華為大數據應用分享

接下來我們來分享一下華為大數據解決方案是如何應用的，華為大數據解決方案可應用在各種業務場景，這里我們以移動運營商、金融機構和政府機構三大領域為例來了解一下。

一、移動運營商應用分享

首先我們來看一看移動運營商面臨著怎樣的問題，而華為又提供了怎樣的解決方案呢？從電信的發展歷程來看，運營商數字化轉型是價值鏈從封閉、壟斷到開放平等過程中的一次被迫重構。數字經濟到來以后，運營商必須從商業架構、企業架構和網絡架構進行徹底的重構，重新地定位自己，看清自己的核心能力，以開放、合作的心態與OTT共建價值鏈，才能在這次浪潮中獲得成功。

華為對世界范圍內運營商總結后提出了數字化的轉型模型，在擴展客戶群領域，從個人、家庭向企業與物聯網延伸。在客戶資產價值挖掘方面，從傳統的電信服務到客戶價值驅動的多樣化數字業務，提升了業務價值。客戶資產價值的開放構建生態環境，通過開放、共享來獲取客戶資產增值收益。在運營系統和流程變革方面，打造以客戶體驗為中心的數字化運營系統和企業架構，從而來提升運營效率。

華為大數據解決方案是基于對運營商、用戶和網絡的理解，綜合運營商各域數據進行大數據建模，從而實現用戶保留、業務提升、網絡效率提升和對外價值變現的最終商業成功。而實際上華為為運營商行業提供的解決方案主要分為四個層次，在level? 1基礎設施層適配BSS和OSS數據，用戶行為數據以及外部數據等電信領域數據。在level 2數據處理層，采用統一的大數據平臺，結合level 3服務層，共同組成了FusionInsight平臺，向下融合跨域數據，向上支持不同的應用；最后的level 4應用層，主要是電信領域商業驅動的應用。包括了智能運營、營銷、智能關懷、KPI、NPM、客戶體驗管理、MIS、Dass等一些應用。

接下來我們來看一個具體的案例，湖南移動原經分架構不能滿足業務發展要求，計劃采用大數據技術建設新的經分系統。而圖中顯示的就是原經分系統的架構。我們可以看出原有的經分系統有著非常明顯的局限性，主要體現在以下四個方面：

第一、原架構不能匹配業務發展，移動業務已經進入“大數據、微營銷時代”，而現有的系統還是以傳統架構來建設的，因此難以支撐。

第二、需求響應效率低，數據應用的耦合度高，而模型設計靈活性不足。因此從需求提出到最終實現流程長、響應慢。

第三、缺少融合業務的支撐能力。由于缺少對O域、M域數據的整合與理解，而分析支撐又局限于B域范圍，因此，難以支撐移動互聯網流量經營需要的跨域、端到端的分析需求。

第四、數據管理和開放能力不足。除經分系統以外，按照應用模式獨立建設的大量應用子系統缺少統一的管理和開放能力，造成創新應用引入困難。

而華為的大數據解決方案憑借技術評比第一、綜合評比第一的優勢，獲得了客戶的信賴，從而成功地為湖南移動構建了新的經分系統。華為大數據解決方案主要采用了Hadoop結合LibrA。混搭架構，實現對B\M\O域數據的全面接入，融合處理并進行統一的建模。同時引入爬蟲、流計算等技術，實現對互聯網數據的處理和實時的業務支撐。而通過本項目的建設，幫助湖南移動實現了如下六個方面的改進和提升：

1、提升平臺能力? ? 2、提升數據資產的管理能力? ?3、提升日常的工作效率? ?4、提升業務能力? ?5、提升開放能力? ?6、降低后續的建設成本。

那么接下來我們將針對其中的三個方面做一個具體的分析。

首先是平臺能力的提升，非結構化數據的處理能力方面，采用爬蟲技術實現對互聯網非結構化數據的獲取和處理，利用Hadoop的分布式擴展優勢。網頁爬取任務均衡的分攤到各個節點上，并啟動多線程執行，極大地提升了網頁的爬取效率。

云化ETL提升海量數據的處理能力方面，主要體現在高性能和高擴展性上。比如相同處理能力的硬件平臺，大部分場景的性能提升了百分之五十以上，整個集群的處理能力可以動態伸縮，程序任務可以完全的自定義擴展，靈活性強。

分鐘級實時數據處理分析能力方面，流數據處理實現持續的數據載入和數據處理，縮短了數據延遲，支撐實時營銷。事件處理中心，提高了事件配置、事件、處理、事件的服務能力。

此外，通過Hadoop集群和LibrA數據引擎，提升分布式計算和存儲能力。從整體上來看，與原系統相比，新的經分系統實現了對數據的分布式計算、存儲，提升了對非結構化數據的支持，增強了對海量數據的處理能力，實現了實時的數據分析處理，接入數據規模每日可達7個T，數據的存儲量超過3個PB；平臺支持2000個經分用戶的日常訪問需求，以及20000個一線用戶的營銷需求。其次是日常分析效率的提升，運營商數據資產全視圖提供的自助分析服務，實現市場部門用戶的提數時長從周到小時的轉變。例如88元4G套餐語音資源使用率的報表原本需要兩周時間獲取，而在新的平臺下可以實現自助報表1小時即席查詢2小時的時間指標。

最后，業務能力的提升支撐大數據、超細分、微營銷、精服務的落地。比如，建立客戶生命周期的模型、客戶生物鐘模型等數據模型，以用戶標簽為基礎對客戶進行細分，建立客戶第一時刻、異動時刻、重要時刻、免打擾時刻等標簽，分別進行精準的營銷，比如以客戶群方式營銷、以一刻一時一策略的方式進行營銷等。

二、金融機構應用分享

傳統金融機構的特征是通過標準化和產業化提供服務，關注過程和步驟，被動接收信息，并且信息的來源單一，通過客戶經理聯系客戶，固定渠道單一交互，可以滿足世紀之初的客戶需求。那么隨著數字化信息時代的發展，客戶需求逐步的改變，比如客戶需要隨時隨地的獲取服務、尋找有意義的體驗以及互動參與內容、產品和體驗的創建等等。那么金融機構就需要朝著移動化、個性化、社交化、實時化的方向進行發展。

當然，為了朝著移動化、個性化、社交化和實施化的方向發展，金融數據架構就要有所改變，由原本單一的核心交易平臺轉變為兩個數據平臺，即在原有數據平臺的基礎上加入大數據平臺，通過大數據平臺提供具有實時在線性、業務持續性和跨多元數據的業務服務，比如統一的歷史明細、在線征信等。金融行業對大數據平臺的要求主要體現在：

企業級的質量標準要求：比如金融等保、可靠、易用、支持與現有系統的對接。

開放性要求：多分析引擎、統一管理，滿足多樣化的數據分析場景。

挖掘能力要求：支持機器學習、深度學習等新的數據挖掘能力，實現更精準的洞察。

因此全新的金融數據平臺架構如圖所示，通過構建統一的離線和實時的計算平臺，融合跨域數據，從而來支撐不同的業務應用。那么華為金融行業大數據業務主要包括了客戶管理、營銷管理、風險管理、運營管理以及信息創新五大領域，涵蓋客戶三百六十度畫像、電話銀行、信用卡反欺詐、產品定位、歷史數據管理等28個業務模塊。

銀行業務競爭越來越激烈，急需以金融數據分析和挖掘為基礎進行產品預測、創新和風險評估，來提升自身的競爭力。而金融數據量和種類的不斷增加，傳統數據倉庫也只適合結構化數據處理，同時擴展性差、擴容成本高，已經無法滿足大數據時代的要求。

在如此嚴峻的挑戰下，招商銀行選擇了華為的大數據解決方案，建立了高可靠、高安全、易管理、易開發的企業級大數據平臺。華為大數據解決方案是第一家支持金融等保，第一家支持1000公里以上異地融災的海量數據分析和挖掘的平臺，能實現與企業應用的無縫銜接。華為擁有強大的內核及開發工程團隊和咨詢、定制化的服務能力。而華為的大數據解決方案平臺也為招商銀行提供了統一的全量的數據分析和挖掘功能，提供了豐富的創新業務，比如在線明細、精準營銷、實時征信等。除此之外，在小微貸獲客預測方面，比傳統方式提升了40倍的轉化率，金融資產的預測誤差率降低了一倍。而信用卡征信也有原來的15天縮減至2-5秒，同時支持線性擴容，并且擴容成本低。

那么接下來我們來看一下具體的應用場景，比如在線的歷史明細查詢方面，華為FusionInsight數據服務結合FusionInsight? HD基礎數據平臺的解決方案，使客戶只需要專注歷史明細查詢業務的編寫即可。數據服務平臺支持多業務系統并發訪問，從而實現實時的歷史明細的查詢能力。并且數據服務平臺也支持socket和web的業務請求接入和分發，與招行的業務系統實現無縫銜接。此外，創新的CTBase方案獨有的表聚簇和多級索引，支持HBase多表的關聯查詢能力，而HBase同時也支持sql、java api的編程接口，來適應客戶的編程習慣。在客戶行為分析方面：華為的FusionInsight Miner數據洞察結合FusionInsight HD基礎數據平臺的解決方案，使客戶只需關注客戶行為分析業務的編寫。而FusionInsight Miner基于大數據進行全量的建模分析，可以挖掘出14000維客戶特征，實現多維客戶行為的并發分析。同時FusionInsight Miner采用機器自動學習機制，大大的提高了分析的準確度，最終客戶行為分析結果存儲在HBase中，供業務的查詢使用。再比如在實時征信方面的應用，華為的FusionInsight? farmer數據消費平臺，結合FusionInsight? HD基礎數據平臺的解決方案，也使客戶只需關注實時征信業務邏輯的編寫即可。

其中FusionInsight? farmer支持多業務系統的并發訪問，實現實時征信訪問能力。FusionInsight? farmer同時也支持tcp/http的請求接入和分發，提供負載均衡功能，實現于招行業務系統的無縫銜接。而前面我們談到創新的CTBase方案，其獨有的表聚簇和多級索引，支持HBase多表關聯查詢的能力，并且HBase也支持java api的編程接口，從而來適應客戶的編程習慣。

三、政府機構應用分享

現在的政府機構依然以傳統的架構為主，政府機構面臨著政、企與居民的雙向溝通、移動政府的安全與訪問控制等多方面的需求。與金融機構類似，傳統架構越來越不能滿足政府機構服務人民群眾的需求，這也迫使政府機構需要走上大數據和云計算的轉型之路。其實我們可以嘗試想象，未來經過大數據和云計算轉型之后的政府與民眾能實現360度的全方位溝通，可以基于人工智能提供個性化的服務、預測分析未知風險等。實現更優、更快的轉變。

其中公安政府的大數據業務模型主要包括情報分析、案件偵破、交警業務、警員辦公四大領域，而大數據的價值點包括了同行分析、案件統計、套牌車分析、電子卷宗檢索等29個方面。華為大數據作為一套經過多方檢驗與實踐的成熟的解決方案，能夠完美地覆蓋公安政府大數據業務。

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。