电子地图:大数据可视化的纽带

在大数据时代,银行业金融机构纷纷开始寻求新的发展之路,如何有效利用大数据成为一个热门话题。其中,大数据可视化是一项重要技术,它能够以图形化的方式展示、分析银行企业的海量数据,对于银行系统综合水平的提升至关重要。中国农业银行通过自主创新建立了电子地图平台,以电子地图技术（GIS）为纽带,开启大数据可视化的新道路。     

数据仓库在银行业务中的作用

数据仓库是一种中介查询工具,可用来在海量数据中筛选有用信息,这一过程并不改写原始数据,因此对现有数据并无任何危害。在商业银行领域,数据仓库技术常被用于客户盈利分析、银行产品分析和市场趋势预测,数据仓库的主要作用是通过访问数据来实现信息查询,将隐藏的信息显露出来,作为银行决策的依据。     

农行海量客户信息增量式迁移法

海量客户信息的增量式移植是多数银行在进行数据大集中时面临的一个难题．中国农业银行在实践中提出了技术上的二路归并方法和工程上的A、B日方案．对客户信息数据进行整合和归并．取得了良好效果。     

大数据环境下银行数据分布与存储架构设想

近来,大数据这一IT行业的热门话题,在金融行业也引发了越来越多的关注。在数据爆发式增长的今天,银行每天都在生成、获取海量数据。首先,传统的交易系统每天产生数亿笔客户交易、形成了TB级的结构化数据;其次,业务处理过程中银行采集了大量用于集中作业、集中授权、集中监控的影像、视频等非结构化数据;再次,银行网站每天点击量达到几千万次,     

大数据时代商业银行数据挖掘攻略

正大数据时代,对于商业银行而言,在不断完善计算机应用系统底层数据库群、操作数据存储、主数据存储、企业级数据仓库、数据集市等建设的基础上,网络爬虫、Hadoop、MapReduce、NoSQL、Lucene等技术拓宽了银行的数据掌控能力。当前,银行无论面对内部数据还是外部数据、结构性数据亦或非结构性数据,数据的产生、捕获、整合、存储、访问等技术均已日渐成熟。与此同时,数据的价值也随着数据生命周期的不断延伸而大幅提升。为实现数据价值的最大化,银行还     

数据仓库数据质量6西格马标准

随着科技的发展、企业信息化建设的成熟,出现了大量的业务数据和操作数据,为了将海量的数据转化为信息从而产生真正的价值,在银行业尤其是大型银行,商业智能技术得到广泛的应用。而数据仓库的建设,正是商业智能中非常关键的一个环节。现有的研究中对于数据质量的探讨,一般面向所有的信息系统。实际上,不同类型的信息系统其数据质量的关注点和治理方式,并不完全相同。     

"数据变更"重在"精细化管理"

数据变更作为数据中心生产运维的一项日常工作,是直接面向银行生产系统,进行数据提取和数据修改,用于解决生产运行事件、业务需求以及各类异常情况的重要手段.随着银行金融产品的日新月异,银行系统也不断推陈出新,在面临系统数据呈现海量增长的同时,     

金融大数据研究与应用进展综述

身处大数据时代,人们生活的方方面面都离不开数据。同样,金融行业也存在着海量的数据,将大数据技术与金融行业结合,有助于推动金融行业的发展。本文介绍金融大数据的分类和面临的挑战,并总结和整理了目前处理金融大数据的主要算法,具体包括基于语义的金融大数据处理算法和基于时间序列的金融大数据处理算法。介绍了金融大数据在不同分类下的应用,并展望了金融大数据的发展前景。     

构建数据质量治理体系的思考

正树立数据竞争优势,一方面要依赖于海量的数据规模和数据挖掘能力,另一方面更要保证数据的可信性,数据质量管控成为银行管理的重点工作之一。对如何提升数据质量,本文进行了有益思考。影响银行数据质量的主要因素主要有:缺乏科学、规范、成体系的数据质量标准,数据采集手段相对单一不能全面采集客户数据,数据信息共享程度差,缺乏系统的数据质量管理机制,人员操作水平制约数据质量的提升,信息应用水平不高等。对如何提升数据质量管理,有以下几点思考。     

提升银保数据治理能力

<正>新时代如何通过有效管理或技术手段推动数据互联互通、跨界融合、生态应用是数据治理新方向随着大数据、物联网、人工智能、区块链等新技术的蓬勃发展,数据爆发式增长、海量汇聚的新态势逐步呈现,数据驱动、创新应用的新时代已经到来,这为各行各业特别是银行保险业注入了新活力,也对数据治理提出了新要求。数据治理是一套围绕数据展开的持续改善管理机制,核心目标是实现数据好用、     

大数据背景下提升内部审计价值的方法与难点

大数据时代的到来影响了各行各业的发展,其中银行等金融行业的内部审计也受到大数据的影响。从海量数据的挖掘分析中,内部审计工作变得更为有效准确。本文就从大数据时代对银行内部审计的影响出发,对大数据背景下提升内部审计价值的方法与难点进行分析。     

数据整合平台：支持银行数字化经营写管理

随着信息化时代的到来,数据不再是简单地记录信息,海量数据为统计、分析、决策的真实性、准确性、科学性,提供了来源和基础。以银行为例,客户信息、账户交易、支付结算、资金划转……每天,数以千万的数据,不仅承载着银行的日常业务信息,也为监管部门的宏观管理与行业监督,提供了翔实的依据。数据整合平台Sm@rtFintelligen(以下简称     

迎合大数据时代,充分发掘业务数据价值

信息化社会互联网技术的飞速发展和应用,加速了移动终端、无线传感器等新技术载体的大量应用,也带来了信息数据在数量、频度和使用等多方面的变革。从数据的角度看,整个世界已经跨入"大数据"时代。面对存在形式、质量和性质各异的海量信息,商业银行作为社会经济链条的驱动器,信息化程度较高,并在业务数据处理上已经积累了相当程度的经验以及惯性思维模式,面对大数据时代的发展,银行需     

大数据冲击银行业

"在目前的银行业内,只有一小部分的从业人员能够真正理解IT和数据对银行的影响和作用。但在未来,大数据会推动整个金融业的深刻变革。"在拥有海量数据的金融行业,大数据正在改变包括银行在内的金融机构的运转模式和经营理念,甚至可能对未来银行业产生颠覆性影响。正如国家开     

数据挖掘技术在银行的应用

数据挖掘技术源于20世纪80年代末,金融,保险、电信等行业首先受益。20世纪90年代末,随着客户关系管理的兴起,数据挖掘逐步成为银行、保险业的宠儿。21世纪,数据仓库技术的广泛应用为数据挖掘的深度普及奠定基础。在金融数据海量集中的年代,对数据的整合、挖掘势在必行。本期技术与应用栏目以数据仓库、数据挖掘技术在银行、保险业的应用为例,与金融科技工作者共同探讨其最新价值。     

银行业加速数据管理转型

多年的信息化建设,给银行带来了爆炸式的数据量。面对海量的数据,如何应用并挖掘客户价值,传统的商业智能技术围绕数据采集、联机分析帮助银行实现了业务分析和决策,比如报表和报告。然而,大数据时代带来的文档、视频、音频等半结构化和非结构化数据,却使得传统的数据采集的做法束手无策。一方面,数据分析时滞太长、客户服务交互性不足,另一方面,缺乏直接面向客户创造价值的创新。面临大数据的挑战,现有系统日益显得捉襟见肘,迫切需要加速数据应用管理的转型。     

银行业智慧财务管理体系构建

随着信息时代的到来,大数据的应用已渗透到生活中的各个领域,财务管理工作运用大数据分析技术,可实现企业财务管理向标准化、信息化、智能化转型,既提高企业运营管理的效率,又科学全面支撑经营决策。在我国金融数字化转型进程中,经济新常态催生银行业的新常态,银行数字化转型亟需经营决策支持型的财务管理体系。银行业可借助信息技术,以海量数据资源为基础,围绕业务财务、运营财务、战略财务三大职能支柱,搭建具备先进、科学的智慧财务管理体系,提升财务管理在银行管理系统中的地位,在提供基础财务服务的同时,为银行战略目标、辅助管理决策提供全面的数据支持。     

银行数据仓库逻辑设计

数据仓库不是一种商业产品，而是一种含有多种技术的灵活信息管理环境或体系结构。它是一种语义一致的数据仓储，能将银行中各类数据规范为面向主题的形式，以便于最终用户进行数据访问和分析，并用于决策，以满足不同的数据存取、档报告的需求。它是一个不断发展的过程，能把各个异质的原始数据融合在一起，用以支持结构式的即时查询、分析报告和决策支持，     

迎接大数据时代 深化数据服务体系建设——2013年商业银行数据分析技术及应用培训会召开

经过多年的发展与积累,目前中国的大中型商业银行积累了海量的客户信息和交易数据,并且非结构化数据量迅速增长。数据量的爆发式增长以及数据分析应用的日趋深入,标志着银行业已经进入大数据时代。随着大数据时代的开启,银行作为传统的数据密集型行业,如何丰富完善自身数据资源,革新自身数据运用能力,     

服务器的选择、管理与发展

服务器向来被誉为银行的“心脏”．它的每次“跳动”都受到行业者的高度重视。随着银行金融业务不断创新、信息化建设脚步加快以及海量数据的高度集中，服务器将迎来怎样的挑战？随着芯片技术、虚拟化技术以及多核时代的到来，服务器的明天会有怎样的突破？笔者走访了多家商业银行和服务器IT企业，透过他们的视角，审视服务器的今天，展望明天。