本發(fā)明涉及數(shù)據(jù)處理技術(shù)領(lǐng)域，具體來說，涉及一種銀行大數(shù)據(jù)運(yùn)營管理系統(tǒng)及方法。

背景技術(shù)：

賽仕軟件（北京）有限公司旗下的SAS統(tǒng)計(jì)分析系統(tǒng)及其對應(yīng)的銀行業(yè)解決方案；資料來源：賽仕公司官網(wǎng)（www.sas.com.cn）。SAS公司的銀行業(yè)解決方案的落地需要依賴SAS統(tǒng)計(jì)系統(tǒng)；雖然該系統(tǒng)功能足夠豐富和強(qiáng)大，但使用門檻較高。對廣大中小型銀行而言，使用該解決方案成本高昂，投入產(chǎn)出比低。

IBM公司旗下的IBM Cognos Analytics、IBM Cognos Business Intelligence等大數(shù)據(jù)與分析解決方案；資料來源：IBM公司官網(wǎng)（www.ibm.com）。IBM公司輸出的行業(yè)解決方案依賴于其旗下的IBM Cognos系統(tǒng)和SPSS Clementine系統(tǒng)，成本及其高昂。

天睿公司（teredata）旗下的銀行業(yè)解決方案，偏重于底層數(shù)據(jù)存儲、數(shù)據(jù)處理層面；對銀行的實(shí)際業(yè)務(wù)應(yīng)用支持不足，需要銀行自己的IT團(tuán)隊(duì)基于TereData的數(shù)據(jù)系統(tǒng)進(jìn)行二次開發(fā)，使用門檻較高。

總的說來，現(xiàn)有市場上的相關(guān)解決方案或者數(shù)據(jù)系統(tǒng)均功能豐富強(qiáng)大，但使用門檻高、投入產(chǎn)出低；對于中小銀行而言，這是一個(gè)極大的負(fù)擔(dān)。

針對相關(guān)技術(shù)中的問題，目前尚未提出有效的解決方案。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明提出一種銀行大數(shù)據(jù)運(yùn)營管理系統(tǒng)及方法，能夠以較低的成本為銀行機(jī)構(gòu)提供足夠支持其管理決策和業(yè)務(wù)運(yùn)營大數(shù)據(jù)支持系統(tǒng)，以解決相關(guān)現(xiàn)有技術(shù)中的上述不足。

為實(shí)現(xiàn)上述技術(shù)目的，本發(fā)明的技術(shù)方案是這樣實(shí)現(xiàn)的：

一種銀行大數(shù)據(jù)運(yùn)營管理系統(tǒng)，包括：

數(shù)據(jù)庫，用于存儲由數(shù)據(jù)源產(chǎn)生的原始數(shù)據(jù)；

維度指標(biāo)集市，包括基于不同標(biāo)的層級的指標(biāo)數(shù)據(jù)和特征數(shù)據(jù)，所述指標(biāo)數(shù)據(jù)和特征數(shù)據(jù)由原始數(shù)據(jù)根據(jù)不同的業(yè)務(wù)規(guī)則和數(shù)據(jù)處理邏輯經(jīng)處理生成；

模型引擎庫，包括由指標(biāo)數(shù)據(jù)和特征數(shù)據(jù)經(jīng)處理生成的業(yè)務(wù)指標(biāo)預(yù)警模型體系和業(yè)務(wù)應(yīng)用模型體系；

業(yè)務(wù)應(yīng)用系統(tǒng)，用于將模型引擎庫中的業(yè)務(wù)指標(biāo)預(yù)警模型體系和業(yè)務(wù)應(yīng)用模型體系應(yīng)用到管理決策模塊和業(yè)務(wù)應(yīng)用模塊中。

進(jìn)一步的，所述數(shù)據(jù)源包括銀行主機(jī)系統(tǒng)、銀行業(yè)務(wù)系統(tǒng)、銀行已有數(shù)據(jù)倉庫和銀行外數(shù)據(jù)。

進(jìn)一步的，所述業(yè)務(wù)指標(biāo)預(yù)警模型體系包括用于關(guān)注公司級業(yè)務(wù)管理指標(biāo)的一級指標(biāo)預(yù)警模型和用于關(guān)注部門級業(yè)務(wù)管理指標(biāo)的二級指標(biāo)預(yù)警模型；所述業(yè)務(wù)應(yīng)用模型體系包括營銷響應(yīng)模型、風(fēng)控模型、客戶細(xì)分模型、客戶生命周期管理模型和商戶管理模型。

本發(fā)明還涉及一種銀行大數(shù)據(jù)運(yùn)營管理方法，包括以下步驟：

S1數(shù)據(jù)源將其產(chǎn)生的原始數(shù)據(jù)同步到數(shù)據(jù)庫中進(jìn)行存儲；

S2數(shù)據(jù)庫中的原始數(shù)據(jù)根據(jù)不同的業(yè)務(wù)規(guī)則和數(shù)據(jù)處理邏輯最終生成基于不同標(biāo)的層級的指標(biāo)數(shù)據(jù)和特征數(shù)據(jù)并存入維度指標(biāo)集市；

S3指標(biāo)數(shù)據(jù)和特征數(shù)據(jù)經(jīng)處理生成業(yè)務(wù)指標(biāo)預(yù)警模型體系和業(yè)務(wù)應(yīng)用模型體系并存入模型引擎庫；

S4業(yè)務(wù)應(yīng)用系統(tǒng)將業(yè)務(wù)指標(biāo)預(yù)警模型體系和業(yè)務(wù)應(yīng)用模型體系應(yīng)用到管理決策模塊和業(yè)務(wù)應(yīng)用模塊中。

進(jìn)一步的，在步驟S1中，數(shù)據(jù)源包括銀行主機(jī)系統(tǒng)、銀行業(yè)務(wù)系統(tǒng)、銀行已有數(shù)據(jù)倉庫和銀行外數(shù)據(jù)。

進(jìn)一步的，在步驟S3中，業(yè)務(wù)指標(biāo)預(yù)警模型體系包括用于關(guān)注公司級業(yè)務(wù)管理指標(biāo)的一級指標(biāo)預(yù)警模型和用于關(guān)注部門級業(yè)務(wù)管理指標(biāo)的二級指標(biāo)預(yù)警模型；業(yè)務(wù)應(yīng)用模型體系包括營銷響應(yīng)模型、風(fēng)控模型、客戶細(xì)分模型、客戶生命周期管理模型和商戶管理模型。

進(jìn)一步的，在步驟S3中，指標(biāo)數(shù)據(jù)和特征數(shù)據(jù)經(jīng)處理生成業(yè)務(wù)指標(biāo)預(yù)警模型體系具體包括：

S31指標(biāo)數(shù)據(jù)和特征數(shù)據(jù)根據(jù)管理決策或者業(yè)務(wù)運(yùn)營需要經(jīng)指標(biāo)匯總與報(bào)表生成過程輸出為管理報(bào)表或運(yùn)營所需數(shù)據(jù)報(bào)表；

S32管理報(bào)表或運(yùn)營所述數(shù)據(jù)報(bào)表經(jīng)處理形成業(yè)務(wù)指標(biāo)預(yù)警模型體系。

進(jìn)一步的，在步驟S3中，指標(biāo)數(shù)據(jù)和特征數(shù)據(jù)經(jīng)處理直接生成業(yè)務(wù)應(yīng)用模型體系。

進(jìn)一步的，在步驟S4中，所述管理決策模塊面向于管理決策層，提供監(jiān)控報(bào)告和業(yè)務(wù)預(yù)警服務(wù)；所述業(yè)務(wù)應(yīng)用模塊面向于業(yè)務(wù)執(zhí)行人員，提供日常報(bào)表管理、活動(dòng)管理、客戶管理、營銷管理、商戶管理和業(yè)務(wù)自動(dòng)化。

本發(fā)明的有益效果：本發(fā)明與現(xiàn)有技術(shù)和解決方案相比，可極大的降低銀行機(jī)構(gòu)的科技應(yīng)用成本，提高銀行的在大數(shù)據(jù)應(yīng)用上的投入產(chǎn)出比；促使銀行機(jī)構(gòu)更積極地推動(dòng)基于大數(shù)據(jù)應(yīng)用的業(yè)務(wù)優(yōu)化和業(yè)務(wù)變革。在具體的銀行業(yè)務(wù)上，本發(fā)明可有效幫助銀行提高對數(shù)據(jù)資產(chǎn)的使用效率，最終提高銀行收入、降低風(fēng)險(xiǎn)。

附圖說明

為了更清楚地說明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實(shí)施例中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1是根據(jù)本發(fā)明實(shí)施例所述的一種銀行大數(shù)據(jù)運(yùn)營管理系統(tǒng)的結(jié)構(gòu)框圖；

圖2是根據(jù)本發(fā)明實(shí)施例所述的一種銀行大數(shù)據(jù)運(yùn)營管理系統(tǒng)的流程框圖。

具體實(shí)施方式

下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

如圖1所示，根據(jù)本發(fā)明實(shí)施例所述的一種銀行大數(shù)據(jù)運(yùn)營管理系統(tǒng)，包括：

數(shù)據(jù)庫，用于存儲由數(shù)據(jù)源產(chǎn)生的原始數(shù)據(jù)；

維度指標(biāo)集市，包括基于不同標(biāo)的層級的指標(biāo)數(shù)據(jù)和特征數(shù)據(jù)，所述指標(biāo)數(shù)據(jù)和特征數(shù)據(jù)由原始數(shù)據(jù)根據(jù)不同的業(yè)務(wù)規(guī)則和數(shù)據(jù)處理邏輯經(jīng)處理生成；

模型引擎庫，包括由指標(biāo)數(shù)據(jù)和特征數(shù)據(jù)經(jīng)處理生成的業(yè)務(wù)指標(biāo)預(yù)警模型體系和業(yè)務(wù)應(yīng)用模型體系；

業(yè)務(wù)應(yīng)用系統(tǒng)，用于將模型引擎庫中的業(yè)務(wù)指標(biāo)預(yù)警模型體系和業(yè)務(wù)應(yīng)用模型體系應(yīng)用到管理決策模塊和業(yè)務(wù)應(yīng)用模塊中。

其中，所述數(shù)據(jù)源包括銀行主機(jī)系統(tǒng)、銀行業(yè)務(wù)系統(tǒng)、銀行已有數(shù)據(jù)倉庫和銀行外數(shù)據(jù)。

其中，所述業(yè)務(wù)指標(biāo)預(yù)警模型體系包括用于關(guān)注公司級業(yè)務(wù)管理指標(biāo)的一級指標(biāo)預(yù)警模型和用于關(guān)注部門級業(yè)務(wù)管理指標(biāo)的二級指標(biāo)預(yù)警模型；所述業(yè)務(wù)應(yīng)用模型體系包括營銷響應(yīng)模型、風(fēng)控模型、客戶細(xì)分模型、客戶生命周期管理模型和商戶管理模型。

如圖2所示，一種銀行大數(shù)據(jù)運(yùn)營管理方法，包括：

S1數(shù)據(jù)源將其產(chǎn)生的原始數(shù)據(jù)同步到數(shù)據(jù)庫中進(jìn)行存儲；

S2數(shù)據(jù)庫中的原始數(shù)據(jù)根據(jù)不同的業(yè)務(wù)規(guī)則和數(shù)據(jù)處理邏輯最終生成基于不同標(biāo)的層級的指標(biāo)數(shù)據(jù)和特征數(shù)據(jù)并存入維度指標(biāo)集市；

S3指標(biāo)數(shù)據(jù)和特征數(shù)據(jù)經(jīng)處理生成業(yè)務(wù)指標(biāo)預(yù)警模型體系和業(yè)務(wù)應(yīng)用模型體系并存入模型引擎庫；

S4業(yè)務(wù)應(yīng)用系統(tǒng)將業(yè)務(wù)指標(biāo)預(yù)警模型體系和業(yè)務(wù)應(yīng)用模型體系應(yīng)用到管理決策模塊和業(yè)務(wù)應(yīng)用模塊中。

其中，在步驟S1中，數(shù)據(jù)源包括銀行主機(jī)系統(tǒng)、銀行業(yè)務(wù)系統(tǒng)、銀行已有數(shù)據(jù)倉庫和銀行外數(shù)據(jù)。

其中，在步驟S3中，業(yè)務(wù)指標(biāo)預(yù)警模型體系包括用于關(guān)注公司級業(yè)務(wù)管理指標(biāo)的一級指標(biāo)預(yù)警模型和用于關(guān)注部門級業(yè)務(wù)管理指標(biāo)的二級指標(biāo)預(yù)警模型；業(yè)務(wù)應(yīng)用模型體系包括營銷響應(yīng)模型、風(fēng)控模型、客戶細(xì)分模型、客戶生命周期管理模型和商戶管理模型。

其中，在步驟S3中，指標(biāo)數(shù)據(jù)和特征數(shù)據(jù)經(jīng)處理生成業(yè)務(wù)指標(biāo)預(yù)警模型體系具體包括：

S31指標(biāo)數(shù)據(jù)和特征數(shù)據(jù)根據(jù)管理決策或者業(yè)務(wù)運(yùn)營需要經(jīng)指標(biāo)匯總與報(bào)表生成過程輸出為管理報(bào)表或運(yùn)營所需數(shù)據(jù)報(bào)表；

S32管理報(bào)表或運(yùn)營所述數(shù)據(jù)報(bào)表經(jīng)處理形成業(yè)務(wù)指標(biāo)預(yù)警模型體系。

其中，在步驟S3中，指標(biāo)數(shù)據(jù)和特征數(shù)據(jù)經(jīng)處理直接生成業(yè)務(wù)應(yīng)用模型體系。

其中，在步驟S4中，所述管理決策模塊面向于管理決策層，提供監(jiān)控報(bào)告和業(yè)務(wù)預(yù)警服務(wù)；所述業(yè)務(wù)應(yīng)用模塊面向于業(yè)務(wù)執(zhí)行人員，提供日常報(bào)表管理、活動(dòng)管理、客戶管理、營銷管理、商戶管理和業(yè)務(wù)自動(dòng)化。

其中，在步驟S1中，數(shù)據(jù)庫環(huán)境根據(jù)原始數(shù)據(jù)量級的大小不同，分別提供MySQL、GreenPlum、Hadoop等系統(tǒng)以供使用。

其中，在步驟S2中，根據(jù)數(shù)據(jù)環(huán)境不同，數(shù)據(jù)加工處理中使用到的技術(shù)有基于Hadoop的MapReduce算法和數(shù)據(jù)庫查詢語言中的存儲過程；自動(dòng)調(diào)用數(shù)據(jù)處理程序時(shí)用到的技術(shù)為linux系統(tǒng)中的shell腳本。

其中，指標(biāo)匯總與報(bào)表生成過程中使用到的數(shù)據(jù)技術(shù)為數(shù)據(jù)庫查詢語言中的存儲過程；自動(dòng)調(diào)用匯總程序時(shí)用到的技術(shù)為Linux系統(tǒng)中的shell腳本。

其中，模型引擎庫中應(yīng)用到的技術(shù)有R語言和Logistic回歸、決策樹、K-means聚類算法、隨機(jī)森林、支持向量機(jī)、主成分因子分析、協(xié)同過濾、關(guān)聯(lián)算法、PR算法和網(wǎng)絡(luò)計(jì)算等算法模型；以及專門針對非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行處理的文本分詞技術(shù)、文本挖掘技術(shù)和語意分析技術(shù)。

其中，業(yè)務(wù)應(yīng)用系統(tǒng)中使用到的技術(shù)包括Java、php、Java Script和Storm等。

綜上所述，借助于本發(fā)明的上述技術(shù)方案，本發(fā)明與現(xiàn)有技術(shù)和解決方案相比，可極大的降低銀行機(jī)構(gòu)的科技應(yīng)用成本，提高銀行的在大數(shù)據(jù)應(yīng)用上的投入產(chǎn)出比；促使銀行機(jī)構(gòu)更積極地推動(dòng)基于大數(shù)據(jù)應(yīng)用的業(yè)務(wù)優(yōu)化和業(yè)務(wù)變革。在具體的銀行業(yè)務(wù)上，本發(fā)明可有效幫助銀行提高對數(shù)據(jù)資產(chǎn)的使用效率，最終提高銀行收入、降低風(fēng)險(xiǎn)。

以上所述僅為本發(fā)明的較佳實(shí)施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。