银行业金融大数据服务平台项目规划书.docx

银行业金融大数据服务平台项目
规划书

项目介绍
1.1 项目背景
银行业一直是一个数据驱动行业，数据也一直是银行信息化主题词。银行信息化进程先后经历过业务电子化、数据集中化、管理模型化等阶段，如今伴随大数据技术飞速发展，银行信息化也进入了新阶段：大数据时代。
现在，国内银行都积累了海量金融数据，包含各类结构化、半结构化、非结构化数据，数据量巨大，存放方式多样。不过这些海量数据还没得到充分利用，显得价值含量较低。只有经过适宜预处理、模型设计、分析挖掘后，才能发觉隐藏在其中潜在规律。而应用大数据分析技术，能够从海量、不完全一致、有噪声、含糊、随机数据中提取隐含在其中、人们事先不知道、但又是潜在有用信息和知识。银行能够利用这些信息和知识来提升金融业务服务效率和管理水平，银行关键业务也能从中取得巨大收益。
银行在大数据技术应用方面具备天然优势：首先，银行在业务开展过程中积累了大量有价值数据，这些数据在利用大数据技术挖掘和分析之后，将产生巨大商业价值；另首先，银行在资金、设备、人才、技术上都具备极大便利条件，有能力采取大数据最新技术。建立“金融大数据服务平台”， 能够经过对金融数据挖掘、分析，创造数据增值价值，提供针对银行精准营销、统一广告公布、业务体验优化、客户综合管理、风险控制等多个金融服务。
1.2 业务需求
现在，银行客户对数据利用仍是以各类统计报表为主，存在以下重大弊端：
1. 对数据分析仅按照固定项目，对业务情况进行事后统计分析和监控。实际上没有找到隐藏在数据背后原因，数据深度分析和数据挖掘能力不足。
2. 对数据分析仅作为专题统计分析结果输出，对于数据间因果影响、相关性分组或关联规则、聚类、描述和可视化等工作还未开展，数据关联分析能力不足。
3. 统计分析侧重在事后数据汇总，难以从数据汇总中得到客户服务事件发生规律，以及前瞻性判断，数据预测性分析能力不足。
针对详细金融业务，大数据分析在以下方面有着迫切需求：
统一广告公布：现在金融行业客户在广告方面投入大、渠道多，但在确认真实效果、提供优化广告策略时却不能提供确切数据证据。亟需利用大数据技术在搜集各类型、各渠道广告公布数据基础上，提供可靠效果数据和优化策略提议。
精准营销：现在金融行业营销方式基本上还是粗放式，调查方式粗糙，分析原因简单，对过程控制力差，对客户和产品推广都缺乏针对性。亟需利用大数据技术来搜集详尽数据、科学分析原因、严格控制过程、并有针对性地面向客户和产品进行营销推广。
业务系统优化：现在金融行业对其业务系统客户体验效果、客户转化率缺乏准确数据支持，也无法分析详细原因。亟需利用大数据技术取得各业务、各步骤客户转化率，从而有针对性地改进业务流程，提升服务质量。
客户流失分析：对于怎样稳定留存客户、降低客户流失率，现在金融客户还无法准确分析客户流失原因，也就无从提出有效改进方法。亟需利用大数据技术在分析流失客户数据基础上，提出改进客户关系管理效率和水平有效提议。
风险分析：金融行业对自己客户和业务风险分析停留在初级阶段，缺乏全方面掌握和提前预防技术伎俩。亟需利用大数据技术取得存在较高风险客户群体及业务，作为对其进行重点监控和提前做好预防方法基础。
经过建设金融大数据服务平台，研发基于大数据分析统一广告公布系统、精准营销系统、业务体验优化系统、客户流失分析系统和风险分析系统，金融客户能够提升广告公布效果，提升营销针对性，优化服务质量，改进客户管理水平，预防风险冲击，进而为业务发展提供决议支撑，并促进相关领域构建新业务模式、服务模式。
二. 项目范围
北京XXXX技术有限企业自主研发“金融大数据服务平台”，意在为金融行业客户提供包含数据采集、数据存放、数据预处理、数据挖掘、可视化展现、业务实现等全流程服务，以帮助客户实现各种金融业务。
l 数据采集
“金融大数据服务平台”首先需要搜集各种金融数据，它们可能是结构化，也可能是半结构化或非结构化；既可能来自银行内部各业务系统，也可能由外部提供；既能够是静态（如属性数据），也能够是动态（如行为数据）。而金融数据采集产品就是依照业务需要，将这些数据采集到“金融大数据服务平台”中。
l 数据存放
Hadoop集群经过将数据分配到多个集群节点上并进行并行处理，所以尤为适合对大数据存放和分析。Hadoop集群经过添加节点数量来有效扩展集群，所以具备极好可扩展性；Hadoop软件都是开源，也无须购置昂贵高档服务器，所以具备很好性价比。Hadoop集群将数据分片发送至多个节点保留，所以具备极高容错性。
l 数据预处理
采集到金融数据来自多个数据源，大多存在着不完整性和不一致性，无法直接用于数据挖掘或严重影响数据挖掘效率。所以在进行数据挖掘之前，经过使用数据预处理工具，灵活对原始数据清理、变换、集成等处理，能够降低挖掘所需数据量，缩短所需时间，并极大提升数据挖掘质量。
l 数据挖掘
数据挖掘是经过分析数据、从大量数据中寻找其潜在规律技术。利用预测、关联、分类、聚类、时序分析等技术，数据挖掘能够从海量、不完全、有噪声、含糊、随机数据中提取隐含在其中、人们事先不知道、但又是潜在有用信息和知识。现在，传统数据挖掘产品在大数据平台上还存在一些不足，研发一套Hadoop平台下数据挖掘工具是一项极具挑战性任务。
l 可视化展现
数据挖掘得到结果，往往数据量巨大、关联关系复杂、维度多以及双向互动需求等。可视化展现工具以适合人类思维图形化方式对结果进行展示，提升了数据直观性和可视性。可视化展现面向各类客户，经过选择适宜可视化模型，将枯燥数据转换为令人印象深刻漂亮图形，极大提升了数据利用价值。
l 业务实现
“金融大数据服务平台”效果，最终需要集成在各类金融业务系统中才能得以表现。现在拟建设金融业务系统有：精准营销系统、统一广告公布系统、业务体验优化系统、客户流失分析系统、风险分析系统等。
三. 项目目标
实施针对银行“金融大数据服务平台”项目，经过采集银行内部与外部、静态与动态各类金融数据，搭建适于大数据存放与分析Hadoop集群，对金融数据采取适宜预处理方式，利用数据挖掘技术得出隐藏在海量数据后、有价值潜在规律，以丰富可视化模型向客户进行展现，在此基础上实现精准营销、统一广告公布、业务体验优化、客户综合管理、风险控制等金融业务应用。由此，提升金融业务水平和效率，推进银行业务创新，降低银行管理和运行成本。
本项目标详细技术目标包含：
开发金融数据采集工具：大数据分析需要搜集来自银行内部和外部、静态和动态各种金融数据，为此开发各类金融数据采集工具，如动态采集SDK、日志提取分析工具、外部数据导入工具等。
搭建Hadoop大数据集群：搭建Hadoop大数据集群，是建设“金融大数据服务平台”基础。利用多台性能较为通常服务器，组成一套基于HDFS和Map-Reduce机制集群，并依照需要在其上安装Hive、HBase、Sqoop、ZooKeeper等软件。
实现分析挖掘算法：支持Hadoop分析挖掘算法，是“金融大数据服务平台”一个关键组成部分。在利用传统数据挖掘技术基础上，实现包含抽象数学算法（如关联算法、分类算法、聚类算法、时序分析算法等），以及在此基础上针对金融业务专业算法（如客户行为特征模型、效果分析模型等），作为深入构建抽象模型和金融专业模型基础。
构建分析挖掘模型：支持Hadoop分析挖掘模型，是“金融大数据服务平台”另一关键组成部分。在上一步基础上，快速构建抽象数学模型（如神经网络模型、事物关联模型等），以及针对金融业务专业模型（如精准营销模型、广告效果评定模型等）。
实现ETL工具：数据预处理也是“金融大数据服务平台”需要处理问题之一。利用市场上已经有数据预处理结果，研发一个支持HadoopETL工具，实现包含规范化、数据抽样、数据排序、汇总、指定因变量、属性变换、数据替换、数据降维、数据集拆分、离散化等功效。
实现可视化展现工具：“金融大数据服务平台”上分析结果将主要采取丰富多彩可视化形式向用户进行可视化展现。利用市场上已经有相关技术和产品，研发一个可视化展现工具，能够支持：分类树图、视觉聚类图、关联图、序列图、回归图等多个可视化形式。
实现金融业务应用：将分析挖掘结果集成到详细银行业务系统中，如精准营销系统、统一广告公布平台、业务体验优化系统、客户综合管理系统、风险控制系统等。详细方式既能够是实现某个独立新业务系统，也能够是在现有系统中实现一个或多个新模块，从而扩充或提升原有功效。
本项目标详细业务目标包含：
精准营销：综合分析客户行为特征信息和金融业务分类信息，能够得到客户最有可能感兴趣业务以及业务最有可能潜在客户群，以此为基础有针对性地开展营销；
统一广告公布：分析广告效果分析信息，能够得到各类型、各渠道最好配置或微弱步骤，以此为基础改变广告策略、提升广告效果；
业务体验优化：分析客户业务体验信息、客户流失信息，能够得到客户在各业务、各步骤转化率，分析流失原因，在此基础上改进业务流程、提升服务质量，以提升客户满意度；
客户流失分析：综合分析客户行为特征信息、客户流失信息及其它信息，得到客户全方面分析结果，在此基础上改进客户关系管理效率和水平；
风险分析：分析客户属性数据、风险分析数据，能够得到存在较高风险可能客户群体和业务信息，在此基础上区分尤其关注目标、制订预防方法，降低这些客户和业务可能带来冲击 。
四. 技术方案
4.1 总体架构
“金融大数据服务平台”由数据采集层、数据存放层、分析挖掘层和业务应用层组成，总体框架以下列图所表示：

数据采集层：负责从各类数据源中提取、导入数据，主要产品包含：动态采集SDK、日志提取分析工具、外部数据导入工具、其它数据提取工具等。
数据存放层：负责将预处理后数据进行存放，主要由可进行横向扩展Hadoop集群组成，另外辅之以关系数据库作数据中转、元数据存放、供一些软件使用等用途。
分析挖掘层：负责金融数据经建模、挖掘、评定和公布，关键是实现两类数据挖掘算法和模型：一类是抽象数学算法及模型，另一类是在此基础上针对金融业务专业算法和模型。
业务应用层：负责将分析挖掘结果可视化展现形式，集成到对应金融业务系统中。
另外，在数据采集层和数据存放层之间，由ETL工具负责数据预处理任务；在分析挖掘层和业务应用层之间，由可视化展现工具负责分析挖掘结果可视化展现任务。
4.2 技术架构
“金融大数据服务平台”技术架构采取多层次形式，以下列图所表示：

数据源包含各类动态数据（如行为数据）、静态数据（如属性数据）、日志文件以及其它数据等，能够是结构化、半结构化和非结构化数据。
在数据采集层，各采集工具依照详细情况采取不一样技术实现方式，如对动态数据采集，使用C/S架构客户端采集SDK，对日志文件使用Map-Reduce方式分析提取工具，对静态数据按Sqoop方式从关系数据导入，对其它数据则使用定制化程序，等等。
ETL（数据抽取、转换、加载）将采集到各种数据整合成统一数据模型，包含数据清洗、数据转换、数据规约、数据集成等。为加紧项目进度和确保项目质量，初步决定在某个支持Hadoop开源ETL产品（如Kettle）基础上进行二次开发。
在数据存放层，Hadoop集群使用Hadoop技术生态圈很多关键技术，包含：分布式存放HDFS系统、并行处理Map-Reduce机制、No-SQL数据库Hbase、数据仓库Hive、协调系统ZooKeeper等。另外，还需用到关系数据库担任数据中转、元数据存放、供一些软件使用等用途。
分析挖掘层任务是在Hadoop集群实现各种分析挖掘算法和分析挖掘模型。算法和模型有两类，一类是抽象数学算法（如聚类算法、关联分析算法）和数学模型（如神经网络模型、事物关联模型等），另一类是此基础上构建专业算法（如金融客户分类算法、效果评定算法）和专业模型（如客户行为特征模型、效果评定模型）。为加紧项目进度、确保项目质量和扩大适应范围，初步决定在SAS和R分析挖掘包基础上实现算法接口，并利用算法接口构建大部分模型，其余部分视实际情况而以自主研发方式构建。
可视化展现将分析挖掘结果面向用户进行各种可视化展现（如散点图、直方图、分布图、饼图等），分析挖掘质量也决定着展现质量。为加紧项目进度，初步决定在某个可视化展现开源产品（如R图形包）基础上进行二次开发。
在业务实现层，分析挖掘结果集成到对应金融业务系统中。详细方式既能够是实现某个独立新业务系统，也能够是在现有系统中实现一个或多个新模块，从而扩充或提升原有功效。
4.3 物理架构
“金融大数据服务平台”采取集中布署方式，硬件环境由Hadoop集群服务器和数据库集群组成，以下列图所表示：

其中，Hadoop集群包含两个NameNode（主从方式）和多个DataNode（最少3个，以后依照需要增加）；NameNode用于管理数据在DataNode上分配，而DataNode用于数据存放。NameNode和DataNode采取相同配置，运行环境中提议为：CPU为2块*16核，主频2~2.5GHz，内存128G，硬盘12块*2T。
数据库集群包含两台数据库服务器，采取双机热备方式。其配置提议为：CPU为2块*16核，主频2~2.5GHz，内存64G，硬盘12块*2T。
五. 项目人员组织
5.1 项目组织结构
项目领导组

项目经理
大平台组
系统开发组
业务组

各组组成及职责为：
项目领导组：由企业高管、部门经理担任，负责组织、监督、协调项目标进行；
项目经理：由项目领导组任命，基本职责是确保项目目标按时、优质地完成；
大平台组：负责金融大数据服务平台相关事务，包含搭建Hadoop大数据集群、实现数据挖掘算法、构建业务模型等；
业务组：负担与金融业务相关事务，包含市场调研、对金融业务系统、功效性产品需求分析等；
系统开发组：负担对各产品及业务系统开发任务，包含SDK产品、ETL工具、可视化展现工具、各个金融业务系统开发等。
5.2 项目人员配置
组别
级别
人数
备注
项目领导组
高级管理人员
1或多人
由企业高管、部门经理兼任
项目经理
中级管理人员
1

大平台组
系统设计员
多人
技术教授
实施人员
多人

业务组
需求分析员
每产品或系统1人
通常由组长兼任
系统设计员
每产品或系统1人

业务实现组
系统设计员
每产品或系统1人
通常由组长兼任
编码人员
多人

测试人员
多人

实施人员
多人

六. 项目进度计划
“金融大数据服务平台”整体进度分项目规划、需求调研、项目实施、推广及服务共四个阶段。
项目规划阶段自11月3日至11月28日，共20个工作日。
需求调研阶段自11月24日至3月20日，共85个工作日
项目实施阶段自11月10日至5月29日，共145个工作日（含元旦、春节、劳动节等法定节假日），按SDK产品、数据采集、集群搭建、算法层研发、构建模型、ETL工具、可视化展现工具、统一广告公布系统、精准营销系统、业务体验优化系统、客户流失分析系统和风险分析系统共十二个小项分别进行。
推广及服务阶段，每一项功效性产品或金融业务系统完成后，即可开始进行推广，并一直连续进行。
时间进度以下列图，详细请参见“金融大数据服务平台进度.xls”和“金融大数据服务平台.mpp”。

注：市场推广和服务结束时间实为“连续”。
七. 财务及设备计划
八. 风险管理
软件项目开发具备连续性、复杂性、少参考性、无规范标准等特点，风险程度较高。对于“金融大数据服务平台”，不但涵盖范围广，包含产品多，而且技术要求高，业务需求复杂，所以尤其需要重视各种风险。
以下是“金融大数据服务平台”可能碰到风险及其防预方法：
l 协议风险：与客户订立协议不科学、不严谨，与客户在项目边界和各方面责任界定不清等是影响项目成败重大原因之一。预防方法是项目建设之初，要全方面准确地了解协议各条款内容、尽早就含糊或不明确条款订立补充协议。
l 需求变更风险：这是软件项目经常发生事情。一个看来很有利可图项目，往往因为无程度需求变更而让开发方苦不堪言，甚至最终亏损。预防方法是项目建设之初，就和客户书面约定好需求变更控制流程、统计并归档客户需求变更申请。
l 沟通不良风险：项目组与项目各干系方沟通不良，是影响项目顺利进展一个非常主要原因。预防方法是项目建设之初就和项目各干系方约定好沟通渠道和方式、项目建设过程中多和项目各干系方交流和沟通、注意培养和锻炼本身沟通技巧。
l 缺乏支持风险：上级领导支持是项目取得资源（包含人力资源、财力资源和物料资源等）有效保障，也是项目碰到困难时项目组最强有力“后台支撑”。预防方法是主动争取上级对项目标重视、确保和上级领导沟通渠道通畅、经常向上级领导汇报工作进展。
l 进度风险：全部项目都对进度有着严格要求，项目进度延迟意味着违约或市场机会错失。预防方法通常是分阶段交付产品、增加项目监控频度和力度、多利用可行方法确保工作质量防止返工。
l 质量风险：项目对软件质量也都有很高要求，需要亲密关注项目标质量风险。预防方法通常是经常相互交流工作结果、采取符合要求开发流程、认真组织对产出物检验和评审、计划和组织严格独立测试等。
l 系统性能风险：通常情况下，项目对性能要求也很高，这时项目组就需要关注项目标性能风险。预防方法通常是在进行项目开发之前先设计和搭建出系统基础架构并进行性能测试，确保架构符合性能指标后再进行后续工作。
l 工具风险：软件项目开发和实施过程，所必须用到管理工具、开发工具、测试工具等是否能及时到位、到位工具版本是否符合项目要求等，是项目组需要考虑风险原因。预防方法通常是事先落实好各项工具起源或可能代替工具，在工具使用之前跟踪并落实工具到位事宜。
l 技术风险：在整个项目建设过程中，技术原因一直非常主要。一定要本着项目标实际要求，选取适宜、成熟技术，千万不要无视实际情况而选取一些即使先进但并非所必须且自己又不熟悉技术。假如项目所要求技术项目组员不具备或掌握不够，则更要重点关注该风险原因。预防方法是选取项目所必须技术、在技术应用之前，针对相关人员开展好技术培训工作。
l 团体组员能力和素质风险：团体组员能力（包含业务能力和技术能力）和素质，对项目标进展、项目标质量具备很大影响，在项目标建设过程需要一直关注该原因。预防方法是在用人之前先选对人、开展有针对性培训、将适宜人安排到适宜岗位上。
l 团体组员协作风险：团体组员是否能齐心协力为项目标共同目标服务，生产管理是影响进度和质量关键原因。预防方法是项目在建设之初，项目经理就需要将项目目标、工作任务等和项目组员沟通清楚，采取公平、公正、公开绩效考评制度，提倡团结互助工作风尚等。
l 人员流动风险：项目组员尤其是关键组员流动给项目造成影响是非常可怕人力资源。人员流动轻则影响项目进度，重则造成项目无法继续甚至被迫夭折。预防方法是尽可能将项目标关键工作不集中在个他人身上，同时加强同类型人才培养和贮备。
l 系统运行环境风险：软件系统赖以运行硬件环境和网络环境建设进度，也对软件系统是否能顺利实施具备相当大影响。预防方法是和环境提供方订立相关协议、跟进系统集成部分实施进度、及时提醒客户等。
除了以上列举可预见风险，还可能会出现一些没有列举甚至是事先无法预期风险，需要项目管理者尽早地去识别它们、评定风险出现概率和影响面，从而确保项目准期、保质完成。