{"resolved":true,"match_type":"uuid","source_type":"original_book","book_id":"cd4f7678-cd9b-4971-bde0-e9ad46a6cc71","title":"人工智能与大数据技术导论","author":null,"edition":null,"publisher":null,"year":null,"isbn":"9787302517986","requested_by":"printed_page","book":{"source_type":"original_book","book_id":"cd4f7678-cd9b-4971-bde0-e9ad46a6cc71","id":"cd4f7678-cd9b-4971-bde0-e9ad46a6cc71","uuid":"cd4f7678-cd9b-4971-bde0-e9ad46a6cc71","title":"人工智能与大数据技术导论","normalized_title":"人工智能与大数据技术导论","author":null,"edition":null,"publisher":null,"year":null,"isbn":"9787302517986","isbns":["9787302517986"],"parsed":true,"ai_readable":true,"document_type":"book","page_count":490,"navigation_url":"https://workshop.closeclaw.top/ai/book/cd4f7678-cd9b-4971-bde0-e9ad46a6cc71","title_url":"https://workshop.closeclaw.top/ai/title/%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD%E4%B8%8E%E5%A4%A7%E6%95%B0%E6%8D%AE%E6%8A%80%E6%9C%AF%E5%AF%BC%E8%AE%BA","fixed_page_url_template":"https://workshop.closeclaw.top/ai/book/cd4f7678-cd9b-4971-bde0-e9ad46a6cc71/page/{printed_page}","path_api_url_template":"https://workshop.closeclaw.top/api/ai/book/cd4f7678-cd9b-4971-bde0-e9ad46a6cc71/page/{printed_page}","read_url":"https://workshop.closeclaw.top/api/ai/read/cd4f7678-cd9b-4971-bde0-e9ad46a6cc71","page_url":"https://workshop.closeclaw.top/api/ai/books/cd4f7678-cd9b-4971-bde0-e9ad46a6cc71/page","search_url":"https://workshop.closeclaw.top/api/ai/books/cd4f7678-cd9b-4971-bde0-e9ad46a6cc71/search"},"page":{"printed_page":398,"pdf_page":414,"physical_index":414,"physical_index_base":0,"printed_page_status":"recognized","page_sha256":"8c439a6e1ca562d1ffaf0e73f071dd7f88c6fdcae8baf39b2d25a45697c7641c"},"chapter":"第13章","content":"人工智能与大数据技术导论\n\n现银行卡的盗刷行为。\n\n●事后，可以根据事后的交易或者发生的事件进行相关的分析，分析后续在业务的拓展或者风险控制方面有哪些需要进一步改进或者补救的工作。\n\n下面是几个常见的大数据和人工智能案例。\n\n●交易反欺诈，需要利用大数据流数据的技术，用户在交易的过程中采用主机旁路技术，交易没有完成之前，通过大数据在内存中进行一次判断。\n\n大数据怎么运用模型，通过比较好的用户特征的总结和模型进行监控。通过标签信息，比如定义了两个标签，一个是用户开户的地区比较广泛，另一个是持有比较多的借记卡，就可以认为他有倒卖银行卡的嫌疑，通过大数据的计算可以把这些人员抓出来，进行后续的业务处理和防控。这也是大数据和人工智能应用得比较好的方面。\n\n现在各个银行业碰到的比较大的困境是信贷资产的质量问题。工商银行持续在推动运用大数据和人工智能防控信贷风险，成立了信贷防控中心，运用大数据和人工智能技术进行相关的防控。\n\n13.1.3 农业银行\n\n做数据仓库的时候，四大行的选择面都很窄，除了农业银行没用TD外，其他银行都是用TD做的数据仓库。农业银行使用了南大通用的MPP架构数据库。Hadoop方面，目前使用的是CDH开源版，大概有100个左右的Datanode，容量是5PB左右。数据模型方面，农业银行融合了范式和维度的思路。在主库核心层面基本是用范式建模减少重复。维度方面以业务驱动的方式建立维度模型为主。\n\n农业银行生产系统有60多个上游系统，通过一个交换平台为大数据服务，负责上游生产和下游数据消费系统总分行之间、总行各应用系统间的数据交互。几乎全行所有的生产系统的数据已经全部进来了。大数据平台是基于Hadoop的。上游来的全量数据在平台上做了归类。农业银行在Hadoop上封装了应用，为全行的数据挖掘提供服务支撑。\n\n13.1.4 中国银行\n\n中国银行的大数据战略如下：\n\n●以平台为支撑构建大数据的技术体系。\n\n● 以数据为基础充分整合数据资源。\n\n●以应用为驱动深入挖掘数据价值。\n\n●以人才为核心提升数据分析能力。\n\n在实施方面，中国银行采用分行试点的模式，采取快速迭代、迅速试错的方式。中银开放平台是中国银行大数据实施的例子之一，2014年获得IDC金融的大奖，2015年获得人民银行嘉奖，亚洲金融家组织把它评为最佳的金融云服务产品。这个产品的主要设计思路是把整个中国银行的大数据进行归并整理之后，开发了1000多个标准的API接口，这些API接口可以用于分行，甚至是客户。他们可以通过这些API访问和使用中国银行的数据，用于加工得到自己想要的相关结果。目前，已经有很多分行利用这样的平台开发出了很多比较受欢迎的产品。\n\n398","previous_page":397,"next_page":399}