5冃庐日T9m工非日却i.刚月in曰四i拜珥rgLLTiL5工作H153J3DB2山

30、3年心】-恤nTI“工冲日2054.620 Q的二共和30TLT3sn工莽H柯恋;t用皆曰刑出年5月?HFIiSSifIQ T.祜曰LJ1ESSE£3却:弓年：月JFIU75Lt IAQIDlSil.E US： 0 T4. EE：冥呈沪訐雄述工低白EDk&硒目归30171)，月ZJ口7STTw> TffA脯诵军瓦0丹冃T-T详S1洛卄0 1作日切巧年耳IJ曰ElfcflJFIIPTS岂"代£ 一霏日二工1弓至4巨归曰EtKm牟s月：日TE_.EE：ZJ吳里It *抵30丄作曰拝"由曰"1拜5耳沖科01Iflf MKno iftu?

31、lacJhzlJ刑1濟4R1QB3snrj R4tfrf-94EtsrEi|qtTl?BP?aIV】禽】弐冃邓EDr”珥i月1旧edisi月i阳 se即IF年2月2曰姒淬3月：日5?cdi'llj ：I .L2J1-.U jJJjLI LUSLa-t?±|)i；亍低LfTffQ:ClfltEJlEl 二：141 : .*口IBtl 才屮LI-T'TTfrn8Bl工征口-H1IW3R10EBT在老网J6广l工诵FT：011月门目as业L工作于fD155 月:LEI 曰B9欝吸”驱rL工乍中ZDiSE|LS甘豹1厂L匸乍屮5I 呻 in.nr.q i月 fl ：m讦谒讥H

32、 Pf： 筑】眸问阳TE 年*月；m f Et：W.4：H «注：市场推广和服务的结束时间实为“持续”。七. 财务及设备计划八. 风险管理软件项目开发具有连续性、复杂性、少参照性、无规范标准等特点，风险程度较高。对 于“金融大数据服务平台”，不但涵盖范围广，包含产品多，而且技术要求高，业务需求复 杂，因此尤其需要重视各种风险。以下是“金融大数据服务平台”可能遇到的风险及其防预措施：合同风险：与客户签订的合同不科学、不严谨，与客户在项目边界和各方面责任界定 不清等是影响项目成败的重大因素之一。预防措施是项目建设之初， 要全面准确地了解合同各条款的内容、尽早就模糊或不明确的条款签订补充协

33、议。需求变更风险：这是软件项目经常发生的事情。 一个看来很有利可图的项目， 往往由 于无限度的需求变更而让开发方苦不堪言， 甚至最终亏损。预防措施是项目建设之初， 就和 客户书面约定好需求变更控制流程、记录并归档客户的需求变更申请。沟通不良风险：项目组与项目各干系方沟通不良，是影响项目顺利进展的一个非常重要的因素。预防措施是项目建设之初就和项目各干系方约定好沟通的渠道和方式、项目建设过程中多和项目各干系方交流和沟通、注意培养和锻炼自身的沟通技巧。缺乏支持风险：上级领导的支持是项目获得资源（包括人力资源、财力资源和物料资 源等）的有效保障，也是项目遇到困难时项目组最强有力的“后台支撑”。预防措施是主动争取上级对项目的重视、确保和上级领导的沟通渠道畅通、经常向上级领导汇报工作进展。进度风险：