解决方案

方案背景

大数据是继云计算、物联网之后IT产业又一次技术变革。“大数据”是公司在日常运营中生成、累积的用户网络行为的数据。这些数据的规模庞大，以至于不能用GB或TB来衡量。对金融行业而言，虚拟化及电子化交易将成为大数据时代金融行业发展的特征。因此，积极针对大数据布局，从战略层面应对大数据时代的挑战，推进并建立起数据驱动型发展方式的金融机构将获得比同业更高的效率。以有效提升交叉销售、投资管理市场份额及能力，并由此培育出自己的信息核心竞争力。

方案目标

泓维明昊银行大数据分析平台围绕运营优化、管理提升、风险控制为三大建设目标，主要体现为:

1．以用户数据为核心的运营优化，通过客户画像、精准营销、产品优化、舆情分析、市场和渠道分析，全面提高运营效率。 

2．以投入产出与价值贡献为导向的管理提升，通过绩效考核、领导驾驶舱、管理会计平台等应用真正实现精细化管理。 

3．利用多维度的安全判断和更细粒度的建模及预判实现中小企业货款评估、实时欺诈交易分析、反洗钱业务分析等应用加强对商业银行风险的识别、评价和预答，有效防范金融风险。

方案价值

1.高性价比，低TCO

整个系统架构，摒弃了传统系统常见的向上升级(Scale-Up)的思想，不管是数据集市还是BI前端，都支持横向升级(Scale-Out)。随着企业的业务增长，数据分析需求都会大幅增长，基于X86 PC Server集群的平台架构十分关键。在这种架构下，我们不用采购昂贯的小型机去支撑高并发，去支撑海量数据计算，去支撑数据分析业务的发展，而是采购多台普通的PC Server搭建集群，建设高性价比的分析平台。

2.快速发布，持续迭代

数据层敏捷:数据层无需做数据的预先汇总计算。传统的架构需要将数据提前按照能考虑到的所有维度的组合，以及所需的指标进行汇总，或者通过打Cube的方式预先计算好。但敏捷BI的方式是：只将数据关联做好，导入的数据还是细节数据，所有的计算都是在用户点击时发起实时计算。因此，数据层只需再建立一个轻量模型，导入新需求的细节数据即可。

应用层敏捷:采用灵活的ROLAP机制，每个点击发起的需求都会实时拼出SQL，送给计算层去计算，比较容易适应业务变化。模块层次少，建模完就可以直接设计报表和Dashboard，或进行探索式分析。因此对于终端用户来说也简单易用。

3.自服务式和探索式多维分析

基于主题的集市，已经将物理表结构在语义上转义成便于理解的逻辑结构，终端用户通过拖拉拽的方式可以轻松自定义报表或仪表盘。

前端系统的交互和分析能力:过滤、钻取、缩放、关联、变换、动态计算、链接等等。用户通过发现问题，找到答案，做出商业决定，形成探索式的分析。

4.高可用性

离线分析平台和在线分析平台都是分布式架构。数据存储是分布式的，数据的计算也是分布式的，还带有备份机制和监控机制。当某一台机器宕机，其他机器会自动承担所有计算。该分析计算平台应用广泛，有的电信级客户的数据量已经达到了上百T，依旧运行稳定可靠。该分布式数据集市支持对计算和存储节点进行热插拔扩展.可以从一个节点扩展到几十个甚至上百个节点。

5.高并发性

在线分析平台支持高并发。数据集市作为计算层，支持分布式计算，采用MapReduce架构来提高计算效率。BI前端可直接连Oracle或Hadoop，但是不建议采用Oracle或Hadoop来支撑高并发的OLAP系统。因为，Oracle是行式存储的，在OLTP系统能支持好高并发，但支持不好高并发的OLAP系统;而Hadoop系统作为高性价比的仓储系统，也不适合于做实时分析系统。泓维明昊的分布式数据集市，是列式存储的，采用良好的内存计算技术.可基于多台存储和计算节点并行工作.非常适合海最数据的实时数据分析。