金融大數(shù)據(jù)平臺項目規(guī)劃

1、金融大數(shù)據(jù)服務平臺項目規(guī)劃書 金融大數(shù)據(jù)服務平臺項目規(guī)劃書北京XXXX技術(shù)有限公司研發(fā)中心2014年11月一. 項目介紹1.1 項目背景銀行業(yè)一直是一個數(shù)據(jù)驅(qū)動的行業(yè)，數(shù)據(jù)也一直是銀行信息化的主題詞。銀行的信息化進程先后經(jīng)歷過業(yè)務電子化、數(shù)據(jù)集中化、管理模型化等階段，如今隨著大數(shù)據(jù)技術(shù)的飛速發(fā)展，銀行信息化也進入了新的階段：大數(shù)據(jù)時代。目前，國內(nèi)銀行都積累了海量的金融數(shù)據(jù)，包括各類結(jié)構(gòu)化、半結(jié)構(gòu)化、非結(jié)構(gòu)化數(shù)據(jù)，數(shù)據(jù)量巨大，存儲方式多樣。但是這些海量數(shù)據(jù)還沒得到充分利用，顯得價值含量較低。只有經(jīng)過合適的預處理、模型設計、分析挖掘后，才能發(fā)現(xiàn)隱藏在其中的潛在規(guī)律。而應用大數(shù)據(jù)分析技術(shù)，可以從海量

2、的、不完全一致的、有噪聲的、模糊的、隨機的數(shù)據(jù)中提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識。銀行可以利用這些信息和知識來提升金融業(yè)務的服務效率和管理水平，銀行的關(guān)鍵業(yè)務也能從中獲得巨大收益。銀行在大數(shù)據(jù)技術(shù)應用方面具有天然優(yōu)勢：一方面，銀行在業(yè)務開展過程中積累了大量有價值數(shù)據(jù)，這些數(shù)據(jù)在運用大數(shù)據(jù)技術(shù)挖掘和分析之后，將產(chǎn)生巨大的商業(yè)價值；另一方面，銀行在資金、設備、人才、技術(shù)上都具有極大的便利條件，有能力采用大數(shù)據(jù)的最新技術(shù)。建立“金融大數(shù)據(jù)服務平臺”， 可以通過對金融數(shù)據(jù)的挖掘、分析，創(chuàng)造數(shù)據(jù)增值價值，提供針對銀行的精準營銷、統(tǒng)一廣告發(fā)布、業(yè)務體驗優(yōu)化、客戶綜合

3、管理、風險控制等多種金融服務。1.2 業(yè)務需求目前，銀行客戶對數(shù)據(jù)的利用仍是以各類統(tǒng)計報表為主，存在以下重大弊端：1. 對數(shù)據(jù)的分析僅按照固定項目，對業(yè)務情況進行事后統(tǒng)計分析和監(jiān)控。實際上沒有找到隱藏在數(shù)據(jù)背后的原因，數(shù)據(jù)深度分析和數(shù)據(jù)挖掘能力不足。2. 對數(shù)據(jù)的分析僅作為專項的統(tǒng)計分析結(jié)果輸出，對于數(shù)據(jù)間的因果影響、相關(guān)性分組或關(guān)聯(lián)規(guī)則、聚類、描述和可視化等工作尚未開展，數(shù)據(jù)關(guān)聯(lián)分析能力不足。3. 統(tǒng)計分析側(cè)重在事后的數(shù)據(jù)匯總，難以從數(shù)據(jù)匯總中得到客戶服務事件發(fā)生的規(guī)律，以及前瞻性判斷，數(shù)據(jù)的預測性分析能力不足。針對具體的金融業(yè)務，大數(shù)據(jù)分析在以下方面有著迫切的需求：統(tǒng)一廣告發(fā)布：目前金融行

4、業(yè)客戶在廣告方面投入大、渠道多，但在確認真實效果、提供優(yōu)化廣告策略時卻不能提供確切的數(shù)據(jù)證據(jù)。亟需利用大數(shù)據(jù)技術(shù)在收集各類型、各渠道廣告發(fā)布數(shù)據(jù)的基礎上，提供可靠的效果數(shù)據(jù)和優(yōu)化策略建議。精準營銷：目前金融行業(yè)的營銷方式基本上還是粗放式的，調(diào)查方式粗糙，分析原因簡單，對過程的控制力差，對客戶和產(chǎn)品的推廣都缺少針對性。亟需利用大數(shù)據(jù)技術(shù)來收集詳盡數(shù)據(jù)、科學分析原因、嚴格控制過程、并有針對性地面向客戶和產(chǎn)品進行營銷推廣。業(yè)務系統(tǒng)優(yōu)化：目前金融行業(yè)對其業(yè)務系統(tǒng)的客戶體驗效果、客戶轉(zhuǎn)化率缺乏準確數(shù)據(jù)支持，也無法分析具體原因。亟需利用大數(shù)據(jù)技術(shù)獲得各業(yè)務、各環(huán)節(jié)的客戶轉(zhuǎn)化率，從而有針對性地改進業(yè)務流程，

5、提升服務質(zhì)量?？蛻袅魇Х治觯簩τ谌绾畏€(wěn)定留存客戶、降低客戶流失率，目前金融客戶還無法準確分析客戶流失的原因，也就無從提出有效的改進措施。亟需利用大數(shù)據(jù)技術(shù)在分析流失客戶數(shù)據(jù)的基礎上，提出改進客戶關(guān)系管理效率和水平的有效建議。風險分析：金融行業(yè)對自己客戶和業(yè)務的風險分析停留在初級階段，缺乏全面掌握和提前預防的技術(shù)手段。亟需利用大數(shù)據(jù)技術(shù)獲得存在較高風險的客戶群體及業(yè)務，作為對其進行重點監(jiān)控和提前做好預防措施的基礎。通過建設金融大數(shù)據(jù)服務平臺，研發(fā)基于大數(shù)據(jù)分析的統(tǒng)一廣告發(fā)布系統(tǒng)、精準營銷系統(tǒng)、業(yè)務體驗優(yōu)化系統(tǒng)、客戶流失分析系統(tǒng)和風險分析系統(tǒng)，金融客戶可以提升廣告發(fā)布效果，提高營銷針對性，優(yōu)化服務

6、質(zhì)量，改善客戶管理水平，預防風險沖擊，進而為業(yè)務發(fā)展提供決策支撐，并促進相關(guān)領域構(gòu)建新的業(yè)務模式、服務模式。二. 項目范圍北京XXXX技術(shù)有限公司自主研發(fā)的“金融大數(shù)據(jù)服務平臺”，旨在為金融行業(yè)客戶提供包括數(shù)據(jù)采集、數(shù)據(jù)存儲、數(shù)據(jù)預處理、數(shù)據(jù)挖掘、可視化展現(xiàn)、業(yè)務實現(xiàn)等全流程服務，以幫助客戶實現(xiàn)各種金融業(yè)務。l 數(shù)據(jù)采集“金融大數(shù)據(jù)服務平臺”首先需要收集各種金融數(shù)據(jù)，它們可能是結(jié)構(gòu)化的，也可能是半結(jié)構(gòu)化或非結(jié)構(gòu)化的；既可能來自銀行內(nèi)部的各業(yè)務系統(tǒng)，也可能由外部提供；既可以是靜態(tài)的（如屬性數(shù)據(jù)），也可以是動態(tài)的（如行為數(shù)據(jù)）。而金融數(shù)據(jù)采集產(chǎn)品就是根據(jù)業(yè)務需要，將這些數(shù)據(jù)采集到“金融大數(shù)據(jù)服務平

7、臺”中。l 數(shù)據(jù)存儲Hadoop集群通過將數(shù)據(jù)分配到多個集群節(jié)點上并進行并行處理，因此尤為適合對大數(shù)據(jù)的存儲和分析。Hadoop集群通過添加節(jié)點數(shù)量來有效的擴展集群，因此具有極好的可擴展性；Hadoop軟件都是開源的，也不必購買昂貴的高檔服務器，因此具有很好的性價比。Hadoop集群將數(shù)據(jù)分片發(fā)送至多個節(jié)點保存，因此具有極高的容錯性。l 數(shù)據(jù)預處理采集到金融數(shù)據(jù)來自多種數(shù)據(jù)源，大多存在著不完整性和不一致性，無法直接用于數(shù)據(jù)挖掘或嚴重影響數(shù)據(jù)挖掘的效率。因此在進行數(shù)據(jù)挖掘之前，通過使用數(shù)據(jù)預處理工具，靈活對原始數(shù)據(jù)的清理、變換、集成等處理，可以減少挖掘所需數(shù)據(jù)量，縮短所需時間，并極大提高數(shù)據(jù)挖掘

8、的質(zhì)量。l 數(shù)據(jù)挖掘數(shù)據(jù)挖掘是通過分析數(shù)據(jù)、從大量數(shù)據(jù)中尋找其潛在規(guī)律的技術(shù)。利用預測、關(guān)聯(lián)、分類、聚類、時序分析等技術(shù)，數(shù)據(jù)挖掘可以從海量的、不完全的、有噪聲的、模糊的、隨機的數(shù)據(jù)中提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識。目前，傳統(tǒng)的數(shù)據(jù)挖掘產(chǎn)品在大數(shù)據(jù)平臺上還存在一些局限性，研發(fā)一套Hadoop平臺下的數(shù)據(jù)挖掘工具是一項極具挑戰(zhàn)性的任務。l 可視化展現(xiàn)數(shù)據(jù)挖掘得到的結(jié)果，往往數(shù)據(jù)量巨大、關(guān)聯(lián)關(guān)系復雜、維度多以及雙向互動需求等?？梢暬宫F(xiàn)工具以適合人類思維的圖形化的方式對結(jié)果進行展示，提高了數(shù)據(jù)的直觀性和可視性。可視化展現(xiàn)面向各類客戶，通過選擇合適的可視化模型，將枯燥

9、的數(shù)據(jù)轉(zhuǎn)換為令人印象深刻的美麗圖形，極大提升了數(shù)據(jù)的利用價值。l 業(yè)務實現(xiàn)“金融大數(shù)據(jù)服務平臺”的效果，最終需要集成在各類金融業(yè)務系統(tǒng)中才能得以體現(xiàn)。目前擬建設的金融業(yè)務系統(tǒng)有：精準營銷系統(tǒng)、統(tǒng)一廣告發(fā)布系統(tǒng)、業(yè)務體驗優(yōu)化系統(tǒng)、客戶流失分析系統(tǒng)、風險分析系統(tǒng)等。三. 項目目標實施針對銀行的“金融大數(shù)據(jù)服務平臺”項目，通過采集銀行內(nèi)部與外部、靜態(tài)與動態(tài)的各類金融數(shù)據(jù)，搭建適于大數(shù)據(jù)存儲與分析的Hadoop集群，對金融數(shù)據(jù)采取合適的預處理方式，利用數(shù)據(jù)挖掘技術(shù)得出隱藏在海量數(shù)據(jù)后的、有價值的潛在規(guī)律，以豐富的可視化模型向客戶進行展現(xiàn)，在此基礎上實現(xiàn)精準營銷、統(tǒng)一廣告發(fā)布、業(yè)務體驗優(yōu)化、客戶綜合管理

10、、風險控制等金融業(yè)務應用。由此，提升金融業(yè)務的水平和效率，推進銀行業(yè)務創(chuàng)新，降低銀行管理和運行成本。本項目的具體技術(shù)目標包括：開發(fā)金融數(shù)據(jù)采集工具：大數(shù)據(jù)分析需要收集來自銀行內(nèi)部的和外部的、靜態(tài)的和動態(tài)的各種金融數(shù)據(jù)，為此開發(fā)各類金融數(shù)據(jù)采集工具，如動態(tài)采集SDK、日志提取分析工具、外部數(shù)據(jù)導入工具等。搭建Hadoop大數(shù)據(jù)集群：搭建Hadoop大數(shù)據(jù)集群，是建設“金融大數(shù)據(jù)服務平臺”的基礎。利用多臺性能較為一般的服務器，組成一套基于HDFS和Map-Reduce機制的集群，并根據(jù)需要在其上安裝Hive、HBase、Sqoop、ZooKeeper等軟件。實現(xiàn)分析挖掘算法：支持Hadoop的分析

11、挖掘算法，是“金融大數(shù)據(jù)服務平臺”的一個關(guān)鍵組成部分。在利用傳統(tǒng)數(shù)據(jù)挖掘技術(shù)的基礎上，實現(xiàn)包括抽象的數(shù)學算法（如關(guān)聯(lián)算法、分類算法、聚類算法、時序分析算法等），以及在此基礎上針對金融業(yè)務的專業(yè)算法（如客戶行為特征模型、效果分析模型等），作為進一步構(gòu)建抽象模型和金融專業(yè)模型的基礎。構(gòu)建分析挖掘模型：支持Hadoop的分析挖掘模型，是“金融大數(shù)據(jù)服務平臺”的另一關(guān)鍵組成部分。在上一步基礎上，快速構(gòu)建抽象的數(shù)學模型（如神經(jīng)網(wǎng)絡模型、事物關(guān)聯(lián)模型等），以及針對金融業(yè)務的專業(yè)模型（如精準營銷模型、廣告效果評估模型等）。實現(xiàn)ETL工具：數(shù)據(jù)預處理也是“金融大數(shù)據(jù)服務平臺”需要解決的問題之一。利用市場上已有

12、的數(shù)據(jù)預處理成果，研發(fā)一個支持Hadoop的ETL工具，實現(xiàn)包括規(guī)范化、數(shù)據(jù)抽樣、數(shù)據(jù)排序、匯總、指定因變量、屬性變換、數(shù)據(jù)替換、數(shù)據(jù)降維、數(shù)據(jù)集拆分、離散化等功能。實現(xiàn)可視化展現(xiàn)工具：“金融大數(shù)據(jù)服務平臺”上的分析結(jié)果將主要采用豐富多彩的可視化形式向用戶進行可視化展現(xiàn)。利用市場上已有的相關(guān)技術(shù)和產(chǎn)品，研發(fā)一個可視化展現(xiàn)工具，可以支持：分類樹圖、視覺聚類圖、關(guān)聯(lián)圖、序列圖、回歸圖等多種可視化形式。實現(xiàn)金融業(yè)務應用：將分析挖掘的結(jié)果集成到具體的銀行業(yè)務系統(tǒng)中，如精準營銷系統(tǒng)、統(tǒng)一廣告發(fā)布平臺、業(yè)務體驗優(yōu)化系統(tǒng)、客戶綜合管理系統(tǒng)、風險控制系統(tǒng)等。具體方式既可以是實現(xiàn)某個獨立的新業(yè)務系統(tǒng)，也可以是在

13、現(xiàn)有系統(tǒng)中實現(xiàn)一個或多個新模塊，從而擴充或提升原有的功能。本項目的具體業(yè)務目標包括：精準營銷：綜合分析客戶行為特征信息和金融業(yè)務分類信息，可以得到客戶最有可能感興趣的業(yè)務以及業(yè)務最有可能的潛在客戶群，以此為基礎有針對性地開展營銷；統(tǒng)一廣告發(fā)布：分析廣告效果分析信息，可以得到各類型、各渠道的最佳配置或薄弱環(huán)節(jié)，以此為基礎改變廣告策略、提升廣告效果；業(yè)務體驗優(yōu)化：分析客戶業(yè)務體驗信息、客戶流失信息，可以得到客戶在各業(yè)務、各環(huán)節(jié)的轉(zhuǎn)化率，分析流失原因，在此基礎上改進業(yè)務流程、提高服務質(zhì)量，以提升客戶滿意度；客戶流失分析：綜合分析客戶行為特征信息、客戶流失信息及其它信息，得到客戶的全方面分析結(jié)果，在此

14、基礎上改進客戶關(guān)系管理的效率和水平；風險分析：分析客戶屬性數(shù)據(jù)、風險分析數(shù)據(jù)，可以得到存在較高風險可能的客戶群體和業(yè)務信息，在此基礎上區(qū)分特別關(guān)注目標、制定預防措施，降低這些客戶和業(yè)務可能帶來的沖擊 。四. 技術(shù)方案4.1 總體架構(gòu)“金融大數(shù)據(jù)服務平臺”由數(shù)據(jù)采集層、數(shù)據(jù)存儲層、分析挖掘?qū)雍蜆I(yè)務應用層組成，總體框架如下圖所示：數(shù)據(jù)采集層：負責從各類數(shù)據(jù)源中提取、導入數(shù)據(jù)，主要產(chǎn)品包括：動態(tài)采集SDK、日志提取分析工具、外部數(shù)據(jù)導入工具、其它數(shù)據(jù)提取工具等。數(shù)據(jù)存儲層：負責將預處理后的數(shù)據(jù)進行存儲，主要由可進行橫向擴展的Hadoop集群構(gòu)成，另外輔之以關(guān)系數(shù)據(jù)庫作數(shù)據(jù)中轉(zhuǎn)、元數(shù)據(jù)存儲、供某些軟件

15、使用等用途。分析挖掘?qū)樱贺撠熃鹑跀?shù)據(jù)經(jīng)建模、挖掘、評估和發(fā)布，核心是實現(xiàn)兩類數(shù)據(jù)挖掘的算法和模型：一類是抽象的數(shù)學算法及模型，另一類是在此基礎上針對金融業(yè)務的專業(yè)算法和模型。業(yè)務應用層：負責將分析挖掘結(jié)果的可視化展現(xiàn)形式，集成到相應的金融業(yè)務系統(tǒng)中。另外，在數(shù)據(jù)采集層和數(shù)據(jù)存儲層之間，由ETL工具負責數(shù)據(jù)預處理任務；在分析挖掘?qū)雍蜆I(yè)務應用層之間，由可視化展現(xiàn)工具負責分析挖掘結(jié)果的可視化展現(xiàn)任務。4.2 技術(shù)架構(gòu)“金融大數(shù)據(jù)服務平臺”的技術(shù)架構(gòu)采用多層次形式，如下圖所示：數(shù)據(jù)源包括各類動態(tài)數(shù)據(jù)（如行為數(shù)據(jù)）、靜態(tài)數(shù)據(jù)（如屬性數(shù)據(jù)）、日志文件以及其它數(shù)據(jù)等，可以是結(jié)構(gòu)化的、半結(jié)構(gòu)化的和非結(jié)構(gòu)化的數(shù)

16、據(jù)。在數(shù)據(jù)采集層，各采集工具根據(jù)具體情況采用不同的技術(shù)實現(xiàn)方式，如對動態(tài)數(shù)據(jù)的采集，使用C/S架構(gòu)的客戶端采集SDK，對日志文件使用Map-Reduce方式的分析提取工具，對靜態(tài)數(shù)據(jù)按Sqoop方式從關(guān)系數(shù)據(jù)導入，對其它數(shù)據(jù)則使用定制化程序，等等。ETL（數(shù)據(jù)抽取、轉(zhuǎn)換、加載）將采集到的各種數(shù)據(jù)整合成統(tǒng)一的數(shù)據(jù)模型，包括數(shù)據(jù)清洗、數(shù)據(jù)轉(zhuǎn)換、數(shù)據(jù)規(guī)約、數(shù)據(jù)集成等。為加快項目進度和保證項目質(zhì)量，初步?jīng)Q定在某個支持Hadoop的開源ETL產(chǎn)品（如Kettle）的基礎上進行二次開發(fā)。在數(shù)據(jù)存儲層，Hadoop集群使用Hadoop技術(shù)生態(tài)圈的諸多關(guān)鍵技術(shù)，包括：分布式存儲HDFS系統(tǒng)、并行處理Map-R

17、educe機制、No-SQL數(shù)據(jù)庫Hbase、數(shù)據(jù)倉庫Hive、協(xié)調(diào)系統(tǒng)ZooKeeper等。此外，還需用到關(guān)系數(shù)據(jù)庫擔任數(shù)據(jù)中轉(zhuǎn)、元數(shù)據(jù)存儲、供某些軟件使用等用途。分析挖掘?qū)拥娜蝿帐窃贖adoop集群實現(xiàn)各種分析挖掘算法和分析挖掘模型。算法和模型有兩類，一類是抽象的數(shù)學算法（如聚類算法、關(guān)聯(lián)分析算法）和數(shù)學模型（如神經(jīng)網(wǎng)絡模型、事物關(guān)聯(lián)模型等），另一類是此基礎上構(gòu)建的專業(yè)算法（如金融客戶分類算法、效果評估算法）和專業(yè)模型（如客戶行為特征模型、效果評估模型）。為加快項目進度、保證項目質(zhì)量和擴大適應范圍，初步?jīng)Q定在SAS和R的分析挖掘包的基礎上實現(xiàn)算法接口，并利用算法接口構(gòu)建大部分模型，其余部分

18、視實際情況而以自主研發(fā)方式構(gòu)建。可視化展現(xiàn)將分析挖掘結(jié)果面向用戶進行各種可視化展現(xiàn)（如散點圖、直方圖、分布圖、餅圖等），分析挖掘的質(zhì)量也決定著展現(xiàn)的質(zhì)量。為加快項目進度，初步?jīng)Q定在某個可視化展現(xiàn)開源產(chǎn)品（如R的圖形包）的基礎上進行二次開發(fā)。在業(yè)務實現(xiàn)層，分析挖掘結(jié)果集成到相應的金融業(yè)務系統(tǒng)中。具體方式既可以是實現(xiàn)某個獨立的新業(yè)務系統(tǒng)，也可以是在現(xiàn)有系統(tǒng)中實現(xiàn)一個或多個新模塊，從而擴充或提升原有的功能。4.3 物理架構(gòu)“金融大數(shù)據(jù)服務平臺”采用集中部署方式，硬件環(huán)境由Hadoop集群服務器和數(shù)據(jù)庫集群組成，如下圖所示：其中，Hadoop集群包括兩個NameNode（主從方式）和多個DataNod

19、e（最少3個，以后根據(jù)需要增加）；NameNode用于管理數(shù)據(jù)在DataNode上的分配，而DataNode用于數(shù)據(jù)的存儲。NameNode和DataNode采用相同的配置，運營環(huán)境中建議為：CPU為2塊*16核，主頻22.5GHz，內(nèi)存128G，硬盤12塊*2T。數(shù)據(jù)庫集群包括兩臺數(shù)據(jù)庫服務器，采用雙機熱備方式。其配置建議為：CPU為2塊*16核，主頻22.5GHz，內(nèi)存64G，硬盤12塊*2T。五. 項目人員組織5.1 項目組織結(jié)構(gòu)項目領導組項目經(jīng)理大平臺組系統(tǒng)開發(fā)組業(yè)務組各組組成及職責為：項目領導組：由公司高管、部門經(jīng)理擔任，負責組織、監(jiān)督、協(xié)調(diào)項目的進行；項目經(jīng)理：由項目領導組任命，基

20、本職責是確保項目目標準時、優(yōu)質(zhì)地完成；大平臺組：負責金融大數(shù)據(jù)服務平臺的相關(guān)事務，包括搭建Hadoop大數(shù)據(jù)集群、實現(xiàn)數(shù)據(jù)挖掘算法、構(gòu)建業(yè)務模型等；業(yè)務組：承擔與金融業(yè)務相關(guān)的事務，包括市場調(diào)研、對金融業(yè)務系統(tǒng)、功能性產(chǎn)品的需求分析等；系統(tǒng)開發(fā)組：承擔對各產(chǎn)品及業(yè)務系統(tǒng)的開發(fā)任務，包括SDK產(chǎn)品、ETL工具、可視化展現(xiàn)工具、各個金融業(yè)務系統(tǒng)的開發(fā)等。5.2 項目人員配置組別級別人數(shù)備注項目領導組高級管理人員1或多人由公司高管、部門經(jīng)理兼任項目經(jīng)理中級管理人員1大平臺組系統(tǒng)設計員多人技術(shù)專家實施人員多人業(yè)務組需求分析員每產(chǎn)品或系統(tǒng)1人一般由組長兼任系統(tǒng)設計員每產(chǎn)品或系統(tǒng)1人業(yè)務實現(xiàn)組系統(tǒng)設計員每

21、產(chǎn)品或系統(tǒng)1人一般由組長兼任編碼人員多人測試人員多人實施人員多人六. 項目進度計劃“金融大數(shù)據(jù)服務平臺”的整體進度分項目規(guī)劃、需求調(diào)研、項目實施、推廣及服務共四個階段。項目規(guī)劃階段自2014年11月3日至2014年11月28日，共20個工作日。需求調(diào)研階段自2014年11月24日至2015年3月20日，共85個工作日項目實施階段自2014年11月10日至2015年5月29日，共145個工作日（含元旦、春節(jié)、勞動節(jié)等法定節(jié)假日），按SDK產(chǎn)品、數(shù)據(jù)采集、集群搭建、算法層研發(fā)、構(gòu)建模型、ETL工具、可視化展現(xiàn)工具、統(tǒng)一廣告發(fā)布系統(tǒng)、精準營銷系統(tǒng)、業(yè)務體驗優(yōu)化系統(tǒng)、客戶流失分析系統(tǒng)和風險分析系統(tǒng)共十

22、二個小項分別進行。推廣及服務階段，每一項功能性產(chǎn)品或金融業(yè)務系統(tǒng)完成后，即可開始進行推廣，并一直持續(xù)進行。時間進度如下圖，詳細請參見“金融大數(shù)據(jù)服務平臺進度.xls”和“金融大數(shù)據(jù)服務平臺.mpp”。注：市場推廣和服務的結(jié)束時間實為“持續(xù)”。七. 財務及設備計劃暫無。八. 風險管理軟件項目開發(fā)具有連續(xù)性、復雜性、少參照性、無規(guī)范標準等特點，風險程度較高。對于“金融大數(shù)據(jù)服務平臺”，不但涵蓋范圍廣，包含產(chǎn)品多，而且技術(shù)要求高，業(yè)務需求復雜，因此尤其需要重視各種風險。以下是“金融大數(shù)據(jù)服務平臺”可能遇到的風險及其防預措施：l 合同風險：與客戶簽訂的合同不科學、不嚴謹，與客戶在項目邊界和各方面責任界

23、定不清等是影響項目成敗的重大因素之一。預防措施是項目建設之初，要全面準確地了解合同各條款的內(nèi)容、盡早就模糊或不明確的條款簽訂補充協(xié)議。l 需求變更風險：這是軟件項目經(jīng)常發(fā)生的事情。一個看來很有利可圖的項目，往往由于無限度的需求變更而讓開發(fā)方苦不堪言，甚至最終虧損。預防措施是項目建設之初，就和客戶書面約定好需求變更控制流程、記錄并歸檔客戶的需求變更申請。l 溝通不良風險：項目組與項目各干系方溝通不良，是影響項目順利進展的一個非常重要的因素。預防措施是項目建設之初就和項目各干系方約定好溝通的渠道和方式、項目建設過程中多和項目各干系方交流和溝通、注意培養(yǎng)和鍛煉自身的溝通技巧。l 缺乏支持風險：上級領

24、導的支持是項目獲得資源（包括人力資源、財力資源和物料資源等）的有效保障，也是項目遇到困難時項目組最強有力的“后臺支撐”。預防措施是主動爭取上級對項目的重視、確保和上級領導的溝通渠道暢通、經(jīng)常向上級領導匯報工作進展。l 進度風險：所有項目都對進度有著嚴格要求，項目進度的延遲意味著違約或市場機會的錯失。預防措施一般是分階段交付產(chǎn)品、增加項目監(jiān)控的頻度和力度、多運用可行的辦法保證工作質(zhì)量避免返工。l 質(zhì)量風險：項目對軟件質(zhì)量也都有很高要求，需要密切關(guān)注項目的質(zhì)量風險。預防措施一般是經(jīng)?；ハ嘟涣鞴ぷ鞒晒?、采用符合要求的開發(fā)流程、認真組織對產(chǎn)出物的檢查和評審、計劃和組織嚴格的獨立測試等。l 系統(tǒng)性能風險：一般情況下，項目對性能要求也很高，這時項目組就需要關(guān)注項目的性能風險。預防措施一般是在進行項目開發(fā)之前先設計和搭建出系統(tǒng)的基礎架構(gòu)并進行性能測試，確保架構(gòu)符合性能指標后再進行后續(xù)工作。l 工具風險：軟件項目開發(fā)和實施過