ethink大数据剖析行业案列.ppt

* * * * * * * * * 运营商大数据分析——电信 项目需求 — 以省级电信数据中心为基础，建立大数据分析平台， 核心应用为：客户画像应用、 客户流失预测、 用户行为分析、换机预测等功能 数据存储 数据量（流量表）：日汇总后的数据集市每日3亿记录，每月100亿条记录 查询统计响应时长：4秒以内 硬件环境： 数据库服务器1台+25台分布式pc server(4颗4核CPU,16G内存) 数据可视化 自助报表查询中心，可视化推送与呈现 经营管理可视化，管理人员能够及时准确地了解市场竞争、业务发展和资源使用情况，以便及时发现问题和解决问题 客户投诉智能识别系统辨别客户投诉的真实原因、发现问题、改进产品、提升服务体验 运营商大数据——客户流失预测 客户流失预测模型 客户数据 外部数据 其它数据 利用ETHINK优化的神经网络算法、回归分析算法等数据挖掘方法 命中率达70.57% 覆盖率达67.49% 运营商大数据——客户投诉智能识别 某一省为例：769个投诉原因被识别;配合业务部门提出37个产品优化建议，协助优化21个产品;优化不满意点68个，消除468,295客户的潜在不满隐患;每年节约成本达840万。 客户流失预测模型 采用向量空间模型建模技术，利用ETHINK优化的K—最相邻算法、一次迭代LR等算法 ETHINK 大数据平台 历史上的其它投诉数据 客户基本数据 与客户相 关的经济、政治法律、社会文化、科学技术等数据 客户投诉 以及处理数据 客户在用的产品及套餐相关的数据 ETHINK优化算法 金融大数据分析——银行 项目需求 — 整合金融非结构化数据、结构化数据和敏捷数据建立大数据分析平台，核心应用： 客户群体划分、精准营销、风险管控、运营优化、欺诈行为分析等功能 数据存储 某省数据中心，近五年的操作、交易记录，共1000亿条左右。 80台X86架构的PC服务器 单台服务器，8核CPU,32G内存 数据可视化 全行数据集中可视化，可视化推送以及移动应用 全行数据分析资源集中优化管理，提升数据分析效率，助力业务转型、创新和发展 全行数据分析挖掘的灵活扩展，风险预警评价体系，实现系统化的运营监控 金融大数据——信用风险评估 ETHINK信用风险评估是基于ETHINK大数据平台，可以不断发展，自我完善的模型库 信用风险评估数据 由信用风险系统提供电子化的信息（包含：评比、预期、信用等级下滑指标等） 具备信用风险作业人员的专业常识（例如：所在公司过度时期的一些背景事实，老板的个人问题、应收账款品质下降等） 外部资料，社交媒体，黑名单、分析报告、所在行业产能等等数据 算法模型的优化 针对行业优化的深度学习算法、ETHINK优化的分类预测、聚类分析算法等 ETHINK基于大数据平台，在数据分析的维度和算法的先进性方面有更大的优势 ETHINK大数据分析平台，数据发现敏捷平台 金融大数据——信用风险评估 信用风险评估模型库 以ETHINK大数据分析平台为基础，以信用风险评估模型库为引擎，实现系统化的运营监控； 日均手工监督工作量由895.8万笔降至5.4万笔，全行释放了5900余名的业务监督人员。 政府大数据分析——审计 项目需求 建立审计数据中心，核心应用：事件预警，对发现的审计疑点，进行提前预警。 数据存储 全省审计数据，近３年数据，记录数过十亿条 系统环境 硬件环境： 数据库服务器1台+8台分布式pc server 单台4核，16G内存 数据可视化 可视化报表设计，完成自动生成审计报表 实现可视化审计全覆盖，开展多维度数据分析，提升审计效益质量和效率 建立多种挖掘分析模型和方法体系，扩展审计视野和监督深度 政府大数据——审计疑点预警 审计疑点评估模型库 建立风险分析模型32个，可以提前2周对相应风险进行预警 跨部门、跨机构、跨区 域跨行业、跨产品、跨风险信息的数据。。。 法律法规数据、审计程序规范和标准。。。 企业财务、生产经营活动相关的数据。。。 审计人员自身数据、审计决定和审计意见书数据。。。 数据挖掘应用——航空发动机故障诊断 * * * * * * * * *