提供适应现有银行IT体系平稳、有序切换到新技术体系的整体架构解决方案，助力金融行业降低硬件成本、聚能业务创新。

数据仓库方案

面向金融行业的大数据仓库解决方案。

业务架构

架构说明：
  • 大数据仓库调用外部数据和数据集市的信息，通过数据获取层、数据模型层、数据加工层、数据应用层和分析集市的层层筛选、分析、加工，由大数据服务接口向内部源数据输出适用于多种用户场景的有效数据。
  • 大数据仓库功能特点：
    • 高效整合金融企业内外部数据，对数据进行多维加工和深度分析。
    • 赋能金融企业挖掘数据背后的业务价值并进行数据驱动的业务创新。
    • 采用逻辑分层的方式加工和重构数据，有针对性地进行数据输出。
  • 大数据仓库充分利用了阿里云大数据产品强大的数据处理能力和数据计算能力。
架构优势：
  • 合理解决了金融行业内外部数据整合问题
  • 优化了结数据架构分层
  • 提供了高效的数数据加工与服务方式

技术架构

架构说明：
  • 阿里云大数据数据仓库解决方案经历了阿里巴巴集团内部的实战验证，完全基于自主研发，且在不断优化、完善，以成熟产品的形式向金融行业客户赋能。
  • 大数据数据仓库融合了丰富的计算引擎，能够满足离线计算、实时计算、流计算、图计算等不同的业务应用场景。
  • 同时支持结构化数据与非结构化数据的存储与计算。
架构优势：
  • 提供了结构化与非结构化数据的融合方案
  • 满足了同时存在离线、在线、流数据的业务场景
  • 解决了大数据平台的集成问题
  • 为大数据平台的开发与管理提供了高效方案

金融风险控制方案

金融风险控制解决方案通过大数据画像、机器学习、知识图谱和复杂关系网络分析等手段，帮助金融机构建立事前预防、事中预警、事后分析的全方位风险控制体系。

业务架构

架构说明：
  • 基于阿里云大数据平台强大的计算能力（离线数据处理、交互式OLAP分析能力、实时流处理）以及分布式可视化算法平台PAI，有机集成了批量和实时多模式计算能力，支持实时信用评分和风险预警。
  • 实时决策引擎，通过DTBoost产品的智能标签工厂，为多源异构数据源提供统一的风险标签视图，运用评分卡模型规则，实时计算信用评分；基于在内置规则引擎中配置的风险预警规则，实时监控并触发风险事件。
  • 蚁盾反欺诈引擎，基于阿里积累的海量大数据，提供身份核实、信息真实性验证和RAIN风险评分服务，实现高精度、最靠谱的互联网＋验身服务和营销活动反其砸服务。
  • 复杂关系网络引擎分析引擎，基于OLP（Object－Link－Property）模型构造知识图谱，并与时空维度数据相结合，通过即问快速搜索、可视化关系网络分析和时空关系分析，帮助快速定位欺诈团伙、关键路径和核心骨干等风险要素。
架构优势：
  • 多源异构标签统一管理
  • 提供实时计算和实时决策方案
  • 全流程风控一体化
  • 智能化风险识别分析