CN106327325A - 一种银行大数据运营管理系统及方法 - Google Patents
一种银行大数据运营管理系统及方法 Download PDFInfo
- Publication number
- CN106327325A CN106327325A CN201610742022.4A CN201610742022A CN106327325A CN 106327325 A CN106327325 A CN 106327325A CN 201610742022 A CN201610742022 A CN 201610742022A CN 106327325 A CN106327325 A CN 106327325A
- Authority
- CN
- China
- Prior art keywords
- data
- bank
- model
- index
- service
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/02—Banking, e.g. interest calculation or account maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/282—Hierarchical databases, e.g. IMS, LDAP data stores or Lotus Notes
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Technology Law (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种银行大数据运营管理系统及方法,方法包括:1)数据源将其产生的原始数据同步到数据库中进行存储;2)数据库中的原始数据根据不同的业务规则和数据处理逻辑最终生成基于不同标的层级的指标数据和特征数据;3)指标数据和特征数据经处理生成业务指标预警模型体系和业务应用模型体系;4)业务应用系统将业务指标预警模型体系和业务应用模型体系应用到管理决策模块和业务应用模块中。本发明可极大的降低银行机构的科技应用成本,提高银行的在大数据应用上的投入产出比;促使银行机构更积极地推动基于大数据应用的业务优化和业务变革。本发明可有效帮助银行提高对数据资产的使用效率,最终提高银行收入、降低风险。
Description
技术领域
本发明涉及数据处理技术领域,具体来说,涉及一种银行大数据运营管理系统及方法。
背景技术
赛仕软件(北京)有限公司旗下的SAS统计分析系统及其对应的银行业解决方案;资料来源:赛仕公司官网(www.sas.com.cn)。SAS公司的银行业解决方案的落地需要依赖SAS统计系统;虽然该系统功能足够丰富和强大,但使用门槛较高。对广大中小型银行而言,使用该解决方案成本高昂,投入产出比低。
IBM公司旗下的IBM Cognos Analytics、IBM Cognos Business Intelligence等大数据与分析解决方案;资料来源:IBM公司官网(www.ibm.com)。IBM公司输出的行业解决方案依赖于其旗下的IBM Cognos系统和SPSS Clementine系统,成本及其高昂。
天睿公司(teredata)旗下的银行业解决方案,偏重于底层数据存储、数据处理层面;对银行的实际业务应用支持不足,需要银行自己的IT团队基于TereData的数据系统进行二次开发,使用门槛较高。
总的说来,现有市场上的相关解决方案或者数据系统均功能丰富强大,但使用门槛高、投入产出低;对于中小银行而言,这是一个极大的负担。
针对相关技术中的问题,目前尚未提出有效的解决方案。
发明内容
本发明提出一种银行大数据运营管理系统及方法,能够以较低的成本为银行机构提供足够支持其管理决策和业务运营大数据支持系统,以解决相关现有技术中的上述不足。
为实现上述技术目的,本发明的技术方案是这样实现的:
一种银行大数据运营管理系统,包括:
数据库,用于存储由数据源产生的原始数据;
维度指标集市,包括基于不同标的层级的指标数据和特征数据,所述指标数据和特征数据由原始数据根据不同的业务规则和数据处理逻辑经处理生成;
模型引擎库,包括由指标数据和特征数据经处理生成的业务指标预警模型体系和业务应用模型体系;
业务应用系统,用于将模型引擎库中的业务指标预警模型体系和业务应用模型体系应用到管理决策模块和业务应用模块中。
进一步的,所述数据源包括银行主机系统、银行业务系统、银行已有数据仓库和银行外数据。
进一步的,所述业务指标预警模型体系包括用于关注公司级业务管理指标的一级指标预警模型和用于关注部门级业务管理指标的二级指标预警模型;所述业务应用模型体系包括营销响应模型、风控模型、客户细分模型、客户生命周期管理模型和商户管理模型。
本发明还涉及一种银行大数据运营管理方法,包括以下步骤:
S1数据源将其产生的原始数据同步到数据库中进行存储;
S2数据库中的原始数据根据不同的业务规则和数据处理逻辑最终生成基于不同标的层级的指标数据和特征数据并存入维度指标集市;
S3指标数据和特征数据经处理生成业务指标预警模型体系和业务应用模型体系并存入模型引擎库;
S4业务应用系统将业务指标预警模型体系和业务应用模型体系应用到管理决策模块和业务应用模块中。
进一步的,在步骤S1中,数据源包括银行主机系统、银行业务系统、银行已有数据仓库和银行外数据。
进一步的,在步骤S3中,业务指标预警模型体系包括用于关注公司级业务管理指标的一级指标预警模型和用于关注部门级业务管理指标的二级指标预警模型;业务应用模型体系包括营销响应模型、风控模型、客户细分模型、客户生命周期管理模型和商户管理模型。
进一步的,在步骤S3中,指标数据和特征数据经处理生成业务指标预警模型体系具体包括:
S31指标数据和特征数据根据管理决策或者业务运营需要经指标汇总与报表生成过程输出为管理报表或运营所需数据报表;
S32管理报表或运营所述数据报表经处理形成业务指标预警模型体系。
进一步的,在步骤S3中,指标数据和特征数据经处理直接生成业务应用模型体系。
进一步的,在步骤S4中,所述管理决策模块面向于管理决策层,提供监控报告和业务预警服务;所述业务应用模块面向于业务执行人员,提供日常报表管理、活动管理、客户管理、营销管理、商户管理和业务自动化。
本发明的有益效果:本发明与现有技术和解决方案相比,可极大的降低银行机构的科技应用成本,提高银行的在大数据应用上的投入产出比;促使银行机构更积极地推动基于大数据应用的业务优化和业务变革。在具体的银行业务上,本发明可有效帮助银行提高对数据资产的使用效率,最终提高银行收入、降低风险。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是根据本发明实施例所述的一种银行大数据运营管理系统的结构框图;
图2是根据本发明实施例所述的一种银行大数据运营管理系统的流程框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,根据本发明实施例所述的一种银行大数据运营管理系统,包括:
数据库,用于存储由数据源产生的原始数据;
维度指标集市,包括基于不同标的层级的指标数据和特征数据,所述指标数据和特征数据由原始数据根据不同的业务规则和数据处理逻辑经处理生成;
模型引擎库,包括由指标数据和特征数据经处理生成的业务指标预警模型体系和业务应用模型体系;
业务应用系统,用于将模型引擎库中的业务指标预警模型体系和业务应用模型体系应用到管理决策模块和业务应用模块中。
其中,所述数据源包括银行主机系统、银行业务系统、银行已有数据仓库和银行外数据。
其中,所述业务指标预警模型体系包括用于关注公司级业务管理指标的一级指标预警模型和用于关注部门级业务管理指标的二级指标预警模型;所述业务应用模型体系包括营销响应模型、风控模型、客户细分模型、客户生命周期管理模型和商户管理模型。
如图2所示,一种银行大数据运营管理方法,包括:
S1数据源将其产生的原始数据同步到数据库中进行存储;
S2数据库中的原始数据根据不同的业务规则和数据处理逻辑最终生成基于不同标的层级的指标数据和特征数据并存入维度指标集市;
S3指标数据和特征数据经处理生成业务指标预警模型体系和业务应用模型体系并存入模型引擎库;
S4业务应用系统将业务指标预警模型体系和业务应用模型体系应用到管理决策模块和业务应用模块中。
其中,在步骤S1中,数据源包括银行主机系统、银行业务系统、银行已有数据仓库和银行外数据。
其中,在步骤S3中,业务指标预警模型体系包括用于关注公司级业务管理指标的一级指标预警模型和用于关注部门级业务管理指标的二级指标预警模型;业务应用模型体系包括营销响应模型、风控模型、客户细分模型、客户生命周期管理模型和商户管理模型。
其中,在步骤S3中,指标数据和特征数据经处理生成业务指标预警模型体系具体包括:
S31指标数据和特征数据根据管理决策或者业务运营需要经指标汇总与报表生成过程输出为管理报表或运营所需数据报表;
S32管理报表或运营所述数据报表经处理形成业务指标预警模型体系。
其中,在步骤S3中,指标数据和特征数据经处理直接生成业务应用模型体系。
其中,在步骤S4中,所述管理决策模块面向于管理决策层,提供监控报告和业务预警服务;所述业务应用模块面向于业务执行人员,提供日常报表管理、活动管理、客户管理、营销管理、商户管理和业务自动化。
其中,在步骤S1中,数据库环境根据原始数据量级的大小不同,分别提供MySQL、GreenPlum、Hadoop等系统以供使用。
其中,在步骤S2中,根据数据环境不同,数据加工处理中使用到的技术有基于Hadoop的MapReduce算法和数据库查询语言中的存储过程;自动调用数据处理程序时用到的技术为linux系统中的shell脚本。
其中,指标汇总与报表生成过程中使用到的数据技术为数据库查询语言中的存储过程;自动调用汇总程序时用到的技术为Linux系统中的shell脚本。
其中,模型引擎库中应用到的技术有R语言和Logistic回归、决策树、K-means聚类算法、随机森林、支持向量机、主成分因子分析、协同过滤、关联算法、PR算法和网络计算等算法模型;以及专门针对非结构化数据进行处理的文本分词技术、文本挖掘技术和语意分析技术。
其中,业务应用系统中使用到的技术包括Java、php、Java Script和Storm等。
综上所述,借助于本发明的上述技术方案,本发明与现有技术和解决方案相比,可极大的降低银行机构的科技应用成本,提高银行的在大数据应用上的投入产出比;促使银行机构更积极地推动基于大数据应用的业务优化和业务变革。在具体的银行业务上,本发明可有效帮助银行提高对数据资产的使用效率,最终提高银行收入、降低风险。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种银行大数据运营管理系统,其特征在于,包括:
数据库,用于存储由数据源产生的原始数据;
维度指标集市,包括基于不同标的层级的指标数据和特征数据,所述指标数据和特征数据由原始数据根据不同的业务规则和数据处理逻辑处理生成;
模型引擎库,包括由指标数据和特征数据处理生成的业务指标预警模型体系和业务应用模型体系;
业务应用系统,用于将模型引擎库中的业务指标预警模型体系和业务应用模型体系应用到管理决策模块和业务应用模块中。
2.根据权利要求1所述的银行大数据运营管理系统,其特征在于,所述数据源包括银行主机系统、银行业务系统、银行已有数据仓库和银行外数据。
3.根据权利要求1所述的银行大数据运营管理系统,其特征在于,所述业务指标预警模型体系包括用于关注公司级业务管理指标的一级指标预警模型和用于关注部门级业务管理指标的二级指标预警模型;所述业务应用模型体系包括营销响应模型、风控模型、客户细分模型、客户生命周期管理模型和商户管理模型。
4.一种银行大数据运营管理方法,其特征在于,包括以下步骤:
S1将数据源产生的原始数据同步到数据库中进行存储;
S2将数据库中的原始数据根据不同的业务规则和数据处理逻辑最终生成基于不同标的层级的指标数据和特征数据并存入维度指标集市;
S3将指标数据和特征数据处理生成业务指标预警模型体系和业务应用模型体系并存入模型引擎库;
S4将业务应用系统将业务指标预警模型体系和业务应用模型体系应用到管理决策模块和业务应用模块中。
5.根据权利要求4所述的银行大数据运营管理方法,其特征在于,在步骤S1中,数据源包括银行主机系统、银行业务系统、银行已有数据仓库和银行外数据。
6.根据权利要求4所述的银行大数据运营管理方法,其特征在于,在步骤S3中,业务指标预警模型体系包括用于关注公司级业务管理指标的一级指标预警模型和用于关注部门级业务管理指标的二级指标预警模型;业务应用模型体系包括营销响应模型、风控模型、客户细分模型、客户生命周期管理模型和商户管理模型。
7.根据权利要求4所述的银行大数据运营管理方法,其特征在于,在步骤S3中,将指标数据和特征数据处理生成业务指标预警模型体系具体包括以下步骤:
S31指标数据和特征数据根据管理决策或者业务运营需要经指标汇总与报表生成过程输出为管理报表或运营所需数据报表;
S32管理报表或运营所述数据报表经处理形成业务指标预警模型体系。
8.根据权利要求4所述的银行大数据运营管理方法,其特征在于,在步骤S3中,将指标数据和特征数据处理直接输出为业务应用模型体系。
9.根据权利要求4所述的银行大数据运营管理方法,其特征在于,在步骤S4中,所述管理决策模块面向于管理决策层提供监控报告和业务预警服务;所述业务应用模块面向于业务执行人员提供日常报表管理、活动管理、客户管理、营销管理、商户管理和业务自动化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610742022.4A CN106327325A (zh) | 2016-08-26 | 2016-08-26 | 一种银行大数据运营管理系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610742022.4A CN106327325A (zh) | 2016-08-26 | 2016-08-26 | 一种银行大数据运营管理系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106327325A true CN106327325A (zh) | 2017-01-11 |
Family
ID=57791149
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610742022.4A Pending CN106327325A (zh) | 2016-08-26 | 2016-08-26 | 一种银行大数据运营管理系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106327325A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107239486A (zh) * | 2017-04-19 | 2017-10-10 | 中国建设银行股份有限公司 | 一种数据特征库建立方法和系统 |
CN108932266A (zh) * | 2017-05-26 | 2018-12-04 | 西门子公司 | 大数据处理方法、装置及系统和机器可读介质 |
CN111553661A (zh) * | 2020-04-28 | 2020-08-18 | 江西珉轩智能科技有限公司 | 一种基于大数据分析的物业人员综合绩效评定系统 |
CN113568990A (zh) * | 2021-09-01 | 2021-10-29 | 上海中通吉网络技术有限公司 | 数据仓库模型的治理系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101854652A (zh) * | 2010-06-23 | 2010-10-06 | 天元莱博(北京)科技有限公司 | 一种电信网络业务性能监控系统 |
US20140379762A1 (en) * | 2013-06-20 | 2014-12-25 | Tata Consultancy Services Limited | Content management system |
CN105787644A (zh) * | 2016-02-18 | 2016-07-20 | 中国银行股份有限公司 | 一种业务状态的参数化控制方法及装置 |
-
2016
- 2016-08-26 CN CN201610742022.4A patent/CN106327325A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101854652A (zh) * | 2010-06-23 | 2010-10-06 | 天元莱博(北京)科技有限公司 | 一种电信网络业务性能监控系统 |
US20140379762A1 (en) * | 2013-06-20 | 2014-12-25 | Tata Consultancy Services Limited | Content management system |
CN105787644A (zh) * | 2016-02-18 | 2016-07-20 | 中国银行股份有限公司 | 一种业务状态的参数化控制方法及装置 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107239486A (zh) * | 2017-04-19 | 2017-10-10 | 中国建设银行股份有限公司 | 一种数据特征库建立方法和系统 |
CN108932266A (zh) * | 2017-05-26 | 2018-12-04 | 西门子公司 | 大数据处理方法、装置及系统和机器可读介质 |
CN111553661A (zh) * | 2020-04-28 | 2020-08-18 | 江西珉轩智能科技有限公司 | 一种基于大数据分析的物业人员综合绩效评定系统 |
CN113568990A (zh) * | 2021-09-01 | 2021-10-29 | 上海中通吉网络技术有限公司 | 数据仓库模型的治理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | Big data analysis of the internet of things in the digital twins of smart city based on deep learning | |
WO2020020088A1 (zh) | 神经网络模型的训练方法和系统以及预测方法和系统 | |
TWI740891B (zh) | 利用訓練資料訓練模型的方法和訓練系統 | |
Zhang | Intelligent Internet of things service based on artificial intelligence technology | |
CN106327325A (zh) | 一种银行大数据运营管理系统及方法 | |
CN103425762A (zh) | 基于Hadoop平台的电信运营商海量数据处理方法 | |
CN109657072B (zh) | 一种应用于政府辅助决策的智能搜索web系统及方法 | |
CN106611037A (zh) | 用于分布式图计算的方法与设备 | |
CN110457320A (zh) | 数据的实时存储方法与装置、存储介质及计算机设备 | |
Li et al. | Artificial Intelligence‐Based Sustainable Development of Smart Heritage Tourism | |
Digilina et al. | The artificial intelligence: Prospects for development and problems of humanization | |
CN106651173A (zh) | 基于大数据的多维度中成药全产业供应链效能分析系统 | |
CN106227776A (zh) | 一种支撑智慧金融的数据预处理方法和装置 | |
Kalyan et al. | Application of Internet of Things and Machine learning in improving supply chain financial risk management System | |
Feng et al. | Retracted: Green intelligent financial system construction paradigm based on deep learning and concurrency models | |
Ashiwaju et al. | Digital Transformation in Pharmaceutical Supply Chain: An African Case | |
CN111191050B (zh) | 知识图谱本体模型构建的方法和装置 | |
Suntsova | The definition of smart economy and digital transformation of business in the concepts Industry 4.0 and 5.0 | |
CN116342137A (zh) | 客户数据回收再分配方法、装置、计算机设备及存储介质 | |
US20220138528A1 (en) | Data processing method for neural network accelerator, device and storage medium | |
CN104699472A (zh) | 采用规则引擎解决业务流程频繁变动与软件维护之间的矛盾的方法 | |
CN108205579A (zh) | 基于海量数据的大数据挖掘系统 | |
CN114493169A (zh) | 一种数据分析引擎系统、实现方法、设备及存储介质 | |
Peng et al. | Research on E-commerce intelligence based on IOT and big data | |
US20210097229A1 (en) | System, method, and computer program product for classifying service request messages |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170111 |