銀行業(yè)金融大數(shù)據(jù)服務(wù)平臺項(xiàng)目規(guī)劃書

1、規(guī)劃書精選工程介紹1.1工程背景銀行業(yè)一直是一個數(shù)據(jù)驅(qū)動的行業(yè)，數(shù)據(jù)也一直是銀行信息化的主題詞。銀行的信息化進(jìn)程先后經(jīng)歷過業(yè)務(wù)電子化、數(shù)據(jù)集中化、管理模型化等階段，如今隨著大數(shù)據(jù)技術(shù)的飛速 開展，銀行信息化也進(jìn)入了新的階段：大數(shù)據(jù)時代。目前，國內(nèi)銀行都積累了海量的金融數(shù)據(jù)，包括各類結(jié)構(gòu)化、半結(jié)構(gòu)化、非結(jié)構(gòu)化數(shù)據(jù)，數(shù)據(jù)量巨大，存儲方式多樣。但是這些海量數(shù)據(jù)還沒得到充分利用，顯得價值含量較低。只 有經(jīng)過適宜的預(yù)處理、模型設(shè)計、分析挖掘后，才能發(fā)現(xiàn)隱藏在其中的潛在規(guī)律。而應(yīng)用大數(shù)據(jù)分析技術(shù)，可以從海量的、不完全一致的、有噪聲的、模糊的、隨機(jī)的數(shù)據(jù)中提取隱含 在其中的、人們事先不知道的、但又是潛在有用

2、的信息和知識。銀行可以利用這些信息和知識來提升金融業(yè)務(wù)的效勞效率和管理水平，銀行的關(guān)鍵業(yè)務(wù)也能從中獲得巨大收益。銀行在大數(shù)據(jù)技術(shù)應(yīng)用方面具有天然優(yōu)勢：一方面，銀行在業(yè)務(wù)開展過程中積累了大量有價值數(shù)據(jù)，這些數(shù)據(jù)在運(yùn)用大數(shù)據(jù)技術(shù)挖掘和分析之后，將產(chǎn)生巨大的商業(yè)價值； 另一方面，銀行在資金、設(shè)備、人才、技術(shù)上都具有極大的便利條件，有能力采用大數(shù)據(jù)的最新技 術(shù)。建立“金融大數(shù)據(jù)效勞平臺，可以通過對金融數(shù)據(jù)的挖掘、分析，創(chuàng)造數(shù)據(jù)增值價值，提供針對銀行的精準(zhǔn)營銷、統(tǒng)一廣揭發(fā)布、業(yè)務(wù)體驗(yàn)優(yōu)化、客戶綜合管理、風(fēng)險控制等多種金融效勞。1.2業(yè)務(wù)需求目前，銀行客戶對數(shù)據(jù)的利用仍是以各類統(tǒng)計報表為主，存在以下重大弊

3、端：1. 對數(shù)據(jù)的分析僅按照固定工程，對業(yè)務(wù)情況進(jìn)行事后統(tǒng)計分析和監(jiān)控。實(shí)際上沒有找到隱藏在數(shù)據(jù)背后的原因，數(shù)據(jù)深度分析和數(shù)據(jù)挖掘能力缺乏。2. 對數(shù)據(jù)的分析僅作為專項(xiàng)的統(tǒng)計分析結(jié)果輸出，對于數(shù)據(jù)間的因果影響、相關(guān)性分組或關(guān)聯(lián)規(guī)那么、聚類、描述和可視化等工作尚未開展，數(shù)據(jù)關(guān)聯(lián)分析能力缺乏。3. 統(tǒng)計分析側(cè)重在事后的數(shù)據(jù)匯總，難以從數(shù)據(jù)匯總中得到客戶效勞事件發(fā)生的規(guī)律，以及前瞻性判斷，數(shù)據(jù)的預(yù)測性分析能力缺乏。針對具體的金融業(yè)務(wù)，大數(shù)據(jù)分析在以下方面有著迫切的需求：統(tǒng)一廣揭發(fā)布：目前金融行業(yè)客戶在廣告方面投入大、 渠道多，但在確認(rèn)真實(shí)效果、提 供優(yōu)化廣告策略時卻不能提供確切的數(shù)據(jù)證據(jù)。 亟需利用

4、大數(shù)據(jù)技術(shù)在收集各類型、 各渠道 廣揭發(fā)布數(shù)據(jù)的根底上，提供可靠的效果數(shù)據(jù)和優(yōu)化策略建議。精準(zhǔn)營銷：目前金融行業(yè)的營銷方式根本上還是粗放式的，調(diào)查方式粗糙，分析原因簡單，對過程的控制力差， 對客戶和產(chǎn)品的推廣都缺少針對性。亟需利用大數(shù)據(jù)技術(shù)來收集詳盡數(shù)據(jù)、科學(xué)分析原因、嚴(yán)格控制過程、并有針對性地面向客戶和產(chǎn)品進(jìn)行營銷推廣。業(yè)務(wù)系統(tǒng)優(yōu)化:目前金融行業(yè)對其業(yè)務(wù)系統(tǒng)的客戶體驗(yàn)效果、客戶轉(zhuǎn)化率缺乏準(zhǔn)確數(shù)據(jù)支持，也無法分析具體原因。亟需利用大數(shù)據(jù)技術(shù)獲得各業(yè)務(wù)、各環(huán)節(jié)的客戶轉(zhuǎn)化率，從而有針對性地改良業(yè)務(wù)流程，提升效勞質(zhì)量?？蛻袅魇Х治觯簩τ谌绾畏€(wěn)定留存客戶、降低客戶流失率，目前金融客戶還無法準(zhǔn)確分析客戶

5、流失的原因，也就無從提出有效的改良措施。亟需利用大數(shù)據(jù)技術(shù)在分析流失客戶數(shù)據(jù)的根底上，提出改良客戶關(guān)系管理效率和水平的有效建議。風(fēng)險分析：金融行業(yè)對自己客戶和業(yè)務(wù)的風(fēng)險分析停留在初級階段，缺乏全面掌握和提前預(yù)防的技術(shù)手段。亟需利用大數(shù)據(jù)技術(shù)獲得存在較高風(fēng)險的客戶群體及業(yè)務(wù)，作為對其進(jìn)行重點(diǎn)監(jiān)控和提前做好預(yù)防措施的根底。通過建設(shè)金融大數(shù)據(jù)效勞平臺，研發(fā)基于大數(shù)據(jù)分析的統(tǒng)一廣揭發(fā)布系統(tǒng)、精準(zhǔn)營銷系統(tǒng)、業(yè)務(wù)體驗(yàn)優(yōu)化系統(tǒng)、客戶流失分析系統(tǒng)和風(fēng)險分析系統(tǒng)，金融客戶可以提升廣揭發(fā)布效果，提高營銷針對性，優(yōu)化效勞質(zhì)量，改善客戶管理水平，預(yù)防風(fēng)險沖擊，進(jìn)而為業(yè)務(wù)開展 提供決策支撐，并促進(jìn)相關(guān)領(lǐng)域構(gòu)建新的業(yè)務(wù)模

6、式、效勞模式。二. 工程范圍北京XXXX技術(shù)自主研發(fā)的“金融大數(shù)據(jù)效勞平臺，旨在為金融行業(yè)客戶提供包括數(shù)據(jù)采集、數(shù)據(jù)存儲、數(shù)據(jù)預(yù)處理、數(shù)據(jù)挖掘、可視化展現(xiàn)、業(yè)務(wù)實(shí)現(xiàn)等全流程效勞，以幫助客戶實(shí)現(xiàn)各種金融業(yè)務(wù)。數(shù)據(jù)采集“金融大數(shù)據(jù)效勞平臺首先需要收集各種金融數(shù)據(jù)，它們可能是結(jié)構(gòu)化的， 也可能是半結(jié)構(gòu)化或非結(jié)構(gòu)化的；既可能來自銀行內(nèi)部的各業(yè)務(wù)系統(tǒng)，也可能由外部提供；既可以是靜態(tài)的如屬性數(shù)據(jù)，也可以是動態(tài)的如行為數(shù)據(jù)。而金融數(shù)據(jù)采集產(chǎn)品就是根據(jù)業(yè)務(wù) 需要，將這些數(shù)據(jù)采集到“金融大數(shù)據(jù)效勞平臺中。數(shù)據(jù)存儲Hadoop集群通過將數(shù)據(jù)分配到多個集群節(jié)點(diǎn)上并進(jìn)行并行處理，因此尤為適合對大數(shù) 據(jù)的存儲和分析。H

7、adoop集群通過添加節(jié)點(diǎn)數(shù)量來有效的擴(kuò)展集群，因此具有極好的可擴(kuò) 展性；Hadoop軟件都是開源的，也不必購置昂貴的高檔效勞器，因此具有很好的性價比。 Hadoop集群將數(shù)據(jù)分片發(fā)送至多個節(jié)點(diǎn)保存，因此具有極高的容錯性。數(shù)據(jù)預(yù)處理采集到金融數(shù)據(jù)來自多種數(shù)據(jù)源，大多存在著不完整性和不一致性，無法直接用于數(shù)據(jù)挖掘或嚴(yán)重影響數(shù)據(jù)挖掘的效率。因此在進(jìn)行數(shù)據(jù)挖掘之前，通過使用數(shù)據(jù)預(yù)處理工具，靈活對原始數(shù)據(jù)的清理、變換、集成等處理，可以減少挖掘所需數(shù)據(jù)量，縮短所需時間，并極 大提高數(shù)據(jù)挖掘的質(zhì)量。數(shù)據(jù)挖掘數(shù)據(jù)挖掘是通過分析數(shù)據(jù)、從大量數(shù)據(jù)中尋找其潛在規(guī)律的技術(shù)。利用預(yù)測、關(guān)聯(lián)、分類、聚類、時序分析等技術(shù)

8、，數(shù)據(jù)挖掘可以從海量的、不完全的、有噪聲的、模糊的、隨機(jī) 的數(shù)據(jù)中提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識。目前，傳統(tǒng)的數(shù)據(jù)挖掘產(chǎn)品在大數(shù)據(jù)平臺上還存在一些局限性，研發(fā)一套Hadoop平臺下的數(shù)據(jù)挖掘工具是一項(xiàng)極具挑戰(zhàn)性的任務(wù)。可視化展現(xiàn)數(shù)據(jù)挖掘得到的結(jié)果，往往數(shù)據(jù)量巨大、關(guān)聯(lián)關(guān)系復(fù)雜、維度多以及雙向互動需求等。可視化展現(xiàn)工具以適合人類思維的圖形化的方式對結(jié)果進(jìn)行展示，提高了數(shù)據(jù)的直觀性和可視性?？梢暬宫F(xiàn)面向各類客戶，通過選擇適宜的可視化模型，將枯燥的數(shù)據(jù)轉(zhuǎn)換為令人印 象深刻的美麗圖形，極大提升了數(shù)據(jù)的利用價值。業(yè)務(wù)實(shí)現(xiàn)“金融大數(shù)據(jù)效勞平臺的效果，最終需要集成在各類金融

9、業(yè)務(wù)系統(tǒng)中才能得以表達(dá)。 目前擬建設(shè)的金融業(yè)務(wù)系統(tǒng)有：精準(zhǔn)營銷系統(tǒng)、統(tǒng)一廣揭發(fā)布系統(tǒng)、業(yè)務(wù)體驗(yàn)優(yōu)化系統(tǒng)、客戶流失分析系統(tǒng)、風(fēng)險分析系統(tǒng)等。三. 工程目標(biāo)實(shí)施針對銀行的“金融大數(shù)據(jù)效勞平臺工程，通過采集銀行內(nèi)部與外部、靜態(tài)與動態(tài)的各類金融數(shù)據(jù)，搭建適于大數(shù)據(jù)存儲與分析的Hadoop集群，對金融數(shù)據(jù)采取適宜的預(yù)處理方式，利用數(shù)據(jù)挖掘技術(shù)得出隱藏在海量數(shù)據(jù)后的、有價值的潛在規(guī)律，以豐富的可視化模型向客戶進(jìn)行展現(xiàn)，在此根底上實(shí)現(xiàn)精準(zhǔn)營銷、統(tǒng)一廣揭發(fā)布、業(yè)務(wù)體驗(yàn)優(yōu)化、客戶綜合管理、風(fēng)險控制等金融業(yè)務(wù)應(yīng)用。由此，提升金融業(yè)務(wù)的水平和效率，推進(jìn)銀行業(yè)務(wù)創(chuàng)新， 降低銀行管理和運(yùn)行本錢。本工程的具體技術(shù)目標(biāo)包括

10、：開發(fā)金融數(shù)據(jù)采集工具：大數(shù)據(jù)分析需要收集來自銀行內(nèi)部的和外部的、靜態(tài)的和動態(tài)的各種金融數(shù)據(jù)，為此開發(fā)各類金融數(shù)據(jù)采集工具，如動態(tài)采集SDK日志提取分析工具、外部數(shù)據(jù)導(dǎo)入工具等。搭建Hadoop大數(shù)據(jù)集群：搭建Hadoop大數(shù)據(jù)集群，是建設(shè)“金融大數(shù)據(jù)效勞平臺 的根底。禾U用多臺性能較為一般的效勞器，組成一套基于HDFS和Map-Reduce機(jī)制的集群，并根據(jù)需要在其上安裝 Hive、HBase、Sqoop、ZooKeeper等軟件。實(shí)現(xiàn)分析挖掘算法：支持Hadoop的分析挖掘算法，是“金融大數(shù)據(jù)效勞平臺的一個 關(guān)鍵組成局部。在利用傳統(tǒng)數(shù)據(jù)挖掘技術(shù)的根底上，實(shí)現(xiàn)包括抽象的數(shù)學(xué)算法 如關(guān)聯(lián)算法、

11、分類算法、聚類算法、時序分析算法等，以及在此根底上針對金融業(yè)務(wù)的專業(yè)算法如客戶行為特征模型、效果分析模型等，作為進(jìn)一步構(gòu)建抽象模型和金融專業(yè)模型的根底。構(gòu)建分析挖掘模型：支持Hadoop的分析挖掘模型，是“金融大數(shù)據(jù)效勞平臺的另一關(guān)鍵組成局部。在上一步根底上，快速構(gòu)建抽象的數(shù)學(xué)模型如神經(jīng)網(wǎng)絡(luò)模型、事物關(guān)聯(lián)模 型等，以及針對金融業(yè)務(wù)的專業(yè)模型如精準(zhǔn)營銷模型、廣告效果評估模型等。實(shí)現(xiàn)ETL工具：數(shù)據(jù)預(yù)處理也是“金融大數(shù)據(jù)效勞平臺需要解決的問題之一。利用市 場上已有的數(shù)據(jù)預(yù)處理成果，研發(fā)一個支持Hadoop的ETL工具，實(shí)現(xiàn)包括標(biāo)準(zhǔn)化、數(shù)據(jù)抽樣、數(shù)據(jù)排序、匯總、指定因變量、屬性變換、數(shù)據(jù)替換、數(shù)據(jù)降

12、維、數(shù)據(jù)集拆分、離散化 等功能。實(shí)現(xiàn)可視化展現(xiàn)工具：“金融大數(shù)據(jù)效勞平臺上的分析結(jié)果將主要采用豐富多彩的可 視化形式向用戶進(jìn)行可視化展現(xiàn)。利用市場上已有的相關(guān)技術(shù)和產(chǎn)品，研發(fā)一個可視化展現(xiàn)工具，可以支持：分類樹圖、視覺聚類圖、關(guān)聯(lián)圖、序列圖、回歸圖等多種可視化形式。實(shí)現(xiàn)金融業(yè)務(wù)應(yīng)用：將分析挖掘的結(jié)果集成到具體的銀行業(yè)務(wù)系統(tǒng)中，如精準(zhǔn)營銷系統(tǒng)、統(tǒng)一廣揭發(fā)布平臺、業(yè)務(wù)體驗(yàn)優(yōu)化系統(tǒng)、客戶綜合管理系統(tǒng)、風(fēng)險控制系統(tǒng)等。具體方式既 可以是實(shí)現(xiàn)某個獨(dú)立的新業(yè)務(wù)系統(tǒng)，也可以是在現(xiàn)有系統(tǒng)中實(shí)現(xiàn)一個或多個新模塊，從而擴(kuò)充或提升原有的功能。本工程的具體業(yè)務(wù)目標(biāo)包括：精準(zhǔn)營銷：綜合分析客戶行為特征信息和金融業(yè)務(wù)分類

13、信息，可以得到客戶最有可能感興趣的業(yè)務(wù)以及業(yè)務(wù)最有可能的潛在客戶群，以此為根底有針對性地開展?fàn)I銷；統(tǒng)一廣揭發(fā)布：分析廣告效果分析信息，可以得到各類型、各渠道的最正確配置或薄弱環(huán) 節(jié)，以此為根底改變廣告策略、提升廣告效果；業(yè)務(wù)體驗(yàn)優(yōu)化:分析客戶業(yè)務(wù)體驗(yàn)信息、客戶流失信息，可以得到客戶在各業(yè)務(wù)、各環(huán) 節(jié)的轉(zhuǎn)化率，分析流失原因，在此根底上改良業(yè)務(wù)流程、 提高效勞質(zhì)量，以提升客戶滿意度；客戶流失分析：綜合分析客戶行為特征信息、客戶流失信息及其它信息，得到客戶的全方面分析結(jié)果，在此根底上改良客戶關(guān)系管理的效率和水平；風(fēng)險分析：分析客戶屬性數(shù)據(jù)、風(fēng)險分析數(shù)據(jù)，可以得到存在較高風(fēng)險可能的客戶群體 和業(yè)務(wù)信息

14、，在此根底上區(qū)分特別關(guān)注目標(biāo)、 制定預(yù)防措施，降低這些客戶和業(yè)務(wù)可能帶來 的沖擊。四. 技術(shù)方案4.1總體架構(gòu)“金融大數(shù)據(jù)效勞平臺由數(shù)據(jù)采集層、數(shù)據(jù)存儲層、分析挖掘?qū)雍蜆I(yè)務(wù)應(yīng)用層組成,總體框架如下列圖所示：數(shù)據(jù)提取、導(dǎo)入數(shù)據(jù)源傳統(tǒng)系統(tǒng)SDK日數(shù)據(jù)采集層：負(fù)責(zé)從各類數(shù)據(jù)源中提取、導(dǎo)入數(shù)據(jù)，主要產(chǎn)品包括：動態(tài)采集 志提取分析工具、外部數(shù)據(jù)導(dǎo)入工具、其它數(shù)據(jù)提取工具等。數(shù)據(jù)存儲層：負(fù)責(zé)將預(yù)處理后的數(shù)據(jù)進(jìn)行存儲，主要由可進(jìn)行橫向擴(kuò)展的Hadoop集群構(gòu)成，另外輔之以關(guān)系數(shù)據(jù)庫作數(shù)據(jù)中轉(zhuǎn)、元數(shù)據(jù)存儲、供某些軟件使用等用途。分析挖掘?qū)樱贺?fù)責(zé)金融數(shù)據(jù)經(jīng)建模、挖掘、評估和發(fā)布，核心是實(shí)現(xiàn)兩類數(shù)據(jù)挖掘的算法和模

15、型：一類是抽象的數(shù)學(xué)算法及模型，另一類是在此根底上針對金融業(yè)務(wù)的專業(yè)算法和模型。業(yè)務(wù)應(yīng)用層：負(fù)責(zé)將分析挖掘結(jié)果的可視化展現(xiàn)形式，集成到相應(yīng)的金融業(yè)務(wù)系統(tǒng)中。另外，在數(shù)據(jù)采集層和數(shù)據(jù)存儲層之間，由ETL工具負(fù)責(zé)數(shù)據(jù)預(yù)處理任務(wù)；在分析挖掘?qū)雍蜆I(yè)務(wù)應(yīng)用層之間，由可視化展現(xiàn)工具負(fù)責(zé)分析挖掘結(jié)果的可視化展現(xiàn)任務(wù)。4.2技術(shù)架構(gòu)“金融大數(shù)據(jù)效勞平臺的技術(shù)架構(gòu)采用多層次形式，如下列圖所示:一 £. 一TR分析包,SAS, 分析挖掘算法R圖形包， 可視化展現(xiàn)分析 挖掘?qū)訕I(yè)務(wù) 實(shí)現(xiàn)層R分析包,SAS, 分析挖掘模型數(shù)據(jù)源包括各類動態(tài)數(shù)據(jù)如行為數(shù)據(jù)、靜態(tài)數(shù)據(jù)如屬性數(shù)據(jù)、日志文件以及其它 數(shù)據(jù)等，可以是結(jié)

16、構(gòu)化的、半結(jié)構(gòu)化的和非結(jié)構(gòu)化的數(shù)據(jù)。如對動態(tài)數(shù)據(jù)的采在數(shù)據(jù)采集層，各采集工具根據(jù)具體情況采用不同的技術(shù)實(shí)現(xiàn)方式, 集，使用C/S架構(gòu)的客戶端采集 SDK對日志文件使用 Map-Reduce方式的分析提取工具，對靜態(tài)數(shù)據(jù)按Sqoop方式從關(guān)系數(shù)據(jù)導(dǎo)入，對其它數(shù)據(jù)那么使用定制化程序，等等。ETL數(shù)據(jù)抽取、轉(zhuǎn)換、加載將采集到的各種數(shù)據(jù)整合成統(tǒng)一的數(shù)據(jù)模型，包括數(shù)據(jù)清洗、數(shù)據(jù)轉(zhuǎn)換、數(shù)據(jù)規(guī)約、數(shù)據(jù)集成等。為加快工程進(jìn)度和保證工程質(zhì)量，初步?jīng)Q定在某 個支持Hadoop的開源ETL產(chǎn)品如Kettle的根底上進(jìn)行二次開發(fā)。在數(shù)據(jù)存儲層，Hadoop集群使用Hadoop技術(shù)生態(tài)圈的諸多關(guān)鍵技術(shù)，包括：分布式存儲

17、HDFS系統(tǒng)、并行處理 Map-Reduce機(jī)制、No-SQL數(shù)據(jù)庫Hbase、數(shù)據(jù)倉庫 Hive、協(xié)調(diào)系統(tǒng)ZooKeeper等。此外，還需用到關(guān)系數(shù)據(jù)庫擔(dān)任數(shù)據(jù)中轉(zhuǎn)、元數(shù)據(jù)存儲、供某些軟件使用等用途。分析挖掘?qū)拥娜蝿?wù)是在Hadoop集群實(shí)現(xiàn)各種分析挖掘算法和分析挖掘模型。算法和模型有兩類，一類是抽象的數(shù)學(xué)算法如聚類算法、關(guān)聯(lián)分析算法和數(shù)學(xué)模型如神經(jīng)網(wǎng)絡(luò)模型、事物關(guān)聯(lián)模型等，另一類是此根底上構(gòu)建的專業(yè)算法如金融客戶分類算法、效果評估算法和專業(yè)模型如客戶行為特征模型、效果評估模型。為加快工程進(jìn)度、保證項(xiàng)目質(zhì)量和擴(kuò)大適應(yīng)范圍，初步?jīng)Q定在SAS和 R的分析挖掘包的根底上實(shí)現(xiàn)算法接口，并利用算法接口構(gòu)

18、建大局部模型，其余局部視實(shí)際情況而以自主研發(fā)方式構(gòu)建?？梢暬宫F(xiàn)將分析挖掘結(jié)果面向用戶進(jìn)行各種可視化展現(xiàn)如散點(diǎn)圖、直方圖、分布圖、餅圖等，分析挖掘的質(zhì)量也決定著展現(xiàn)的質(zhì)量。為加快工程進(jìn)度，初步?jīng)Q定在某個可視化展現(xiàn)開源產(chǎn)品如 R的圖形包的根底上進(jìn)行二次開發(fā)。在業(yè)務(wù)實(shí)現(xiàn)層，分析挖掘結(jié)果集成到相應(yīng)的金融業(yè)務(wù)系統(tǒng)中。具體方式既可以是實(shí)現(xiàn)某個獨(dú)立的新業(yè)務(wù)系統(tǒng)，也可以是在現(xiàn)有系統(tǒng)中實(shí)現(xiàn)一個或多個新模塊，從而擴(kuò)充或提升原有的功能。4.3物理架構(gòu)“金融大數(shù)據(jù)效勞平臺采用集中部署方式，硬件環(huán)境由Hadoop集群效勞器和數(shù)據(jù)庫集群組成，如下列圖所示：其中，Hadoop集群包括兩個 NameNode 主從方式和多個

19、 DataNode 最少3個，以 后根據(jù)需要增加；NameNode用于管理數(shù)據(jù)在 DataNode上的分配，而DataNode用于數(shù)據(jù) 的存儲。NameNode和DataNode采用相同的配置，運(yùn)營環(huán)境中建議為：CPU為2塊*16核,主頻22.5GHz,內(nèi)存128G，硬盤12塊*2T。數(shù)據(jù)庫集群包括兩臺數(shù)據(jù)庫效勞器，采用雙機(jī)熱備方式。其配置建議為：CPU為2塊*16核，主頻22.5GHz，內(nèi)存64G，硬盤12塊*2T。五. 工程人員組織5.1工程組織結(jié)構(gòu)各組組成及職責(zé)為:工程領(lǐng)導(dǎo)組：由公司高管、部門經(jīng)理擔(dān)任，負(fù)責(zé)組織、監(jiān)督、協(xié)調(diào)工程的進(jìn)行;工程經(jīng)理：由工程領(lǐng)導(dǎo)組任命，根本職責(zé)是確保工程目標(biāo)準(zhǔn)時

20、、優(yōu)質(zhì)地完成；大平臺組：負(fù)責(zé)金融大數(shù)據(jù)效勞平臺的相關(guān)事務(wù)，包括搭建Hadoop大數(shù)據(jù)集群、實(shí)現(xiàn)數(shù)據(jù)挖掘算法、構(gòu)建業(yè)務(wù)模型等；業(yè)務(wù)組：承當(dāng)與金融業(yè)務(wù)相關(guān)的事務(wù)，包括市場調(diào)研、對金融業(yè)務(wù)系統(tǒng)、功能性產(chǎn)品的 需求分析等；系統(tǒng)開發(fā)組：承當(dāng)對各產(chǎn)品及業(yè)務(wù)系統(tǒng)的開發(fā)任務(wù)，包括SDK產(chǎn)品、ETL工具、可視化展現(xiàn)工具、各個金融業(yè)務(wù)系統(tǒng)的開發(fā)等。5.2工程人員配置組別級別人數(shù)備注工程領(lǐng)導(dǎo)組高級管理人員1或多人由公司高管、部門經(jīng)理兼任工程經(jīng)理中級管理人員1大平臺組系統(tǒng)設(shè)計員多人技術(shù)專豕實(shí)施人員多人業(yè)務(wù)組需求分析員每產(chǎn)品或系統(tǒng)1人一般由組長兼任系統(tǒng)設(shè)計員每產(chǎn)品或系統(tǒng)1人業(yè)務(wù)實(shí)現(xiàn)組系統(tǒng)設(shè)計員每產(chǎn)品或系統(tǒng)1人一般由組長

21、兼任編碼人員多人測試人員多人實(shí)施人員多人六. 工程進(jìn)度方案“金融大數(shù)據(jù)效勞平臺 的整體進(jìn)度分工程規(guī)劃、 需求調(diào)研、工程實(shí)施、推廣及效勞共四個階段。工程規(guī)劃階段自2021年11月3日至2021年11月28日，共20個工作日。需求調(diào)研階段自2021年11月24日至2021年3月20日，共85個工作日工程實(shí)施階段自2021年11月10日至2021年5月29日，共145個工作日含元旦、 春節(jié)、勞動節(jié)等法定節(jié)假日，按SDK產(chǎn)品、數(shù)據(jù)采集、集群搭建、算法層研發(fā)、構(gòu)建模型、 ETL工具、可視化展現(xiàn)工具、統(tǒng)一廣揭發(fā)布系統(tǒng)、精準(zhǔn)營銷系統(tǒng)、業(yè)務(wù)體驗(yàn)優(yōu)化系統(tǒng)、客戶 流失分析系統(tǒng)和風(fēng)險分析系統(tǒng)共十二個小項(xiàng)分別進(jìn)行。推

22、廣及效勞階段，每一項(xiàng)功能性產(chǎn)品或金融業(yè)務(wù)系統(tǒng)完成后，即可開始進(jìn)行推廣，并直持續(xù)進(jìn)行。時間進(jìn)度如下列圖，詳細(xì)請參見“金融大數(shù)據(jù)效勞平臺進(jìn)度.xls 和“金融大數(shù)據(jù)效勞平臺.mpp 。e -_1331ftHEKiISA呂惱討間定陽T曰rEU-險目風(fēng)州=n It0 zniJiflaH MKiiflzaBF工卉日：C1-J«IIH3H 20l*-?Jl 月 TfelM于笊xehLU zffa tmfrnnJB卻*年】月】町甲帝ID ls 跡倖口月in日EH和腫曰密:*執(zhí)劃X工作日 21Z毎II月19勻M11t11E36SjFiAvta Lftu 2U1<1|HW-iB xoiti-Ji

23、izaiJ黑臼取ILt zfl=o un4il£qs43FI3TJTffU£VI4kllE4SSOItll'-Q*璉_斤5玉您囲STF 牡-?倉詁JitWELO工作H前討皋1 ?弓苗曰：丁|«豐佇月荊TLO ifrH2D15i5B2D15年1月】逅、.札it號卩址饑比至駅士雖Lc-IBzdjeQ弓也呈口 rjVLB斬人銀11*m工陽lr' '.'10LOX 作 n迎1$年3冃9冃訓(xùn) 1$年P(guān)12JTI10塔冃宜鏈its TftFI? EtJKiFiJ冃mH zhibXRZVH礎(chǔ)邊去丑苗kW 工"口丁 JUI+JJB'

24、;UO HJHiirflisg站戸腳0她(ftl 工爪B*aH4iimnBMiwiflicBLt TaluqiTil冃iiIBI訂：±3豐弓科L?工昨口眾M毎：)|巨|口曰0=n話亍呂吾共EK亂走呂工作日mi厝明B曰即淀豐覽卑雲(yún)汨20LO上作tlSD誨 iZflBBI勒1屮旳dtl21柑 in *fUL4 lfll!iQfmiiUiRoQar(ir匸杵口£E 14119 SBsaitjruOS3廠功育乖桑戸嗎時：帝H工咋日3IHM年32月2舊亦拜:月=fi24匚-吉匚誓：*抵|'于;|:工乍日-劉応年i冃q曰2X5年二月de23ES帝常三KF 11刖上L工W

25、3;3科» tftiiwri工工陽:m普聞|諂asff«A*»*itfrns iffn筑M Jl/i'7n20 托 IT VI!» 冃EB±3.豐慕甘杷澤冇案LI工作日211411 月曰汕|詳匸月：日朗L4 lBST 1411 加曰201山總月電曰30LI工帕S0i輯12月舊zoi停i羽j陽31aErTHnTF* -5工im.jqiijiFiinh佔(zhàn)就羽工卡日的工作日110 LtLl 訂工內(nèi)口阿如冃：二 ：?|c3.E30- ZD14年曲冃24口 irinti llE2qC3B313fl 3114E5151555E n廿 jfitfef

26、j-畔61嗤M、協(xié)忻的U鹽 仍究u上初也= iSt+Arffi 豐訊甘- 對口芒呂杵讀二nr 網(wǎng)*曲曲雷北畀5母JL町快址圧耶F廿抽建再盧訐為憐征饕翌 杓世怯色m盤艮坐料軽寤盧般廿折特甲HFXitriTH 1IUASKM»«ETfl 乍卡豐電二掃 H遼且實(shí)應(yīng) PE'U A* 血 As 研歩可mfcflU 丁 H亙?；絽s罡記執(zhí)憶方亂注檢右曰I日冃曰曰日目日日口日冃日日日目日日d 佯拒僵柞咋咋桿詐 作鼻作柞作作<>桿*咋咋 工工TlIiHHIJ工：日目？3u - £ 陽 *,0e 芻ITXI 工日日冃日£01.5毎I月1P曰 2D1=J

27、2B :ems聲I月俺口 琵1弭I月12呂 M151JR12B = 1151 Fee 3MIF案月塔 訓(xùn)匕區(qū)巴日2呂£0 埔耶2 M18S zni5fe2fiE| 5牌2月汁曰釧禪I?月舊 殂初隹攤.冃22=1 EriflfelEEEg901M1月違自 前I誨舊舊爲(wèi)15球】月加已 zm曲詢m日機(jī)詩年I月12曰 UlLUiJ-il'i J阿拜絹洪日加帕年吐口卸i(HnDi2j|ijC匿訕作訊1咱3C.如亍年佔(zhàn)迪3?ZUlJBiO51釋1月：T0訓(xùn)仟年1月JJP壬|三年：!月30|日S 1£ 4L胡1埠!月丄申<2albZJJLI422(fcj)fin羽EEE弓年

28、1月弓日44訓(xùn):曲月血劃堆是4月凸1口軍汀:專年：月蚩日HJ胡*2月:nd軌:ms<.qra訕弓年卯2審常?nJ5<ft 冃日期輝月甫24:m：“ i.#日iUljXlJJJJd 1C黑BOBlEf眄1E5eaarE3T9ILFISR工日字氏 討応弔te-jx自左布融 1繩幔i+圭全彌曲辭粉軸t亶寧麗孫k業(yè)狎體沖優(yōu)此觸譯刮還什工工工工工工踏師aw汀黑rLoTISJ'frTSso utnT3so lFIW譯討語計LO工作FlYSiL5 iftBTta-TgTT財腎忻承挽W丄悴RTfliT詳訊譯計m工作nT9±3R3?=E0工陽SO2iso丄作日01im ift ik

29、:n產(chǎn)*耶日:nwVj汗KR的1£年3月30曰EE 詐電問烈曰90送IM電年鮭冃紗L込油益收耳西曰即匚當(dāng)革由與mWiflifi:“|仲月1幣e?筑并年2月紆曰訓(xùn)1$年禹汗皆冃舊日玄|弓即a冃in日so 越庫2011月加日10£lUg 屮日測強(qiáng)Jfl6(J輕iflllSfinSfl機(jī)巧年埠】one?MH*月W日?DM甲5冃廬日20213 月帀 E|也 is$3 月:reLLZJ153j3Da左山二年3】-口恤應(yīng)SQI5EThH|2QSEDlSl-.flrin71測焦誹v%曰陽呻年5月陽冃|ai53月盟曰劑：5年：月JFITnj5uF oS110 t4. EE即儈庫4昌3017

30、11 .flUjCT?.?m哺年眄0用冃£：昨耳3冃曄FElfcflJFI13I 154 I3BEUIS-j月：日TE_.EE：20lffjqdMl洋月細(xì)d科nJ5L|EiSMl瞬？月？1 日 STH 3.日口日日日日日冃日曰日5：亂：丁亠北廠L 5曰罪咻程月裁曰詐心】謁旳口B1F揖壬第聃陸廣L 丁作日f D:l5lRi4 3mu炸隼T月iig04EtsrL工佯申卽11牌詡月2呂如傘月出的piKipjRji.rL工陽皿魅甲勺冃1H2陀牟目JJU.BiL皿口-hiiW：3RidBmi 間 Ifl Id門H7隹老曲ji廣L工誦FT:TIP基同門目訕甲用牢aa業(yè)考律iittlt桂廣L工作于

31、匚M5年5月:1£|曰刃仔年5月lieTE釣吸驅(qū)rL工住日-前站岸伍月L白汕舊牟弓月：日pwtmffurL丄咋屮51*2M: H«ZOHil 1E1U2H ZUll 0J11LI注：市場推廣和效勞的結(jié)束時間實(shí)為“持續(xù)七.財務(wù)及設(shè)備方案風(fēng)險管理軟件工程開發(fā)具有連續(xù)性、復(fù)雜性、少參照性、無標(biāo)準(zhǔn)標(biāo)準(zhǔn)等特點(diǎn)，風(fēng)險程度較高。對于“金融大數(shù)據(jù)效勞平臺，不但涵蓋范圍廣，包含產(chǎn)品多，而且技術(shù)要求高，業(yè)務(wù)需求復(fù) 雜，因此尤其需要重視各種風(fēng)險。以下是“金融大數(shù)據(jù)效勞平臺可能遇到的風(fēng)險及其防預(yù)措施：合同風(fēng)險：與客戶簽訂的合同不科學(xué)、不嚴(yán)謹(jǐn)，與客戶在工程邊界和各方面責(zé)任界定 不清等是影響工程成敗的

32、重大因素之一。預(yù)防措施是工程建設(shè)之初， 要全面準(zhǔn)確地了解合同各條款的內(nèi)容、盡早就模糊或不明確的條款簽訂補(bǔ)充協(xié)議。需求變更風(fēng)險：這是軟件工程經(jīng)常發(fā)生的事情。 一個看來很有利可圖的工程， 往往由 于無限度的需求變更而讓開發(fā)方苦不堪言， 甚至最終虧損。預(yù)防措施是工程建設(shè)之初， 就和 客戶書面約定好需求變更控制流程、記錄并歸檔客戶的需求變更申請。溝通不良風(fēng)險：工程組與工程各干系方溝通不良，是影響工程順利進(jìn)展的一個非常重要的因素。預(yù)防措施是工程建設(shè)之初就和工程各干系方約定好溝通的渠道和方式、工程建設(shè)過程中多和工程各干系方交流和溝通、注意培養(yǎng)和鍛煉自身的溝通技巧。缺乏支持風(fēng)險：上級領(lǐng)導(dǎo)的支持是工程獲得資源包括人力資源、財力資源和物料資 源等的有效保障，也是工程遇到困難時工程組最強(qiáng)有力的“后臺支撐。預(yù)防措施是主動爭取上級對工程的重視、確保和上級領(lǐng)導(dǎo)的溝通渠道暢通、經(jīng)常向上級領(lǐng)導(dǎo)匯報工作進(jìn)展。進(jìn)度風(fēng)險：所有工程都對進(jìn)度有著嚴(yán)格要求，工程進(jìn)度的延遲意味著