京东金融大数据分析平台总体架构v课件

金融集团大数据分析平台总体架构金融集团大数据分析平台Page 2议程大数据分析平台综述大数据分析平台综述1 1大数据分析平台总体架构大数据分析平台总体架构2 2 2 2大数据分析平台演进路线大数据分析平台演进路线3 3 3 3大数据分析平台一期实施重点大数据分析平台一期实施重点4 4 4 4附录：数据质量管理平台附录：数据质量管理平台5 5 5 5议程大数据分析平台综述1大数据分析平台总体架构2大数据分析平Page 3金融集团管理分析类应用建设现状基本分析关注的内容关注的内容关注的内容关注的内容存在的问题存在的问题存在的问题存在的问题基本的现状基本的现状基本的现状基本的现状l商城数据仓库商城数据仓库累积数据累积数据没有充分利用没有充分利用l缺乏面向整个金融集团的缺乏面向整个金融集团的统一、完整统一、完整的数据的数据视图；视图；l缺乏支撑金融集团日常业务运转的风缺乏支撑金融集团日常业务运转的风险评估体系险评估体系；l缺乏金融集团客户缺乏金融集团客户360360度视图，客户度视图，客户行为分析和预测无法实现；行为分析和预测无法实现；l缺乏缺乏面向金融业务运营面向金融业务运营管理的关键绩管理的关键绩效指标效指标体系；体系；ll商城已建立面向整个零售业务的商城已建立面向整个零售业务的数据数据仓库，整合仓库，整合了前台业务了前台业务运营运营数据和后数据和后台管理数据，建立了面向零售的管理台管理数据，建立了面向零售的管理分析应用；分析应用；l金融集团已开展供应链金融、人人贷金融集团已开展供应链金融、人人贷和保理等多种业务，积累了一定量的和保理等多种业务，积累了一定量的业务数据，同时业务人员也从客户管业务数据，同时业务人员也从客户管理、风险评级和经营规模预测等方面，理、风险评级和经营规模预测等方面，提出了大量分析预测需求；提出了大量分析预测需求；l数据数据数据数据平平平平台台台台、数据、数据、数据、数据应用应用应用应用、数据管控、数据管控、数据管控、数据管控基础数据平台和基础数据平台和基础数据平台和基础数据平台和BIBIBIBI应用建设是未应用建设是未应用建设是未应用建设是未来一段时间的重点！来一段时间的重点！来一段时间的重点！来一段时间的重点！l数据平台整体架构；数据平台整体架构；l 数据平台各层建设的标准；数据平台各层建设的标准；l 较成熟较成熟的的金融业金融业数据模型数据模型；l 数据质量治理；数据质量治理；l 元数据管理；元数据管理；l 数据标准建设数据标准建设l 数据整合；数据整合；l 数据应用建设；数据应用建设；l 数据平台的软硬数据平台的软硬环境环境l金融集团管理分析类应用建设现状基本分析关注的内容存在的问题基Page 4大数据分析平台建设目标外部非结构化数据统一制定目标和分析模型统一划分分析主题统一设计数据模式统一规划分析方法统一部署技术基础统一定义BI应用自定义报表工具自定义报表工具行列的简单定义方式行列的简单定义方式多种格式报表多种格式报表集团集团决策层决策层集团集团职能职能管控层管控层各级业务操作层各级业务操作层关注关注集团集团主主要经营指标要经营指标业务人员使用业务人员使用BIBI应用应用实现业务协作和创新实现业务协作和创新BI BI 分析工分析工具具供应链金融系统POP系统其他业务系统云数据推送平台已实现了主要零售及金融业务系统数据清洗、整合，为未来金融集团数据平台提供了丰富的数据源。通过数据平台和BI应用建设，金融集团将搭建统一的大数据共享和分析平台，对各类业务进行前瞻性预测及分析，为集团各层次用户提供统一的决策分析支持，提升数据共享与流转能力采购管理系统查看职能部门的查看职能部门的业务经营情况业务经营情况大数据分析平台建设目标外部非结构化数据统一制定目标和分析模型Page 5大数据分析平台建设预期收益2.2.加强业务协作加强业务协作实现分散在供应链金融、人人贷、保理等各个业务系统中的数据在数据平台中的集中和整合，建立单一的产品、客户等数据的企业级视图，有效促进业务的集成和协作，并为企业级分析、交叉销售提供基础3.3.促进业务创新促进业务创新金融集团业务人员可以基于明细、可信的数据，进行多维分析和数据挖掘，为金融业务创新（客户服务创新、产品创新等）创造了有利条件4.4.提升建设效率提升建设效率通过数据平台对数据进行集中，为管理分析、挖掘预测类等系统提供一致的数据基础，改变现有系统数据来源多、数据处理复杂的现状，实现应用系统建设模式的转变，提升相关IT系统的建设和运行效率5.5.改善改善数据质量数据质量从中长期看，数据仓库对金融集团分散在各个业务系统中的数据整合、清洗，有助于企业整体数据质量的改善，提高的数据的实用性通过数据平台实现数据集中，确保金融集团各级部门均可在保证数据隐私和安全的前提下使用数据，充分发挥数据作为企业重要资产的业务价值1.1.实现数据共享实现数据共享大数据分析平台建设预期收益2.加强业务协作实现分散在供应链金Page 6议程大数据分析平台综述大数据分析平台综述1 1 1 1大数据分析平台总体架构大数据分析平台总体架构2 2大数据分析平台演进路线大数据分析平台演进路线3 3 3 3大数据分析平台一期实施重点大数据分析平台一期实施重点4 4 4 4附录：数据质量管理平台附录：数据质量管理平台5 5 5 5议程大数据分析平台综述1大数据分析平台总体架构2大数据分析平Page 7大数据分析平台总体架构历史历史数数据查询据查询数据交换平台数据交换平台应用集应用集市数据区市数据区商城零售供应链金融人人贷系统基金系统系统企业内外部半结构化、非结构化数据大数据交换组件数据库数据交换组件数据区数据交换组件数据计算层大数据区大数据区沙盘演练数据区沙盘演练数据区数据应用层实实时时数数据据区区客户主题协议主题产品主题业务沙盘演练业务沙盘演练数据数据增增值值产品产品 零售数据供应链数据增值产增值产品数据品数据区区主主题题数数据据区区 用户用户访访问层问层客户汇总账户汇总机构汇总 社交媒体移动互联用户评价访问日志处理后大数据待处理大数据流程调度监控告警数据标准数据质量元数据数据安全流程流程调度调度平台平台数据数据管控管控平台平台流流程程调调度度层层数据管控层数据产生层数据交换层实时实时数数据查询据查询客户管理财务管理外部用户贴源数据区贴源数据区内部管理分析内部管理分析内部用户历历史史归归档档数数据据区区IT人员风险管理大数据分析平台总体架构历史数数据交换平台应用集市数据区商城零Page 8大数据分析平台总体架构数据产生层l内部内部业务系统产生的结构化数据业务系统产生的结构化数据v商城日常零售业务商城日常零售业务处理过程中产生的结构化数据，存储在关系型数据库中，如：供应商信息、采购信息、商品信息、销售处理过程中产生的结构化数据，存储在关系型数据库中，如：供应商信息、采购信息、商品信息、销售流水流水v金融集团日常业务处理过程中产生的结构化数据，存储在关系型数据库中，如金融集团日常业务处理过程中产生的结构化数据，存储在关系型数据库中，如：客户信息、账户信息、：客户信息、账户信息、金融产品金融产品信息、交易流水信息、交易流水l企业内部非结构化数据企业内部非结构化数据v日常业务处理过程中产生的非结构化数据，存储形式多样，主要包括用户访问日志、用户投诉、用户点评日常业务处理过程中产生的非结构化数据，存储形式多样，主要包括用户访问日志、用户投诉、用户点评l企业外部企业外部数据数据v企业外部数据以非结构化为主，主要包括国家政策法规、论坛等互联网信息、地理位置等移动信息、微博等社交媒体信息企业外部数据以非结构化为主，主要包括国家政策法规、论坛等互联网信息、地理位置等移动信息、微博等社交媒体信息 源数据内容源数据内容l在本次项目实施中将采用以增量在本次项目实施中将采用以增量为主、全量为主、全量为辅结合的为辅结合的方式获取源数据方式获取源数据l商城和金融集团业务系统商城和金融集团业务系统的的数据数据v增量数据识别、获取由云数据推送平台负责，增量数据识别、获取由云数据推送平台负责，云数据推送云数据推送平台采用分析、对比源系统日志方式实现平台采用分析、对比源系统日志方式实现v对于无法通过上述方式获取增量的源系统数据对于无法通过上述方式获取增量的源系统数据，则采用某一个时间范围内的全部数据作为增量，则采用某一个时间范围内的全部数据作为增量v初始初始数据加载均采用全量数据加载均采用全量模式模式源源数据增量数据增量大数据分析平台总体架构数据产生层内部业务系统产生的结构化Page 9大数据分析平台总体架构数据交换层数据交换层设计目标数据交换层设计目标传输组件是根据数据源存储的不同分类而设计的，本质是通过分析数据存储结构和数据存储库的特点来针对性的设计工具，以追求卓越的性能保证数据在平台内高速流转保证数据交换过程中不失真保证数据交换过程中不丢失保证数据交换过程安全可靠数据区数据交换组件数据库数据交换组件大数据交换组件金融集团系统金融集团系统数据服务层外部外部大数大数据据商城系统商城系统Hadoop元数据云数据推送平台云数据推送平台数据平台导入临时区数据平台导出临时区NAS 存储ETL程序区大数据分析平台总体架构数据交换层数据交换层设计目标传输组Page 10大数据分析平台总体架构数据交换层NAS存储HadoopHadoop集群元数集群元数据据区区数据数据平台平台ETLETL数据数据处理程序区处理程序区数据数据平台临时数平台临时数据区据区存储数据平台各个Hadoop集群的元数据信息，如：HDFS文件系统元数据集团数据交换平台每日获取运输局推送平台提供的业务系统变化数据，暂存在NAS临时数据区金融数据平台加工计算结果返回给业务系统，暂存在NAS临时数据区数据平台ETL加工处理程序（数据压缩、数据加载、各数据数据处理等）统一存储在NAS集群指定目录，各接口服务器通过文件系统Link建立映射大数据分析平台总体架构数据交换层NAS存储Hadoop集Page 11大数据分析平台总体架构数据交换层大数据交换组件l企业内部非结构化、企业内部非结构化、半结构化数据，如：半结构化数据，如：音频、视频、邮件、音频、视频、邮件、OfficeOffice文档、抵押文档、抵押品扫描件等品扫描件等l企业外部非结构化、企业外部非结构化、半结构化数据，如：半结构化数据，如：微博、贴吧、论坛、微博、贴吧、论坛、用户点击流、用户用户点击流、用户移动位置等移动位置等l批量采集：大数据批量采集：大数据源以源以SFTPSFTP协议批量协议批量传输数据文件传输数据文件l在线在线访问：开发访问：开发JavaJava或或C C应用，调用应用，调用大据源大据源APIAPI，或以网，或以网络平台爬虫方式抓络平台爬虫方式抓取源系统取源系统非非结构化、结构化、半结构化数据半结构化数据l组件以实时和批量组件以实时和批量两种模式实现下列两种模式实现下列功能：功能：v数据采集数据采集v数据传输到数据交换数据传输到数据交换平台平台（接口服务器）（接口服务器）NASNAS指定目录指定目录v存储存储数据到数据平台数据到数据平台大数据区指定大数据区指定HDFSHDFS目目录录l定时抽取用户访问定时抽取用户访问日志，日志，加载到数据加载到数据平台大数据区平台大数据区HDFSHDFS指定目录，指定目录，MRMR程序程序加工处理加工处理l开发网络爬虫程序，开发网络爬虫程序，扫描用户微博，抓扫描用户微博，抓取用户微博内容，取用户微博内容，社交圈信息，存入社交圈信息，存入大数据区大数据区处理对象实现技术实现功能应用场景大数据分析平台总体架构数据交换层大数据交换组件企业内部非Page 12大数据分析平台总体架构数据交换层数据库数据交换组件l企业内部业务系统产企业内部业务系统产生的结构化数据，包生的结构化数据，包括两大来源：括两大来源：v商城零售业务数据，数商城零售业务数据，数据存储在据存储在OracleOracle、SQLServerSQLServer、MySQLMySQL和和MongoDBMongoDB四类数据库四类数据库v金融金融集团互联网金融业集团互联网金融业务数据，数据存储在务数据，数据存储在MySQLMySQL数据库数据库lPerlPerl程序程序v数据采集，数据采集，调用调用PerlPerl文件模块相关函文件模块相关函数，轮询指定目录，数，轮询指定目录，获取数据文件获取数据文件v数据核查，数据核查，PerlPerl执行执行文件级数据质量检查文件级数据质量检查v数据加载，调用数据加载，调用Hive Hive LoadLoad数据命令，加载数据命令，加载到数据平台临时数据到数据平台临时数据区的区的Hive Hive TableTablel组件以实时和组件以实时和批量模批量模式式实现下列功能：实现下列功能：v数据采集，数据采集，轮询轮询NASNAS集集群指定群指定目录，获取数据目录，获取数据文件（文件（LZOLZO压缩压缩）v数据核查，对数据核查，对数据数据文件文件进行质量校验进行质量校验v数据加载，加载数据到数据加载，加载数据到临时数据区临时数据区l云云数据推送平台连接数据推送平台连接供应供应链金融链金融系统数据系统数据库，分析库，分析供应链金融供应链金融MySQLMySQL数据库日志，识数据库日志，识别增量数据别增量数据，存储到，存储到金融平台金融平台NASNAS存储的指存储的指定目录，金融平台加定目录，金融平台加载数据文件到载数据文件到数据平数据平台临时区台临时区HiveHive表表处理对象实现技术实现功能应用场景大数据分析平台总体架构数据交换层数据库数据交换组件企业内Page 13大数据分析平台总体架构数据交换层数据区数据交换组件l数据平台计算层各数据平台计算层各数据区数据区v贴源数据贴源数据区区v主题数据区主题数据区v集市数据区集市数据区v沙盘数据区沙盘数据区v大数据区大数据区v归档数据区归档数据区lSqoopSqoop实现集市数据实现集市数据区与数据平台其他区与数据平台其他HadoopHadoop数据区的数数据区的数据交换据交换lHadoop Hadoop 命令、命令、HiveHive外部表、外部表、MRMR程序实程序实现数据平台现数据平台HadoopHadoop数据区间的数据交数据区间的数据交换换l组件组件以批量方式实以批量方式实现下列数据交换功现下列数据交换功能能：v贴源数据贴源数据区和区和主题数主题数据区到据区到集市数据区集市数据区v大大数据数据区区到主题数据到主题数据区和集市区和集市数据数据区区v主题数据主题数据区、贴源数区、贴源数据区、集市数据区到据区、集市数据区到沙盘数据区沙盘数据区v各个数据各个数据区数据归档区数据归档l数据集市的数据按数据集市的数据按照据生命周期规划，照据生命周期规划，统一将过期数据归统一将过期数据归档到历史数据归档档到历史数据归档区区处理对象实现技术实现功能应用场景大数据分析平台总体架构数据交换层数据区数据交换组件数据平Page 14大数据分析平台总体架构流程调度层批量处理流程l批量数据处理由流程调度层部署的批量数据处理由流程调度层部署的自定义开发自定义开发WorkFlowWorkFlow组件调度运行组件调度运行l整个流程整个流程主要完成如下主要完成如下工作工作：1.1.获取业务获取业务系统系统结构化数据，存结构化数据，存入临时数据区入临时数据区2.2.获取获取企业企业内外部非内外部非结构化数据，结构化数据，并进行结构化处理，存入主题并进行结构化处理，存入主题或集市数据区或集市数据区3.3.按照贴源按照贴源数据模型整合数据模型整合数据数据（标准化、数据更新（标准化、数据更新/追加追加）4.4.按照按照主题数据模型主题数据模型整合整合数据并数据并生成汇总生成汇总5.5.数据加工计算后，结果交付到数据加工计算后，结果交付到数据集市，支持分析类应用数据集市，支持分析类应用大数据分析平台总体架构流程调度层批量处理流程批量数据处理Page 15大数据分析平台总体架构流程调度层实时数据处理流程l实时数据处理强调的是实时或准实时获实时数据处理强调的是实时或准实时获取并处理数据，通常采取消息队列等技取并处理数据，通常采取消息队列等技术构建术构建“数据流数据流”l整个处理流程由流程调度层部署的自定整个处理流程由流程调度层部署的自定义开发义开发WorkFlowWorkFlow组件调度运行组件调度运行l整个流程主要完成如下工作：整个流程主要完成如下工作：1.1.通过数据库数据交换组件获取增量通过数据库数据交换组件获取增量数据，加载到实时数据区数据，加载到实时数据区2.2.通过大数据交换组件获取非结构化通过大数据交换组件获取非结构化数据，并利用数据，并利用StormStorm处理数据，加处理数据，加载到实时数据区载到实时数据区3.3.针对实时数据区数据执行标准化处针对实时数据区数据执行标准化处理和贴源整合理和贴源整合大数据分析平台总体架构流程调度层实时数据处理流程实时数据Page 16大数据分析平台总体架构流程调度层归档数据处理流程l数据归档的对象包括业务系统数据文件、贴源数数据归档的对象包括业务系统数据文件、贴源数据区数据、主题数据区数据、大数据区数据和集据区数据、主题数据区数据、大数据区数据和集市数据区数据市数据区数据l数据按照生命周期规划存储到归档区数据按照生命周期规划存储到归档区HadoopHadoop集群，集群，归档后原数据区删除此数据归档后原数据区删除此数据l整个处理流程由流程调度层部署的自定义开发整个处理流程由流程调度层部署的自定义开发WorkFlowWorkFlow组件调度运行组件调度运行l整个流程主要完成如下工作：整个流程主要完成如下工作：1.1.数据文件通过数据文件通过HDFSHDFS命令行命令行copyfromlocalcopyfromlocal进进行归档行归档2.2.贴源、主题和大数据区通过贴源、主题和大数据区通过HDFSHDFS命令行命令行distcpdistcp或自定义开发的或自定义开发的MRMR程序执行归档程序执行归档3.3.集市集市数据区通过数据区通过SqoopSqoop或数据库提供的或数据库提供的HadoopHadoop集成技术（如：外部表）执行归档集成技术（如：外部表）执行归档大数据分析平台总体架构流程调度层归档数据处理流程数据归档Page 17大数据分析平台总体架构数据存储层l业务系统前日增量数据业务系统前日增量数据l缓存数据，支持后续缓存数据，支持后续ELTELT数据处理数据处理数据内容主要用途数据模型保留周期用户访问模式工作负载平台要求l贴贴源源数据模型数据模型l保存最近保存最近7 7天数据天数据l贴源数据区和主题数据区批量作业访问贴源数据区和主题数据区批量作业访问l无最终用户访问无最终用户访问lI/OI/O敏感，连续小批量的数据抽取和加载敏感，连续小批量的数据抽取和加载l少量量数据使用少量量数据使用HiveHive的的LoadLoad命令，大量数据使用命令，大量数据使用MRMR程序程序l与主题区与主题区/贴贴源源区区/集市区构成一个集市区构成一个HadoopHadoop集群（集群（HiveHive）l无单点无单点故障，故障，724724小时小时+非工作日有限停机非工作日有限停机l主题数据区、集市数据区和沙盘演练数据区批量作业访问主题数据区、集市数据区和沙盘演练数据区批量作业访问l无最终用户访问无最终用户访问lI/OI/O敏感，日终批量敏感，日终批量ETLETLl以以ELTELT形式通过形式通过Hive SQLHive SQL执行执行l与主题区与主题区/贴源区贴源区/集市区构成一个集市区构成一个HadoopHadoop集群（集群（HiveHive）l无单点故障，无单点故障，724724小时小时+非工作日有限停机非工作日有限停机l贴贴源源数据模型数据模型l不不保存历史保存历史l业务系统前日快照数据和一段时间的流水数据业务系统前日快照数据和一段时间的流水数据l数据标准化，为后续主题模型、集市和沙盘演练提供数据数据标准化，为后续主题模型、集市和沙盘演练提供数据临时数据区贴源数据区大数据分析平台总体架构数据存储层业务系统前日增量数据数据Page 18大数据分析平台总体架构数据存储层（续）l企业内外部非结构化、半结构化数据企业内外部非结构化、半结构化数据l采集并采集并存储数据存储数据，进行，进行结构化处理，最终得到结构化数据结构化处理，最终得到结构化数据数据内容主要用途数据模型保留周期用户访问模式工作负载平台要求l数据按照数据按照HDFSHDFS文件文件存储存储l建议保留建议保留1 1年年l集市区集市区/沙盘区沙盘区/增值产品区增值产品区/主题主题区区/归档区批量作业访问归档区批量作业访问l少量高级业务人员进行大数据分析少量高级业务人员进行大数据分析lMapReduce MapReduce 分布式计算，半分布式计算，半/非结构化数据的结构化处理非结构化数据的结构化处理（包括文本检索、语义分词、图像识别、音频识别等）（包括文本检索、语义分词、图像识别、音频识别等）l与主题区与主题区/贴源区构成一个贴源区构成一个HadoopHadoop集群（集群（HDFSHDFS）l无单点无单点故障，故障，724724小时小时+非工作日有限停机非工作日有限停机l集市区集市区/沙盘区沙盘区/增值产品区增值产品区/主题主题区区/高时效区批量作业访问高时效区批量作业访问l业务人员执行历史数据查询业务人员执行历史数据查询lMapReduceMapReduce分布式计算，分布式计算，HDFSHDFS命令实现命令实现HadoopHadoop集群内归档，集群内归档，SqoopSqoop实现数据库归档，通过实现数据库归档，通过HiveHive提供历史查询提供历史查询l独立的独立的HadoopHadoop集群（集群（HDFS+HiveHDFS+Hive）l无单点无单点故障，故障，724724小时小时+非工作日有限停机非工作日有限停机l数据按照数据按照HDFSHDFS文件文件存储存储l数据文件按照数据区划分目录，建议保留数据文件按照数据区划分目录，建议保留7 7年年l其他各数据区历史数据其他各数据区历史数据l按数据生命周期规划归档平台过期数据，支撑历史数据查询按数据生命周期规划归档平台过期数据，支撑历史数据查询大数据区历史归档数据区大数据分析平台总体架构数据存储层（续）企业内外部非结构化Page 19大数据分析平台总体架构数据存储层（续）l业务业务系统历史明细系统历史明细数据数据l打破业务条线整合数据打破业务条线整合数据数据内容主要用途数据模型保留周期用户访问模式工作负载可用性要求l第三第三范式范式模型模型l保留长期历史，需要根据主题细化保留长期历史，需要根据主题细化l主题区主题区/集市集市区区/沙盘区沙盘区/增值产品区增值产品区/归档归档区批量作业访问区批量作业访问l少量高级业务人员进行灵活查询、挖掘预测少量高级业务人员进行灵活查询、挖掘预测lI/OI/O敏感敏感，日日终终批量批量ETL ETL（合并、拉链、关联、汇总等等）（合并、拉链、关联、汇总等等）l以以ELTELT形式通过形式通过Hive SQLHive SQL执行，复杂处理使用执行，复杂处理使用MRMR定制定制UDFUDFl与大数据区与大数据区/贴贴源区构成源区构成一个一个HadoopHadoop集群集群（HiveHive）l无单点故障，无单点故障，724724小时小时+非工作日有限停机非工作日有限停机l集市区集市区/沙盘区沙盘区/增值产品区增值产品区/归档区批量作业访问归档区批量作业访问l少量高级业务人员进行灵活查询、挖掘预测少量高级业务人员进行灵活查询、挖掘预测lI/OI/O敏感，日终批量敏感，日终批量ETL ETL（连接、聚合、（连接、聚合、汇总等等）汇总等等）l以以ELTELT形式通过形式通过Hive SQLHive SQL执行，复杂处理使用执行，复杂处理使用MRMR定制定制UDFUDFl与大数据区与大数据区/贴贴源区构成源区构成一个一个HadoopHadoop集群（集群（HiveHive）l无单点无单点故障故障，724724小时小时+非工作日有限停机非工作日有限停机l逆逆范式宽表范式宽表l依赖于集市数据需求依赖于集市数据需求l对主题数据对主题数据预加工后的结果数据预加工后的结果数据l针对应用需求进行数据预连接、预汇总，为集市提供针对应用需求进行数据预连接、预汇总，为集市提供数据数据主题数据区明细主题数据区汇总大数据分析平台总体架构数据存储层（续）业务系统历史明细数Page 20大数据分析平台总体架构数据存储层（续）l按沙盘演练需求，准备的明细或汇总业务数据按沙盘演练需求，准备的明细或汇总业务数据l为数据科学家的挖掘预测操作提供数据服务为数据科学家的挖掘预测操作提供数据服务数据内容主要用途数据模型保留周期用户访问模式工作负载可用性要求l模型模型依赖于沙盘演练依赖于沙盘演练需求需求l在整个沙盘演练周期内保留在整个沙盘演练周期内保留l集市区集市区/沙盘区沙盘区/归档区批量作业访问归档区批量作业访问l少量高级业务人员进行灵活查询、挖掘预测少量高级业务人员进行灵活查询、挖掘预测lI/OI/O敏感，终批量敏感，终批量ETL ETL（合并、拉链、关联、汇总等等）（合并、拉链、关联、汇总等等）l以以ELTELT形式通过形式通过Hive SQLHive SQL执行，复杂处理使用执行，复杂处理使用MRMR定制定制UDFUDFl独立的独立的HadoopHadoop集群（集群（HDFSHDFS）l无单点无单点故障故障，724724小时小时+非工作日有限停机非工作日有限停机l沙盘区沙盘区/归档区批量作业访问归档区批量作业访问l决策人员、管理人员、业务人员访问决策人员、管理人员、业务人员访问lI/OI/O敏感型，敏感型，BIBI工具提交的报表、查询、分析工具提交的报表、查询、分析SQLSQL命令和日终命令和日终批量批量ETLETL（汇总、聚集等操作，以（汇总、聚集等操作，以ELTELT形式通过形式通过SQLSQL执行）执行）l基于开放平台的基于开放平台的完全无共享完全无共享 MPP MPP 数据库数据库集群集群+内存数据库内存数据库l无单点无单点故障故障，724724小时小时+非工作日有限停机非工作日有限停机l维维度度数据模型数据模型l依赖业务需求依赖业务需求l面向企业内部管理分析类应用需求的汇总数据面向企业内部管理分析类应用需求的汇总数据l为客户、为客户、运营等运营等管理管理分析主题和数据增值产品提供分析主题和数据增值产品提供数据服务数据服务沙盘演练数据区应用集市数据区大数据分析平台总体架构数据存储层（续）按沙盘演练需求，准Page 21大数据分析平台总体架构数据存储层（续）l根据外部用户的数据使用需求数据平台加工计算的结果数据根据外部用户的数据使用需求数据平台加工计算的结果数据l为为部署在数据平台上的企业内外部增值产品提供数据支持部署在数据平台上的企业内外部增值产品提供数据支持数据内容主要用途数据模型保留周期用户访问模式工作负载可用性要求l应用模型，依赖于用户业务需求应用模型，依赖于用户业务需求l依赖于用户依赖于用户业务业务需求需求l企业外部人员，如：京东客户企业外部人员，如：京东客户l通过自己部署在通过自己部署在PaasPaas平台上的应用访问平台上的应用访问lI/OI/O敏感型，敏感型，BIBI工具提交的报表、查询、分析工具提交的报表、查询、分析SQLSQL命令和日终命令和日终批量批量ETLETL（汇总、聚集等操作，以（汇总、聚集等操作，以ELTELT形式通过形式通过SQLSQL执行）执行）l独立的独立的PaasPaas平台，部署平台，部署HadoopHadoop集群集群l无单点无单点故障，故障，724724小时小时+非工作日有限停机非工作日有限停机l企业业务人员企业业务人员l高时效高时效、高、高并发、高可靠性的联机交易类查询并发、高可靠性的联机交易类查询lCPUCPU敏感，敏感，BIBI工具或业务系统高并发、高时效查询，以及准工具或业务系统高并发、高时效查询，以及准实时连续实时连续ETLETL处理处理+SQL+SQL批量处理批量处理l独立的内存数据库集群独立的内存数据库集群l无无单点单点故障，故障，3652436524小时不停机小时不停机l贴源数据模型贴源数据模型l依赖用户业务依赖用户业务需求需求l面向应用的业务系统快照数据和一段时间的交易流水面向应用的业务系统快照数据和一段时间的交易流水l为实时获准实时分析应用提供数据服务为实时获准实时分析应用提供数据服务增值产品数据区实时数据区大数据分析平台总体架构数据存储层（续）根据外部用户的数据Page 22大数据分析平台总体架构数据存储层数据流数数据集成层据集成层操作型聚合数据临时数据区实时数据区实时数据区公共汇总数据主题明细数据结构化数据非结构化&半结构化数据沙盘演练数据区沙盘演练数据区实验室数据集市数据区集市数据区POP自营数据贴源数据区贴源数据区金融业务数据主题数据区主题数据区客户管理集市财务管理集市运营管理集市风险管理集市集市大物流系统数据供应链系统数据财务审计数据财务研发数据操作型明细据归档数据区归档数据区大数据区大数据区源系统数据文件贴源数据主题数据集市数据高时效数据大数据增值产品数据区增值产品数据区大数据分析平台总体架构数据存储层数据流数据集成层操作型聚Page 23大数据分析平台总体架构数据应用层大数据大数据平台应用平台应用l针对公检法查询需求、内外部审针对公检法查询需求、内外部审计需求和最终用户的历史交易查计需求和最终用户的历史交易查询需求，以贴源存储的归档数据询需求，以贴源存储的归档数据为基础，实现的查询类应用为基础，实现的查询类应用l历史查询类应用通常使用历史查询类应用通常使用BI BI 工具工具或自主开发实现或自主开发实现l客户经理等最终业务人员针对当客户经理等最终业务人员针对当前业务的发生（如：用户交易、前业务的发生（如：用户交易、用户访问日志），进行用户访问日志），进行实时查询实时查询、分析的应用分析的应用l管理分析类应用主要实现了集团管理分析类应用主要实现了集团客户管理、运营管理、财务管理、客户管理、运营管理、财务管理、风险管理、监管信息披露五大分风险管理、监管信息披露五大分析体系功能析体系功能l管理分析类应用通常采用套装软管理分析类应用通常采用套装软件和件和BIBI工具（工具（MicroStrategyMicroStrategy等）等）实现实现l业务人员根据业务需求或自己对业务人员根据业务需求或自己对业务的理解，设计计算模型，准业务的理解，设计计算模型，准备各类明细或汇总数据，导入模备各类明细或汇总数据，导入模型运算，验证业务结果型运算，验证业务结果l沙盘演练类应用通常使用沙盘演练类应用通常使用R R语言在语言在HadoopHadoop分布式体系下实现分布式体系下实现l金融集团数据科学家根据自己对金融集团数据科学家根据自己对业务需求的理解或者对市场的判业务需求的理解或者对市场的判断，设计并运行模型，发掘数据断，设计并运行模型，发掘数据价值，并封装成商业产品价值，并封装成商业产品l数据增值产品通常采用数据增值产品通常采用R R语言和语言和BIBI工具实现，面向企业内外部用户工具实现，面向企业内外部用户管理分析类应用管理分析类应用1沙盘演练类应用沙盘演练类应用3历史查询类应用历史查询类应用4高时效高时效类分析应用类分析应用5数据增值类产品数据增值类产品2l实时分析类应用通常使用实时分析类应用通常使用CEPCEP、ESBESB等技术实现等技术实现大数据分析平台总体架构数据应用层大数据针对公检法查询需求Page 24大数据分析平台总体架构平台发展不同阶段对应应用工作负载复杂度大数据平台发展阶段划分操作为主阶段什么正在发生？动态数据仓库阶段 让正确的事情发生！分析为主阶段为什么会发生报表为主阶段发生了什么预测为主阶段将会发生什么？批量随机查询数据分析持续更新加载/短查询基于事件的动态触发数据量增长用户数增长查询复杂度增长ETL处理复杂度增长管理分析管理分析类应用类应用历史查询类应用历史查询类应用实时分析类应用实时分析类应用沙盘演练类沙盘演练类应用应用数据增值数据增值类类产品产品大数据分析平台总体架构平台发展不同阶段对应应用工作负载复Page 25大数据分析平台总体架构管理分析类应用r总账分析*资产负债表分析*损益表分析*现金流量表分析*财务指标分析r盈利分析*机构贡献度*产品贡献度*客户细分贡献度*渠道绩效r资产负债分析*主要指标报告，如：净利息收入、净收入、净现值、市场价值等*头寸报告*现金流报告*风险价值（VaR）计算r财务预算与计划*财务预算*财务计划执行监控*执行过程分析*年末财务计划执行分析r预测与场景分析*业务规模预测*收益预测rr领导管理驾驶舱r机构绩效考核r客户经理考核*客户经理工作量评估*客户经理服务客户收益评估r产品绩效考核r业务量考核*供应链金融业务*人人贷业务*保理业务*基金业务*其它中间业务*r渠道成本与收益rr风险监控报表/信息披露*流动性报表*利率敏感性报表*资本充足率报表*r市场风险*市场风险暴露值*流动性管理、利率管理r信用风险*信用风险暴露值计算*信用风险控制 （贷前控制、贷中监控、贷后分析）r操作风险*异常交易预警*后督差错检查*r防欺诈/反洗钱*定义欺诈交易模型*可能性欺诈交易预警*欺诈交易分布分析r全面风险管理rr目前监管机构没有明确要求r客户单一视图*公司客户信息管理*个人客户信息管理*同业客户信息管理r目标客户搜索*重点客户*关怀客户*风险客户*异动客户r客户细分*个人客户细分*公司客户细分r客户行为分析*客户轮廓分析*产品交叉销售分析*百分比分析*渠道偏好分析r营销活动管理*营销活动规划*营销活动定义*营销活动执行*营销活动苹果r营销活动自动化*渠道接口与集成*流程自动化r客户管理运营管理财务管理风险管理监管披露示例大数据分析平台总体架构管理分析类应用总账分析领导管理驾驶Page 26大数据分析平台总体架构数据访问层l即席查询：即席查询：通过即席查询工具或手工书写SQL语句，完成业务信息的即席查看l多维分析：多维分析：从多个维度灵活组合对目标值进行分析，常见功能包括上下钻取、透明钻取、旋转、分页、层钻、跨维钻取等l主动问题发现：主动问题发现：通过事件触发、规则匹配等方式发现企业运营中的问题，通过手机、邮件等方式报警决策层管理层业务人员即席查询即席查询静态报表静态报表多维分析多维分析仪表盘仪表盘挖掘预测挖掘预测l仪表盘仪表盘：通过仪表盘及其它展现方式对企业关键绩效指标进行展示，为领导层决策提供直观的数据支持l静态静态报表：报表：按照预先定义格式，批处理报表，在线查询报表等 lOfficeOffice集成集成：将分析应用嵌入到Office界面中，利用Office的方便、易用特性，降低用户使用难度问题发现问题发现Office Office 集成集成WebWeb服务服务l挖掘挖掘预测预测：使用专业的软件工具，通过数理统计等高级统计分析算法，分析结构化、非结构化数据，通过数据模型去挖掘隐藏在数据中的价值数据科学家业务系统lWeb Web 服务服务：将分析应用的功能发布为Web服务，注册在企业服务总线上，供其它业务系统或分析应用调用，获取分析结果多种展现形式满足各层级用户及应用系统使用需求大数据分析平台总体架构数据访问层即席查询：通过即席查询工Page 27大数据分析平台总体架构数据管控层金融数据管控体系涵盖组织架构、组织架构、评价与评价与考核、管考核、管控流程控流程、管、管控平台控平台四个域。数据标准管理数据质量管理元数据管理工作流管理组织数据与信息标准化委员会数据管理人数据所有人数据生产人数据使用人IT 支持团队考核指标责任评价标准执行评价政策执行评价评价标准数据类型数据格式业务分类真实性定义及时性定义完整性定义技术元数据流程评价与考核流程考核指标建立/维护流程标准建立/维护流程组织建立/维护流程评价与考核业务含义一致性定义数据认责平台安全等级权限定义数据停用数据共享数据移动数据存储数据创建业务元数据管理元数据数据全生命周期数据安全管理数据标准数据质量元数据数据安全审计定义保留策略大数据分析平台总体架构数据管控层金融数据管控体系涵盖组织Page 28大数据分析平台总体架构数据管控体系内部运转机制管控组织q数据管控委员会q数据所有人q数据认责人qIT支持q管控流程q数据接入流程q数据变更流程q数据授权流程q数据退役流程q标准/政策制定流程q评价考核流程q评价与考核q标准（数据标准、质量要求、安全要求）q遵守标准所需要的政策q政策与标准遵从考评定义qq数据产生者q数据使用者q流程支撑流程支撑制定管控平台工具支撑 明确了数据管控过程中的组织结构、角色、职责等。管控组织除了要负责制定数据标准、质量、安全等要求外，还需要负责制定管控的相关流程和评价考核指标等内容。考评制定 通过建立一些定性或定量的数据管控评价考核指标，去评估及考核数据相关责任人职责履行情况、数据管控标准及数据政策的执行情况等。规范了数据管控过程中，各个环节日常任务处理的运作模式，例如数据定义如何变更、数据冲突如何协调等。采用专门的技术平台支撑管控流程的自动化，发布管控组织制定的一些相关标准和规范，及时反映管控过程中存在的一些问题等。管控综合管理q标准/规范管理q流程管理q考核仪表盘q元数据管理q业务元数据管理q技术元数据管理q管理元数据分析q数据质量管理q稽核规则管理q数据稽核q质量报告q工具支撑组织架构、评价与考核、管控流程、管控工具组织架构、评价与考核、管控流程、管控工具这四个域相互作用、相互支撑，提供对各信息系统数据的管控。大数据分析平台总体架构数据管控体系内部运转机制管控组织管Page 29大数据分析平台总体架构数据管控组织l数据管控组织是数据管控体系中最重要的因素，它负责定义和管理业务数据相关标准，制定遵数据管控组织是数据管控体系中最重要的因素，它负责定义和管理业务数据相关标准，制定遵寻标准所必须的政策，监测正在进行的数据管控行动。寻标准所必须的政策，监测正在进行的数据管控行动。l数据管控组织是否有完整与合理的角色定义、是否有高层领导的参与，是整个数据管控的成败数据管控组织是否有完整与合理的角色定义、是否有高层领导的参与，是整个数据管控的成败的关键。的关键。l典型的数据管控组织如下所示：典型的数据管控组织如下所示：数据管控负责部门岗位角色数据管控主导方信息管理委员会信息管理委员会 数据标准管理员数据质量管理员数据产生部门数据管控参与方业务协调人数据分析员数据主管数据使用部门业务协调人数据分析员数据主管数据拥有部门业务协调人数据分析员数据主管数据管理部门运维组织实施项目组数据安全管理员数据管控经理元数据管理员大数据分析平台总体架构数据管控组织数据管控组织是数据管控Page 30大数据分析平台总体架构数据标准管理l消除一数多义，提升数据的唯一性、一致性，将逐步形成的数据标准纳入一个规范的管消除一数多义，提升数据的唯一性、一致性，将逐步形成的数据标准纳入一个规范的管理流程中，进行数据标准的更新、发布、使用监督等工作理流程中，进行数据标准的更新、发布、使用监督等工作。l数据数据标准管理工作可以分为以下几个部分：数据标准建立和维护、数据标准执行、数据标准管理工作可以分为以下几个部分：数据标准建立和维护、数据标准执行、数据标准管理的考评。标准管理的考评。数据标准建立和维护数据分类数据结构关键业务对象关键代码数据维度代码映射客户类数据标准产品类数据标准。类数据标准数据标准执行数据标准管理的考评定性考评定量考评数据标准分析报告数据标准理念推广归档系统ODS大数据分析平台总体架构数据标准管理消除一数多义，提升数据Page 31大数据分析平台总体架构数据质量管理l数据质量管理框架蓝图如下，其中数据质量提升是改进数据质量的手段数据质量管理框架蓝图如下，其中数据质量提升是改进数据质量的手段和质量和质量考评的目的考评的目的：v数据质量要求确认，根据业务要求制定和明确数据质量要求数据质量要求确认，根据业务要求制定和明确数据质量要求，同时，同时也需要符合数据标准的要求；也需要符合数据标准的要求；v数据质量考评，对数据质量的量化评价数据质量考评，对数据质量的量化评价v制定数据质量问题解决方案，根据数据质量考评和日常工作中发现的数据质量问题，实施相应的措施，制定数据质量问题解决方案，根据数据质量考评和日常工作中发现的数据质量问题，实施相应的措施，提升数据质量提升数据质量数据质量要求业务规则数据一致性要求数据完整性要求数据唯一性要求数据准确性要求数据及时性要求数据质量标准数据质量验证规则数据质量考核指标数据质量提升数据补录手工修正自动修正数据质量考评数据质量监控不定期数据质量检查数据质量分析报告大数据分析平台总体架构数据质量管理数据质量管理框架蓝图如Page 32大数据分析平台总体架构元数据管理l业务元数据：面向业务人员，从业务术语、业务描述、业务指标和业务规则等几个方面对数业务元数据：面向业务人员，从业务术语、业务描述、业务指标和业务规则等几个方面对数据进行描述据进行描述l管理元数据：面向数据管理人员，从运维管理的角度描述数据处理、数据质量和数据安全的管理元数据：面向数据管理人员，从运维管理的角度描述数据处理、数据质量和数据安全的状态信息状态信息l技术元数据：面向技术人员，从数据结构和数据处理细节方面对数据进行技术化描述技术元数据：面向技术人员，从数据结构和数据处理细节方面对数据进行技术化描述大数据分析平台总体架构元数据管理业务元数据：面向业务人员Page 33大数据分析平台总体架构数据安全管理l数据安全管理可分为数据安全分级管理和数据访问授权管理两个部分：数据安全管理可分为数据安全分级管理和数据访问授权管理两个部分：v数据安全分级：根据业务要求，制定一系列的数据安全分级标准和政策，为数据应用以及数据管理中数据安全分级：根据业务要求，制定一系列的数据安全分级标准和政策，为数据应用以及数据管理中实施数据安全保护和访问提供数据安全控制的基础。实施数据安全保护和访问提供数据安全控制的基础。v数据访问授权：数据访问授权的主要工作是根据数据安全分级标准，定义数据访问的授权方法及流程，数据访问授权：数据访问授权的主要工作是根据数据安全分级标准，定义数据访问的授权方法及流程，建立基于数据安全分级的数据使用授权机制，实现数据访问和信息披露的安全。建立基于数据安全分级的数据使用授权机制，实现数据访问和信息披露的安全。数据安全分级数据敏感度数据安全等级定义数据访问授权数据重要性数据使用需求数据使用者权责数据访问授权规则安全技术大数据分析平台总体架构数据安全管理数据安全管理可分为数据Page 34大数据分析平台总体架构高阶工作流程l业务数据规划管理高阶流程业务数据规划管理高阶流程 v数据认责流程数据认责流程v数据治理考核体系数据治理考核体系数据治理考核流程数据治理考核流程数据治理考核指标体系数据治理考核指标体系l数据标准管理管理高阶流程数据标准管理管理高阶流程 v数据标准建立流程数据标准建立流程v数据标准维护流程数据标准维护流程l数据质量管理管理高阶流程数据质量管理管理高阶流程数据质量要求确定流程数据质量要求确定流程l元数据管理高阶流程元数据管理高阶流程v元数据变更流程元数据变更流程l数据安全管理管理高阶流程数据安全管理管理高阶流程v数据安全审批流程数据安全审批流程数据认责流程数据认责流程数据标准、质量数据标准、质量、元数据、安、元数据、安全管理流程全管理流程协调会议协调会议考核流程考核流程大数据分析平台总体架构高阶工作流程业务数据规划管理高阶流Page 35大数据分析平台总体架构数据管控平台l数据数据管控平台从总体上来说分为数据层、应用层、展现层三个主要层面，以数据层的数据管控平台从总体上来说分为数据层、应用层、展现层三个主要层面，以数据层的数据库及相关基础系统为主要信息来源，通过应用层的运算处理，以不同的形式，不同的功能库及相关基础系统为主要信息来源，通过应用层的运算处理，以不同的形式，不同的功能在展现层提供用户接口在展现层提供用户接口首页标准管理主菜单指标速递待办事项信息地图标准浏览标准维护工作管理流程管理绩效指标系统管理用户管理权限管理规范管理数据管控平台统一用户集成界面数据标准知识库数据管控平台知识库元数据管理元数据采集元数据知识库质量管理规则配置质量稽核库数据数据层层应用应用层层展现展现层层大数据分析平台总体架构数据管控平台数据管控平台从总体上来Page 36大数据分析平台总体产品框架非结构化非结构化/半结构化数据半结构化数据管理分析平台管理分析平台（X86 MPP X86 MPP 集群）集群）京东业务系统结构化数据京东业务系统结构化数据基础计算平台（贴源数据区基础计算平台（贴源数据区+主题数据区主题数据区+大数据区）大数据区）（HadoopHadoop集群集群+Hive+Hive）数据交换平台数据交换平台（自主自主开发交换组件开发交换组件+NAS+NAS存储）存储）实实时时分分析析平平台台（内内存存数数据据库库）沙盘演练平台沙盘演练平台（HadoopHadoop集群）集群）数数据据管管控控平平台台FTPFTPSFTP/HTTP/APISFTP/HTTP/APICopyfromloalCopyfromloalQueueQueue京东云京东云数据推送平台数据推送平台增值产品平台增值产品平台（Hadoop Hadoop集群）集群）历历史史归归档档查查询询平平台台（H Ha ad do oo op p集集群群+H Hi iv ve e）LoadLoad（HiveHive）DistcpDistcpHQL+LoadHQL+LoadDistcpDistcpDistcpDistcpHQL+LoadHQL+LoadDistcpDistcpHQL+LoadHQL+LoadSqoopSqoopSqoopSqoopSqoopSqoopMRMR流流程程调调度度平平台台大数据分析平台总体产品框架非结构化/半结构化数据管理分析平台Page 37议程大数据分析平台综述大数据分析平台综述1 1 1 1大数据分析平台总体架构大数据分析平台总体架构2 2 2 2大数据分析平台演进路线大数据分析平台演进路线3 3大数据分析平台一期实施重点大数据分析平台一期实施重点4 4 4 4附录：数据质量管理平台附录：数据质量管理平台5 5 5 5议程大数据分析平台综述1大数据分析平台总体架构2大数据分析平Page 38大数据分析平台演进路线以基础平台搭建为主，配合金融集团初期业务开展，应用建设从客户信息管理、风险管理和运营管理三方面开展搭建大数据处理平台和实时分析平台，应用方面开展实时分析和数据产品封装p开展客户信息管理、信用风险评级和业务统计分析三类应用建设p开展贴源数据整合，初步建立企业级数据视图，实现对管理分析类应用和实时分析类应用的支撑p规划数据管控蓝图，初步实施数据质量和技术元数据管理20132013年年20142014年年20152015年年20152015年以后年以后对对企企业业价价值值的的创创造造应管技业务分析框架基础数据平台数据管控体系应应技技管管p全面开展内部管理分析、实时分析和沙盘演练应用建设，初步展开增值数据产品开发工作p全面开展大数据分析平台建设，引入更多数据源，丰富并完善平台数据区建设p随着应用体系的搭建，完善数据质量和元数据建设，开展数据标准化工作应应技技管管p深化分析体系，形成深度智能化业务分析p性能持续优化、数据平台持续完善、p持续深化数据管控体系，形成金融集团企业级的数据管控体系应应技技管管一期一期2013.102013.10当前位置未来持续优化提升阶段第一阶段第一阶段第二阶段第二阶段第三阶段第三阶段大数据分析平台演进路线以基础平台搭建为主，配合金融集团初期业Page 39大数据分析平台演进说明基础数据平台阶段划分建设内容预期效果第一阶段l搭建数据交换平台，部署NAS存储集群，设计并实施数据库交换组件和数据区交换组件l搭建基础计算平台，设计并实施贴源数据区，以T+1频率整合商城和金融业务数据l搭建历史归档查询平台，归档商城和金融业务数据文件l搭建