CN113485694B - 一种算法的变量数据智能中台系统 - Google Patents
一种算法的变量数据智能中台系统 Download PDFInfo
- Publication number
- CN113485694B CN113485694B CN202110762581.2A CN202110762581A CN113485694B CN 113485694 B CN113485694 B CN 113485694B CN 202110762581 A CN202110762581 A CN 202110762581A CN 113485694 B CN113485694 B CN 113485694B
- Authority
- CN
- China
- Prior art keywords
- variable
- data
- calculation
- module
- derivative
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/50—Monitoring users, programs or devices to maintain the integrity of platforms, e.g. of processors, firmware or operating systems
- G06F21/55—Detecting local intrusion or implementing counter-measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/30—Creation or generation of source code
- G06F8/34—Graphical or visual programming
-
- 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
- G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Computer Security & Cryptography (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Technology Law (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Computer Hardware Design (AREA)
- Economics (AREA)
- Stored Programmes (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明的一种算法的变量数据智能中台系统,包括:数据对接模块,配置为管理内部系统已有的数据源和从外部系统获取数据源并生成衍生变量;变量开发模块,包括前台自主开发单元以及后台代码开发单元,所述前台代码开发单元配置为通过系统内部封装开发衍生变量常见函数,提供页面选择使用;所述后台代码开发单元配置为通过可视化界面拖拽式开发新增变量,衍生能在线上系统运行计算的变量逻辑;以及变量逻辑计算模块,配置为根据衍生变量的配置和参数进行实时计算,并根据变量的计算类型,动态输出衍生变量的计算结果。本发明的一种算法的变量数据智能中台系统,能够提高对大数据类型的覆盖度,实时在线处理能力强,处理时效快。
Description
技术领域
本发明属于金融风控技术领域,具体来说是一种算法的变量数据智能中台系统。
背景技术
随着经济的高速发展与信息技术的进步,互联网金融行业发展迅猛。我国互联网金融平台数量不断增加,金融服务模式也呈现多样化,但发展的同时也伴随着诸多金融风险。网络黑灰产已形成完整的、成熟的产业链,每年千亿级别的投入规模,超过1000万的“从业者”,其专业度也高于大多数技术人员,给互联网及金融平台的攻防对抗带来严峻的挑战。加强风险管控是互联网金融良性发展的重要保障。
在大数据风控的大背景下,很多的同行业的数据以及有一定关联度的跨行业数据在金融风控领域得到了应用。但是金融领域的多场景化,同一场景内的多流程环节化,使得大数据的应用并不是可以在这些场景和流程环境中完全通用的,必须根据具体的业务内容制定出特定的使用策略。
而如何将这些大数据能够挖掘出在这些场景和流程环节中的价值,那不仅仅是需要对这些数据能够有充分的业务认识,并且也需要对金融机构的风控场景和环节要非常了解,这样才能制定出有针对性的数据价值挖掘和风控业务的使用策略,这就对于业务的、软件系统的要求会很高。
在现阶段,金融机构对于机构内、行业内、行业外的大数据在风控场景和环节的使用,还存在不小的障碍,从数据的利用率和技术手段上主要表现为以下几点:
单一厂商对于大数据类型的覆盖度还比较有限,基本上都是集中在自己业务擅长的几种数据;
落地的软件系统处理的能力有限,绝大部分不支持线上实时的处理,更多的是事后处理。而近几年金融机构都在大力发展线上业务,且比重逐年上升,因此对于实施处理的软件系统在线实时处理能力和处理时效有很大的需求。
发明内容
1.发明要解决的技术问题
本发明的目的在于解决现有技术中存在的金融风控系统中对于大数据类型的覆盖度还比较有限、以及在线实时处理能力差、处理时效长的缺陷,提出一种算法的变量数据智能中台系统。
2.技术方案
为达到上述目的,本发明提供的技术方案为:
本发明的一种算法的变量数据智能中台系统,包括:
数据对接模块,配置为管理内部系统已有的数据源和从外部系统获取数据源,再对获取到的数据源中的原始数据进行变量衍生,生成衍生变量;
变量开发模块,包括前台自主开发单元以及后台代码开发单元,所述前台代码开发单元配置为通过系统内部封装开发衍生变量常见函数,提供页面选择使用;所述后台代码开发单元配置为通过可视化界面拖拽式开发新增变量,衍生能在线上系统运行计算的变量逻辑;
以及变量逻辑计算模块,配置为根据衍生变量的配置和参数进行实时计算,并根据变量的计算类型,动态输出衍生变量的计算结果。
其优选的技术方案为:
如上所述的一种算法的变量数据智能中台系统,所述数据对接模块包括:数据源管理单元和数据源查询单元,所述数据源管理单元被配置为用于根据不同部门、不同业务场景的需求选择使用不同的数据源。
如上所述的一种算法的变量数据智能中台系统,所述数据源查询单元包括与外部系统对接的接口,所述接口被配置为:与对应外部系统进行对接,根据不同部门、不同业务场景的需求定制输出衍生变量。
如上所述的一种算法的变量数据智能中台系统,其特征在于,所述变量开发模块还包括:变量模板单元,所述变量模板单元被配置为供用户基于变量模板开发同类型的衍生变量。
如上所述的一种算法的变量数据智能中台系统,还包括:变量配置模块,配置为自定义配置计算衍生变量的对象、计算类型、以及可调用实时生效接口应用配置,其中,变量的计算类型包括同步模式和异步模式。
如上所述的一种算法的变量数据智能中台系统,并根据变量的计算类型,动态输出衍生变量的计算结果包括:当变量的计算类型为同步模式:实时计算同步返回;当变量的计算类型为异步模式:将准实时异步计算直接落库或推送到下游系统。
如上所述的一种算法的变量数据智能中台系统,还包括:调用前置模块,所述调用前置模块配置为前置代理服务器。
如上所述的一种算法的变量数据智能中台系统,还包括:权限管理模块,所述权限管理模块配置为对用户权限和角色权限进行权限管控和指派。
如上所述的一种算法的变量数据智能中台系统,所述权限管理模块还被配置为:对衍生变量进行权限管控。
3.有益效果
采用本发明提供的技术方案,与现有技术相比,具有如下有益效果:
(1)本发明的一种算法的变量数据智能中台系统,系统支持管理、衍生多种数据源,亦即除了支持机构内部数据以外,还支持其他的第三方数据源,各部门风控变量互相打通,知识共享,一键化设置,从而能够提高对大数据类型的覆盖度;
(2)本发明的一种算法的变量数据智能中台系统,支持变量实时调用或异步落库配置,实时调用变量以接口方式实时同步下游系统,而加工的全部衍生变量以异步的方式存储到数据库,异步保证不影响实时交易的性能,落库以支持数据后续的利用;
(3)本发明的一种算法的变量数据智能中台系统,支持个人和企业其他变量以及后期其他三方风控变量,统一在一个平台管理;
(4)本发明的一种算法的变量数据智能中台系统,能够实现平台可视化变量设计、就算、管理,并使得业务人员可以直接衍生能在线上系统运行计算的变量逻辑,实时在线处理能力强,处理时效快。
附图说明
图1为本发明的一种算法的变量数据智能中台系统的整体结构示意图。
具体实施方式
为了便于理解本发明,下面将参照相关附图对本发明进行更全面的描述,附图中给出了本发明的若干实施例,但是,本发明可以以许多不同的形式来实现,并不限于本文所描述的实施例,相反地,提供这些实施例的目的是使对本发明的公开内容更加透彻全面。
本实施例中的一种算法的变量数据智能中台系统,在进行项目的总体架构搭建时,鉴于平台的通用性,采用B/S的web应用架构,界面简洁易于操作,客户端无需安装应用软件,使用浏览器访问即可,支持主流的浏览器版本,包括IE,Chrome等。服务端基于开源的X86平台技术,支持Linux操作系统,采用了主流的开源技术,开发语言以Java语言为主,前端基于JavaScript技术,例如vuejs等,应用软件使用业界成熟的软件,例如Tomcat,Spring,Hibernate,Nginx等等。数据库使用Oracle、MySQL、、Redis等数据存储和缓存软件,确保了系统在软硬件上遵循业内主流的规范性。
在进行系统架构设计时,系统涉及的所有软硬件工具均支持主流的开放技术规范和标准,并遵循下面的架构设计原则:
高可用性:在架构方面,系统采用先进的分布式架构,支持负载均衡方式部署,所有涉及的组件均使用集群模式,任一服务器宕机不影响系统整体稳定运行,系统可供用户使用的时间段为7dx24h。
扩展性:系统内部模块耦合度低,可扩展性好,随着业务发展,可以根据业务量的变化灵活地调整行内资源,实现快速扩容,满足系统长远的容量要求。
高性能:实时变量返回时间在毫秒级,异步变量返回在秒级。使用Java线程池技术进行多线程并发计算实现系统低延迟和高吞吐量。恢复时间目标(RTO):灾难发生后,信息系统从停顿到必须恢复的时间要求,RTO<8小时。恢复点目标(RPO):灾难发生后,数据必须恢复到的时间点要求(系统可能丢失数据的最大时段指标),RPO<24小时。历史数据备份清理:系统定期对历史数据进行清理,对清理的数据应能备份和恢复,保证业务部门查询的需要。
前瞻性:基于最前沿的主流互联网技术,较好的系统伸缩能力,可以通过添加设备或对接外部模块,快速地满足未来业务量的扩张或场景需求的变化。
安全性:平台各系统间网络通信可采用HTTPS方式,保证数据的传输安全、操作安全。系统具备完善的监控机制,对系统运行中的错误、异常进行告警,并记录错误日志,供后续分析。
实用性:系统提供了对需要实时计算哪些变量进行后台配置,通过变量参数组合的方式进行配置。通过配置指定变量的同步或异步计算模式。配置更新后可通过后台刷新接口可以实时生效。
灵活性:系统提供变量的参数化配置功能,从而无需开发代码即可实现变量开关,参数修改,以及同步或异步计算的控制。
易维护性和易操作性:变量数据智能中台平台采用B/S的web应用架构,界面简洁易于操作,对业务人员经过简单培训即可上手使用;同时,系统支持灵活的升级和轮起,支持与各系统运维平台和发版平台集成,保证了系统的易维护性和易操作性。
在进行具体的系统搭建时,请参阅图1,其具体包括:
数据对接模块,配置为管理内部系统已有的数据源和从外部系统获取数据源,再对获取到的数据源中的原始数据进行变量衍生,生成衍生变量。
内部数据一般会有:用户申请时提交的数据信息、用户在使用过程中产生的行为数据、用户在平台上累积的交易数据。对于内部系统已有的数据源而言,可以通过与机构内部人员的沟通,了解数据的处理流程、业务属性和存储方式,最终将该变量数据智能中台系统和行内的数据形成标准接口,将数据引入变量数据智能中台进行加工处理。
对于外部系统的数据源而言,数据对接模块能够深入使用外部其他数据库。外部数据主要是第三方数据,包括来自政府、公用事业、银行等机构的数据,以及用户在电商、社交网络、网络新闻等互联网应用上留存的数据。如金融机构内各类交易流水数据、人民银行征信中心个人征信数据、人民银行征信中心企业征信数据、各省的税务数据、社保数据、持牌的个人征信公司数据、红盾数据等等,每一类数据都形成了几千到几万的变量。以Elastic Search数据库为例,Elastic Search原有丰富的index选项和search接口等功能,同时进行客制化改造,实现批量index、批量search减少交互次数,提高执行效率;再以index alias数据库为例,其没有宕机时间,保障执行的高效安全性;对于外部系统的数据源,通过第三方沟通数据的类型、业务属性和调用方式,将系统和第三方数据源建立标准接口,使数据能够通过接口进行实时调用,引入变量数据智能中台进行加工处理。这类数据可以从多角度展示用户的特征,利用这些数据进行建模、变量智能分析,可以找出不同特征与风险的相关性。
在进行多种大数据类型的匹配时,系统能够通过自建地址和单位名称,并采用特定智能分词索引算法,结合地址和单位名称分词字典,最大粒度正向匹配,建立机器学习机制,完善各词段权重系数,随着数据量的增加能给不断提高匹配准确率。
为了保证系统管理内部系统已有的数据源和从外部系统获取数据源的可靠性,系统通过集群部署、双机热备模式和负载均衡来保证系统的高可用,在任一一台应用服务宕机的情况下不影响系统功能,配合数据库的双活,实现99.99%的系统可用的可靠性。
为了保证系统从外部系统获取数据源时信息传输的安全性,系统采用https数据传输加密机制和SHA、MD5等数据加密算法从外部系统获取数据源。
本实施例中,所述数据对接模块包括数据源管理单元和数据源查询单元,所述数据源管理单元被配置为用于根据不同部门、不同业务场景的需求选择使用不同的数据源;所述数据源查询单元包括与外部系统对接的接口,所述接口被配置为:与对应外部系统进行对接,根据不同部门、不同业务场景的需求定制输出衍生变量。
数据源查询单元的配置,能够与对应外部系统进行对接,根据不同部门、不同业务场景的需求定制输出衍生变量,进而使得系统实现定制输出衍生变量的功能。
变量开发模块,包括前台自主开发单元以及后台代码开发单元,所述前台代码开发单元配置为通过系统内部封装开发衍生变量常见函数,提供页面选择使用;所述后台代码开发单元配置为通过可视化界面拖拽式开发新增变量,衍生能在线上系统运行计算的变量逻辑。
系统支持整型、浮点型、字符型、数组型、对象型等常见运算方式。对前台自主开发单元而言,函数可以由行内IT人员自主通过JAVA开发,并导入系统中使用,如文本函数、日期与时间函数、判断函数、随机函数、数学和三角函数、列表函数等等。
对后台代码开发单元而言,所述后台代码开发单元配置为通过可视化界面拖拽式开发新增变量,衍生能在线上系统运行计算的变量逻辑,进而使得业务人员可以直接衍生能在线上系统运行计算的变量逻辑,而无需再经过IT技术人员的开发流程,使得衍生变量的开发变得十分快捷。
一个优选的实施例中,所述变量开发模块还包括:变量模板单元,所述变量模板单元被配置为供用户基于变量模板开发同类型的衍生变量。用户可以基于变量模板开发同类型的变量,只需通过页面调整模板参数即可衍生出一系列不同的变量。
变量逻辑计算模块,配置为根据衍生变量的配置和参数进行实时计算,并根据变量的计算类型,动态输出衍生变量的计算结果。其中,当变量的计算类型为同步模式:实时计算同步返回;当变量的计算类型为异步模式:将准实时异步计算直接落库或推送到下游系统。
在对变量逻辑进行计算时,系统采用线程池技术进行并发计算,系统可以指定计算的并发程度,从而实现根据硬件资源或业务需求进行调整,对硬件资源的充分利用。
一个优选的实施例中,本实施例中的一种算法的变量数据智能中台系统,还包括变量配置模块,所述变量配置模块配置为自定义配置计算衍生变量的对象、计算类型、以及可调用实时生效接口应用配置,其中,变量的计算类型包括同步模式和异步模式。
本实施例中,同步模式的计算类型,能够实现已有系统解析后的数据格式到算话变量数据智能中台的报告数据格式的字段映射;而异步模式的计算类型,能够实现历史落库数据格式到算话变量数据智能中台的报告数据格式的数据字段映射。
变量配置模块的配置,使得系统可以根据变量配置模块的配置自定义计算哪些变量,计算类型是实时同步或异步计算,通过配置界面更新后,可调用实时生效接口应用配置,这样对于目前业务流程中没有使用的变量可以异步计算,从而提高实时效率;而同异步计算模式,通过前台页面进行选择配置就能调整;同时,相同的变量在不同部门或业务场景下也支持配置不同的模式。
一般而言,实时调用变量以接口方式实时同步下游系统,而加工的全部衍生变量以异步的方式存储到数据库,异步保证不影响实时交易的性能,落库以支持数据后续的利用。
通过变量配置模块完成配置更新后,可以通过前台页面实时生效,无需通过技术部门安排系统上线,十分灵活、快捷。
一个优选的实施例中,还包括:调用前置模块,所述调用前置模块配置为前置代理服务器。
具体应用中,平台使用前置Nginx服务的方式实现负载均衡,可以通过不改应用仅增加服务器的方式应对访问量增长压力。因此,系统具备横向扩展能力,支持协调多个计算引擎实例,可以通过简单地添置硬件设备,就能实现整个系统处理能力的线性增长,实现高吞吐量和低延迟高性能。
系统可以支持前置代理方式,实现负载均衡,在系统版本更新时,实现系统运行无间断,保证系统7×24小时连续运行。
一个优选的实施例中,还包括:权限管理模块,所述权限管理模块配置为对用户权限和角色权限进行权限管控和指派。所述权限管理模块还被配置为:对衍生变量进行权限管控。
系统提供了完善的权限管理机制,包括操作权限规划,用户权限指派,以及角色权限定制等功能。通过用户、角色管理功能,可以创建多种个性化的角色权限,并赋予不同的操作权限,包括系统页面的展示、功能按钮的使用等。
衍生变量也提供了权限控制,变量可以通过权限控制开放或禁止给不同的部门使用。
以上所述实施例仅表达了本发明的某种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制;应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围;因此,本发明专利的保护范围应以所附权利要求为准。
Claims (1)
1.一种算法的变量数据智能中台系统,其特征在于,包括:
数据对接模块,配置为管理内部系统已有的数据源和从外部系统获取数据源,再对获取到的数据源中的原始数据进行变量衍生,生成衍生变量;
变量开发模块,包括前台自主开发单元以及后台代码开发单元,所述前台代码开发单元配置为通过系统内部封装开发衍生变量常见函数,提供页面选择使用;所述后台代码开发单元配置为通过可视化界面拖拽式开发新增变量,衍生能在线上系统运行计算的变量逻辑;所述变量开发模块还包括:变量模板单元,所述变量模板单元被配置为供用户基于变量模板开发同类型的衍生变量;
以及变量逻辑计算模块,配置为根据衍生变量的配置和参数进行实时计算,并根据变量的计算类型,动态输出衍生变量的计算结果;所述变量逻辑计算模块根据变量的计算类型,动态输出衍生变量的计算结果包括:当变量的计算类型为同步模式:实时计算同步返回;当变量的计算类型为异步模式:将准实时异步计算直接落库或推送到下游系统;
还包括:调用前置模块,所述调用前置模块配置为前置代理服务器;
所述数据对接模块包括:数据源管理单元和数据源查询单元,所述数据源管理单元被配置为用于根据不同部门、不同业务场景的需求选择使用不同的数据源;所述数据源查询单元包括与外部系统对接的接口,所述接口被配置为:与对应外部系统进行对接,根据不同部门、不同业务场景的需求定制输出衍生变量;还包括:变量配置模块,所述变量配置模块配置为自定义配置计算衍生变量的对象、计算类型、以及可调用实时生效接口应用配置,其中,变量的计算类型包括同步模式和异步模式;还包括:权限管理模块,所述权限管理模块配置为对用户权限和角色权限进行权限管控和指派;所述权限管理模块还被配置为:对衍生变量进行权限管控。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110762581.2A CN113485694B (zh) | 2021-07-06 | 2021-07-06 | 一种算法的变量数据智能中台系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110762581.2A CN113485694B (zh) | 2021-07-06 | 2021-07-06 | 一种算法的变量数据智能中台系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113485694A CN113485694A (zh) | 2021-10-08 |
CN113485694B true CN113485694B (zh) | 2023-04-28 |
Family
ID=77940579
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110762581.2A Active CN113485694B (zh) | 2021-07-06 | 2021-07-06 | 一种算法的变量数据智能中台系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113485694B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008145805A1 (en) * | 2007-05-31 | 2008-12-04 | Grey-Hen Oy | System and method for assessing and managing objects |
WO2017079722A1 (en) * | 2015-11-06 | 2017-05-11 | PGMtech Solutions, LLC | System and method for aggregating financial data |
CN107862602A (zh) * | 2017-11-23 | 2018-03-30 | 安趣盈(上海)投资咨询有限公司 | 一种基于多维度指标计算、自学习及分群模型应用的授信决策方法与系统 |
CN109209768A (zh) * | 2018-08-31 | 2019-01-15 | 重庆邮电大学 | 一种大型风力机的恒定输出功率控制方法 |
CN111798309A (zh) * | 2020-07-22 | 2020-10-20 | 睿智合创(北京)科技有限公司 | 风控变量加工系统、方法及可读介质 |
WO2020233360A1 (zh) * | 2019-05-22 | 2020-11-26 | 深圳壹账通智能科技有限公司 | 一种产品测评模型的生成方法及设备 |
CN112286501A (zh) * | 2020-10-13 | 2021-01-29 | 北京易观智库网络科技有限公司 | 对终端设备的页面进行埋点的方法、装置以及存储介质 |
CN112348664A (zh) * | 2020-10-28 | 2021-02-09 | 富邦华一银行有限公司 | 一种支持自动预警的信贷资信管理系统 |
CN112883689A (zh) * | 2020-11-27 | 2021-06-01 | 苏宁消费金融有限公司 | 一种征信二代信用报告指衍生变量加工方法 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100583098C (zh) * | 2007-12-06 | 2010-01-20 | 中国电信股份有限公司 | 一种数据挖掘系统和方法 |
CN104699718B (zh) * | 2013-12-10 | 2019-04-12 | 阿里巴巴集团控股有限公司 | 用于快速引入业务数据的方法和装置 |
CN105608144B (zh) * | 2015-12-17 | 2019-02-26 | 山东鲁能软件技术有限公司 | 一种基于多层模型迭代的大数据分析平台装置及方法 |
US11823089B2 (en) * | 2016-12-02 | 2023-11-21 | Christian Günther | System and method for managing transactions in dynamic digital documents |
CN107491885B (zh) * | 2017-08-25 | 2020-08-11 | 上海找钢网信息科技股份有限公司 | 一种用于钢贸金融业务的风控平台及风险控制管理方法 |
CN108881434A (zh) * | 2018-06-16 | 2018-11-23 | 武汉商启网络信息有限公司 | 一种按需批量管理云资源的管理控制系统 |
CN109284298A (zh) * | 2018-11-09 | 2019-01-29 | 上海晏鼠计算机技术股份有限公司 | 一种基于机器学习和大数据处理的内容生产系统 |
CN110189220A (zh) * | 2019-05-09 | 2019-08-30 | 天创信用服务有限公司 | 一种风险分析决策方法、装置、系统及存储介质 |
CN111240648B (zh) * | 2020-01-20 | 2023-02-28 | 重庆富民银行股份有限公司 | 用于变量的智能管理系统及方法 |
CN111459986B (zh) * | 2020-04-07 | 2023-07-21 | 中国建设银行股份有限公司 | 数据计算系统及方法 |
CN111709218A (zh) * | 2020-05-28 | 2020-09-25 | 武汉比邻软件有限公司 | 基于动态多数据源的智能报告平台和智能报告方法 |
CN112488502A (zh) * | 2020-11-30 | 2021-03-12 | 南水北调东线江苏水源有限责任公司 | 一种标准的水资源管理一体化管控平台 |
CN112540959B (zh) * | 2020-12-14 | 2023-01-10 | 中国建设银行股份有限公司 | 一种数据处理方法和装置 |
-
2021
- 2021-07-06 CN CN202110762581.2A patent/CN113485694B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008145805A1 (en) * | 2007-05-31 | 2008-12-04 | Grey-Hen Oy | System and method for assessing and managing objects |
WO2017079722A1 (en) * | 2015-11-06 | 2017-05-11 | PGMtech Solutions, LLC | System and method for aggregating financial data |
CN107862602A (zh) * | 2017-11-23 | 2018-03-30 | 安趣盈(上海)投资咨询有限公司 | 一种基于多维度指标计算、自学习及分群模型应用的授信决策方法与系统 |
CN109209768A (zh) * | 2018-08-31 | 2019-01-15 | 重庆邮电大学 | 一种大型风力机的恒定输出功率控制方法 |
WO2020233360A1 (zh) * | 2019-05-22 | 2020-11-26 | 深圳壹账通智能科技有限公司 | 一种产品测评模型的生成方法及设备 |
CN111798309A (zh) * | 2020-07-22 | 2020-10-20 | 睿智合创(北京)科技有限公司 | 风控变量加工系统、方法及可读介质 |
CN112286501A (zh) * | 2020-10-13 | 2021-01-29 | 北京易观智库网络科技有限公司 | 对终端设备的页面进行埋点的方法、装置以及存储介质 |
CN112348664A (zh) * | 2020-10-28 | 2021-02-09 | 富邦华一银行有限公司 | 一种支持自动预警的信贷资信管理系统 |
CN112883689A (zh) * | 2020-11-27 | 2021-06-01 | 苏宁消费金融有限公司 | 一种征信二代信用报告指衍生变量加工方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113485694A (zh) | 2021-10-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zheng et al. | Real-time intelligent big data processing: technology, platform, and applications | |
US20170220939A1 (en) | Predictive modeling across multiple horizons combining time series & external data | |
Jeong et al. | Anomaly teletraffic intrusion detection systems on hadoop-based platforms: A survey of some problems and solutions | |
JP2023524323A (ja) | データベース移行のための機械学習予測 | |
CN103838847A (zh) | 一种面向海云协同网络计算环境的数据组织方法 | |
WO2021036684A1 (zh) | 分布式数据同步方法、装置、设备及可读存储介质 | |
US20230316129A1 (en) | Auxiliary implementation method and apparatus for online prediction using machine learning model | |
CN110807016A (zh) | 一种应用于金融业务的数据仓库构建方法、装置和电子设备 | |
Dubuc et al. | Mapping the big data landscape: technologies, platforms and paradigms for real-time analytics of data streams | |
Liang et al. | Financial big data analysis and early warning platform: a case study | |
Yang et al. | Increasing the energy efficiency of a data center based on machine learning | |
CN115640300A (zh) | 一种大数据管理方法、系统、电子设备和存储介质 | |
CN107256144A (zh) | 前后台代码自动生成方法、终端及计算机可读存储介质 | |
Nagdive et al. | Web server log analysis for unstructured data using apache flume and pig | |
CN113485694B (zh) | 一种算法的变量数据智能中台系统 | |
Wadhera et al. | A systematic Review of Big data tools and application for developments | |
US20230153325A1 (en) | Computer-based systems configured for machine learning assisted data replication and methods of use thereof | |
Singh et al. | ANFIS Computing for M/M/∞ Queue with Two Types of Service Interruption and Balking | |
Zhang et al. | Research on the construction and robustness testing of SaaS cloud computing data center based on the MVC design pattern | |
Zhang et al. | Financial System Design for High‐Tech Enterprise Based on Cloud Service and Task Scheduling Algorithm | |
Akber et al. | FATM: A failure‐aware adaptive fault tolerance model for distributed stream processing systems | |
Fu et al. | Research and design of square kilometer array astronomical data management model based on fabric | |
Lee et al. | Abnormal payment transaction detection scheme based on scalable architecture and redis cluster | |
Liu et al. | Graph database and graph computing for cyber-physical power systems | |
Wan et al. | Diting: A real-time distributed feature serving system for machine learning |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |