数据服务能力介绍

  

  一、数据加工存储和服务能力 

        1、数据采集技术能力建设，支持结构化数据，半结构化数据，非结构 化数据的采集，支持批量和准实时的数据采集，建立畅通的内部数据、第 三方数据和互联网数据采集通道。 

        2、结构化数据加工计算能力建设，通过培养 ETL 工具、ELT 技术、Spark 等技术能力，在不同数据处理场景下合理地选择数据加工计算技术，从而 具备高效、易于管理的结构化数据加工处理技术能力。 

        3、主数据存储能力建设，内部的业务数据具有数据质量高，价值密度 大，可信度高、访问频繁等特点，它们是进行大数据分析最主要的数据， 因此主数据的存储和计算能力直接关系到大数据分析的效率和效果。 

        4、历史数据存储能力建设，大数据分析对于历史数据的时间周期较高 要求，如果采用主数据存储的基础设施存储和处理数据则成本太高，因此 历史数据的存储既要低成本，同时要易于访问。 

        5、半结构化、非结构化数据存储能力建设，构建企业级的半/非结构化 数据管理平台，支持来源于内外部的各种半结构化、非结构化数据的在线 归档、批量归档存储，同时支持高并发的在线访问、批量访问。 

        6、非结构化数据加工计算能力建设，通过文本分析、日志分析、图片 分析、视频分析等技术构建内部半/非结构化数据的加工处理、计算和分析 能力。

        7、实时数据处理能力建设，构建实时采集、实时传输、实时计算分析、 实时展现或信息推送的实时数据处理通道，支撑实时/准实时类的业务需求。 

        8、数据服务能力建设，面对大数据分析应用碎片化、需求数量多、交付周期短、数据用户广的特点，数据的服务和交付能力建设尤其重要，要 能支持敏捷开发的快速供数和自主用数。 

        9、外部数据集成和内外数据整合能力建设，大数据分析要求数据更加 全面和完备，因此外部数据的引入和清洗整合后与内部数据进行匹配、关 联和集成是大数据分析的必备技术基础。 

  

     二、数据分析应用能力 

        1、传统 BI 分析能力建设，属于描述性分析范畴，运用简单的数据处理 方法(筛选过滤、关联匹配、聚合)和统计学方法，主要为绩效考核、经营统 计、监管报送、精准营销、稽核审计、风险防范等应用需求服务。 

        2、数据展现能力建设，自助式灵活查询、固定报表、决策仪表盘、即 席查询、分析报告等数据展现能力的建设，从终端方面支持桌面终端、手 机和移动终端。 

        3、数据挖掘能力建设，属于预测性分析范畴，运用统计学方法和新型 数据分析方法，数据分析人员通过数据沙盘演练和模型训练，从数据中发 现规律和价值。 

        4、嵌入式实时分析能力建设，将数据查询和分析过程封装为服务，供 业务系统调用，嵌入业务流程中，从而使得业务系统和分析系统无缝连接， 实现交易过程的智能化，例如基于位置的应用。 

        5、数据驱动的实时分析能力建设，通过对实时采集的数据进行实时计 算和分析，将分析结果驱动相关的业务动作，例如实时监控和报警、实时 风控等应用。

        6、分析结果推送和应用能力建设，数据分析的结果主要以图表报表、 数据清单、分析报告、决策建议等四种形式存在，分析结果推送和应用的目标包括应用系统、营销人员、客户（通过信息或 app）。 

        7、大数据分析能力建设，当传统描述性分析、预测性分析能力具备， 数据资源储备（内外部数据）足够、数据法计算分析能力足够的情况下， 大数据分析能力水到渠成。 

        8、端到端的大数据分析流程支持能力建设，通过建设数据分析工作平 台，实现从业务需求、数据准备、数据分析、分析结果推送和应用的端到 端支持，达到数据分析高度融入业务的目标。

*注：相关业务合作请联系，刘先生，13573199568/刘女士，18653192769。