025-83342399 
准
支持跨渠道综合分析，单渠道10+亿级记录，30天时间窗口
智慧金融场景
优势体现
- ● 教学实践
- ● 科研发展
- ● 智慧管理
- ● 服务校园
- ● 资源共享
云在金融的应用
银行传统IT架构，难以适应金融市场的业务变化快、服务差异化、多样化的业务需求。除此以外，银行传统IT架构还面临高成本、效率低等一系列问题：
海量设备缺乏统一标准：规模大的银行计算节点规模以万计，存储设备数百套，软硬件品类繁多，如何保护历史投资让所有设备平滑入云，实现IT资源的标准化。
基础资源交付周期长：在传统模式下，以目前银行普遍采用的WEB-APP-DB三层结构集群为例，上线一个新业务系统需经过应用开发、网络、服务器、技术支持等4个部门的50多个步骤才能完成，整个过程大概耗时3个月。基础资源交付周期长直接导致了金融产品的上市滞后，在同质化竞争激烈的今天很容易丧失初期宝贵的获客窗口期，导致产品的市场占有率低。
IT运维亟待自动化：银行IT的运维人员大量时间陷入到新业务系统部署、系统故障处理、频繁配置变更等繁杂的工作中，且手工操作占比大，效率低易犯错。以银行IT设施中占比较少的防火墙为例，就涉及到2万条以上的策略配置，年变化达上万次。
金融云解决方案能够实现应用系统快速部署、业务弹性扩容，并具有高可靠、低成本的特点：
通过服务目录实现应用系统快速部署，应用上线时间从1～2个月缩短到1天，单个应用节点上线只需要几分钟。
应用系统根据业务压力自动弹性扩容，针对业务洪峰，分钟级检测触发扩容、缓解洪峰压力，部分轻量数据库采用虚拟机承载，通过虚拟机规格修改快速生效，缩短业务中断时间。
采用通用x86服务器替代专业设备使用，降低设备成本，通过多层次高可用方案保障业务系统的可用性。
大数据在金融的应用
当前，越来越多的金融机构开始投身到大数据应用实践中。随着移动互联网发展，每天都会产生大量结构化和非结构化数据。以银行业为例，中国银联涉及43亿张银行卡，超过9亿的持卡人，超过一千万商户，每天近七千万条交易数据，核心交易数据超过了TB级。但面对海量数据， 传统的金融数据信息处理系统面临以下挑战：
传统集中式架构，并发量低，无法应对交易浪涌
风控仅支持黑名单类的简单实时控制，复杂规则无法实时处理，多以事后处理为主
主要为结构化数据，无法处理半结构化数据，客户行为习惯参与规则运算与规则配置，支持度不高
部分规则无法直接在线配置，需要通过开发程序实现
金融大数据解决方案，基于企业级大数据存储、查询、分析的统一平台FusionInsight，为金融机构快速构建海量数据信息处理系统，通过对各类海量数据信息实时和非实时的分析和挖掘，帮助银行从海量数据信息中获取到真正的价值，及时洞察和决策新的机会与风险。
与合作伙伴实现金融机构的大数据战略，提供涵盖风险控制，反洗钱，数据治理以及数据存储等方面的解决方案。
-
-
快
分布式架构，线性扩展，百万TPS下毫秒级时延
-
易
自定义规则模型，10分钟内上线新规则
更多案例
