電信+金融大數(shù)據(jù)項(xiàng)目簡介

電信+金融大數(shù)據(jù)項(xiàng)目簡介XX科技股份有限公司編制目錄一、 電信+金融大數(shù)據(jù)項(xiàng)目背景 3二、 客戶情況及市場情況 31. 客戶情況 32. 市場情況 3三、 技術(shù)選型 3四、 項(xiàng)目團(tuán)隊(duì)構(gòu)成 4五、 團(tuán)隊(duì)成員技能需求 5

電信+金融大數(shù)據(jù)項(xiàng)目背景1、傳統(tǒng)銀行業(yè)務(wù)與大數(shù)據(jù)的結(jié)合吸存放貸，是銀行很重要的一個工作流程，吸收存款，放出貸款，吸收存款最基礎(chǔ)的做法就是散客的存款，但是銀行還可以利用大數(shù)據(jù)技術(shù)分析出，在某個城市，部分人群的資金運(yùn)轉(zhuǎn)情況，并且與部分人群建立一個良好的大客戶合作關(guān)系。放出貸款就更需要大數(shù)據(jù)的幫忙了，因?yàn)橛幸粋€很重要的環(huán)節(jié)，那就是風(fēng)險控制，簡稱風(fēng)控，需要通過定點(diǎn)大數(shù)據(jù)技術(shù)來進(jìn)行個人的風(fēng)險情況判定，包括個人的資產(chǎn)管理，未償還貸款管理，過去的信用表現(xiàn)等，利用模型和評分卡，來給這個人進(jìn)行綜合評分，之后給評分較高的人群發(fā)放貸款，因?yàn)樵谂坎僮鞯臅r候，不可能每個人都去做背景調(diào)查。2、互聯(lián)網(wǎng)金融與大數(shù)據(jù)的結(jié)合互聯(lián)網(wǎng)金融的主戰(zhàn)場在互聯(lián)網(wǎng)上，比如很多理財(cái)產(chǎn)品，很多保險產(chǎn)品，大數(shù)據(jù)分析需要告訴品牌方，我們的用戶轉(zhuǎn)化情況，跟其他的營銷思路一樣，從用戶觸點(diǎn)開始，到用戶著陸，再到成功使用產(chǎn)品，進(jìn)行投資理財(cái)，這是一個完整的營銷漏斗，大數(shù)據(jù)技術(shù)可以正向的優(yōu)化各層級轉(zhuǎn)化率，同時可以利用用戶集群的共性行為，反推測出成功轉(zhuǎn)化用戶的路徑，從而作出決策，甚至可以利用大數(shù)據(jù)分析技術(shù)做產(chǎn)品使用頻率，功能使用頻率的分析，來進(jìn)行產(chǎn)品優(yōu)化，提高產(chǎn)品使用率?？蛻羟闆r及市場情況客戶情況客戶畫像主要分為個人客戶畫像和企業(yè)客戶畫像。個人客戶畫像包括人口統(tǒng)計(jì)學(xué)特征、消費(fèi)能力數(shù)據(jù)、興趣數(shù)據(jù)、風(fēng)險偏好等；企業(yè)客戶畫像包括企業(yè)的生產(chǎn)、流通、運(yùn)營、財(cái)務(wù)、銷售和客戶數(shù)據(jù)、相關(guān)產(chǎn)業(yè)鏈上下游等數(shù)據(jù)。值得注意的是，銀行擁有的客戶信息并不全面，基于銀行自身擁有的數(shù)據(jù)有時候難以得出理想的結(jié)果甚至可能得出錯誤的結(jié)論。比如，如果某位信用卡客戶月均刷卡8次，平均每次刷卡金額800元，平均每年打4次客服電話，從未有過投訴，按照傳統(tǒng)的數(shù)據(jù)分析，該客戶是一位滿意度較高流失風(fēng)險較低的客戶。但如果看到該客戶的微博，得到的真實(shí)情況是：工資卡和信用卡不在同一家銀行，還款不方便，好幾次打客服電話沒接通，客戶多次在微博上抱怨，該客戶流失風(fēng)險較高。所以銀行不僅僅要考慮銀行自身業(yè)務(wù)所采集到的數(shù)據(jù)，更應(yīng)考慮整合外部更多的數(shù)據(jù)，以擴(kuò)展對客戶的了解市場情況需求方面：大數(shù)據(jù)等技術(shù)驅(qū)動需求創(chuàng)新數(shù)據(jù)采集的量和質(zhì)要求提高平臺雙向融資理財(cái)標(biāo)準(zhǔn)化先行政策方面：政策導(dǎo)向逐漸清晰政策邊界日趨明確政策監(jiān)管漸趨完善產(chǎn)品方面：第三方支付發(fā)展步入快車道互聯(lián)網(wǎng)理財(cái)產(chǎn)品日趨多元化互聯(lián)網(wǎng)融資、消費(fèi)漸成潮流互聯(lián)網(wǎng)小額高頻保險獲接受業(yè)態(tài)方面：業(yè)務(wù)發(fā)生不同程度重構(gòu)金融業(yè)態(tài)創(chuàng)新初步成型垂直場景挖掘成關(guān)鍵點(diǎn)技術(shù)選型TABLEAU 針對數(shù)據(jù)分析及智能提供自助式或嵌入式的可視化分析圖表CDH/FlumeKafka 數(shù)據(jù)采集，結(jié)合數(shù)據(jù)流技術(shù)對接各類應(yīng)用系統(tǒng)及數(shù)據(jù)庫的數(shù)據(jù)資源HADOOPYARN 針對數(shù)據(jù)服務(wù)及安全類應(yīng)用的定制開發(fā)提供微服務(wù)運(yùn)行環(huán)境技術(shù)管理工具CDH/HDFS 文件類數(shù)據(jù)整合與存儲，HADOOP技術(shù)路線CDH/HBASE 格式類數(shù)據(jù)整合與存儲，HADOOP技術(shù)路線HADOOP 數(shù)據(jù)清洗工具CDH/YARN+CM 數(shù)據(jù)負(fù)載及集群管理CDH/HIVESparkML 數(shù)據(jù)分析及智能項(xiàng)目團(tuán)隊(duì)構(gòu)成姓名性別學(xué)歷職稱專業(yè)工作單位項(xiàng)目中的分工每年工作時間(月)簽字成員A男本科高級大數(shù)據(jù)工程師應(yīng)用電子技術(shù)XX科技股份有限公司項(xiàng)目管理12成員B男本科高級大數(shù)據(jù)工程師體育醫(yī)學(xué)技術(shù)總監(jiān)12成員C男本科中級軟件工程師計(jì)算機(jī)科學(xué)與技術(shù)軟件開發(fā)12成員D男本科高級大數(shù)據(jù)講師計(jì)算機(jī)科學(xué)與技術(shù)軟件開發(fā)12成員E男本科中級軟件工程師數(shù)學(xué)與應(yīng)用數(shù)學(xué)軟件開發(fā)12成員F男本科高級運(yùn)維工程師信息管理架構(gòu)設(shè)計(jì)12團(tuán)隊(duì)成員技能需求成員A擅長：負(fù)責(zé)企業(yè)級云計(jì)算、大數(shù)據(jù)平臺項(xiàng)目，大數(shù)據(jù)應(yīng)用開發(fā)項(xiàng)目的立項(xiàng)、論證、驗(yàn)收等項(xiàng)目過程管理，云計(jì)算和大數(shù)據(jù)相關(guān)通識性培訓(xùn)。項(xiàng)目經(jīng)歷：區(qū)域醫(yī)療云計(jì)算中心、重慶三峽銀行大數(shù)據(jù)平臺、電信分析云項(xiàng)目、重慶移動業(yè)務(wù)支撐大數(shù)據(jù)平臺建設(shè)。長期從事技術(shù)管理工作，對技術(shù)團(tuán)隊(duì)的管理和認(rèn)識有自己獨(dú)到的見解，善于將人員提升和管理經(jīng)營有機(jī)結(jié)合。擅長技術(shù)：Windows、Linux、Exchange、數(shù)據(jù)庫、Hadoop、項(xiàng)目管理等系統(tǒng)開發(fā)與管理。擅長技術(shù)：網(wǎng)絡(luò)通信、網(wǎng)絡(luò)安全、數(shù)據(jù)庫操作、duilib、c/c++。擅長技術(shù)：Python爬蟲程序開發(fā)、Python數(shù)據(jù)分析、Linux系統(tǒng)管理、大數(shù)據(jù)存儲與管理、Hadoop大數(shù)據(jù)開發(fā)、Scala函數(shù)式編程、數(shù)據(jù)挖掘、云計(jì)算平臺架構(gòu)、Excel高級數(shù)據(jù)分析、圖像識別、機(jī)器學(xué)習(xí)、分布式計(jì)算、數(shù)據(jù)可視化分析等。擅長技術(shù)：R語言統(tǒng)計(jì)分析、Excel數(shù)據(jù)分析、Qlik數(shù)據(jù)可視化、數(shù)據(jù)可視化建模、概率論與數(shù)理統(tǒng)計(jì)。曾在上?；萜?、IBM、MOTOROLA、北京融信恒通等公