2014中国金融云平台峰会 普元强调“数据治理”才是金融大数据应用的基石

本文涉及的产品
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
简介:

ZDNET至顶网CIO与应用频道 09月19日 北京消息:9月12日,由国内领先的基础软件产品与解决方案提供商普元与计世传媒集团新金融世界联合举办的“2014中国金融云平台峰会”在北京隆重召开。本届峰会以“互联网金融时代的大数据应用”为主题,与会嘉宾涵盖银行、保险、证券、互联网金融等领域的权威专家、公司CIO以及负责信息技术、产品创新的部门负责人,深度探讨了金融业的数据整合、数据挖掘、数据治理、数据平台、数据安全等热点问题,并对互联网金融时代的大数据应用创新与实践进行了分享,旨在推动国内金融领域在互联网金融时代成功转型。

在此次金融云平台峰会上,计世传媒集团总裁与新金融世界出版人黎争、国家信息中心副研究员李良博士、普元CTO焦烈焱、TalkingData数据商业部高级总监陈星霖、中国建设银行产品与创新管理部副总经理赵志宏、宁波银行信息科技部总经理沈栋等重量级演讲嘉宾从互联网金融的大数据应用、分析、架构和解决方案等方面分享了他们的创新理念和最佳实践。

大数据应用基石:数据治理

金融业是典型的数据驱动行业,在这一行业,大数据无处不在:交易、报价、业绩报告、消费者研究报告、官方统计数据公报、调查、新闻报道等皆是数据来源。在此次金融云平台峰会上,计世传媒集团总裁与新金融世界出版人黎争指出,企业需要利用大数据来判断消费者的需要、对企业的反馈,以及怎样针对不同消费者推出相应的产品和技术。中国建设银行产品与创新管理部副总经理赵志宏表示,金融行业已在大数据应用指引下,完全向客户化定制时代过渡。国家信息中心副研究员李良博士则认为,大数据的价值在于如何成为预警和规避风险、提高资产质量、扩大利润空间和提升核心竞争力的关键。

那么,如何在互联网金融下如此繁杂的大数据中,有效利用与驾驭数据呢?普元CTO焦烈焱在此次金融云平台峰会上强调:大数据应用的前提是高质量的数据,数据治理应是基石和关键。焦烈焱认为当下CIO应以资产的角度来管理数据,让数据对内发挥作用,对外产生效益,并需解决在多种技术混合下的大数据治理的实时性和快速交互等问题。宁波银行信息科技部总经理沈栋更是以自身的实际案例来说明,良好的数据治理应以“大平台”的策略逐步实现。

普元数据治理平台:实现可落地的大数据治理

普元大数据产品线总经理王轩在此次金融云平台峰会上表示,监管机构很早就认识到数据治理的重要性,2011年银监会启动了数据质量管理标准的检查,在为金融客户实施的数据治理项目中,普元总结出可落地的大数据治理的一套方法论:在做数据治理时客户不仅要有强有力的组织架构、完善的制度流程,更要有良好的平台支撑和成熟的实施方法。在峰会上,王轩还分享了普元的数据治理平台Primeton Data Governance在金融业的众多成功应用:从大型的政策型的银行、大型的城市商业银行到大型的资产公司,普元数据治理平台领先的技术和方法论可以从根本帮助用户解决数据质量的问题,并有效地分析系统数据之间的来龙去脉。

王轩强调,普元大数据平台有非实时数据整合、实时数据整合、数据治理、数据发布、数据可视化、数据分析等一系列产品,可提供从咨询、数据集成、数据治理到可视化的“一站式”服务,以标准化、模块化和动态可持续的IT平台助力金融行业大数据应用。在大数据架构的创新上,普元讲求“大平台+微服务”的概念,落点在客户最终体验上,即微小的快速服务体验,帮助合作伙伴快速实施应用,并产生效果。针对风险管理、数据管理等问题,普元通过业界流行的流式计算技术Storm,为金融行业这一面向海量客户的服务行业实现应用场景设置、实时风险控制、主动营销、时间预警等功能,为大数据安全保驾护航。

众多金融企业成功实施

普元自2010年开始涉足大数据领域,一直走在整个业界的前列。普元数据治理平台Primeton Data Governance,提供从数据治理咨询到工具落地实施一体化的解决方案,在业内特别是金融行业拥有丰富的成功实施案例,全力支持互联网金融时代的大数据应用,堪称大数据时代企业挖掘数据资产、高效分析、提升业务管理能力的利器。

普元数据治理平台Primeton Data Governance能够进行跨行业、多领域数据治理,拥有强大、灵活的数据接入能力,强大的解析能力,多平台一体化的分析能力。在中信银行的项目中,普元团队通过分析,实现了以业务价值为驱动的原则,在元数据信息整合共享、变更影响分析等环节发挥了重大作用,有力提升了日常工作的效率。除此之外,普元数据治理平台Primeton Data Governance在国家开发银行、上海银行等国内金融行业的重点企业,均已成功应用。

原文发布时间为:2014年09月19日
本文来自云栖社区合作伙伴至顶网,了解相关信息可以关注至顶网。
相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
目录
相关文章
|
1月前
|
数据采集 监控 数据管理
数据治理之道:大数据平台的搭建与数据质量管理
【10月更文挑战第26天】随着信息技术的发展,数据成为企业核心资源。本文探讨大数据平台的搭建与数据质量管理,包括选择合适架构、数据处理与分析能力、数据质量标准与监控机制、数据清洗与校验及元数据管理,为企业数据治理提供参考。
78 1
|
2月前
|
SQL 存储 分布式计算
ODPS技术架构深度剖析与实战指南——从零开始掌握阿里巴巴大数据处理平台的核心要义与应用技巧
【10月更文挑战第9天】ODPS是阿里巴巴推出的大数据处理平台,支持海量数据的存储与计算,适用于数据仓库、数据挖掘等场景。其核心组件涵盖数据存储、计算引擎、任务调度、资源管理和用户界面,确保数据处理的稳定、安全与高效。通过创建项目、上传数据、编写SQL或MapReduce程序,用户可轻松完成复杂的数据处理任务。示例展示了如何使用ODPS SQL查询每个用户的最早登录时间。
122 1
|
8天前
|
机器学习/深度学习 人工智能 运维
智能化运维:AI与大数据在IT运维中的应用探索####
本文旨在探讨人工智能(AI)与大数据分析技术如何革新传统IT运维模式,提升运维效率与服务质量。通过具体案例分析,揭示AI算法在故障预测、异常检测及自动化修复等方面的实际应用成效,同时阐述大数据如何助力实现精准运维管理,降低运营成本,提升用户体验。文章还将简要讨论实施智能化运维面临的挑战与未来发展趋势,为IT管理者提供决策参考。 ####
|
22天前
|
机器学习/深度学习 存储 大数据
云计算与大数据技术的融合应用
云计算与大数据技术的融合应用
|
1月前
|
机器学习/深度学习 数据采集 搜索推荐
大数据与金融风控:信用评估的新标准
【10月更文挑战第31天】在数字经济时代,大数据成为金融风控的重要资源,特别是在信用评估领域。本文探讨了大数据在金融风控中的应用,包括多维度数据收集、智能数据分析、动态信用评估和个性化风控策略,以及其优势与挑战,并展望了未来的发展趋势。
|
1月前
|
数据采集 分布式计算 大数据
数据治理之道:大数据平台的搭建与数据质量管理
【10月更文挑战第27天】在数字化时代,数据治理对于确保数据资产的保值增值至关重要。本文探讨了大数据平台的搭建和数据质量管理的重要性及实践方法。大数据平台应包括数据存储、处理、分析和展示等功能,常用工具如Hadoop、Apache Spark和Flink。数据质量管理则涉及数据的准确性、一致性和完整性,通过建立数据质量评估和监控体系,确保数据分析结果的可靠性。企业应设立数据治理委员会,投资相关工具和技术,提升数据治理的效率和效果。
88 2
|
2月前
|
存储 分布式计算 druid
大数据-149 Apache Druid 基本介绍 技术特点 应用场景
大数据-149 Apache Druid 基本介绍 技术特点 应用场景
67 1
大数据-149 Apache Druid 基本介绍 技术特点 应用场景
ly~
|
2月前
|
供应链 搜索推荐 安全
大数据模型的应用
大数据模型在多个领域均有广泛应用。在金融领域,它可用于风险评估与预测、智能营销及反欺诈检测,助力金融机构做出更加精准的决策;在医疗领域,大数据模型能够协助疾病诊断与预测、优化医疗资源管理和加速药物研发;在交通领域,该技术有助于交通流量预测、智能交通管理和物流管理,从而提升整体交通效率;电商领域则借助大数据模型实现商品推荐、库存管理和价格优化,增强用户体验与企业效益;此外,在能源和制造业中,大数据模型的应用范围涵盖从需求预测到设备故障预测等多个方面,全面推动了行业的智能化转型与升级。
ly~
141 2
ly~
|
2月前
|
供应链 搜索推荐 大数据
大数据在零售业中的应用
在零售业中,大数据通过分析顾客的购买记录、在线浏览习惯等数据,帮助零售商理解顾客行为并提供个性化服务。例如,分析网站点击路径以了解顾客兴趣,并利用历史购买数据开发智能推荐系统,提升销售和顾客满意度。此外,大数据还能优化库存管理,通过分析销售数据和市场需求,更准确地预测需求,减少库存积压和缺货现象,提高资金流动性。
ly~
406 2
|
2月前
|
存储 机器学习/深度学习 分布式计算
大数据技术——解锁数据的力量,引领未来趋势
【10月更文挑战第5天】大数据技术——解锁数据的力量,引领未来趋势