銀行大數(shù)據(jù)(創(chuàng)造數(shù)據(jù)和分析的信息優(yōu)勢)解決方案課件

/analytics

/bigdecisions如何利用大數(shù)據(jù)創(chuàng)造信息優(yōu)勢

PwChelpsenhancethevalueofdataandanalyticsforourclientsbyintegratingbusinessanalyticsexpertisefromstrategytoexecution,acrossindustries,geographies,andcompetenciesAugust24,2015目錄什么是大數(shù)據(jù)和數(shù)據(jù)科學(xué)?幫助你能更聰明迅速開始的指導(dǎo)意見普華永道的大數(shù)據(jù)能力數(shù)據(jù)來自四面八方我們處于從大數(shù)據(jù)中提取價值的初期階段12345數(shù)據(jù)來自四面八方PwC|page3隨著計算設(shè)備變得更小更快捷,數(shù)年來，新數(shù)據(jù)生成器的數(shù)量只增不減Image:大數(shù)據(jù)時代到來，銀行應(yīng)聚焦如何運(yùn)用內(nèi)外部數(shù)據(jù)來幫助企業(yè)提高商業(yè)洞察能力，加快決策效率，逐漸在競爭中脫穎而出銀行的商業(yè)價值鏈戰(zhàn)略/市場客戶/營銷銷售/渠道產(chǎn)品/創(chuàng)新流程/運(yùn)營風(fēng)險/管控我們應(yīng)當(dāng)聚焦哪類客戶？他們的潛在市場有多大？我們的目標(biāo)客戶是誰/在哪里？如何同他們建立并維持良好的關(guān)系？客戶通過什么方式買到自己需要的產(chǎn)品？如何創(chuàng)造出客戶真正需要的產(chǎn)品？什么是最適合特定客戶的產(chǎn)品？如何才能更快更好地響應(yīng)客戶，并為他們做更多有價值的事？如何管控客戶的信用額度？如何處理風(fēng)險與業(yè)務(wù)的關(guān)系？數(shù)據(jù)在以客戶為導(dǎo)向的經(jīng)營價值鏈中的應(yīng)用考量現(xiàn)在：在經(jīng)營管理層面業(yè)內(nèi)公司面臨哪些共同的問題？領(lǐng)先的集團(tuán)公司在做些嘗試和轉(zhuǎn)變？大數(shù)據(jù)時代下，大家有了哪些共同的認(rèn)識？未來：數(shù)據(jù)應(yīng)用在哪些領(lǐng)域可能有應(yīng)用價值？如何利用數(shù)據(jù)解決問題，突破瓶頸？大數(shù)據(jù)時代有哪些新的機(jī)遇？未來的銀行的趨勢將會對在職人員有更多要求

監(jiān)管改革和技術(shù)進(jìn)步正在產(chǎn)生的角色轉(zhuǎn)變現(xiàn)在,業(yè)務(wù)人員有望演變成新的角色帶來

前瞻性洞察來支持企業(yè)的決策制定和執(zhí)行以前,金融被稱為看門狗的角色，而不是分析洞察工作職責(zé)是向后看的事實(shí)呈現(xiàn)數(shù)據(jù)驅(qū)動的監(jiān)管機(jī)構(gòu)現(xiàn)在要求組織采取分層的報告方法，以獲得一個整體的組織的財務(wù)和風(fēng)險景觀（如GAAP,BASELIII,IFS）系統(tǒng)自動化金融體系進(jìn)一步整合入企業(yè)的信息系統(tǒng)，觸發(fā)更多的合作機(jī)會Data

FinanceProcessingX1

Model

YXf(x)

YX

Multivariate3

Analysis如今分析學(xué)存在許多不統(tǒng)一的概念–對“大數(shù)據(jù)”術(shù)語擁有多種定義數(shù)量數(shù)據(jù)集的規(guī)模種類數(shù)據(jù)的多元化：資源、種類、結(jié)構(gòu)等速率數(shù)據(jù)產(chǎn)生的速度、分析、與使用精確性可信的質(zhì)量描述數(shù)據(jù)集屬性1990’s2000’s2010+OLTP

1970’sPunchcardsWebsite

sAudioAnalyst12bi

BusinessIntelligence

Predictive

ModelingSocialMediaTheDataScientistOpen

Source

AnalyticsSoftwareInformation

Worker

Mobile

2

TheDataWarehouseMulti-method

Simulation

TheData

Warehouse

ApplianceBigData1980’s

Decision

Support

Reports

Management

RDBMS

SmartPhonesEmbeddedAnalytics

DataVisualizationMEGABYTESGIGABYTESTERABYTES

&

TabletsPETABYTES

EXABYTESKILOBYTES通常與大數(shù)據(jù)相關(guān)聯(lián)的屬性大數(shù)據(jù)領(lǐng)域下廣泛的科技產(chǎn)品/解決方案爆發(fā)性的數(shù)據(jù)存儲大數(shù)據(jù)生態(tài)系統(tǒng)6ppt課件“大數(shù)據(jù)”的現(xiàn)實(shí)6企業(yè)已經(jīng)聽到建立大數(shù)據(jù)平臺，希望通過大數(shù)據(jù)的能力建設(shè)為傳統(tǒng)的數(shù)據(jù)倉庫帶來新的氣息。

當(dāng)分析成為我們的生產(chǎn)力，

如何定義業(yè)務(wù)的價值和數(shù)據(jù)變現(xiàn)的商用模式成為我們的挑戰(zhàn)。數(shù)據(jù)來自四面八方

我們傳統(tǒng)上認(rèn)為“大數(shù)據(jù)”是來自于社交網(wǎng)絡(luò)分享、電子郵件和簡訊，但是隨著物聯(lián)網(wǎng)的出現(xiàn)，數(shù)據(jù)只會變得更廣泛社交媒體通話記錄語音通訊多媒體網(wǎng)頁、應(yīng)用程序的應(yīng)用客戶、訂單、賬單交易總賬過程數(shù)據(jù)電子郵件聊天、即時通訊文件傳感器遙感勘測、全球定位系統(tǒng)3D打印機(jī)工業(yè)4.0生物識別技術(shù)健康記錄人力資源數(shù)據(jù)勞動力天氣數(shù)據(jù)政府?dāng)?shù)據(jù)工商公安，法院電信數(shù)據(jù)是新“石油”

數(shù)據(jù)廣泛存在，但需要通過挖掘來增加其價值。但是，不同于石油，數(shù)據(jù)永遠(yuǎn)不會成為一種稀缺資源，因?yàn)樗灾笖?shù)速率保持增長。廣泛存在但仍很難獲得科技使其更容易獲得尋求價值豐富的接縫深入挖掘來發(fā)現(xiàn)可以提煉最大化價值燃料經(jīng)濟(jì)性燃料產(chǎn)業(yè)Photocredit:NigelHomes2012什么是大數(shù)據(jù)和數(shù)據(jù)科學(xué)?大數(shù)據(jù)的方法論？哪些是前沿的大數(shù)據(jù)技術(shù)？PwC|page10Image:平衡決策中的藝術(shù)與科學(xué)是做出智能，及時，有效的業(yè)務(wù)決策的關(guān)鍵數(shù)據(jù)分析的發(fā)展是提高數(shù)據(jù)信息的有效性和可用性

隨著數(shù)據(jù)存儲和處理能力的日益復(fù)雜，可用于分析的數(shù)據(jù)信息已經(jīng)爆炸，需要讓位給先進(jìn)的分析方法兆字節(jié)十億字節(jié)百萬兆字節(jié)拍字節(jié)艾字節(jié)千字節(jié)數(shù)據(jù)處理刷卡財務(wù)1970’s1980’s聯(lián)機(jī)事務(wù)處理系統(tǒng)報告管理1990’s決策支持Modelf(x)X1X2X3Y1Y2多元分析分析@網(wǎng)站2000’s商業(yè)智能預(yù)測建模信息技術(shù)手機(jī)音頻視頻2010’s+云計算社交媒體仿真和可視化大數(shù)據(jù)數(shù)據(jù)科學(xué)家1,00021,00031,00041,00051,00061,000智能家庭物聯(lián)網(wǎng)(IoT)企業(yè)通常是數(shù)據(jù)“富有”，但信息“貧窮”

大多數(shù)組織面臨的共同問題是“數(shù)據(jù)過載”，這使得它難以提取有價值的洞察力和智慧中國管理層認(rèn)為對有用數(shù)據(jù)的訪問正在逐年增加……但對捕獲數(shù)據(jù)的有效利用率繼續(xù)下降從上一年獲得有用數(shù)據(jù)持續(xù)增加的報告有效地使用洞察以指導(dǎo)未來的戰(zhàn)略的能力報告高管們正努力從數(shù)據(jù)轉(zhuǎn)移到可操作的洞察力中去55%77%52%數(shù)據(jù)的有效利用率降低從數(shù)據(jù)到洞察力是主要的挑戰(zhàn)Source:MITSloanManagementReview2015,PwCDigitalIQSurvey2014,PwCBigDecisionSurvey2014數(shù)據(jù)科學(xué)家的特征?

數(shù)據(jù)科學(xué)家在藝術(shù)與科學(xué)之間的結(jié)合技能橫跨多個學(xué)科以獲得大數(shù)據(jù)可操作的洞察力的平衡Photocredit:NewInternetOrder藝術(shù)金融服務(wù)零售、供應(yīng)鏈營銷機(jī)構(gòu)/客戶行為分析電子商務(wù)領(lǐng)域?qū)ｉL與領(lǐng)導(dǎo)共事講故事的能力可視化藝術(shù)設(shè)計將洞察力轉(zhuǎn)換為決策、執(zhí)行軟技能Photocredit:NewInternetOrder科學(xué)知識數(shù)據(jù)科學(xué)領(lǐng)域?qū)ｉL數(shù)學(xué)計算機(jī)科學(xué)統(tǒng)計分析數(shù)據(jù)處理機(jī)器學(xué)習(xí)統(tǒng)計建模技術(shù)和工具關(guān)系數(shù)據(jù)庫新黑客技術(shù)可視化數(shù)據(jù)科學(xué)家的特征?

數(shù)據(jù)科學(xué)家在藝術(shù)與科學(xué)之間的結(jié)合技能橫跨多個學(xué)科以獲得大數(shù)據(jù)可操作的洞察力的平衡Photocredit:NewInternetOrder數(shù)據(jù)科學(xué)家的特征?

數(shù)據(jù)科學(xué)家在藝術(shù)與科學(xué)之間的結(jié)合技能橫跨多個學(xué)科以獲得大數(shù)據(jù)可操作的洞察力的平衡藝術(shù)金融服務(wù)零售、供應(yīng)鏈營銷機(jī)構(gòu)/客戶行為分析電子商務(wù)領(lǐng)域?qū)ｉL與領(lǐng)導(dǎo)共事講故事的能力可視化藝術(shù)設(shè)計將洞察力轉(zhuǎn)換為決策、執(zhí)行軟技能科學(xué)知識數(shù)據(jù)科學(xué)領(lǐng)域?qū)ｉL數(shù)學(xué)計算機(jī)科學(xué)統(tǒng)計分析數(shù)據(jù)處理機(jī)器學(xué)習(xí)統(tǒng)計建模技術(shù)和工具關(guān)系數(shù)據(jù)庫新黑客技術(shù)可視化Photocredit:Flickr個人推薦引擎社交網(wǎng)絡(luò)分析交通流量優(yōu)化IT基礎(chǔ)設(shè)施和網(wǎng)絡(luò)應(yīng)用程序優(yōu)化法規(guī)審查和文件歸檔情報搜集智能儀表監(jiān)測設(shè)備監(jiān)控廣告分析生命科學(xué)研究欺詐檢測醫(yī)療保健結(jié)果業(yè)務(wù)規(guī)劃的天氣預(yù)報油氣勘探客戶流失分析基于位置的跟蹤與服務(wù)定價分析個性化保險數(shù)據(jù)科學(xué)家的需求無處不在…–關(guān)系數(shù)據(jù)集市財務(wù)集市……人力資源營銷運(yùn)營績效集市風(fēng)險集市特殊分析應(yīng)用數(shù)據(jù)挖掘集市（預(yù)測、聚類、關(guān)聯(lián)、時間序列分析)）前端應(yīng)用前端工具數(shù)據(jù)存儲平臺數(shù)據(jù)源多維數(shù)據(jù)集數(shù)據(jù)模型：Cube數(shù)據(jù)交互管理平臺數(shù)據(jù)治理、數(shù)據(jù)管理特殊應(yīng)用多維分析管理儀表盤即席查詢數(shù)據(jù)挖掘報表查詢催收系統(tǒng)核心系統(tǒng)審批系統(tǒng)MDMCRM財務(wù)風(fēng)險分析投資會計其他外部數(shù)據(jù)報表平臺數(shù)據(jù)倉庫客戶主數(shù)據(jù)賬戶數(shù)據(jù)還款數(shù)據(jù)資金數(shù)據(jù)營銷數(shù)據(jù)交易數(shù)據(jù)風(fēng)險數(shù)據(jù)績效數(shù)據(jù)綜合類數(shù)據(jù)存儲人力資源數(shù)據(jù)財務(wù)會計數(shù)據(jù)運(yùn)營管理數(shù)據(jù)……投資管理數(shù)據(jù)示例轉(zhuǎn)儲整合區(qū)數(shù)據(jù)挖掘工具傳統(tǒng)銀行數(shù)據(jù)功能架構(gòu)大數(shù)據(jù)技術(shù)生態(tài)圈大數(shù)據(jù)關(guān)鍵技術(shù)產(chǎn)品地圖MPPAnalyticsCloudServicesIn-MemoryHUAWEI?NextGenerationBigDataSolution-MegaTrendsAndImplicationsHadoopStreamingDataManagementApps&AnalyticsBLUACCLERATIONIBMBLUMIXORACLEBDAHadoopApplianceORACLECLOUDSQLSERVERSQLSERVERSASHPAClouderaCDHHortonworksHDPFusionInsightAMStoreSmartMinerCEP/PMESybaseESPOtherVendors大數(shù)據(jù)技術(shù)的趨勢數(shù)據(jù)分析朝深度發(fā)展，開源R語言與BIGDATA天然結(jié)合分布式內(nèi)存技術(shù)和Hadoop技術(shù)的融合架構(gòu)使得Hadoop進(jìn)入了實(shí)時分析的領(lǐng)域，極大增加了對MPP分析型數(shù)據(jù)庫陣營的威脅傳統(tǒng)BI向?qū)崟r的數(shù)據(jù)可視化發(fā)展人工智能是硅谷目前最新的“軍備競賽”大數(shù)據(jù)技術(shù)向云計算演化，云平臺戰(zhàn)略是未來爭奪的焦點(diǎn)Analytics大數(shù)據(jù)技術(shù)近期5大趨勢受趨勢影響的技術(shù)堆棧InMemoryHadoopStreamingVisualizationAIMachineLearningCloud趨勢前沿廠商或開源技術(shù)大數(shù)據(jù)技術(shù)趨勢1:完全的數(shù)據(jù)分析能力,R語言成為更多選項(xiàng)傳統(tǒng)BI的分析方法已無法滿足大數(shù)據(jù)應(yīng)用的要求，廠商迫切需要為自己產(chǎn)品增強(qiáng)高級數(shù)據(jù)分析的能力以保持在大數(shù)據(jù)時代的競爭力R的開源特性和Hadoop天生相合，并且支持多種統(tǒng)計挖掘算法，倍受業(yè)界關(guān)注不僅是Hadoop商用分析MPP也強(qiáng)調(diào)對R語言的支持，部分更是可分布式的庫內(nèi)挖掘。開源R和商用數(shù)據(jù)分析軟件SAS,SPSS相比待解決的問題數(shù)據(jù)處理性能不足導(dǎo)致了數(shù)據(jù)探索和抽樣分析的限制開源版本的開放性導(dǎo)致了結(jié)果的精確度難以被權(quán)威公認(rèn)。開發(fā)易用性的不足提高了數(shù)據(jù)分析師的使用門檻支持算法的豐富度可視化以及易用性不如商業(yè)數(shù)據(jù)分析軟件如SASTeradata于2014年公布了在AsterData上的商業(yè)版AsterDataRRHadoop支持RMR,RonHDFS以及RonHBASER和SPARK結(jié)合的SPARKR是最具潛力的OracleExalytics,HPVertica等均支持R語言

大數(shù)據(jù)技術(shù)趨勢2:內(nèi)存計算是數(shù)據(jù)處理加速器在數(shù)據(jù)倉庫時代大部分企業(yè)困擾于BI報表的數(shù)據(jù)滯后性。在大數(shù)據(jù)時代，企業(yè)期望在新的技術(shù)架構(gòu)中獲得實(shí)時分析和交互式分析的能力。實(shí)時分析交互式分析離線分析實(shí)時分析交互式分析離線分析而內(nèi)存技術(shù)帶來了時效性的革命性突破，和Hadoop更是完美的結(jié)合。Hadoop提供持久化能力和海量數(shù)據(jù)的批量計算能力，內(nèi)存技術(shù)提供一定量數(shù)據(jù)內(nèi)的實(shí)時分析和交互式分析的能力。流計算分布式內(nèi)存計算內(nèi)存列式數(shù)據(jù)庫分布式內(nèi)存列式數(shù)據(jù)庫實(shí)時分析交互式分析交互式OLAP分析更大數(shù)據(jù)量的實(shí)時分析SPARK的高性能和接近一棧式計算能力的特點(diǎn)已被業(yè)界公認(rèn)為是下一代的Hadoop超級計算引擎除了HANA外值得關(guān)注的Actian的Vectorwise是世界上最快的單點(diǎn)內(nèi)存列式數(shù)據(jù)庫，近期推出了深度融合Hadoop的新版本SPARKENGINESparkGraphXSparkRMLibSparkStreaming交互式查詢圖計算交互式統(tǒng)計挖掘機(jī)器學(xué)習(xí)流計算專利技術(shù)SIMDExtension在操作系統(tǒng)級別優(yōu)化CPU指令分布式內(nèi)存數(shù)據(jù)庫和Hadoop在同一集群PDT(PositionalDeltaTree)技術(shù)支持Hadoop無法實(shí)現(xiàn)的updatedelete操作超快的性能，宣稱TCP中比Impala快10到30倍BlinkDB90HUAWEI?NextGenerationBigDataSolution-MegaTrendsAndImplications大數(shù)據(jù)技術(shù)趨勢3:傳統(tǒng)的數(shù)據(jù)倉庫成為歷史，實(shí)時大數(shù)據(jù)在業(yè)務(wù)上的變現(xiàn)，數(shù)據(jù)湖是未來下圖為阿里巴巴在雙11當(dāng)天的實(shí)時作戰(zhàn)指揮部現(xiàn)場。在雙11巨大的流量壓力下淘寶天貓的關(guān)鍵銷售指標(biāo)實(shí)時展現(xiàn)在了決策者們的面前。過去數(shù)據(jù)倉庫和BI的性能問題往往是各個企業(yè)的痛點(diǎn)，數(shù)據(jù)在最終展現(xiàn)在決策者面前經(jīng)過了多層處理和搬家，數(shù)據(jù)的時效性難以保證。淘寶的實(shí)時流計算平臺Galaxy是背后的主要技術(shù)支撐，每秒運(yùn)算量超過500萬/條，每日可處理的記錄數(shù)超過2500億。實(shí)時計算框架是背后實(shí)現(xiàn)的技術(shù)架構(gòu)?；ヂ?lián)網(wǎng)行業(yè)目前流行Lambda混合架構(gòu)。Google于2014年中旬的I/O大會上宣布了GoogleCloudDataflow,引入了Pipeline統(tǒng)一了2種代碼的不同風(fēng)格。普華永道美國的“HDWALL”應(yīng)用——實(shí)時可視化健康分析為保險客戶提供更好的決策支持大數(shù)據(jù)技術(shù)趨勢4:深度學(xué)習(xí)和人工智能是未來高科技企業(yè)在人工智能領(lǐng)域的最新動向，劍指深度學(xué)習(xí)人工智能是大數(shù)據(jù)的上層建筑，位于大數(shù)據(jù)產(chǎn)業(yè)鏈的頂端，是大數(shù)據(jù)分析能力的終極形態(tài)，符合科技發(fā)展的源動力。這是大數(shù)據(jù)最困難但是最有創(chuàng)造價值的部分，是最有希望改變未來人類世界的技術(shù)。人工智能的應(yīng)用目前有以下幾個分類分析用戶行為，改進(jìn)產(chǎn)品和營銷，如精準(zhǔn)廣告投放等Google共收購了14家人工智能公司，最近一次為14年1月收購了研究深度學(xué)習(xí)的DeepMind。名為谷歌大腦的人工智能項(xiàng)目孵化的技術(shù)支持著圖像搜索、安卓語音識別、谷歌眼鏡、谷歌地圖、谷歌汽車等多個項(xiàng)目。智能預(yù)測，規(guī)劃和優(yōu)化基于智能AI的設(shè)備，程序和接口FacebookAILab(人工智能實(shí)驗(yàn)室）于2014年下半年建成。AILab旨在投入研發(fā)精力，探索人工智能的分支之一：深度學(xué)習(xí)。Facebook希望在未來能給用戶提供更智能化的產(chǎn)品使用體驗(yàn)。圖像，語音，自然語言等非結(jié)構(gòu)化數(shù)據(jù)的識別和應(yīng)用IBM的Waston是在人工智能領(lǐng)域最出名的超級計算機(jī)，已經(jīng)開始在醫(yī)療，商業(yè)領(lǐng)域逐漸應(yīng)用。IBM從2014年開始加大了Waston部門的投資，力圖加快Waston的商業(yè)化步伐。百度2013年初在美國硅谷成立了百度深度學(xué)習(xí)研究院（IDL),招攬了余凱、吳恩達(dá)等機(jī)器學(xué)習(xí)領(lǐng)域頂級的專家。目前主要的研究成果包括百度識圖，三維視覺建模等。智能機(jī)器人智能爬蟲和搜素數(shù)據(jù)開放的3個不同維度大數(shù)據(jù)技術(shù)趨勢

5:建立云服務(wù)的生態(tài)圈IaaS利潤漸低，高科技巨頭們紛紛重點(diǎn)布局PaaS，將內(nèi)部孵化成熟的技術(shù)部署在云平臺上普華永道認(rèn)為，數(shù)據(jù)開放是BIGDATA未來的大趨勢,只有讓不同領(lǐng)域的數(shù)據(jù)真正流動起來、融合起來，才能最終釋放大數(shù)據(jù)的真正價值。而CLOUD將是實(shí)現(xiàn)這大數(shù)據(jù)最終生態(tài)的樞紐。價值挖掘能力的開放基礎(chǔ)設(shè)施的開放狹義的數(shù)據(jù)開放非涉密的政府?dāng)?shù)據(jù)及科研數(shù)據(jù)以一種主動和免費(fèi)的形式開放，而不是“申請信息公開”向無力建設(shè)和維護(hù)自己平臺的企業(yè)提供大數(shù)據(jù)基礎(chǔ)設(shè)施的開放，比如提供數(shù)據(jù)基礎(chǔ)管理和分析平臺開放價值挖掘能力對降低數(shù)據(jù)應(yīng)用的門檻非常重要，讓數(shù)據(jù)價值平民化和市場化大數(shù)據(jù)云服務(wù)對于傳統(tǒng)企業(yè)的幾個重要優(yōu)勢降低成本提升資源的彈性降低使用大數(shù)據(jù)的門檻降低部署和運(yùn)維復(fù)雜度Amazon的AWS是Cloud市場的長期No.1，也是Amazon主要的收入來源，其平臺的生態(tài)圈已經(jīng)形成。目前提供的大數(shù)據(jù)服務(wù)既有自己的MPP數(shù)據(jù)庫Redshift，HadoopElasticMR,NoSQL數(shù)據(jù)庫DynamoDB也有很多第三方的產(chǎn)品如SAPHANA,MAPRHadoop,MongoDB,Tableau等，IaaS和PaaS的界限在模糊。Google的CloudPlatform在2014年進(jìn)行了2次大規(guī)模的降價，Amazon和Azure也進(jìn)行了相應(yīng)的降價，云競爭進(jìn)入白熱化。Google將內(nèi)部使用的MPP數(shù)據(jù)庫Dremel包裝成BigQuery的云服務(wù)。EMC和VMWARE合資成立的子公司Pivotal的兩大核心產(chǎn)品為大數(shù)據(jù)PivotalHD以及云平臺PivotalOne。而Pivotal未來的戰(zhàn)略重點(diǎn)會更側(cè)重于其PaaS云平臺PivotalOne,其中PivotalHD支持完全部署在云上，以平臺服務(wù)的形式供企業(yè)使用。微軟的PaaS云Azure新加入大數(shù)據(jù)Hadoop服務(wù)的支持，能與自己的PowerPivot等分析產(chǎn)品集成阿里巴巴的數(shù)據(jù)團(tuán)隊(duì)將企業(yè)的B2B云作為未來的重點(diǎn)戰(zhàn)略發(fā)展IBM投資10億美元打造了IBMBluemix，將支持包括BigInsights的一系列產(chǎn)品認(rèn)知體系發(fā)展的三個階段計算智能感知智能認(rèn)知智能能存會算能聽會說、能看會認(rèn)能理解會思考針對大數(shù)據(jù)分析應(yīng)用，企業(yè)信息平臺將基于X86的分布式架構(gòu)作為全新的基礎(chǔ)架構(gòu)引入，從而實(shí)現(xiàn)計算效能的優(yōu)化及敏捷業(yè)務(wù)響應(yīng)能力。12大數(shù)據(jù)平臺1.0版基礎(chǔ)架構(gòu)

傳統(tǒng)架構(gòu)大數(shù)據(jù)分布架構(gòu)數(shù)據(jù)治理框架合理的數(shù)據(jù)治理/管控是確保發(fā)起人、領(lǐng)導(dǎo)層有效溝通，責(zé)權(quán)清晰，提升管理可視化數(shù)據(jù)管理數(shù)據(jù)管控溝通、協(xié)調(diào)機(jī)制總行管控/稽核審計數(shù)據(jù)治理KPIs,數(shù)據(jù)質(zhì)量管理

，異常管理缺陷解決與項(xiàng)目跟蹤企業(yè)元數(shù)據(jù)管理數(shù)據(jù)生命周期管理數(shù)據(jù)質(zhì)量管理XxxxxxXxxxxxxxxxxXxxxxx

xxxxxXxxxxxXxxxxxxx

XxxxxxXxxxxxxx

XxxxxxXxxxxxxx

XxxxxxXxxxxxxx

數(shù)據(jù)管家將負(fù)責(zé)跟蹤數(shù)缺陷管理系統(tǒng)記錄的數(shù)據(jù)問題通過數(shù)據(jù)質(zhì)量系統(tǒng)發(fā)現(xiàn)的錯誤，將觸發(fā)一個數(shù)據(jù)管理流程來解決通過數(shù)據(jù)全生命周期的管理，數(shù)據(jù)管家將接收到數(shù)據(jù)問題報告及相關(guān)提醒在一個新的開發(fā)階段，SOR上傳到企業(yè)元數(shù)據(jù)管理平臺進(jìn)行影響分析來發(fā)現(xiàn)對下游應(yīng)用的影響一旦發(fā)現(xiàn)數(shù)據(jù)問題，數(shù)據(jù)管家可以高效的與相關(guān)的業(yè)務(wù)及技術(shù)團(tuán)隊(duì)溝通，快速的定位，并解決問題所有的溝通及操作都可以別有效地記錄

清晰的管理報表及KPIs，管理者及數(shù)據(jù)管家可以清晰的發(fā)現(xiàn)問題及影響分析29企業(yè)數(shù)據(jù)全生命周期管理-數(shù)據(jù)管控體系完善和擴(kuò)充

傳統(tǒng)的數(shù)據(jù)生命周期一般指數(shù)據(jù)獲取（創(chuàng)建）、數(shù)據(jù)存儲、數(shù)據(jù)加工（轉(zhuǎn)換）、數(shù)據(jù)使用、數(shù)據(jù)歸檔、數(shù)據(jù)消除。但我們認(rèn)為若要對數(shù)據(jù)進(jìn)行有效的管理，必須數(shù)據(jù)獲取之前就開始了。新的數(shù)據(jù)生命周期傳統(tǒng)數(shù)據(jù)生命周期數(shù)據(jù)獲取、數(shù)據(jù)交付、數(shù)據(jù)存儲和控制方法數(shù)據(jù)標(biāo)準(zhǔn)、度量規(guī)則數(shù)據(jù)架構(gòu)、數(shù)據(jù)分布、數(shù)據(jù)流數(shù)據(jù)規(guī)劃數(shù)據(jù)規(guī)范應(yīng)用方案數(shù)據(jù)創(chuàng)建/獲取數(shù)據(jù)存儲數(shù)據(jù)加工/使用數(shù)據(jù)歸檔/恢復(fù)數(shù)據(jù)銷毀增加業(yè)務(wù)價值PwC大數(shù)據(jù)與先進(jìn)分析將從描述和診斷性向預(yù)測、規(guī)范與自主決策型轉(zhuǎn)變建議“正確”或最佳的行動或決策（應(yīng)該做什么？）監(jiān)測、決策和實(shí)行自主或半自主化（如何適應(yīng)于改變？）對現(xiàn)有及未來客戶價值具有前瞻性

觀點(diǎn)得分圖表分析與NLP來識別隱藏的關(guān)系與主題雙重目標(biāo)模型行為經(jīng)濟(jì)學(xué)實(shí)時產(chǎn)品與服務(wù)（圖表分析、數(shù)據(jù)實(shí)體解析來推斷現(xiàn)有客戶需求)快速評估多種“假設(shè)分析”場景決策與行動最優(yōu)化基于持續(xù)性的監(jiān)測結(jié)果基于環(huán)境改變與改良預(yù)測動態(tài)調(diào)整戰(zhàn)略動態(tài)模擬模式，時間序列分析描述性分析描述、匯總與分析歷史數(shù)據(jù)（發(fā)生了什么？）觀察客戶行為非傳統(tǒng)性數(shù)據(jù)資源例如社群聆聽與網(wǎng)絡(luò)爬蟲預(yù)測性分析基于過去預(yù)測未來產(chǎn)出

（可以發(fā)生什么？）規(guī)范性分析

自主與持續(xù)性分析識別趨勢發(fā)展原因與成果（為什么會發(fā)生？）觀察客戶行為非傳統(tǒng)性數(shù)據(jù)資源例如社群聆聽與網(wǎng)絡(luò)爬蟲診斷性分析回顧過去前瞻性

先進(jìn)的分析包括AI

–

機(jī)器學(xué)習(xí)、深層學(xué)習(xí)、NLP與基于主體的新一代認(rèn)知大數(shù)據(jù)系統(tǒng)

越來越復(fù)雜的數(shù)據(jù)與分析30ppt課件數(shù)據(jù)湖泊利用商品集群計算技術(shù)使得大規(guī)?？蓴U(kuò)展的，低成本的數(shù)據(jù)文件以任何格式存儲數(shù)據(jù)科學(xué)家利用數(shù)據(jù)湖探索和構(gòu)思數(shù)據(jù)專員，程序員可以挖掘數(shù)據(jù)流的實(shí)時分析該湖可以作為一個臨時區(qū)域的數(shù)據(jù)倉庫，在批處理模式的報告和分析中更仔細(xì)的“處理”數(shù)據(jù)的位置數(shù)據(jù)湖接受輸入各種來源的數(shù)據(jù)，可以保留原始數(shù)據(jù)的保真度和數(shù)據(jù)轉(zhuǎn)換排列。數(shù)據(jù)模型與使用隨時間出現(xiàn)而不是強(qiáng)加.歡迎來到“數(shù)據(jù)湖”

數(shù)據(jù)湖是一個大數(shù)量和品種，結(jié)構(gòu)化和非結(jié)構(gòu)化的大數(shù)據(jù)架構(gòu)傳統(tǒng)的數(shù)據(jù)倉庫和數(shù)據(jù)湖的比較交易，事件，用途，社交，日志，語音和圖像數(shù)據(jù)塊ODSMDM數(shù)據(jù)倉庫內(nèi)容社交媒體和社區(qū)全面的監(jiān)控和分析下一代的大數(shù)據(jù)體系－數(shù)據(jù)湖內(nèi)容認(rèn)知的智能數(shù)據(jù)的分析模型，學(xué)習(xí)，模擬，行動，保護(hù)數(shù)據(jù)的理解異常關(guān)聯(lián)源數(shù)據(jù)的自動標(biāo)簽知識語義標(biāo)簽數(shù)據(jù)的自我學(xué)習(xí)企業(yè)和行業(yè)知識庫體系收集，關(guān)聯(lián)，標(biāo)簽，學(xué)習(xí)數(shù)據(jù)信息數(shù)據(jù)價值數(shù)據(jù)技術(shù)數(shù)據(jù)變現(xiàn)數(shù)據(jù)的快速入庫深度挖掘?qū)崟r統(tǒng)計和檢索IT創(chuàng)造（數(shù)據(jù)倉庫／集市）人工打造多維度和ETLIT化的安全體系對數(shù)據(jù)量有上限業(yè)務(wù)場景假設(shè)和預(yù)制SQL大量ETL復(fù)雜IT架構(gòu)非實(shí)時

數(shù)據(jù)湖……

水庫?

自然體系

原汁原味碎片化，標(biāo)簽化和平面化

自然安全組合

大數(shù)據(jù)量和多數(shù)據(jù)類型

數(shù)據(jù)探索的不確定性

語義和配置化搜索

實(shí)時統(tǒng)計和計算

簡單IT架構(gòu)（云服務(wù)）

實(shí)時性／半實(shí)時34ppt課件業(yè)務(wù)主題層業(yè)務(wù)語義層技術(shù)規(guī)范層大數(shù)據(jù)分析實(shí)現(xiàn)方法論大數(shù)據(jù)應(yīng)用挖掘加工文本分析規(guī)范化處理文本分析預(yù)處理社交網(wǎng)絡(luò)網(wǎng)絡(luò)文章…社交媒體文本文本分詞文本結(jié)構(gòu)解析文本特征提取情感信息提取文本語義信息情感語義信息文本分類&聚類情感信息分類挖掘模型&算法主題分析信息知識庫管理自動文本分類索引和搜索輿情分析趨勢分析語音分析呼叫中心語音文件…預(yù)處理語音特征提取模式匹配語音情感特征提取語音情感模式匹配話者分離語音參數(shù)文本客戶語音轉(zhuǎn)寫文本客服語音轉(zhuǎn)寫文本文本分詞文本結(jié)構(gòu)解析文本特征提取情感信息提取文本語義信息情感語義信息文本分類&聚類情感信息分類挖掘模型&算法靜音檢測語速檢測語音檢索語音情緒偵測主題分析信息客戶滿意度分析趨勢分析結(jié)構(gòu)化數(shù)據(jù)業(yè)務(wù)交易數(shù)據(jù)電商平臺數(shù)據(jù)…主題分析信息預(yù)處理客戶360度視圖挖掘模型&算法基于文本分析技術(shù)和語音分析技術(shù)的調(diào)研，結(jié)合結(jié)構(gòu)化數(shù)據(jù)在大數(shù)據(jù)加工域的處理，整合它們之間的共性處理部分，規(guī)劃大數(shù)據(jù)加工域內(nèi)數(shù)據(jù)處理的過程。安全管理風(fēng)險管理治理新技術(shù)創(chuàng)新數(shù)據(jù)集成快速入庫展現(xiàn)層企業(yè)數(shù)據(jù)池數(shù)據(jù)湖外部數(shù)據(jù)池傳統(tǒng)數(shù)據(jù)平臺大數(shù)據(jù)平臺大數(shù)據(jù)架構(gòu)–普華永道的觀點(diǎn)

SECURITYMANAGEMENT根據(jù)PwC的觀點(diǎn),參考架構(gòu)中的以下組件需要一個強(qiáng)大的架構(gòu)框架以適應(yīng)新興的和不斷增長的新業(yè)務(wù)和復(fù)雜信息源需求大數(shù)據(jù)平臺–從創(chuàng)新數(shù)據(jù)源為非結(jié)構(gòu)化/半結(jié)構(gòu)化數(shù)據(jù)的存儲傳統(tǒng)數(shù)據(jù)平臺

–目的建立短期，長期，業(yè)務(wù)主題主導(dǎo)的內(nèi)容數(shù)據(jù)集數(shù)據(jù)集成/數(shù)據(jù)湖

–不同數(shù)據(jù)源系統(tǒng)整合的工具/機(jī)制，從新興的數(shù)據(jù)平臺傳送數(shù)據(jù)到企業(yè)數(shù)據(jù)平臺，反之亦然.一個完整平面化，碎片化和標(biāo)簽化數(shù)據(jù)平臺展現(xiàn)層–為業(yè)務(wù)用戶提供分析，檢索，展現(xiàn)和可視化平臺分析工作臺

–以“暗”的數(shù)據(jù)及時和有效的商業(yè)決策的業(yè)務(wù)機(jī)制CloudServices

–探索未來的信息存儲和處理選項(xiàng)，通過基于云的服務(wù)交付模式，基礎(chǔ)設(shè)施，平臺，軟件，數(shù)據(jù)和分析大數(shù)據(jù)架構(gòu)–頂層框架

123456789企業(yè)數(shù)據(jù)池:

包括數(shù)據(jù)來源，其價值是已知的和可量化的企業(yè)應(yīng)用數(shù)據(jù)源數(shù)據(jù)集成和快速入庫:用于將數(shù)據(jù)源的新興大數(shù)據(jù)平臺和數(shù)據(jù)平臺相連的新興與傳統(tǒng)數(shù)據(jù)平臺（EDW，MDM等）的技術(shù)和機(jī)制傳統(tǒng)數(shù)據(jù)平臺:數(shù)據(jù)庫管理平臺從建立和涌現(xiàn)主要用于處理和存儲大量傳統(tǒng)的結(jié)構(gòu)化數(shù)據(jù)源數(shù)據(jù)湖:碎片化，平面化和標(biāo)簽化包含豐富數(shù)據(jù)類型的數(shù)據(jù)平臺大數(shù)據(jù)平臺:開放源體系，商業(yè)商品為基礎(chǔ)，“擴(kuò)展”數(shù)據(jù)平臺，支持各種類型的信息形式的高容量的處理和存儲外部數(shù)據(jù)池:包括外部和內(nèi)部的和第三方合作的數(shù)據(jù)來源，從結(jié)構(gòu)化到非結(jié)構(gòu)化的價值是未知的，但持有的承諾，解鎖的見解展現(xiàn)層:參與數(shù)據(jù)業(yè)務(wù)用戶——報告，交互式儀表板顯示技術(shù)，實(shí)時報警，先進(jìn)的可視化，生成的商業(yè)洞察力的基本的和先進(jìn)的數(shù)據(jù)分析分析工作臺:對于商業(yè)用戶提供訪問，探索，自學(xué)習(xí)數(shù)據(jù)的能力，工具和技術(shù)來思考和實(shí)驗(yàn)產(chǎn)生的商業(yè)洞察力云服務(wù):大數(shù)據(jù)能力和應(yīng)用提供了一個基于云的服務(wù)。例如，AmazonRDS，SQLAzure核心組件普華永道的大數(shù)據(jù)參考架構(gòu)師技術(shù)分類的頂層設(shè)計建立的大數(shù)據(jù)方案安全管理風(fēng)險管理治理新技術(shù)創(chuàng)新數(shù)據(jù)集成快速入庫展現(xiàn)層企業(yè)數(shù)據(jù)池數(shù)據(jù)湖外部數(shù)據(jù)池傳統(tǒng)數(shù)據(jù)平臺大數(shù)據(jù)平臺數(shù)據(jù)集成展現(xiàn)層分析工作臺企業(yè)數(shù)據(jù)池外部數(shù)據(jù)池傳統(tǒng)數(shù)據(jù)平臺大數(shù)據(jù)平臺2xWorkflowMapReduceComplexEventsMetadataCustomMapReduceAbstractionNewSQLDocStoreGraphDBBigDataAppliancesDistributedFileSystemKeyValueNOSQLSecurityAnalysisToolsCompressionClusterMgmt.IngestionODSPersistentStagingStagingFileStorageFileExchangeTypeIIITypeIIBIReportingRealTimeAlertsMashupsAdvancedVisualizationAnalyticsStatisticalMachineLearningTextUnstructuredAnalyticsApplicationsDecisionEngineRecommend.EngineCRMERPSalesMasterDataSupplyChainCallCenterSocialMediaBlogsWeatherSensorsCensusDemographics大數(shù)據(jù)架構(gòu)–參考體系框架云服務(wù)Infra.PlatformSoftwareDataAnalyticsMDMHubsLongTermStorageSpecialtyStorageContentManagementType1RepositoryCoexistenceRegistryDataAppliancesRDBMSColumnarDBParallelRDBMSCubesInMemoryViewsWebContentMgmt.Collabor.PortalsDigitalAssetMgmt.RecordsMgmt.IdeationSandboxes-Discovery數(shù)據(jù)湖As-a-servicePilot(s)Environ.語義標(biāo)簽?zāi)Ｐ偷臉I(yè)務(wù)場景生活事件客戶

興趣個人網(wǎng)絡(luò)愛好社區(qū)

社交

軌跡背景專業(yè)購買行為

特征

理解信仰宗教需求建立360度客戶信息視圖，全方位洞察客戶

以獨(dú)創(chuàng)的“7W2H”標(biāo)準(zhǔn)語法將客戶解析，歸納為“客戶屬性、客戶行為、客戶需求”三方面客戶信息架構(gòu)緣起基于消費(fèi)者行為學(xué)，ERG需求理論，ICB國際行業(yè)分類等業(yè)界權(quán)威理論，結(jié)合平安銀行實(shí)際情況，量身定制客戶信息架構(gòu)?？蛻粜畔⒌臉?gòu)建依據(jù)客戶本身所固有特性，非傳統(tǒng)與互聯(lián)網(wǎng)、金融等相關(guān)的特性客戶所有活動，遠(yuǎn)不止與銀行行業(yè)相關(guān)的行為?？蛻羯詈托睦碚嬲男枰痪窒抻趯Ξa(chǎn)品的需要需求：Needs屬性：Is&Has行為：Does超越傳統(tǒng)所想！洞悉客戶需要！涵蓋方方面面！3個維度、6個層級的客戶屬性庫體系屬性需求行為忠誠度使用行為交互行為維保行為投訴行為獨(dú)立行為成長需求關(guān)系需求生存需求人口統(tǒng)計屬性心理地圖屬性客戶購買行為飲食服裝居住出行個人屬性醫(yī)療保健家庭屬性社會屬性價值觀生活方式注冊時間使用數(shù)量持有產(chǎn)品使用時長消費(fèi)金額查詢次數(shù)辦理次數(shù)積分兌換次數(shù)購買次數(shù)欠保金額維保頻率活躍時間投訴原因教育理財金融財經(jīng)生活服務(wù)休閑娛樂日常溝通特殊事件溝通加掛產(chǎn)品使用狀態(tài)使用次數(shù)使用廣度反饋次數(shù)被營銷次數(shù)活躍內(nèi)容投訴產(chǎn)品產(chǎn)品購買金額維保次數(shù)維保天數(shù)維保距今天數(shù)銀行數(shù)據(jù)銀行交易數(shù)據(jù)用戶金融信息電話錄音客戶信息構(gòu)建–針對大數(shù)據(jù)平臺數(shù)據(jù)信息按照客戶的標(biāo)簽進(jìn)行分類基本信息財務(wù)信息屬性信息行為信息用戶姓名用戶性別用戶年齡起始時間服務(wù)年限絕對貢獻(xiàn)值增長率當(dāng)前賬戶余額當(dāng)前積分月均賬戶余額月均積分工作單位社會職位工作性質(zhì)社會影響力基本套餐類型品牌信息月均工資范圍婚姻狀況民族生日業(yè)務(wù)辦理常用渠道月均投訴次數(shù)投訴常用渠道增值業(yè)務(wù)使用信息月均使用量社會地位宗教信仰所屬行業(yè)家庭結(jié)構(gòu)通信地址汽車內(nèi)裝經(jīng)常洗車是否加入汽車俱樂部愛好汽車類型服務(wù)高峰時段服務(wù)類型汽車更換頻率月均服務(wù)次數(shù)業(yè)余愛好消費(fèi)習(xí)慣保險理賠信息經(jīng)常訪問網(wǎng)站消費(fèi)結(jié)構(gòu)最近繳費(fèi)時間政治面貌投訴問題……常玩游戲………………住居區(qū)域其他信息社交信息……大數(shù)據(jù)平臺標(biāo)簽數(shù)據(jù)源系統(tǒng)數(shù)據(jù)互聯(lián)網(wǎng)數(shù)據(jù)瀏覽信息搜索信息SNS信息用戶數(shù)據(jù)身份信息偏好數(shù)據(jù)地理位置信息用戶事件電子商務(wù)數(shù)據(jù)商品瀏覽信息交易數(shù)據(jù)消費(fèi)趨勢信息業(yè)務(wù)人人貸小額貸款風(fēng)險管理和合規(guī)反欺詐反洗錢多點(diǎn)檢測營銷實(shí)時營銷營銷活動事件式營銷全渠道營銷客戶360客戶視圖客戶定價客戶分類對于企業(yè)內(nèi)外部不同來源的信息，使用多源數(shù)據(jù)采集架構(gòu)來捕獲各種可能需要的數(shù)據(jù)，并包含數(shù)據(jù)格式統(tǒng)一化引擎用確保所有輸出數(shù)據(jù)標(biāo)準(zhǔn)的一致性。

新聞媒體新浪金融和訊網(wǎng)金融界數(shù)據(jù)提供商路透社萬德Wind國泰安社交媒體微博微信紙質(zhì)媒體報紙雜志傳統(tǒng)文件格式電子文件紙質(zhì)文件網(wǎng)絡(luò)爬蟲JoBo/Nutch

數(shù)據(jù)流技術(shù)引擎聚合信息描述框架（RSS）第三方社交API數(shù)據(jù)服務(wù)商接口

虛擬專用網(wǎng)絡(luò)代理

網(wǎng)路防火墻人工輸入接口紙質(zhì)內(nèi)容掃描圖像識別OpenCV語音識別CMUSphin4電子文檔導(dǎo)入外部數(shù)據(jù)采集內(nèi)部數(shù)據(jù)采集數(shù)據(jù)獲取模塊HTML格式處理XML格式處理Excel數(shù)據(jù)處理PDF格式處理JSON格式處理Word格式處理數(shù)據(jù)統(tǒng)一化適配模塊數(shù)據(jù)格式化處理統(tǒng)一輸出外部數(shù)據(jù)采集架構(gòu)基于大數(shù)據(jù)的數(shù)據(jù)采集技術(shù)通過外部數(shù)據(jù)抓取提高模型準(zhǔn)確度人口統(tǒng)計(Demographical)客戶價值(CustomerValue)行為方式(Behavioral)態(tài)度(Attitudinal)模型層級形象價值觀生活方式心理因素活躍度營銷通過將非結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)換為結(jié)構(gòu)化數(shù)據(jù)，從營銷方面可以了解客戶的具體需求、產(chǎn)品滿意度、甚至生活方式；從風(fēng)險方面可以驗(yàn)證客戶身份、客戶收入水平、匹配黑名單等。這部分?jǐn)?shù)據(jù)與現(xiàn)有數(shù)據(jù)庫內(nèi)部數(shù)據(jù)結(jié)合一起用于模型建立，提高模型的準(zhǔn)確性和廣度。風(fēng)險穩(wěn)定性收入水平分欺詐核實(shí)黑名單社媒數(shù)據(jù)源內(nèi)部數(shù)據(jù)源采集分析輸出TXTXMLCSVHTMLXMLDOCPDF……爬蟲WebCrawlerFileCrawler格式轉(zhuǎn)換(stream/voicerecognition)(1)數(shù)據(jù)清洗&分詞處理(2)內(nèi)容分類&概念提取(3)情感分析&行為分析文本挖掘結(jié)構(gòu)化數(shù)據(jù)歸檔與搜索非結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)換為結(jié)構(gòu)化數(shù)據(jù)外部數(shù)據(jù)獲取路徑。低高數(shù)據(jù)即時性低高獲取難度內(nèi)部數(shù)據(jù)客戶基本信息、卡號、流水、消費(fèi)、續(xù)期業(yè)務(wù)信息業(yè)務(wù)線坐席收集客戶信息客戶特征職業(yè)和家庭信息風(fēng)險意識、投資偏好業(yè)務(wù)線網(wǎng)絡(luò)收集客戶信息內(nèi)部及外部已整合數(shù)據(jù)個人、家庭保障缺口客戶投訴文本和語音CDMGBD社交媒體信息（如人人、微博等）客戶經(jīng)理掌握的客戶信息客戶增值服務(wù)使用和體驗(yàn)信息收入房產(chǎn)車產(chǎn)投資…內(nèi)外部未/半整合數(shù)據(jù)旅游網(wǎng)站信息攜程途牛芒果網(wǎng)…移動App信息運(yùn)動鍛煉、減肥餐飲理財即時獲取使用網(wǎng)站個人信息即時獲取使用社交媒體個人信息即時獲取在線搜索健康、養(yǎng)老、教育、投資信息在線購物信息（如生活、健康、醫(yī)療商品購買）淘寶/天貓京東蘇寧…穿戴式設(shè)備（例如泰康咕咚手環(huán)“活力計劃”）…小數(shù)據(jù)大數(shù)據(jù)醫(yī)療和健康管理信息數(shù)據(jù)來源的定義行外數(shù)據(jù)數(shù)據(jù)來源數(shù)據(jù)種類獲取方式工商紅盾行外數(shù)據(jù)結(jié)構(gòu)化查詢接口人行征信行外數(shù)據(jù)非結(jié)構(gòu)化網(wǎng)頁抓取水電數(shù)據(jù)行外數(shù)據(jù)結(jié)構(gòu)化查詢接口公安核查行外數(shù)據(jù)結(jié)構(gòu)化查詢接口法院信息行外數(shù)據(jù)結(jié)構(gòu)化非結(jié)構(gòu)化查詢接口網(wǎng)頁抓取公安戶籍信息行外數(shù)據(jù)結(jié)構(gòu)化查詢接口土地信息行外數(shù)據(jù)非結(jié)構(gòu)化網(wǎng)頁抓取百居易房產(chǎn)交易行外數(shù)據(jù)非結(jié)構(gòu)化網(wǎng)頁抓取銀聯(lián)，電信數(shù)據(jù)行外數(shù)據(jù)非結(jié)構(gòu)化合作基于Hadoop及實(shí)時處理框架用于對非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行處理轉(zhuǎn)換，核心技術(shù)包括數(shù)據(jù)清洗，語義分析（NatualLanguageProcess），數(shù)據(jù)標(biāo)簽等。Map(映射)函數(shù)Map(映射)函數(shù)Map(映射)函數(shù)Map(映射)函數(shù)Map(映射)函數(shù)Reduce(歸約)函數(shù)Reduce(歸約)函數(shù)Reduce(歸約)函數(shù)一組鍵值對一組鍵值對一組鍵值對一組鍵值對一組鍵值對5TB數(shù)據(jù)集1TB數(shù)據(jù)集1TB數(shù)據(jù)集1TB數(shù)據(jù)集1TB數(shù)據(jù)集1TB數(shù)據(jù)集SimHash算法相似度排查

語義分析NLP

結(jié)構(gòu)化數(shù)據(jù)Readability技術(shù)清洗文檔內(nèi)容

非結(jié)構(gòu)化數(shù)據(jù)大數(shù)據(jù)處理領(lǐng)域數(shù)據(jù)流處理技術(shù)半結(jié)構(gòu)和非結(jié)構(gòu)化數(shù)據(jù)的語義分析技術(shù)

通過標(biāo)簽化處理實(shí)現(xiàn)對碎片化數(shù)據(jù)的處理1.數(shù)據(jù)碎片2.元數(shù)據(jù)標(biāo)簽3.數(shù)據(jù)洞察分析與可視化可洞察的數(shù)據(jù)不可洞察到數(shù)據(jù)相關(guān)的數(shù)據(jù)無關(guān)的數(shù)據(jù)信息元數(shù)據(jù)噪聲可洞察的數(shù)據(jù)不可洞察到數(shù)據(jù)相關(guān)的數(shù)據(jù)無關(guān)的數(shù)據(jù)如果提取碎片化數(shù)據(jù)中的信息?如何構(gòu)建數(shù)據(jù)碎片直接的關(guān)聯(lián)?如何基于碎片化的數(shù)據(jù)進(jìn)行業(yè)務(wù)洞察與數(shù)據(jù)可視化?索引分類搜索自然語言文本表示普通網(wǎng)頁音頻圖片視頻索引自然語言查詢排序網(wǎng)頁結(jié)果檢索自然語言文本表示普通網(wǎng)頁音頻圖片視頻自然語言查詢豐富展現(xiàn)查詢翻譯，分類結(jié)果翻譯，配置推理預(yù)測統(tǒng)計推薦復(fù)雜查詢信息語義翻譯知識庫前臺

－

信息搜索結(jié)構(gòu)的變化半結(jié)構(gòu)化信息抽取半結(jié)構(gòu)化數(shù)據(jù)結(jié)構(gòu)化數(shù)據(jù)文本和非結(jié)構(gòu)數(shù)據(jù)實(shí)體對齊推理補(bǔ)充數(shù)據(jù)異構(gòu)數(shù)據(jù)整合重要度計算實(shí)體抽取屬性抽取屬性值決策關(guān)系建立認(rèn)知立方數(shù)據(jù)知識庫管理系統(tǒng)索引生成檢索系統(tǒng)實(shí)體識別知識庫Pattern挖掘標(biāo)簽消岐可配置化檢索排序推理推薦統(tǒng)計信息檢索檢索系統(tǒng)索引生成認(rèn)知立方體構(gòu)建本體構(gòu)建各類型實(shí)體挖掘、屬性名稱挖掘編輯系統(tǒng)實(shí)例構(gòu)建純文本屬性、實(shí)體抽取半結(jié)構(gòu)化數(shù)據(jù)抽取異構(gòu)數(shù)據(jù)整合實(shí)體對齊、屬性值決策、關(guān)系建立實(shí)體重要度計算推理完善數(shù)據(jù)提供知識庫信息的展示載體將知識庫中的信息轉(zhuǎn)化為用戶可消費(fèi)的內(nèi)容標(biāo)簽，提供更加豐富的特征平面解釋提供文本之外的圖片、列表、動畫等更加豐富的展現(xiàn)形式業(yè)務(wù)行為場景的描述提供更友好的用戶交互體驗(yàn)更多的交互元素，如圖片瀏覽，點(diǎn)擊試聽等能夠引導(dǎo)用戶在更短的時間獲取更多的信息信息實(shí)體的N維到平面特征的轉(zhuǎn)換結(jié)構(gòu)化知識庫業(yè)務(wù)問題的實(shí)體事件知識圖譜事件學(xué)習(xí)：從多個相似事件實(shí)例中學(xué)習(xí)層次主題模式

主題

關(guān)鍵詞實(shí)體類型Gene

OntologyLOD

企業(yè)對知識圖譜根據(jù)內(nèi)部數(shù)據(jù)有大量的業(yè)務(wù)需求需求知識圖譜在企業(yè)數(shù)據(jù)上的利用從兩方面來建設(shè)知識圖譜體系:

知識實(shí)體，算法

機(jī)器學(xué)習(xí)

“Learning

is

any

process

by

which

a

system

improves

performance

from

experience”

“Machine

Learning

is

concerned

with

computer

programs

that

automatically

improve

their

performance

through

experience”

Herbert

Simon

Turing

Award

–

1975Nobel

Prize

(Economics)

-

197855ppt課件PwC

深層學(xué)習(xí)

自然語言檢索

新一代自然語言社交網(wǎng)絡(luò)分析

圖表分析

傳感器/物聯(lián)網(wǎng)

知識表示

機(jī)器學(xué)習(xí)

模擬模型可視化

計算機(jī)翻譯

虛擬個人助理推薦系統(tǒng)深層因果推理人工智能（AI）是計算機(jī)科學(xué)的一個分支，可進(jìn)行模擬計算機(jī)的智能行為人工智能主題領(lǐng)域

（非全部）Soft

Robotics（工序自動化）規(guī)劃深層Q&A系統(tǒng)（認(rèn)知計算）機(jī)器人技術(shù)音頻/語音分析影像分析56ppt課件PwC

|

page

8

傳統(tǒng)編程vs機(jī)器學(xué)習(xí)傳統(tǒng)編程是電腦利用數(shù)據(jù)與程序來生成輸出，與其不同的是，機(jī)器學(xué)習(xí)運(yùn)用輸入與輸出數(shù)據(jù)（由“權(quán)重”模型決定）來學(xué)習(xí)各項(xiàng)程序（或標(biāo)簽）。Source:

DeepLearning

–

A

Bird’s

Eye

View,

RoelofPieters,

201557ppt課件PwC

|

page

9 “深層學(xué)習(xí)是機(jī)器學(xué)習(xí)的一種類型，運(yùn)用多層網(wǎng)絡(luò)學(xué)習(xí)多個層次的表示，而每個層級相當(dāng)于一個不同的抽象階段”。深層學(xué)習(xí)

Geoff

Hinton(U

of

Toronto

&

Google)Yann

LeCunn

(NYU

&

Facebook)Yoshua

Behgio

(Canada

Research

Chair)58ppt課件PwC普華永道分析學(xué)院行業(yè)/領(lǐng)域

SMS?

靈活模型–項(xiàng)目、retainer普華永道分析創(chuàng)新

分析Apps&平臺集中式分析環(huán)境

數(shù)據(jù)服務(wù)++++將洞察轉(zhuǎn)變?yōu)閮r值

?

全球咨詢師網(wǎng)絡(luò)

?

創(chuàng)建與新興技術(shù)經(jīng)驗(yàn)

?

On/off

-shore

mix迅速分析與采用探索經(jīng)濟(jì)數(shù)據(jù)

+發(fā)展你的才能

+創(chuàng)新實(shí)踐

+快速部署基礎(chǔ)設(shè)施先進(jìn)性分析包括人工智能（AI）

–

機(jī)器學(xué)習(xí)、深層分析、自然語言處理已經(jīng)成為數(shù)據(jù)與分析團(tuán)隊(duì)的重大部分

普華永道數(shù)據(jù)與分析資產(chǎn)啟動擁有40個左右定制化的App項(xiàng)目使用自主或租賃IP對解決方案采用最好的平臺架構(gòu)來快速探索–外部數(shù)據(jù)集成超過800個以上的普華永道、公共與第三方數(shù)據(jù)的數(shù)據(jù)平臺對標(biāo)/指數(shù)模型合規(guī)與政策指導(dǎo)完成100-500課程學(xué)者指導(dǎo)課程證書課程多種交付形式領(lǐng)先R&D研究室網(wǎng)絡(luò)常規(guī)性創(chuàng)新試點(diǎn)/實(shí)踐協(xié)作–行業(yè)內(nèi)/跨行業(yè)預(yù)先架構(gòu)數(shù)據(jù)&分析環(huán)境，配有相應(yīng)的工具結(jié)合最好的品種與規(guī)模簡單、定制化、可變成本59ppt課件PwC機(jī)器學(xué)期計算法–I

演算法回歸分析法實(shí)例計算法貝葉斯算法決策樹算法正則化算法演算法?

k-Means?

k-Medians?

Expectation

Maximization

(EM)?

分級群聚貝葉斯算法

Naive

Bayes?

GaussianNaive

Bayes??

MultinomialNaive

Bayes?

Averaged

One-Dependence

Estimators

(AODE)?

Bayesian

Belief

Network

(BBN)?

Bayesian

Network

(BN)決策樹算法?

分類和回歸樹(CART)?

迭代二分3

(ID3)?

C4.5

and

C5.0

(different

versions

of

a

powerful

approach)?

卡方自動交互檢測

(CHAID)決策樹M5決定條件樹回歸分析法?

Ordinary

Least

Squares

Regression

(OLSR)?

線性回歸?

邏輯回歸?

逐步回歸?MultivariateAdaptive

Regression

Splines

(MARS)?

局部預(yù)估平滑散點(diǎn)圖

(LOESS)基于實(shí)例計算法?

k-Nearest

Neighbour

(kNN)?

Learning

Vector

Quantization

(LVQ)?

Self-OrganizingMap

(SOM)?

Locally

Weighted

Learning

(LWL)正則化算法?

Ridge

Regression?

Least

Absolute

Shrinkageand

Selection

Operator

(LASSO)?

Elastic

NetLeast-AngleRegression

(LARS

Source:

PwC

Analysis;

A

Tour

of

Machine

Learning

Algorithms,Jason

Brownlee機(jī)器學(xué)習(xí)與普華永道分析能力統(tǒng)計機(jī)器學(xué)習(xí)利用傳統(tǒng)統(tǒng)計對大量數(shù)據(jù)進(jìn)行預(yù)測。60ppt課件PwC動態(tài)學(xué)習(xí)計算法?

遺傳程序設(shè)計?

基于主體學(xué)習(xí)?

強(qiáng)化學(xué)習(xí)整體算法?

Boosting?

Bootstrapped

Aggregation

(Bagging)?

AdaBoost?

Stacked

Generalization(blending)?

Gradient

Boosting

Machines?

Gradient

Boosted

Regression

Trees

(GBRT)

?

隨機(jī)森林法降維算法?

主成分分析法

(PCA)?

主成分回歸法(PCR)?

PartialLeast

Squares

Regression

(PLSR)?

Sammon

映射?

多維等級法

(MDS)?

投影追蹤法????線性鑒別分析

(LDA)混合判斷式分析

(MDA)Quadratic

Discriminant

Analysis

(QDA)靈活判別分析

(FDA)關(guān)聯(lián)規(guī)則學(xué)習(xí)法?

關(guān)聯(lián)算法?

Eclat

algorithmSource:

PwC

Analysis;

A

Tour

of

Machine

Learning

Algorithms,Jason

Brownlee深層學(xué)習(xí)與機(jī)器學(xué)習(xí)的新形式根據(jù)大量數(shù)據(jù)集研發(fā)了分布流程與記憶。深層學(xué)習(xí)計算法?

Deep

BoltzmannMachine（DBM）?

Deep

Belief

Networks

(DBN)?

Convolutional

Neural

Network(CNN)?

Stacked

Auto-Encoders?

Least-Angle人工神經(jīng)網(wǎng)絡(luò)計算法

?

感知器

?

反向傳播法

?

Hopfield

Network

?徑向基函數(shù)網(wǎng)絡(luò)(RBFN)動態(tài)學(xué)習(xí)計算法機(jī)器學(xué)習(xí)計算法–II深層學(xué)習(xí)計算法降維算法人工神經(jīng)網(wǎng)絡(luò)計算法機(jī)器學(xué)習(xí)與普華永道分析能力整體算法關(guān)聯(lián)規(guī)則學(xué)習(xí)法61ppt課件圖

2:

普華永道體驗(yàn)導(dǎo)航：

基于主體的體驗(yàn)?zāi)M個性化的客戶體驗(yàn)：重新定義價值主張客戶體驗(yàn)?

早期階段：許多金融機(jī)構(gòu)已經(jīng)在早期階段注重與優(yōu)化和個性化客戶體驗(yàn)。利用社會數(shù)據(jù)來理解客戶需求以及客戶對產(chǎn)品和流程的敏感度（如，需求）是人工智能一些早期的應(yīng)用。?

發(fā)展階段：此階段是預(yù)測客戶的需求并根據(jù)客戶做什么推測其行為。機(jī)器學(xué)習(xí)與現(xiàn)實(shí)挖掘技術(shù)可以用來推測數(shù)百萬的客戶行為。?

先進(jìn)階段：

更為先進(jìn)的階段將不僅僅局限于預(yù)測客戶行為，而是個性化的交互與定制化產(chǎn)品的提供。保險公司最終基本上會向市場細(xì)分的趨勢發(fā)展，運(yùn)用基于主體的模型來理解、模擬、并定制客戶交互與提供?？蛻趔w驗(yàn)與人工智能?

自然語言程序：

對非結(jié)構(gòu)化的社交和線上/線下交互數(shù)據(jù)使用文本挖掘、主題建模、傾向分析。?

語音/聲頻分析：使用呼叫中心語音記錄來理解呼入者來電的原因。?

機(jī)器學(xué)習(xí)：決策樹分析法、貝葉斯學(xué)習(xí)法以及社會物理學(xué)可以從數(shù)據(jù)中推理出客戶行為。?

模擬模型：基于主體的模型來模擬每個客戶以及他們的交互。場景62ppt課件數(shù)字化建議：重新定義分布金融建議：?

早期階段：授權(quán)代理商傳統(tǒng)上提供防護(hù)與金融產(chǎn)品建議。早期robo-advisor通常建議為自住客戶提供一個投資組合的選擇與驅(qū)動引擎。

?

發(fā)展階段：在robo-advisor演化階段提供了較智能的客戶需求和基于目標(biāo)計劃的保護(hù)和金融產(chǎn)品。推薦系統(tǒng)和“someonelikeyou”測量與多元分析將會對客戶和咨詢師變得越來越有效。?

先進(jìn)階段：U理解每個客戶家庭的資產(chǎn)負(fù)債表、損益表、以及經(jīng)濟(jì)、市場和個體場景，以便更好為客戶和咨詢師建議、監(jiān)測、修訂財務(wù)目標(biāo)與投資組合。金融建議與人工智能：?

自然語言程序：文本挖掘、主題建模、傾向分析。?

深層QA系統(tǒng)：采用深層問題解答技術(shù)幫助咨詢師識別正確的稅收優(yōu)勢產(chǎn)品。

?

機(jī)器學(xué)習(xí)：在客戶對產(chǎn)品的需求基于不同人生階段和事件時，采用決策樹分析法和貝葉斯學(xué)習(xí)開發(fā)預(yù)測模型。?

模擬建模：

以基于主體的模擬模型為客戶提供全生命周期以及基于目標(biāo)規(guī)劃的支撐。

?

虛擬個人助理：利用移動助理監(jiān)測客戶行為、開銷與儲蓄等模式。圖

3:

普華永道：

基于AI的數(shù)字財富管理解決方案場景63ppt課件自動化&擴(kuò)增承銷：增強(qiáng)有效性承銷?

早期階段：采用貝葉斯學(xué)習(xí)法或深度學(xué)習(xí)技術(shù)進(jìn)行大型自動標(biāo)準(zhǔn)化汽車、家居、商業(yè)（小、中型商業(yè)）、生活、傳感器數(shù)據(jù)（物聯(lián)網(wǎng)）、非機(jī)構(gòu)化文本數(shù)據(jù)（中介/咨詢師或醫(yī)生筆記）、呼叫中心語音數(shù)據(jù)以及圖像數(shù)據(jù)等承銷。?

中間階段：對新型業(yè)務(wù)與承銷流程采用soft-robotics與模擬建模，來理解可出現(xiàn)的風(fēng)險并擴(kuò)大自動化和增強(qiáng)承銷。?

先進(jìn)階段：運(yùn)用AI系統(tǒng)（基于NLP和深度QA）擴(kuò)增大型商業(yè)承銷，識別人類決策者關(guān)鍵考慮。企業(yè)或個人個性化承銷獎考慮獨(dú)特行為與場景。承銷與人工智能?

深度QA系統(tǒng)：使用深度問題解答技術(shù)幫助承銷者尋找恰當(dāng)?shù)娘L(fēng)險屬性。

?

Soft

robotics:使用程序挖掘技術(shù)自動化并提升效率。?

機(jī)器學(xué)習(xí)：使用決策樹分析、貝葉斯網(wǎng)絡(luò)以及深度學(xué)習(xí)來研發(fā)風(fēng)險評估預(yù)測性模型。?

傳感器/物聯(lián)網(wǎng)：采用家居與行業(yè)物聯(lián)網(wǎng)數(shù)據(jù)建立風(fēng)險驅(qū)動的運(yùn)營智能，使其融入機(jī)器學(xué)習(xí)技術(shù)。?

模擬模型：采用系統(tǒng)動態(tài)模型建立深度商業(yè)風(fēng)險因果模型和產(chǎn)品線。場景64ppt課件圖

4:

新業(yè)務(wù)和承銷的離散事件模型場景65ppt課件Robo-claims

adjuster:

降低理賠流程處理時間與成本理賠?

早期階段：Bu使用現(xiàn)有歷史數(shù)據(jù)進(jìn)行開銷管理、高價值損失、儲備、結(jié)算、訴訟以及欺詐等理賠。分析理賠流程來識別瓶頸與各層級流程從而提升企業(yè)與客戶滿意度。

?

發(fā)展階段：

采用預(yù)測模型和深度學(xué)習(xí)模型來建立robo-claimsadjuster，使其可以利用分析圖像來預(yù)估維護(hù)費(fèi)用。另外，使用傳感器和物聯(lián)網(wǎng)來主動地監(jiān)測和預(yù)防突發(fā)事件，即降低損失。

?

先進(jìn)階段：Bui建立理賠洞察平臺，精確模型并更新不同經(jīng)濟(jì)與保險周期下重大損失的頻率（如，soft與hard市場情況）?？梢陨暾埉a(chǎn)品設(shè)計、分配與營銷的理賠洞察，從而提升整體客戶盈利能力。理賠與人工智能?

Soft

robotics:

使用程序挖掘技術(shù)來識別瓶頸并提升效率，且順應(yīng)標(biāo)準(zhǔn)理賠流程。?

圖表分析：利用圖表或社交網(wǎng)絡(luò)識別理賠欺詐形式。?

機(jī)器學(xué)習(xí)：

為了確定理賠費(fèi)用，使用深度學(xué)習(xí)技術(shù)來自動化分類車輛事故中嚴(yán)重的損失。采用決策樹分析、SVM和貝葉斯網(wǎng)絡(luò)建立理賠預(yù)測模型。?

傳感器/物聯(lián)網(wǎng)：為了減少風(fēng)險與損失，使用家庭與行業(yè)物聯(lián)網(wǎng)數(shù)據(jù)建立針對嚴(yán)重事故損失的運(yùn)營智能。

?

模擬模型：建立深度因果理賠模型，使用系統(tǒng)動態(tài)和基于主體技術(shù)，并將其與產(chǎn)品和分布有效連接。場景66ppt課件Robo-claims

adjuster:

降低理賠流程處理時間與成本場景67ppt課件2.

識別合適的人工智能領(lǐng)域

–解決特定的業(yè)務(wù)問題可以涉及不止一個領(lǐng)域的人工智能課題。確保映射所有適合的人工智能領(lǐng)域來解決所面臨的問題（如，NLP、機(jī)器學(xué)習(xí)、圖像分析等）。3.

從大處著眼，從小事著手

–

AI人工智能存在著對決策的重大影響，但企業(yè)仍需要建立正確的數(shù)據(jù)、技術(shù)、能力以及執(zhí)行覺得從而使其得到開發(fā)。向更先進(jìn)的能力開發(fā)一條進(jìn)化性的道路。當(dāng)人工智能平臺持續(xù)從環(huán)境和人類方面學(xué)習(xí)，人工智能的能力就可以有效開發(fā)（也稱“動態(tài)洞察平臺”）。4.

建立定型數(shù)據(jù)集

–

建立企業(yè)自己所屬的數(shù)據(jù)集，為培訓(xùn)員工和衡量計算法的準(zhǔn)確性而準(zhǔn)備。例如，為“crashimages”建立數(shù)據(jù)集，用自己現(xiàn)有的計算法進(jìn)行準(zhǔn)確性對標(biāo)。同時，應(yīng)經(jīng)常性的設(shè)立精確計算法來與人類決策做對比。

5.

Parallel

Runs試點(diǎn)

–

為現(xiàn)有供應(yīng)商活開放資源工具的人工智能解決方案進(jìn)行試點(diǎn)工作。與人類決策者實(shí)行人工智能解決方案兩者的并行運(yùn)行。對比并反復(fù)提升人工智能解決方案的效能與精準(zhǔn)度。6.

規(guī)模與變更管理

–

一旦當(dāng)人工智能解決方案得到驗(yàn)證，運(yùn)用合適的軟/硬件架構(gòu)進(jìn)行規(guī)模測量，并開始研究更廣的變更管理程序來改變內(nèi)在決策傾向。普華永道幫助你們開啟旅程

1.

3

Data&Analytics:CreatingorDestroyingShareholderValue?PaulBlaseandAnandRao,PwCReport,2015.大部分的企業(yè)已經(jīng)擁有大數(shù)據(jù)與分析或數(shù)據(jù)科技團(tuán)隊(duì)。下述具體步驟中結(jié)合了人工智能技術(shù)與較寬泛的數(shù)據(jù)科技團(tuán)隊(duì)。從業(yè)務(wù)決策出發(fā)–提升可影響業(yè)務(wù)和相關(guān)度量的關(guān)鍵戰(zhàn)略決策（如，更好的客戶目標(biāo)來提升兌換率、降低理賠流程、提高客戶滿意度等）。68ppt課件PwC|page69Image:我們處于從大數(shù)據(jù)中提取價值的初期階段如何做！商業(yè)機(jī)會提高組織內(nèi)證據(jù)為基礎(chǔ)的文化改變增長軌跡風(fēng)險管理提高利潤率差異化的客戶體驗(yàn)大數(shù)據(jù)的主要能力識別信號實(shí)時的感覺和監(jiān)視人、實(shí)體、設(shè)備和對象信息合成串聯(lián)、收集、整理、結(jié)構(gòu)化并分析大量的數(shù)據(jù)分析與決策應(yīng)用先進(jìn)的建模技術(shù)以獲得新的洞察介紹與可視化運(yùn)用可視化和探索性工具，創(chuàng)建自助服務(wù)文化“信息驅(qū)動”商業(yè)機(jī)會的性質(zhì)正在發(fā)生改變

成熟的數(shù)據(jù)管理和先進(jìn)的分析能力正在改變中國企業(yè)抓住新機(jī)會的方式大學(xué)學(xué)?？梢岳脭?shù)據(jù)進(jìn)行學(xué)術(shù)研究或者作為學(xué)生的學(xué)習(xí)幫手。雖然潛在收益較少但是可以建立強(qiáng)大的人才池網(wǎng)絡(luò)連接效益。

制藥公司制藥公司可以采用患者和臨床試驗(yàn)招聘和臨床情況的數(shù)據(jù)來更好的論證藥物的對比效果。供應(yīng)商&制造商生產(chǎn)醫(yī)療健康設(shè)備和軟件的供應(yīng)商與制造商可以使用識別化醫(yī)療數(shù)據(jù)和分析來幫助業(yè)務(wù)決策（如，開發(fā)app計算法新設(shè)備）。

數(shù)據(jù)供應(yīng)商

數(shù)據(jù)供應(yīng)商可以使用原始數(shù)據(jù)（如，醫(yī)療記錄、理賠數(shù)據(jù)庫）來增加其數(shù)據(jù)提供量。潛在的低收益但需求的工作量相對也會少一些。限制了向其他客戶群體銷售的能力。學(xué)術(shù)界

支付者醫(yī)療保險公司可以采用醫(yī)療數(shù)據(jù)和洞察與理賠數(shù)據(jù)相結(jié)合來發(fā)現(xiàn)最佳的介入途徑，為患者健康與公司利潤帶來效益。利用數(shù)據(jù)與分析驅(qū)動價值創(chuàng)造賦予新的商業(yè)模式

Suppliers

&Manufacturers

DataVendors

AcademiaPharmaProvidersPayers

供應(yīng)商供應(yīng)商可以利用患者醫(yī)療信息和理療有效性數(shù)據(jù)制訂更好的臨床決策并管理醫(yī)療連續(xù)性的護(hù)理。分析價值制訂正確的分析投資需要一個以業(yè)務(wù)規(guī)劃和運(yùn)營模型為基礎(chǔ)的業(yè)務(wù)價值建立高效率運(yùn)營的流程

投資組合管理

項(xiàng)目范圍

項(xiàng)目執(zhí)行

流程與系統(tǒng)整合

人才管理

創(chuàng)新與新興分析技術(shù)

質(zhì)量與合規(guī)決策種類與“業(yè)務(wù)用例”

跨企業(yè)

業(yè)務(wù)單元層級

功能層級企業(yè)機(jī)構(gòu)最大化才能價值

集中化與分散化程度

集中化與分散化范圍與技術(shù)獲得成功的激勵與度量

采用激勵機(jī)制驅(qū)動

基于度量的金融、運(yùn)營目標(biāo)大數(shù)據(jù)分析技術(shù)平臺的充分性

靈活性、延展性、安全性、穩(wěn)定性“速度”

&

“成熟度”需求來提供價值

速度（如，正確決策、數(shù)據(jù)整合速度等）復(fù)雜性（如，技術(shù)運(yùn)用、數(shù)據(jù)類型使用等）配送模式

靈活、測試與學(xué)習(xí)

可擴(kuò)展性和運(yùn)營

關(guān)鍵投資考慮因素

運(yùn)營分析模型設(shè)計

業(yè)務(wù)決策與用例價值企業(yè)與能力運(yùn)營與流程技術(shù)平臺針對客戶數(shù)據(jù)的分析挖掘主要集中在客戶營銷與客戶風(fēng)險管控戰(zhàn)略/市場客戶/營銷銷售/渠道產(chǎn)品/創(chuàng)新流程/運(yùn)營風(fēng)險/管控競爭分析客戶臉譜分析客群人數(shù)市場占有情況分析市場客戶價值分析市場市場產(chǎn)量分析市場周期性分析情景分析市場區(qū)域性分析擴(kuò)張分析社會熱點(diǎn)分析品牌價值分析公眾社交輿情分析競爭對手分析監(jiān)控客戶定位銷售活動銷售人員分群銷售業(yè)績預(yù)測銷售活動/行為特征挖掘銷售價值分析銷售人員脫落預(yù)測激勵分析銷售工具渠道管理渠道銷售資源渠道機(jī)構(gòu)網(wǎng)點(diǎn)360度視圖渠道客戶粘性渠道產(chǎn)品需求分析渠道客戶回報率渠道機(jī)構(gòu)網(wǎng)點(diǎn)價值分析渠道成本分析渠道資源投入與價值相關(guān)性分析數(shù)據(jù)維度之間的相關(guān)性開發(fā)產(chǎn)品動態(tài)定價用社交媒體設(shè)計產(chǎn)品次標(biāo)準(zhǔn)人群的產(chǎn)品開發(fā)產(chǎn)品創(chuàng)新產(chǎn)品優(yōu)化產(chǎn)品組合量化風(fēng)險客群分析資金成本測算風(fēng)險測算客戶服務(wù)客戶服務(wù)項(xiàng)目偏好分析NextBestService客戶服務(wù)項(xiàng)目投入價值分析公司-客戶-代理人/渠道多方互動公司-客戶-代理人/渠道多方互運(yùn)營優(yōu)化多渠道一致性應(yīng)用（云）語音識別文字識別視頻/語音簽名基于多媒體技術(shù)的遠(yuǎn)程服務(wù)運(yùn)營資源優(yōu)化運(yùn)營成本分析資源需求預(yù)測產(chǎn)能分析IT財務(wù)模型優(yōu)化IT服務(wù)資源需求預(yù)測IT服務(wù)滿意度分析信用評級防欺詐申請評級欺詐監(jiān)測客戶營銷客戶營銷NextBestBuy社交媒體商機(jī)挖掘基于位置的營銷老客戶開發(fā)機(jī)會分析銷售機(jī)會分析客戶開發(fā)客戶產(chǎn)品偏好分析客戶需求滿足度分析質(zhì)押貸款客群分析交叉銷售到期應(yīng)對流失激活客戶維系到期客戶開發(fā)分析客戶挽留分析到期客戶產(chǎn)品匹配流失激活產(chǎn)品匹配流失激活客戶開發(fā)分析流失激活銷售服務(wù)人員匹配客戶滿意度分析客戶接觸偏好分析客戶之聲客戶體驗(yàn)社交媒體客戶之聲收集分析客群營銷接觸方式偏好分析客戶滿意度與客群關(guān)系分析客戶情緒分析客群服務(wù)接觸方式偏好分析客戶價值與營銷接觸相關(guān)性分析客戶滿意度與產(chǎn)品保費(fèi)關(guān)系分析客戶滿意度與客戶價值關(guān)系分析客戶特征客戶洞見客戶特征信息收集分析客戶特征實(shí)時分析現(xiàn)有客戶臉譜分析客戶行為客戶在線行為收集和分析客戶價值客群現(xiàn)實(shí)價值相關(guān)性分析客群未來價值相關(guān)性分析客戶價值遷徙的客群相關(guān)性分析客群潛在價值相關(guān)性分析客戶需求客戶需求模型營銷分析產(chǎn)品服務(wù)相關(guān)性分析客戶產(chǎn)品營銷差異化分析事件與營銷相關(guān)分析客群市場營銷分析跨界產(chǎn)品產(chǎn)品調(diào)優(yōu)行為評級催收評級行業(yè)分析客群分析政策試點(diǎn)借助項(xiàng)目幫助光大銀行構(gòu)建完整大數(shù)據(jù)業(yè)務(wù)應(yīng)用體系客戶屬性客戶需求客戶行為客戶信息構(gòu)建層客戶立體洞察層面向需求的客戶分群：不同客戶群體整體認(rèn)識面向需求的客戶洞察：精準(zhǔn)定位具有需求的客戶面向客戶個體的關(guān)注：包括靜態(tài)和動態(tài)關(guān)注面向業(yè)務(wù)經(jīng)營面向內(nèi)部運(yùn)營……個性化產(chǎn)品體驗(yàn)廣告平臺實(shí)時營銷互動收入空間預(yù)測產(chǎn)品創(chuàng)意挖掘業(yè)務(wù)發(fā)展決策……業(yè)務(wù)平臺業(yè)務(wù)營銷自有業(yè)務(wù)數(shù)據(jù)外部置換數(shù)據(jù)第三方業(yè)務(wù)數(shù)據(jù)其它大數(shù)據(jù)來源層建立有秩序、層次、關(guān)聯(lián)的360?客戶信息架構(gòu)更加體系化大數(shù)據(jù)基礎(chǔ)上將揭示客戶本質(zhì)的各方數(shù)據(jù)全面收集更加全面化基于全面客戶信息體系構(gòu)建出面、線、點(diǎn)的立體客戶洞察能力更加立體化客戶洞察體系全面支撐內(nèi)外部運(yùn)營活動，實(shí)現(xiàn)降本增效更加高效化我們的目的和內(nèi)容幫助光大銀行進(jìn)行大數(shù)據(jù)的戰(zhàn)略規(guī)劃，提供從業(yè)務(wù)、系統(tǒng)、數(shù)據(jù)到組織架構(gòu)的端到端的整體規(guī)劃項(xiàng)目目的項(xiàng)目內(nèi)容...現(xiàn)狀分析及需求調(diào)研大數(shù)據(jù)平臺規(guī)劃及實(shí)施路徑設(shè)計客戶經(jīng)理制建設(shè)及落地實(shí)施選取典型應(yīng)用場景完成落地實(shí)施通過現(xiàn)場調(diào)研，解讀貴行系統(tǒng)現(xiàn)狀及大數(shù)據(jù)平臺建設(shè)需求，分享大數(shù)據(jù)行業(yè)成熟解決方案及行業(yè)趨勢匯報匹配業(yè)務(wù)需求和未來大數(shù)據(jù)技術(shù)趨勢，規(guī)劃貴行大數(shù)據(jù)能力框架及大數(shù)據(jù)業(yè)務(wù)云圖，制定面向運(yùn)營和服務(wù)的大數(shù)據(jù)功能架構(gòu)梳理貴行數(shù)據(jù)資產(chǎn)的分布及利用情況及管控現(xiàn)狀，規(guī)劃企業(yè)級的數(shù)據(jù)架構(gòu)方案及大數(shù)據(jù)管理機(jī)制的建設(shè)選擇典型應(yīng)用場景，將大數(shù)據(jù)運(yùn)營融入貴行的運(yùn)營和管理，推動轉(zhuǎn)型大數(shù)據(jù)的治理規(guī)范，數(shù)據(jù)標(biāo)準(zhǔn)對企業(yè)數(shù)據(jù)的內(nèi)外部數(shù)據(jù)資產(chǎn)的定義，包括獲取手段，方法和標(biāo)準(zhǔn)。數(shù)據(jù)治理的規(guī)范制定。法律對數(shù)據(jù)變現(xiàn)的學(xué)習(xí)。和完整業(yè)務(wù)信息實(shí)體的標(biāo)簽體系。項(xiàng)目的工作方法4.試點(diǎn)支持X周試點(diǎn)階段**

方案反饋數(shù)據(jù)收集