了得網管理_金融大數據：戰略規劃與實踐指南

編輯推薦

推薦購買：

一本書讀懂金融業的痛與哀愁，一本書洞悉求變創新的思路與方法！

金融企業與互聯網公司之間的明爭暗鬥愈演愈烈！金融企業如何在這個求變創新的大數據時代，殺出一條血路，永保基業長青？

《金融大數據：戰略規劃與實踐指南》認為在新形勢下，金融的本質並未改變，大數據與金融企業之間的關繫實為“得天獨厚”，而金融業如何利用這樣的優勢，突破傳統的舊思維和框架，從而轉危為機？

《金融大數據：戰略規劃與實踐指南》從觀念、技術、組織架構的多重角度，闡述了金融企業的轉型要素，並給出了具體的實踐方法，提出了未來的金融企業將以數據為中心建立起新型的生態鏈。

《金融大數據：戰略規劃與實踐指南》作者均是金融行業一線資深人員，兼具技術、金融與管理的多重背景。他們親歷了金融業的風光與唱衰，對行業的弊端有切膚之痛。本書正是他們多年觀察、思考與實踐的智慧結晶、厚積薄發的力作。痛定思痛！相信書中的真知灼見對每一位從業人員都會有深遠的啟發，並有望帶動整個行業的轉型與成長。

內容簡介

大數據與金融企業之間的關繫可以用“勢在必行”、“得天獨厚”來形容。金融企業內

部積累了豐富的用戶數據和交易數據，是企業數據資產構成的核心內容；大數據技術的出

現使企業可用的數據資產得到極大的擴展。本書分為三篇，分別從金融企業的大數據戰略

規劃、場景實例以及常見問題與應對機制三個方面對金融企業在大數據時代面臨的機遇與

挑戰做了深刻的分析，並給出了具體的實踐思路。

《金融大數據》提出了金融四大要素人、資金、交易和環境之間在互聯網時代的笛卡爾乘積關繫的重要觀點，並以此作為大數據思維的重要出發點來指導金融企業的轉型之路。

《金融大數據》適合大數據、金融領域的相關從業者閱讀，同時也是相關企業管理人員釐清思路、洞察數據和金融本質的一本不可多得的參考著作。

作者簡介

陳利強，1999年畢業於中國人民大學後就職於中國人壽保險公司，先後在信息技術部軟件開發處、運行管理處、應用管理處、核心開發處、項目管理處、開發一處等處室擔任主要技術人員和負責人，現任中國人壽保險股份有限公司研發中心總經理助理。

第1篇大數據戰略規劃
1 背景
1.1 大數據是什麼
1.2 大數據關鍵推動事件
1.3 國家相關政策意見
1.4 金融大數據應運而生
1.5 金融大數據的現狀與前瞻
1.6 金融大數據的衡量標準
2 金融大數據的戰略定位
2.1 必要性
2.2 可行性
2.3 主要問題
2.4 大數據價值所在
2.5 大數據思維轉變第1篇大數據戰略規劃

1 背景

1.1 大數據是什麼

1.2 大數據關鍵推動事件

1.3 國家相關政策意見

1.4 金融大數據應運而生

1.5 金融大數據的現狀與前瞻

1.6 金融大數據的衡量標準

2 金融大數據的戰略定位

2.1 必要性

2.2 可行性

2.3 主要問題

2.4 大數據價值所在

2.5 大數據思維轉變

2.6 大數據戰略行動

3 金融企業大數據應用規劃構建

3.1 制定規劃原則

3.2 選擇規劃方法

3.3 制定目標藍圖

3.4 識別規劃風險

3.5 明確數據規劃

3.6 制定目標計劃

3.7 明確組織規劃

3.8 選擇技術方案

3.9 確定人纔規劃

3.10 回顧實施風險

4 大數據的技術解決方案

4.1 應對場景

4.2 當前主要的大數據技術模型

4.3 深入分析 Hadoop

4.5 大數據硬件技術規劃

4.6 未來推薦技術模型

4.7 數據資產治理

5 大數據可視化

5.1 背景

5.1.1 發展歷程

5.1.2 可視化分析的能力要素

5.1.3 可視化分析與傳統分析的差異

5.2 可視化分析的過程及方法

5.3 可視化分析應用場景

5.3.1 社交網絡分析

5.3.2 矢量地圖分析

5.3.3 詞雲分析

5.3.4 流量流向（桑基圖）分析

5.3.5 客戶全網畫像

第2篇場景實例詳解

6 客戶大數據實例：客戶全景視圖應用

6.1 客戶全景視圖的互聯網基因

6.2 客戶全景視圖是金融大數據應用的基礎

6.3 關鍵技術設計

6.3.1 NoSQL 數據庫的選擇

6.3.2 Hbase 的模型設計

6.3.3 源表數據的增量導出

6.3.4 數據寫入 HBase 的方法

6.4 主要技術實現

6.4.1 架構設計

6.4.2 環境搭建

6.4.3 數據的抽取和整合

6.4.4 保單視圖查詢

6.5 擴展分析

6.5.1 回顧

6.5.2 擴展

6.5.4 風險防範

7 網站大數據實例：點擊流分析與應用

7.1 點擊流分析的業務目標

7.2 關鍵技術

7.2.1 數據的獲取

7.2.2 數據的預處理

7.2.3 用戶行為數據的建模

7.3. 案例：某保險公司電商網站點擊流分析

7.3.1 數據獲取及預處理

7.3.2 會話識別

7.3.3 網頁基本情況分析

7.5 輿情分析應用簡介

7.5.1 確定挖掘算法

7.5.2 網絡爬蟲技術

7.5.3 主要實現過程

8 健康大數據實例：醫療費用監控應用

8.1 國內外醫療保險欺詐和監管情況

8.2 醫保欺詐類型介紹

8.3 醫保欺詐監控技術介紹

8.4 基於數據分析風險審核實現

8.4.1 日平均醫療費用合規度分析

8.4.2 單病種治療方法分析

8.4.3 單病種非常規治療方法篩選

8.5 數據分析監控技術挑戰

9 語音大數據實例：電銷中心質檢應用

9.1 呼叫中心業務現狀

9.2 語音識別與語音分析

9.3 語音分析業務模型

9.3.1 自動質檢

9.3.2 業務分析

9.4 技術實現過程

9.4.1 邏輯架構設計

9.4.2 項目實施指引

9.5 效果和風險總結

9.5.1 預期效果

9.5.2 實施風險

1 0 影像大數據實例：影像數據遷移應用

10.1 企業內容管理的概念及應用

10.2 基於大數據技術的內容管理平臺

10.3 內容管理平臺的應用案例：影像繫統

10.3.1 業務背景

10.3.2 技術關鍵

10.3.3 實現過程

10.3.4 案例的業務價值分析

1 1 日志大數據實例：日志備份查詢應用

11.1 日志數據的類型

11.2 日志數據管理

11.2.1 日志的記錄和產生

11.2.2 日志的采集和傳輸

11.2.3 日志的存儲

11.2.4 日志的應用

11.3 關鍵技術設計

11.3.1 日志數據的存儲技術

11.3.2 采集傳輸技術

11.3.3 數據分析技術

11.4 日志管理繫統的案例

11.4.1 繫統建設目標

11.4.2 使用 Flume 建立日志傳輸管道

11.4.3 日志文件的保存和 HBase 日志索引的創建

11.4.4 關於日志規範

11.5 日志管理的價值分析

11.5.1 繫統運行監控

11.5.2 違規分析

11.5.3 用戶行為分析

第3篇常見問題與應對機制

1 2 大數據安全

12.1 數據安全事件回顧

12.2 安全體繫

12.1.2 服務器安全

12.1.3 數據安全

12.2 法律安全

12.3 可用性

1 3 大數據來源

13.1 內部數據源

13.2 政府數據源

13.3 外部大數據

13.4 現狀與趨勢

1 4 關乎勝負與生死的決戰

14.1 客戶價值之戰

14.2 企業利潤之戰

14.3 管理平臺之戰

14.4 人纔隊伍之爭

14.5 決戰場景推演一

14.6 決戰場景推演二

1 5 大數據的人纔需求與培育路線

15.1 人纔需求

15.2 選人

15.2.1 人員類型

15.2.2 人員水平

15.3 育人

15.4 用人

15.5 留人

1 6 大數據的合作資源

16.1 產業鏈整體情況

16.2 專業領域劃分

16.3 合作商近況

16.3.1 基礎平臺提供商

16.3.2 Hadoop 提供商

16.3.3 可視化分析軟件

16.3.4 數據中心提供商

16.3.5 集成服務提供商

16.3.6 繫統安全提供商

16.3.7 多媒體識別與分析

16.3.8 數據分析提供商

16.3.9 數據管理提供商

在線試讀

前言
深入思考金融本源
金融行業是人類有文明史以來古老的行業之一，也是高度重視信息化建設的行業之一。
金融企業內部積累了豐富的用戶數據和交易數據，是企業數據資產構成的核心內容。大數據技術的出現使企業可用的數據資產得到極大的擴展，曾經無法利用的半結構化、非結構化數據正在成為企業數據資產的重要組成部分，企業可用的數據範圍、數據類型、數據時效等發生了巨大變化，數據範圍從企業內部擴展到外部，數據類型從傳統的結構化數據擴展為社交數據、流數據、地理空間數據、傳感器數據等，數據時效從穩定的靜態數據擴展為實時動態數據，這大大拓寬了金融行業數據資產的範疇和價值。
大數據時代
在大數據時代，數據成為企業的重要生產要素和戰略資產，相當於農業時代的人口土地，工業時代的鋼鐵石油一樣，擁有大量數據資產的企業將會在競爭中占有優勢。維克托·邁克·舍恩伯格在《大數據時代》中提出：“大數據是人們獲得新的認知、創造新的價值的源泉；大數據還是改變市場、組織機構，以及政府與公民關繫的方法。數據已經成為了一種商業資本，一項重要的經濟投入，可以創造新的經濟利益。事實上，一旦思維轉變過來，數據就能被巧妙地用來激發新產品和新型服務。”數據中蘊藏的能量和價值，正在通過幫助企業了解客戶需求、提供個性產品、創新優化服務、實現以產品為中心向以客戶為中心變革而顯現出來。
數據資產化
數據正在成為企業的核心資產，並將深刻影響企業的業務模式，甚至重構其文化和組織。企業需要重新盤點數據資產，重新認識、發現和梳理企業的可用數據，隻有準確把握自身數據狀況纔能發揮其應有的價值，化地轉化為企業價值，這是制定大數據戰略的前提和基礎。同時，企業也需要結合業務發展需要，有意識地尋找新數據，為新數據的產生創造條件，打造支撐業務持續發展的數據生態環境。
金融大數據
選擇金融與大數據作為題目，源於個人對兩個行業的熱愛。無論金融行業，還是當今以大數據、移動互聯網為代表的信息技術，都曾經和正在很大程度地提升著我們的生活質量和幸福指數。不可否認，眾多行業都受到了大數據應用帶來的衝擊，金融行業可以說是首當其衝。如果想要真正分析和解決問題，明確問題起源是為重要的。我們需要思考，金融行業與大數據的結合為什麼是甚至可以說一定是如此地不可阻擋？隻有如此，金融纔俊們纔能夠有明亮的眼睛，用敏捷的身手，抓住機遇，應對挑戰。金融的本源前言

深入思考金融本源

金融行業是人類有文明史以來古老的行業之一，也是高度重視信息化建設的行業之一。

金融企業內部積累了豐富的用戶數據和交易數據，是企業數據資產構成的核心內容。大數據技術的出現使企業可用的數據資產得到極大的擴展，曾經無法利用的半結構化、非結構化數據正在成為企業數據資產的重要組成部分，企業可用的數據範圍、數據類型、數據時效等發生了巨大變化，數據範圍從企業內部擴展到外部，數據類型從傳統的結構化數據擴展為社交數據、流數據、地理空間數據、傳感器數據等，數據時效從穩定的靜態數據擴展為實時動態數據，這大大拓寬了金融行業數據資產的範疇和價值。

大數據時代

在大數據時代，數據成為企業的重要生產要素和戰略資產，相當於農業時代的人口土地，工業時代的鋼鐵石油一樣，擁有大量數據資產的企業將會在競爭中占有優勢。維克托·邁克·舍恩伯格在《大數據時代》中提出：“大數據是人們獲得新的認知、創造新的價值的源泉；大數據還是改變市場、組織機構，以及政府與公民關繫的方法。數據已經成為了一種商業資本，一項重要的經濟投入，可以創造新的經濟利益。事實上，一旦思維轉變過來，數據就能被巧妙地用來激發新產品和新型服務。”數據中蘊藏的能量和價值，正在通過幫助企業了解客戶需求、提供個性產品、創新優化服務、實現以產品為中心向以客戶為中心變革而顯現出來。

數據資產化

數據正在成為企業的核心資產，並將深刻影響企業的業務模式，甚至重構其文化和組織。企業需要重新盤點數據資產，重新認識、發現和梳理企業的可用數據，隻有準確把握自身數據狀況纔能發揮其應有的價值，化地轉化為企業價值，這是制定大數據戰略的前提和基礎。同時，企業也需要結合業務發展需要，有意識地尋找新數據，為新數據的產生創造條件，打造支撐業務持續發展的數據生態環境。

金融大數據

選擇金融與大數據作為題目，源於個人對兩個行業的熱愛。無論金融行業，還是當今以大數據、移動互聯網為代表的信息技術，都曾經和正在很大程度地提升著我們的生活質量和幸福指數。不可否認，眾多行業都受到了大數據應用帶來的衝擊，金融行業可以說是首當其衝。如果想要真正分析和解決問題，明確問題起源是為重要的。我們需要思考，金融行業與大數據的結合為什麼是甚至可以說一定是如此地不可阻擋？隻有如此，金融纔俊們纔能夠有明亮的眼睛，用敏捷的身手，抓住機遇，應對挑戰。金融的本源

筆者認為，造成一繫列問題的根源，是我們對“金融”的本源的理解出現了偏差。金融，顧名思義，主營資金融通，在金錢由財富的像征變成了資源的載體後，可以通過交彙融合、便捷流通，產生更大的價值。也就是說，資金的價值是在流動過程中產生的。眾所周知，資金的流動帶有風險性，金融的誕生便是為了承載這些風險。再深入一步，為何資金流動中存在著風險呢？風險的根本成因，是資金的所有權與使用權的分離，即擁有資金所有權的甲方讓渡了使用權，由乙方來使用這筆資金，乙方將利息作為收益給予甲方。橫跨在甲乙雙方之間的巨大鴻溝，便是“信用”。傳統的金融行業，是利用經營許可牌照，在固定的銀行或交易所環境中，由銀行作為信用驗證中介方，以抵押貸款、擔保信托等金融產品形式，控制了風險，完成了資金的所有權與使用權的分離。

金融四要素

在當今社會，理解金融需要理解其四大要素：人（People）、資金（Capital）、交易（Transaction）、環境（Environment）。面對“金融”，我們在過往中往往隻看到了資“金”，在互聯網時代，更要看到“融”通：資金的背後是行為，行為的控制主體是人，這些人在某些場所中完成行為。近幾年，金融行業在大力發展網上銀行、自助銀行等，走金融互聯網的道路，實際上主要是解決了後一個“環境”問題，也就是交易場所由固定的物理環境擴展到虛擬世界中。對其他三個要素的忽視，造成了諸多的問題。例如，互聯網的發展，已經將“人”由法人和自然人延伸出了虛擬人，“資金”的流動速度具備了更快速更透明的基礎，交易“行為”的多樣化產生供應鏈融資等新需求。而這四個要素合在一起時，發生的並非簡單的加法，而是P(eople)*C(apital)*T(transaction)*E(nvironment)笛卡兒乘積的關繫。這四者的關繫是本書諸多論點的核心，也是大數據思維的重要出發點。互聯網金融金融進入Web 2.0 時代以來，與互聯網的特征進行了深度結合。首先，能夠將“人”以社區的形式組織在一起，通過在社區裡的表現建立起各類標簽，積累其信用等級；其次，“資金”在已經虛擬化的基礎上更進一步，產生了大量的互聯網交易平臺，其流轉速度更加迅捷；後，每一個業務“行為”都被完整如實地記錄，供需雙方雖不見面，卻也已如同透明人一樣地接頭。不容忽視的是，每一個存活至今的互聯網企業，都是在競爭中一路拼殺過來的，天生具有風險偏好和競爭力，金融行業的利潤自然是互聯網追逐的對像，這就是金融行業受衝擊榜排名的原因。

解鈴還需繫鈴人

於是，無論是金融互聯網還是互聯網金融，傳統金融行業在大數據面前遭受的壓力不可避免了。幸好，雖然互聯網造成了上面的問題，它又是解決這些問題的好途徑。在信息世界裡，PCTE 四個要素都分別被還原成了事物的本原，就是以“數據”的形式記錄和展現出來了。隻有擁抱大數據，搞清楚問題的本來面目，我們纔能夠準確地找到解決問題的辦法。

堅信與希望

隨著思考的進一步深入，我們發現，大數據技術雖新，但是，金融行業一向和數據是朋友關繫，隻不過原先隻看到數據的一個維度，當四個維度同時相乘而來時，傳統金融感受到了壓力。我們堅信，在感受到壓力的同時，也已經找到了動力。希望通過這本書，讓更多的人加入到思考各行各業與大數據的關繫中，讓作者、讀者和來自五湖四海的人，也能夠形成一個笛卡兒乘積的效應，加快應對衝擊的速度。

以上就是這本書寫作時的一個心路歷程。歡迎掃描與本書配套的“金融大數據”二維碼。在這個二維碼的背後，有一個通過智慧的不斷流動而產生價值的“金融大數據”平臺

期待著您的來訪！文字是靜止的，但是記錄下了流動的思想，這就如同金融是資金的高效流動一樣，思想的流動必將打破個體的局限性，能夠讓思想有了更多轉化為行動和效果的力量。

本書撰寫並能付諸出版，要感謝我的伙伴們：賈旸、左妮、高明洋、初凌峰、石博慧、鄭曉勇、範錚、袁泉、鄭章虎、郭太蘋、周博、王煜薇、肖冰等，他們利用業餘時間查資

料、做實驗，讓每個案例都生動起來；為了讓讀者持續獲得的知識，這個團隊還建立微信公眾號平臺，身體力行地提供“閉環化的客戶服務”，其專業敬業能力令我感動。感謝電子工業出版社的編輯劉皎和她背後的團隊，是他們中肯的建議和忘我的付出，不斷地優化這個新生兒的基因，並且給它穿上了得體的衣裳。感謝計世資訊等為本書推廣做出努力的朋友們，他們和我一樣關懷照顧這本書。後，要感謝我的家人，尤其是我的女兒，她同意放棄了許多原本屬於陪伴她的時光，讓我用於思考和寫作。要感謝的人很多很多，在此，對所有關心、支持和幫助過我們的朋友以及正在閱讀本書的讀者，謹致衷心的謝意!

商品搜索

商品分类

【醫學】

【各大出版社】