大央企信托主動(dòng)管理—傳統(tǒng)融資類—紙質(zhì)合同—雙錄簡(jiǎn)單
 交易對(duì)手首次信托融資，擔(dān)保人為520億AA+公募發(fā)債主體，強(qiáng)擔(dān)保錄入人行征信系統(tǒng)
 財(cái)政自給率高達(dá)120%的國(guó)家級(jí)高新區(qū)，多家上市公司入駐，戰(zhàn)略定位極高
【大央企信托—56號(hào)淄博高新集合信托計(jì)劃】
【要素】3億，24月，自然季度付息，資金用于向淄博高新產(chǎn)投發(fā)放流動(dòng)資金貸款（上征信）
【稅后收益】：100-300萬7.2%；300萬及以上7.3%；
【項(xiàng)目亮點(diǎn)】
 國(guó)家級(jí)高新區(qū)，區(qū)域內(nèi)多家上市公司入駐，2021年公共預(yù)算收入近50億，稅收收入同比增長(zhǎng)21.45%，財(cái)政自給率高達(dá)120%，財(cái)政狀況健康
 首次信托融資，交易對(duì)手覆蓋區(qū)域內(nèi)第一大平臺(tái)，總資產(chǎn)520億，AA+公募發(fā)債主體
 淄博市是山東省地級(jí)市，國(guó)務(wù)院批復(fù)確定的山東省區(qū)域性中心城市、現(xiàn)代工業(yè)城市，2021年GDP4200億元，一般預(yù)算收入370億元，同比增速14.75%位列全省第三。

---

其他優(yōu)質(zhì)項(xiàng)目推薦：
【新手入門：股票k線圖基礎(chǔ)知識(shí) K線圖怎么看】
　　股票K線圖基本知識(shí)包括K線的定義、陰線陽(yáng)線、上下影線，以及移動(dòng)平均線系統(tǒng)等等。剛踏入股市的朋友，先了解這些股票基本知識(shí)很有必要。而K線圖只是非常簡(jiǎn)單的入門級(jí)知識(shí)，學(xué)會(huì)了這些K線知識(shí)，才能為后續(xù)掌握股票技術(shù)分析知識(shí)打好基礎(chǔ)。那么股票K線圖基礎(chǔ)知識(shí)有哪些？下文略長(zhǎng)，愿意學(xué)習(xí)的朋友請(qǐng)耐心看完。 　　股票k線圖基礎(chǔ)知識(shí) 　　股票k線圖基礎(chǔ)知識(shí)：K線 　　K線是指股票走勢(shì)中的K線圖，K線又稱蠟燭圖。一根日K線，表示一個(gè)交易日的個(gè)股或大盤的股票行情。K線陽(yáng)線表示該時(shí)段中收盤價(jià)高于開盤價(jià)，陰線表示收盤價(jià)低于開盤價(jià)，上影線頂部與下影線底部反映該時(shí)段中的最高、最低價(jià)。根據(jù)開盤價(jià)、收盤價(jià)、最高價(jià)以及最低價(jià)之間的不同情況，陰線和陽(yáng)線會(huì)呈現(xiàn)不同的形態(tài)。 　　通過K線圖，我們能夠把每日或某一周期的股票市場(chǎng)狀況和表現(xiàn)完全記錄下來，股價(jià)經(jīng)過一段時(shí)間的盤檔后，在圖上即形成一種特殊區(qū)域或形態(tài)，不同的形態(tài)顯示出不同意義。 　　股票k線圖基礎(chǔ)知識(shí)：陽(yáng)線陰線 　　一般來說，陽(yáng)線說明買方的力量強(qiáng)過賣方。陽(yáng)線越長(zhǎng)，說明多方力量勝過空方越多，后市繼續(xù)走強(qiáng)的可能性就越大。相反，若是收成陰線表示賣方力量強(qiáng)過買方力量，陰線越長(zhǎng)，說明空方力量勝過多方越多，后市走弱的可能性就越大。 　　股票k線圖基礎(chǔ)知識(shí)：上影線和下影線 　　不帶上、下影線的K線為光頭光腳的K線，這在股市上比較少見。它說明股市從開市到收市一路走高（或走低），后市自然一般將繼續(xù)沿此方向前進(jìn)。與此類似的是光頭陽(yáng)線和光腳陰線，至少說明了收市前一方占了絕對(duì)優(yōu)勢(shì)，第二天繼續(xù)占優(yōu)的可能性極大。 　　如果說不帶影線的K線說明一方占了絕對(duì)壓倒優(yōu)勢(shì)，上、下影線的長(zhǎng)度則說明了多、空雙方斗爭(zhēng)激烈的程度，影線越長(zhǎng)，斗爭(zhēng)越激烈。這時(shí)須將實(shí)體與影線結(jié)合起來看。陽(yáng)線帶上影線，說明多方勝利得來不易，雖然暫時(shí)取得勝利，繼續(xù)上升有困難。陽(yáng)線帶下影線，說明多方雖然企圖上升，但以空方的勝利而告終。自然后市下降的可能性大。陰線帶下影線，說明賣方勢(shì)力在減弱，雖然買方末能戰(zhàn)勝賣方，但再下跌已可能性不大。自然還需比較影線與實(shí)體的長(zhǎng)短，上影線、實(shí)體、下影線中哪一段越長(zhǎng)，則其影響就越大。小陽(yáng)線和小陰線的影響就不如大陽(yáng)線和大陰線的影響來得大。

民生銀行大數(shù)據(jù)體系架構(gòu)設(shè)計(jì)與演進(jìn)
　　一、大數(shù)據(jù)簡(jiǎn)介 　　大數(shù)據(jù)起源于互聯(lián)網(wǎng)，在2003年左右由Google發(fā)布GFS和MapReduce論文為節(jié)點(diǎn)拉開了新技術(shù)應(yīng)用的序幕，介紹了一種利用普通PC服務(wù)器構(gòu)建大規(guī)模分布式系統(tǒng)，來解決海量數(shù)據(jù)的存儲(chǔ)和計(jì)算問題。在此論文基礎(chǔ)上發(fā)展出來的Hadoop開源體系逐步成為海量數(shù)據(jù)處理的一種通用技術(shù)框架。2008年左右Hadoop技術(shù)被廣泛的使用在各個(gè)互聯(lián)網(wǎng)企業(yè)中，極大的推進(jìn)Hadoop技術(shù)體系的成熟，隨著早期Single Point of Failure問題被解決，在MAP-REDUCE兩階段的計(jì)算模式上，誕生了更豐富的Spark、Flink等計(jì)算框架。2013年左右批量數(shù)據(jù)的計(jì)算模式逐步成熟，在需求的推動(dòng)下互聯(lián)網(wǎng)開始進(jìn)一步的攻堅(jiān)實(shí)時(shí)數(shù)據(jù)計(jì)算領(lǐng)域。同年部分銀行開始嘗試引入Hadoop大數(shù)據(jù)技術(shù)。民生銀行作為銀行業(yè)第一批，在2013年從互聯(lián)網(wǎng)引入了大數(shù)據(jù)專業(yè)才人，啟動(dòng)了Hadoop大數(shù)據(jù)體系化的建設(shè)。 　　新技術(shù)的應(yīng)用首要是解決問題，提高數(shù)據(jù)使用的效率，降低數(shù)據(jù)使用成本，最終推動(dòng)業(yè)務(wù)數(shù)字化、智能化轉(zhuǎn)型。在大數(shù)據(jù)體系化規(guī)劃下，以服務(wù)用戶為目標(biāo)，以解決問題為抓手逐步推動(dòng)大數(shù)據(jù)技術(shù)落地。民生銀行大數(shù)據(jù)整體規(guī)劃如下圖： 　　圖1 大數(shù)據(jù)平臺(tái)體系規(guī)劃 　　在整個(gè)規(guī)劃的指導(dǎo)下，按照不同階段的主力需求，民生銀行大數(shù)據(jù)建設(shè)可以簡(jiǎn)單分為三個(gè)階段： 　　第一個(gè)階段是面向客戶的在線存儲(chǔ)查詢階段： 　　銀行有很多面向客戶的數(shù)據(jù)，數(shù)據(jù)積累非常快也非常多，以流水?dāng)?shù)據(jù)為例，為了保證系統(tǒng)服務(wù)質(zhì)量，通常是縮短可查詢的周期，依托大數(shù)據(jù)的海量數(shù)據(jù)存儲(chǔ)能力，基于分布式體系構(gòu)建了歷史數(shù)據(jù)管理平臺(tái)來滿足業(yè)務(wù)場(chǎng)景中海量數(shù)據(jù)的存儲(chǔ)和查詢服務(wù)需求。 　　第二個(gè)階段是離線的批量數(shù)據(jù)計(jì)算及智能數(shù)據(jù)分析階段： 　　在2015年全面啟動(dòng)鳳凰計(jì)劃建設(shè)后，各領(lǐng)域系統(tǒng)性的梳理了業(yè)務(wù)戰(zhàn)略和實(shí)施策略，配合鳳凰計(jì)劃中數(shù)字化戰(zhàn)略的落地，業(yè)務(wù)流程和模式中涌現(xiàn)出大量的批量數(shù)據(jù)加工計(jì)算和結(jié)果數(shù)據(jù)服務(wù)的應(yīng)用場(chǎng)景。在這個(gè)階段根據(jù)數(shù)據(jù)流轉(zhuǎn)周期和服務(wù)場(chǎng)景，結(jié)合整體的數(shù)據(jù)管控需求，建立了企業(yè)級(jí)數(shù)據(jù)開發(fā)模型，逐步推動(dòng)和完善了全行統(tǒng)一的數(shù)據(jù)服務(wù)中臺(tái)，先后為數(shù)十個(gè)業(yè)務(wù)場(chǎng)景提供數(shù)據(jù)支持。同時(shí)隨著數(shù)據(jù)中臺(tái)的成熟，原始數(shù)據(jù)的積累，基于數(shù)據(jù)的機(jī)器學(xué)習(xí)人工智能分析等場(chǎng)景逐步涌現(xiàn)，為了降低新技術(shù)的使用門檻，快速迭代場(chǎng)景下的機(jī)器學(xué)習(xí)算法模型，在這個(gè)階段同步建設(shè)了可視化的機(jī)器學(xué)習(xí)平臺(tái)，對(duì)接數(shù)據(jù)中臺(tái)，為個(gè)性化推薦、風(fēng)險(xiǎn)預(yù)警及運(yùn)營(yíng)多個(gè)領(lǐng)域內(nèi)的細(xì)分場(chǎng)景提供服務(wù)能力輸出。 　　第三個(gè)階段是全面推動(dòng)在線實(shí)時(shí)數(shù)據(jù)計(jì)算及分析階段： 　　隨著批量數(shù)據(jù)體系的成熟，業(yè)務(wù)場(chǎng)景對(duì)實(shí)時(shí)數(shù)據(jù)的需求迅速涌現(xiàn)，我行科技啟動(dòng)了全面的實(shí)時(shí)數(shù)據(jù)體系建設(shè)，對(duì)實(shí)時(shí)風(fēng)控和實(shí)時(shí)事件驅(qū)動(dòng)的營(yíng)銷和運(yùn)營(yíng)形成了全面的支撐。 　　通過三個(gè)階段，在支撐業(yè)務(wù)應(yīng)用場(chǎng)景發(fā)展的同時(shí)，目前平臺(tái)層面已初步完成如下幾大平臺(tái)建設(shè)： 　　·數(shù)據(jù)采集分析平臺(tái) 　　·Hadoop數(shù)據(jù)加工整合平臺(tái) 　　·可視化機(jī)器學(xué)習(xí)平臺(tái) 　　·實(shí)時(shí)推薦引擎 　　·數(shù)據(jù)開放平臺(tái) 　　圖2 大數(shù)據(jù)主要平臺(tái)視圖 　　在數(shù)據(jù)采集層通過行為數(shù)據(jù)平臺(tái)和外部數(shù)據(jù)平臺(tái)，豐富了整個(gè)數(shù)據(jù)體系。通過數(shù)據(jù)整合平臺(tái)（DC），打通以用戶為中心的全維度的數(shù)據(jù)視圖，為后續(xù)的機(jī)器學(xué)習(xí)和人工智能應(yīng)用提供了可行的數(shù)據(jù)基礎(chǔ)，通過可視化的機(jī)器學(xué)習(xí)平臺(tái)完成數(shù)據(jù)與算法的結(jié)合，由數(shù)據(jù)服務(wù)層統(tǒng)一管控輸出。 　　目前隨著大數(shù)據(jù)多個(gè)平臺(tái)的建設(shè)，為我行多個(gè)戰(zhàn)略級(jí)項(xiàng)目提供了全面的底層數(shù)據(jù)和模型能力輸出，包括支持了鳳凰計(jì)劃項(xiàng)目指南針預(yù)警項(xiàng)目、數(shù)據(jù)化平臺(tái)型授信決策變革項(xiàng)目、運(yùn)營(yíng)風(fēng)險(xiǎn)監(jiān)控體系項(xiàng)目、新一代零售信貸體系、村鎮(zhèn)銀行等多個(gè)項(xiàng)目的建設(shè)。 　　二、數(shù)據(jù)采集平臺(tái) 　　背景及目標(biāo) 　　銀行在過去的信息化建設(shè)中，更多的注重是交易數(shù)據(jù)的積累，對(duì)用戶的使用偏好、瀏覽點(diǎn)擊行為、停留時(shí)間等行為層面的數(shù)據(jù)較少涉及。隨著大數(shù)據(jù)的發(fā)展，通過對(duì)用戶數(shù)據(jù)的收集，整合，分析，挖掘，能夠很好的對(duì)用戶是誰，用戶從哪來，要到哪里去等問題進(jìn)行定義和解析。在交易數(shù)據(jù)的基礎(chǔ)上，對(duì)用戶行為數(shù)據(jù)和外部數(shù)據(jù)進(jìn)行補(bǔ)充建設(shè)，有了這些數(shù)據(jù)，首先可以在我行的APP、網(wǎng)站以及ATM等與用戶密切相關(guān)的場(chǎng)景里，提供更貼心，更優(yōu)質(zhì)的服務(wù)；其次對(duì)公司內(nèi)部各個(gè)金融業(yè)務(wù)產(chǎn)品用戶體驗(yàn)優(yōu)化等方向上提供用戶數(shù)據(jù)反饋支撐。 　　行為數(shù)據(jù)采集及分析 　　圖3 行為數(shù)據(jù)平臺(tái) 　　從行為數(shù)據(jù)的采集、數(shù)據(jù)分析整合及數(shù)據(jù)應(yīng)用三個(gè)方面統(tǒng)籌進(jìn)行規(guī)劃和設(shè)計(jì)，完成了行為數(shù)據(jù)平臺(tái)（GD）的建設(shè)。數(shù)據(jù)采集部分作為整個(gè)項(xiàng)目的數(shù)據(jù)來源層，完成對(duì)用戶產(chǎn)生的原始行為數(shù)據(jù)的收集和存儲(chǔ)。數(shù)據(jù)分析部分作為GD的中間層，對(duì)收集來的用戶行為數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，大致可以得到三類數(shù)據(jù)，一類是反應(yīng)應(yīng)用整體運(yùn)營(yíng)情況的指標(biāo)數(shù)據(jù)，第二類是反應(yīng)用戶行為軌跡、地理位置軌跡等的用戶生命周期數(shù)據(jù)，還有一類是標(biāo)識(shí)每一個(gè)微觀用戶的標(biāo)簽數(shù)據(jù)。數(shù)據(jù)應(yīng)用部分作為GD對(duì)外展示和服務(wù)層，一方面為實(shí)時(shí)推薦、精準(zhǔn)營(yíng)銷等應(yīng)用提供數(shù)據(jù)支持，一方面通過后臺(tái)管理系統(tǒng)，供應(yīng)用運(yùn)營(yíng)方進(jìn)行查看。 　　在數(shù)據(jù)采集層通過構(gòu)建采集客戶端SDK，嵌入我行統(tǒng)一的移動(dòng)開發(fā)框架Firefly以及前端開發(fā)框架Apollo中，結(jié)合無碼采集的技術(shù)能力運(yùn)用，使得我行所有基于同一框架開發(fā)的移動(dòng)端APP和Web網(wǎng)站天然具備用戶行為數(shù)據(jù)采集和分析的能力。 　　行為數(shù)據(jù)平臺(tái)自2015年上線到現(xiàn)在為止，已經(jīng)接入了手機(jī)銀行、直銷銀行、樂收銀及客戶化運(yùn)營(yíng)等民生銀行大部分APP應(yīng)用，對(duì)這些應(yīng)用中的用戶的行為數(shù)據(jù)進(jìn)行采集，2017年又增加了對(duì)網(wǎng)頁(yè)端行為數(shù)據(jù)采集的功能。目前每天采集的數(shù)據(jù)超過千萬條，累積的行為數(shù)據(jù)已經(jīng)達(dá)到數(shù)十億條，通過大數(shù)據(jù)分析技術(shù)，對(duì)采集到的數(shù)據(jù)進(jìn)行了報(bào)表統(tǒng)計(jì)和分析，已得到五類的統(tǒng)計(jì)報(bào)表數(shù)據(jù)，包括應(yīng)用中用戶的新增數(shù)目、活躍數(shù)目、累計(jì)數(shù)目及用戶的設(shè)備分布、地域分布、操作系統(tǒng)、留存情況、用戶瀏覽時(shí)長(zhǎng)統(tǒng)計(jì)、點(diǎn)擊事件統(tǒng)計(jì)及應(yīng)用的錯(cuò)誤統(tǒng)計(jì)等，目前進(jìn)一步的在推動(dòng)行為數(shù)據(jù)對(duì)營(yíng)銷和風(fēng)控的實(shí)時(shí)數(shù)據(jù)補(bǔ)充。 　　外部數(shù)據(jù)采集及分析 　　圖4 外部數(shù)據(jù)平臺(tái) 　　在啟動(dòng)外部數(shù)據(jù)平臺(tái)建設(shè)之前，我行外部數(shù)據(jù)由各業(yè)務(wù)條線獨(dú)立規(guī)劃實(shí)施，各個(gè)技術(shù)團(tuán)隊(duì)建設(shè)了自己業(yè)務(wù)領(lǐng)域內(nèi)的外部數(shù)據(jù)鏈路及服務(wù)，形成了“煙囪”式的數(shù)據(jù)加工服務(wù)模式。隨著Hadoop大數(shù)據(jù)平臺(tái)的推進(jìn)，2016年在統(tǒng)一外部數(shù)據(jù)管理及使用的思想下，啟動(dòng)了外部數(shù)據(jù)平臺(tái)的建設(shè)，核心定位在于：負(fù)責(zé)所有外部數(shù)據(jù)的統(tǒng)一存儲(chǔ)、統(tǒng)一加工以及統(tǒng)一的查詢服務(wù)，要求支持海量的結(jié)構(gòu)化、非結(jié)構(gòu)化外部數(shù)據(jù)的引入分析能力。 　　外部數(shù)據(jù)平臺(tái)OMDS于2016年9月完成上線，目前已經(jīng)整合接入包括征信、工商、法院、公安、千里眼、百度、銀聯(lián)、世聯(lián)評(píng)估、行業(yè)分析、萬德財(cái)報(bào)等約二十種外部數(shù)據(jù)的統(tǒng)一管控和服務(wù)。 　　三、配置化的數(shù)據(jù)加工整合平臺(tái) 　　背景及目標(biāo) 　　Hadoop數(shù)據(jù)整合平臺(tái)（DC）在行內(nèi)大數(shù)據(jù)體系中承擔(dān)著承上啟下的角色，匯集各渠道的數(shù)據(jù)到大數(shù)據(jù)平臺(tái)，經(jīng)過統(tǒng)一清洗、加工、治理，進(jìn)而向上游應(yīng)用提供服務(wù)，從后臺(tái)走到中臺(tái)，直接、快速地向應(yīng)用系統(tǒng)提供數(shù)據(jù)服務(wù)和大數(shù)據(jù)能力，發(fā)揮數(shù)據(jù)內(nèi)在的威力。數(shù)據(jù)的獲取并不是目的，如何利用大數(shù)據(jù)平臺(tái)技術(shù)，實(shí)現(xiàn)數(shù)據(jù)的管理和信息的加工提煉，并對(duì)上游系統(tǒng)提供各類數(shù)據(jù)支支持。針對(duì)這些問題和挑戰(zhàn)，DC從數(shù)據(jù)和技術(shù)兩個(gè)方面著手對(duì)平臺(tái)進(jìn)行構(gòu)建。 　　數(shù)據(jù)層次 　　圖5 DC數(shù)據(jù)層次 　　為方便數(shù)據(jù)的管理、加工和使用，DC將數(shù)據(jù)進(jìn)行了分層：近源層和共性加工層，其中近源層為來自于MDS、OMDS、GD和EDW的原始數(shù)據(jù)，包含行內(nèi)數(shù)據(jù)、外部數(shù)據(jù)、行為數(shù)據(jù)、分行數(shù)據(jù)和數(shù)倉(cāng)數(shù)據(jù)。 　　近源層數(shù)據(jù)經(jīng)過關(guān)聯(lián)、匯總和分析之后，針對(duì)上游應(yīng)用的需求，進(jìn)行數(shù)據(jù)共性加工，包括流水加工、應(yīng)用統(tǒng)計(jì)、指標(biāo)加工、標(biāo)簽計(jì)算、風(fēng)險(xiǎn)領(lǐng)域和運(yùn)營(yíng)領(lǐng)域。 　　通過OpenFile（批量文件服務(wù)）實(shí)現(xiàn)數(shù)據(jù)的訂閱管理，提供了近源層、共性加工層等數(shù)據(jù)的查看、訂閱功能。 　　技術(shù)架構(gòu) 　　基于上述數(shù)據(jù)架構(gòu)及應(yīng)用需求，DC從數(shù)據(jù)處理、任務(wù)調(diào)度、數(shù)據(jù)管理和開發(fā)輔助四塊進(jìn)行平臺(tái)的建設(shè)，技術(shù)架構(gòu)如下圖： 　　圖6 DC技術(shù)架構(gòu)圖 　　1.數(shù)據(jù)處理體系 　　數(shù)據(jù)的存儲(chǔ)、計(jì)算和分析為基于Hadoop生態(tài)體系，包括Hadoop、Spark、Inceptor、HBase等分布式計(jì)算及存儲(chǔ)框架，來完成數(shù)據(jù)的存儲(chǔ)、計(jì)算、分析整個(gè)生命周期。 　　數(shù)據(jù)處理自下到上包含數(shù)據(jù)獲取RouterIn、數(shù)據(jù)清洗(DataClean)、共性加工(SparkSql/Inceptor Sql)和批量數(shù)據(jù)訪問服務(wù)OpenFile。 　　通過Router實(shí)現(xiàn)不同數(shù)據(jù)平臺(tái)間的數(shù)據(jù)交互，屏蔽平臺(tái)間的差異，配置化開發(fā)，提升了開發(fā)效率，降低了人為失誤導(dǎo)致的問題，實(shí)現(xiàn)了數(shù)據(jù)的快速接入和分發(fā)。 　　基于Inceptor和SparkSql設(shè)計(jì)開發(fā)了數(shù)據(jù)共性加工模塊DcCore和Dispose，實(shí)現(xiàn)了數(shù)據(jù)的快速加工，并支持模板式的配置開發(fā)，有效提升了共性加工的開發(fā)效率。 　　2.任務(wù)調(diào)度體系 　　為實(shí)現(xiàn)調(diào)度批次輕量化，精細(xì)化數(shù)據(jù)依賴，避免批次等待，通過任務(wù)組織模塊化，來實(shí)現(xiàn)作業(yè)調(diào)度的導(dǎo)出與上線。 　　系統(tǒng)間的調(diào)度通過CPS，實(shí)現(xiàn)批量作業(yè)執(zhí)行，系統(tǒng)內(nèi)部調(diào)度通過moia聯(lián)動(dòng)，可支持更小粒度的作業(yè)調(diào)度，實(shí)現(xiàn)了作業(yè)調(diào)試的效率和靈活。 　　3.開發(fā)輔助體系 　　開發(fā)人員需要對(duì)數(shù)據(jù)處理及任務(wù)調(diào)度單獨(dú)開發(fā)一系列的代碼和配置文件，人為操作不僅效率低，而且易出錯(cuò)。通過輔助開發(fā)工具，可根據(jù)每個(gè)模塊的規(guī)范，自動(dòng)生成代碼及配置文件，并提供可視化界面，提升開發(fā)效率，降低成本和風(fēng)險(xiǎn)。 　　支持的功能分為自動(dòng)化創(chuàng)建、自動(dòng)化校驗(yàn)、調(diào)度管理、模型管理和元數(shù)據(jù)管理。 　　4.數(shù)據(jù)管理體系 　　數(shù)據(jù)管理體系建設(shè)目的是為了降低運(yùn)維成本，對(duì)源數(shù)據(jù)、加工數(shù)據(jù)、數(shù)據(jù)質(zhì)量、作業(yè)運(yùn)行進(jìn)行統(tǒng)計(jì)分析，分析結(jié)果通過Web頁(yè)面展示以方便對(duì)系統(tǒng)及數(shù)據(jù)的查看管理，并對(duì)于重要信息進(jìn)行監(jiān)控告警，其核心模塊包括信息采集模塊、數(shù)據(jù)質(zhì)量管理、系統(tǒng)運(yùn)行分析和監(jiān)控告警。 　　DC的構(gòu)建在民生銀行中起到承上啟下的作用，匯集了各渠道的數(shù)據(jù)，經(jīng)過統(tǒng)一清洗、關(guān)聯(lián)整合，并對(duì)數(shù)據(jù)進(jìn)行深層的分析挖掘，進(jìn)而向上游應(yīng)用提供服務(wù)，從后臺(tái)走到中臺(tái)，直接、快速地向應(yīng)用系統(tǒng)提供數(shù)據(jù)服務(wù)和大數(shù)據(jù)能力，發(fā)揮數(shù)據(jù)內(nèi)在的威力。目前DC系統(tǒng)管理了近源數(shù)據(jù)5000余項(xiàng)、共性加工數(shù)據(jù)800余項(xiàng)，為包括風(fēng)險(xiǎn)領(lǐng)域、運(yùn)營(yíng)領(lǐng)域、移動(dòng)互聯(lián)領(lǐng)域等8個(gè)領(lǐng)域，20余個(gè)系統(tǒng)，50余個(gè)場(chǎng)景提供數(shù)據(jù)或計(jì)算支持。 　　四、在線機(jī)器學(xué)習(xí)平臺(tái) 　　背景及目標(biāo) 　　目前的機(jī)器學(xué)習(xí)技術(shù)，尤其是智能算法，具有很高的技術(shù)門檻，需要頂級(jí)專業(yè)團(tuán)隊(duì)的持續(xù)投入，每個(gè)項(xiàng)目單獨(dú)去關(guān)注技術(shù)的變化并落地代價(jià)太高。模型研發(fā)實(shí)踐亟需一個(gè)統(tǒng)一的機(jī)器學(xué)習(xí)平臺(tái)，用以規(guī)范模型開發(fā)流程，封裝和簡(jiǎn)化各類算法的使用，支持多種多樣的數(shù)據(jù)預(yù)加工，提供和管理模型預(yù)測(cè)服務(wù)。最終滿足數(shù)據(jù)分析師、業(yè)務(wù)專家、軟件開發(fā)等不同角色的不同層次的模型研發(fā)實(shí)踐訴求。 　　機(jī)器學(xué)習(xí)平臺(tái)建設(shè)旨在： 　　·基于Hadoop技術(shù)棧的平臺(tái)型環(huán)境，提供業(yè)內(nèi)最新的模型算法； 　　·基于Hadoop技術(shù)棧的分布式環(huán)境，支持超大規(guī)模的模型場(chǎng)景； 　　·為一般模型研究人員提供便捷的基于算子和工作流的圖形環(huán)境； 　　·為高階模型研究人員提供全面的基于編程的模型開發(fā)管理環(huán)境。 　　機(jī)器學(xué)習(xí)平臺(tái)要能夠適配各種已有的數(shù)據(jù)源，如傳統(tǒng)關(guān)系型數(shù)據(jù)庫(kù)，TeraData數(shù)據(jù)倉(cāng)庫(kù)等，提供數(shù)據(jù)的各種可視化探索及建模挖掘；并能對(duì)數(shù)據(jù)和模型基于角色進(jìn)行完善的權(quán)限管理；對(duì)于研究人員精心挑選調(diào)試而來的模型，平臺(tái)能夠?qū)⑵湟绘I部署為在線服務(wù)，將經(jīng)驗(yàn)數(shù)據(jù)及時(shí)轉(zhuǎn)化為對(duì)未來的精準(zhǔn)預(yù)測(cè)能力。 　　圖7機(jī)器學(xué)習(xí)平臺(tái)功能架構(gòu)圖 　　建設(shè)現(xiàn)狀 　　項(xiàng)目一期中建設(shè)了機(jī)器學(xué)習(xí)平臺(tái)系統(tǒng)核心模塊，覆蓋了模型研發(fā)的主要流程，主要分為調(diào)研平臺(tái)和預(yù)估服務(wù)兩大子模塊。海量樣本學(xué)習(xí)、高維特征分析處理和自動(dòng)特征組合能力是其最大亮點(diǎn)，示意圖如下： 　　圖8 機(jī)器學(xué)習(xí)平臺(tái)系統(tǒng)基本示意圖 　　整個(gè)平臺(tái)主要通過網(wǎng)站交互式功能為用戶提供服務(wù)。模型生命周期內(nèi)的幾個(gè)大的階段都已經(jīng)封裝成算子的功能模塊，模型的研發(fā)過程就是在一塊“畫布”上，通過拖拽算子，串聯(lián)模型研發(fā)的各個(gè)階段，繪制創(chuàng)意藍(lán)圖。如下圖所示： 　　圖9 拖拽算子進(jìn)行模型研發(fā) 　　對(duì)于訓(xùn)練好的模型，平臺(tái)支持一鍵發(fā)布為在線預(yù)測(cè)服務(wù)。從研發(fā)到服務(wù)，不再需要龐雜的代碼與流程。只要對(duì)學(xué)習(xí)模型有概念，對(duì)于領(lǐng)域問題有好的創(chuàng)意。就能在拖拽之間，點(diǎn)選之后獲得一個(gè)高性能的，高可用的預(yù)測(cè)服務(wù)。就能實(shí)現(xiàn)業(yè)務(wù)決策的更加精確化、智能化。 　　典型案例 　　平臺(tái)目前對(duì)接了以下幾方面的應(yīng)用： 　　運(yùn)營(yíng)風(fēng)險(xiǎn)監(jiān)控之可疑境外取現(xiàn) 　　運(yùn)營(yíng)風(fēng)險(xiǎn)監(jiān)控之可疑境外取現(xiàn)場(chǎng)景，通過機(jī)器學(xué)習(xí)方法分析已掌握的可疑取現(xiàn)行為特征，自動(dòng)發(fā)現(xiàn)其中模式，從而更全面、更及時(shí)地發(fā)掘可疑取現(xiàn)賬號(hào)。經(jīng)過頭腦風(fēng)暴，我們抽取了銷卡/重開/換卡次數(shù)、開戶機(jī)構(gòu)、交易地域/時(shí)段/頻率/金額、資金流入流出渠道/時(shí)間差、客戶基本信息等特征，精確率從~65%提升到了~90%，緩解了人工復(fù)核階段的開銷。 　　零售風(fēng)險(xiǎn)申請(qǐng)反欺詐評(píng)分實(shí)驗(yàn) 　　結(jié)合信用風(fēng)險(xiǎn)和反欺詐兩方面，建立統(tǒng)一的小微反欺詐評(píng)分模型。期望通過機(jī)器學(xué)習(xí)平臺(tái)系統(tǒng)的新機(jī)器學(xué)習(xí)算法和高維特征處理能力使我行小微申請(qǐng)反欺詐評(píng)分模型的效果有比較明顯的提升和優(yōu)化，提高對(duì)信用風(fēng)險(xiǎn)和欺詐風(fēng)險(xiǎn)的識(shí)別能力。通過對(duì)到達(dá)1TB的征信、工商、設(shè)備和客戶基本信息加以聚合分析，抽取了800多特征字段，特征自動(dòng)組合階段又發(fā)現(xiàn)了20多個(gè)高效特征，再結(jié)合平臺(tái)內(nèi)置算法模型的AUC達(dá)到了0.9，KS值從0.xx提升到了0.yy。 　　五、智能化實(shí)時(shí)推薦引擎平臺(tái) 　　背景及目標(biāo) 　　實(shí)時(shí)推薦引擎是我行大數(shù)據(jù)體系中面向應(yīng)用場(chǎng)景建立的應(yīng)用層面的通用智能引擎，該引擎將大數(shù)據(jù)基礎(chǔ)平臺(tái)的多種底層數(shù)據(jù)產(chǎn)出系統(tǒng)，包括標(biāo)簽系統(tǒng)、機(jī)器學(xué)習(xí)平臺(tái)、大數(shù)據(jù)平臺(tái)及實(shí)時(shí)數(shù)據(jù)平臺(tái)，通過應(yīng)用場(chǎng)景鏈接起來，構(gòu)建了具備實(shí)時(shí)推薦能力的數(shù)據(jù)服務(wù)層。 　　實(shí)時(shí)推薦引擎的核心是實(shí)時(shí)數(shù)據(jù)處理體系以及機(jī)器學(xué)習(xí)推薦模型。實(shí)時(shí)推薦引擎的建設(shè)，為精細(xì)化的客群經(jīng)營(yíng)、個(gè)性化客戶服務(wù)提供了千人千面的支持，成為大數(shù)據(jù)能力落地、轉(zhuǎn)化為效益的重要環(huán)節(jié)。實(shí)時(shí)推薦建設(shè)的目標(biāo)包括： 　　·構(gòu)建在線推薦系統(tǒng)，建設(shè)提供各場(chǎng)景的實(shí)時(shí)推薦服務(wù)的基礎(chǔ)能力； 　　·打通用戶實(shí)時(shí)點(diǎn)擊行為鏈路，將實(shí)時(shí)數(shù)據(jù)結(jié)合到在線推薦服務(wù)中； 　　·打通機(jī)器學(xué)習(xí)平臺(tái)模型推薦結(jié)果，將模型結(jié)果數(shù)據(jù)融合到在線推薦服務(wù)中； 　　·抽象用戶、產(chǎn)品數(shù)據(jù)模式，建設(shè)推薦層面規(guī)則引擎，支持業(yè)務(wù)策略靈活配置，并支持融合在線實(shí)時(shí)行為推薦結(jié)果以及機(jī)器學(xué)習(xí)批量模型結(jié)果等數(shù)據(jù)。 　　系統(tǒng)架構(gòu) 　　從技術(shù)上實(shí)時(shí)推薦引擎分為數(shù)據(jù)加工體系和數(shù)據(jù)服務(wù)體系兩部分，通過Redis層來將兩部分鏈接起來。 　　數(shù)據(jù)加工上涉及到后端多平臺(tái)上的數(shù)據(jù)加工，在通用類數(shù)據(jù)加工上，包括了通過數(shù)倉(cāng)平臺(tái)建立的集市層數(shù)據(jù)加工以及DC平臺(tái)完成的行為和外部數(shù)據(jù)標(biāo)簽加工。這部分加工的數(shù)據(jù)作為客戶的屬性數(shù)據(jù)，灌入到Redis中供引擎層快速查詢和過濾使用。同樣在后端數(shù)據(jù)加工上，還涉及到算法層面的數(shù)據(jù)加工，通過機(jī)器學(xué)習(xí)平臺(tái)完成客戶購(gòu)買預(yù)測(cè)，將基于批量持有信息的計(jì)算結(jié)果，通過T-1每日批量的模式推入Reids作為推薦結(jié)果集的數(shù)據(jù)來源之一。 　　對(duì)于用戶實(shí)時(shí)點(diǎn)擊的數(shù)據(jù)，通過GD的行為數(shù)據(jù)采集，推送到實(shí)時(shí)數(shù)據(jù)處理平臺(tái)上，通過流式作業(yè)計(jì)算在線實(shí)時(shí)的相關(guān)性矩陣，將用戶的實(shí)時(shí)行為通過協(xié)同過濾算法體現(xiàn)到推薦結(jié)果中去。對(duì)于服務(wù)層，著重建設(shè)了核心的引擎（包括算法引擎和規(guī)則引擎），用戶訪問將觸發(fā)引擎訪問Redis對(duì)應(yīng)模塊的數(shù)據(jù)，通過業(yè)務(wù)策略以及在線的算法對(duì)各推薦結(jié)果備選集進(jìn)行篩選和排序，最終給出最適合的結(jié)果。 　　圖10 實(shí)時(shí)推薦引擎 　　典型案例 　　手機(jī)銀行理財(cái)產(chǎn)品推薦 　　當(dāng)前手機(jī)銀行上推薦的理財(cái)是基于客戶資產(chǎn)、持倉(cāng)以及在售理財(cái)產(chǎn)品信息，按照相應(yīng)推薦規(guī)則計(jì)算得到，使用的數(shù)據(jù)維度少，靈活性較差。因此為了進(jìn)一步為了提升客戶體驗(yàn)，在手機(jī)銀行上實(shí)現(xiàn)個(gè)性化的理財(cái)推薦服務(wù)。 　　財(cái)富圈資訊推薦 　　以萬德的新聞資訊數(shù)據(jù)為基礎(chǔ)，依據(jù)客戶在我行的產(chǎn)品購(gòu)買，交易行為以及上線之后的瀏覽行為等信息，推薦符合客戶投資、閱讀偏好的新聞資訊，并且在推薦過程中對(duì)新聞的價(jià)值作出簡(jiǎn)要判斷，以對(duì)客戶形成簡(jiǎn)要的投資支持。 　　六、數(shù)據(jù)開放平臺(tái) 　　背景及目標(biāo) 　　如何實(shí)現(xiàn)大數(shù)據(jù)價(jià)值轉(zhuǎn)化是其中非常重要的課題，從當(dāng)前數(shù)據(jù)應(yīng)用的趨勢(shì)來看，一是越來越看重?cái)?shù)據(jù)的時(shí)效性，從數(shù)據(jù)分析到數(shù)據(jù)提供，都要求從離線走向在線；二是注重場(chǎng)景化，要求數(shù)據(jù)能夠靈活和快速地適配各類應(yīng)用場(chǎng)景。 　　為適應(yīng)這樣的趨勢(shì)，大數(shù)據(jù)的服務(wù)層就必須設(shè)計(jì)相應(yīng)的機(jī)制。場(chǎng)景化數(shù)據(jù)開放平臺(tái)從大數(shù)據(jù)服務(wù)的頂層設(shè)計(jì)出發(fā)，為統(tǒng)一服務(wù)出口，增強(qiáng)數(shù)據(jù)輸出規(guī)范，對(duì)外使用上提供統(tǒng)一的API服務(wù)網(wǎng)關(guān)，提供服務(wù)流量的匯聚點(diǎn)，為數(shù)據(jù)服務(wù)模型服務(wù)的共享和迭代提供可能。 　　在數(shù)據(jù)開放平臺(tái)中，API是數(shù)據(jù)基礎(chǔ)。在各類數(shù)據(jù)規(guī)范的指引下，對(duì)數(shù)據(jù)進(jìn)行分門別類，維度切分后，以在線API的方式提供包括數(shù)據(jù)接入、數(shù)據(jù)供給等各類服務(wù)，供各應(yīng)用場(chǎng)景實(shí)時(shí)、組合式調(diào)用。通過統(tǒng)一的開放網(wǎng)關(guān)實(shí)現(xiàn)服務(wù)接入、發(fā)布、鑒權(quán)、訪問、統(tǒng)計(jì)和監(jiān)控，實(shí)現(xiàn)數(shù)據(jù)安全與管控。 　　功能架構(gòu) 　　數(shù)據(jù)開放平臺(tái)整體上包含管理網(wǎng)站和網(wǎng)關(guān)系統(tǒng)兩部分。管理網(wǎng)站負(fù)責(zé)API的接入、發(fā)布、維護(hù)、監(jiān)控，訪問統(tǒng)計(jì)數(shù)據(jù)的展示和API的訪問申請(qǐng)審批。網(wǎng)關(guān)系統(tǒng)是訪問API請(qǐng)求的統(tǒng)一出入口，負(fù)責(zé)請(qǐng)求的鑒權(quán)、訪問控制、流量控制、統(tǒng)計(jì)監(jiān)控等功能。 　　圖11 功能架構(gòu)圖 　　技術(shù)架構(gòu) 　　管理網(wǎng)站將API數(shù)據(jù)、鑒權(quán)數(shù)據(jù)和訪問控制配置信息等持久化到MySQL數(shù)據(jù)庫(kù)，同時(shí)將這些數(shù)據(jù)和配置信息通過Zookeeper服務(wù)同步到網(wǎng)關(guān)系統(tǒng)。為了實(shí)現(xiàn)對(duì)請(qǐng)求的靈活管控，網(wǎng)關(guān)系統(tǒng)針對(duì)黑名單、身份驗(yàn)證、權(quán)限校驗(yàn)、流量控制等功能采用插件化開發(fā)，且每個(gè)插件均能動(dòng)態(tài)開關(guān)。每個(gè)請(qǐng)求的處理日志信息通過異步方式發(fā)送到事件隊(duì)列，并由單獨(dú)的日志收集進(jìn)程進(jìn)行收集，大數(shù)據(jù)實(shí)時(shí)計(jì)算平臺(tái)對(duì)收集的日志進(jìn)行分析處理將訪問統(tǒng)計(jì)數(shù)據(jù)存儲(chǔ)到數(shù)據(jù)庫(kù)供用戶查看。 　　圖12 技術(shù)架構(gòu)圖 　　建設(shè)現(xiàn)狀 　　數(shù)據(jù)開放平臺(tái)上的API服務(wù)分為客戶行為類、客戶資產(chǎn)類、行外數(shù)據(jù)類、基礎(chǔ)服務(wù)類等，其中基礎(chǔ)服務(wù)類中已經(jīng)接入了實(shí)時(shí)數(shù)據(jù)接收API，該API用于接收各個(gè)系統(tǒng)實(shí)時(shí)數(shù)據(jù)供后續(xù)實(shí)時(shí)計(jì)算任務(wù)消費(fèi)。已經(jīng)開發(fā)完成客戶行為類API共16個(gè)、客戶資產(chǎn)類API共6個(gè)、行外數(shù)據(jù)類API共13個(gè)，OpenAPI平臺(tái)屬于初步完成建設(shè)，后續(xù)會(huì)有更豐富的數(shù)據(jù)服務(wù)API通過數(shù)據(jù)開放平臺(tái)對(duì)外服務(wù)。 　　總結(jié) 　　民生銀行大數(shù)據(jù)建設(shè)之路是一個(gè)配合業(yè)務(wù)場(chǎng)景需求反復(fù)迭代前進(jìn)的一個(gè)線路，發(fā)展到今天，從多個(gè)不同的平臺(tái)、模塊逐步的形成了幾大體系：數(shù)據(jù)采集體系、數(shù)據(jù)服務(wù)體系、批量數(shù)據(jù)分析體系、實(shí)時(shí)數(shù)據(jù)分析體系以及智能數(shù)據(jù)分析體系。對(duì)于數(shù)據(jù)服務(wù)體系，主體是整體規(guī)劃中提到的數(shù)據(jù)中臺(tái)演化而來，是數(shù)據(jù)業(yè)務(wù)化輸出的重要承載體。數(shù)據(jù)服務(wù)體系形成統(tǒng)一的數(shù)據(jù)服務(wù)目錄，由開放平臺(tái)層面的網(wǎng)關(guān)統(tǒng)一進(jìn)行把控，通過場(chǎng)景化數(shù)據(jù)服務(wù)中臺(tái)對(duì)數(shù)據(jù)和模型應(yīng)用進(jìn)行服務(wù)化，為對(duì)數(shù)字化、場(chǎng)景化的業(yè)務(wù)轉(zhuǎn)型提供了堅(jiān)實(shí)的底層支撐能力。