掌上银行业务场景不断丰富,银行对用户需求的响应速度、反馈内容的个性化程度,均对数据分析的实时性有更高的要求。传统T+1固定报表模式下,严重影响分析效率,数据价值呈现有较大延迟。
支持跨业务跨系统的复杂查询:银行业务流程链路长,产生的数据繁多,M6米乐跨业务跨系统的复杂数据源和异构数据大大增加了数据整合、统计分析的难度。监管数据报送场景,需要在有限时间内提供有效报告,要求数据架构的分析层需具备更快更灵活的多维分析能力,保证报送数据按时处理完成。
需支持用户画像的灵活分析:通过客户持仓总额、交易总次数、持仓板块类别、持仓偏好、换手频次等数据,构建灵活的营销中心,精准掌握清晰的用户画像,进行成本收益估算、客群圈选及精准推送,实现数字化获客、激活和销售转化,达成高净值高粘性的客群积累。
需支持自助式一体化数据分析能力:相对于低效的拖拽式报表,如何面向客户提供更加灵活的自助式分析、动态查询和组合指标计算,给固定收益团队提供实时动态债券评级、年累计收益率、净值、Sharp 比率等关键数据指M6米乐,这些都标尤为紧急且重要。
统一保险体系数据孤岛:保险业务体系庞大,数据孤岛现象严重,数据分析时需接入多个系统查询,再进行汇算和多维分析。指标定义不规范、多头定义、逻辑不统一和孤立呈现等问题,使管理人员难以准确把握业务现状,无法满足管理层基于分析结果快速决策的需求。
快速响应监管报送和策略决策:在监管报送场景下,需对亿级历史数据做关联分析,且分析结果需快速响应。监管报表的开发往往需要在给定的时间窗口内,要求开发人员给出精准的报表结果金融资讯,因此极速的分析性能是关键,因此极速的分析性能是关键。
需多维分析获取客户信用全貌:从不同数据源中采集事实与维度数据,M6米乐进行深层次加工。如对海量数据进行拉取和去重操作,提炼用户标签属性,不同标签维度组合计算,满足对各业务客群的查询,以支撑精准营销、信贷风险管理、风险分层和预警等业务。
支持画像标签数据秒级入库与更新:海量的用户数据对数仓引擎的性能和存储能力有很高的要求。在记录和存储数十亿级画像相关数据时,后端数据存储需能支撑不断增加的维度,实现秒级入库与更新M6米乐。
镜舟数据库支持从RDBMS传统关系型数据库批量导入存量数据也支持CDC增量摄入数据;支持从分布式文件系统HDFS、M6米乐对象存储S3等分布式导入数据;支持直接消费Kafka、Pulsar等消息总行的实时数据 ,支持 Shuffle Join,Colocate Join 等多种分布式 Join 方式,提供高性能多表关联能力,并支持以外表方式对多源数据进行联邦查询。