大数据银行业务应用特征及国内十强品牌企业简介

        导读：大数据银行业务应用特征及国内十强品牌企业简介。面向大数据银行业务应用可能要对这些数据进行清洗、转换和整合，这就决定面向大数据银行业务应用中的数据具有一些基本特征：面向主题的、集成的、相对稳定的、随时间更新的。这些特点说明面向大数据银行业务应用从数据组织、数据存储和数据处理都与传统的数据库应用具有较大的区别。

        摘自：《中国互联网数据中心（IDC）IT市场发展现状与发展规划研究报告（2013-2017）》

        面向大数据银行业务应用需要一个面向数据分析决策型的数据环境，数据来源多样，数据类型一致性程度不高，数据结构既包含结构化数据，又有可能包含大量非结构化数据。面向大数据银行业务应用可能要对这些数据进行清洗、转换和整合，这就决定面向大数据银行业务应用中的数据具有一些基本特征：面向主题的、集成的、相对稳定的、随时间更新的。这些特点说明面向大数据银行业务应用从数据组织、数据存储和数据处理都与传统的数据库应用具有较大的区别。 因此在进行面向大数据业务应用设计时，不能照搬传统业务应用系统的设计方法，而应充分考虑大数据的特点而采取相应的处理方法，即考虑以下特征。

1.面向一定主题的处理类型

        传统业务应用设计建立操作型数据环境，其设计方式是面向业务应用的，一般是从某一具体业务应用出发来进行数据库设计，然后在数据库上建立起这些业务应用。面向大数据银行业务应用设计是面向分析的，它的开发往往从最基本的主题开始，不断地发展新的主题，完善原有的主题，最终建立一个面向主题的分析决策型数据环境。

2.面向分析决策的需求

        传统业务应用设计有一个确定的业务应用需求，这是传统业务应用系统设计与开发的基础。而在面向大数据银行业务应用环境下，并不存在操作型环境中较为固定的事务流、数据处理流和信息流，大数据业务应用环境的数据分析处理的需求更加灵活，没有固定的格式。因而，在进行面向大数据银行业务应用设计时，很难获得对用户需求的确切了解。这就决定了不能从用户需求出发来进行面向大数据银行业务应用设计。

3.注重数据全局的管控

        在设计传统应用数据库时，事务处理性能（主要表现为事务处理的响应时间）是传统业务应用系统的主要设计目标；而在进行面向大数据银行业务应用设计时，关心的是建立一个全局一致的数据分析环境作为银行决策支持系统的基础。因此，面向大数据银行业务应用设计的主要目标是：保障数据的四个基本特征，确保数据的全局一致性，以实现对银行数据的全局管理与控制。

4.重视数据的整合和转换

        传统业务应用环境数据的输入通常来自组织外部，设计传统业务应用是设计如何通过与外部交互得到数据、如何将获得的数据用适当的方式进行存储、如何对数据进行联机查询、更新等操作，以及如何保障数据的安全可靠与正确有效等。而面向大数据银行业务应用的数据主要来自业已存在的系统内部，面向大数据银行业务应用设计就是设计如何从现存的数据源中得到完整一致的数据，如何将所得的数据进行转换、重组和综合，如何有效地提高数据的分析效率与准确性。

5.采用数据驱动的设计方法

        在传统业务应用系统设计环境中，业务过程和规则比较规范而固定，系统设计人员比较了解业务应用的需求和数据流程。系统设计一般采用系统生命周期法（SystemsDevelopmentLifeCycle，SDLC）。而在大数据业务应用环境中，决策分析人员对决策分析的需求较难做出规范说明，只能给设计人员一个抽象和模糊的描述。这就要求设计人员在与用户不断的交流中，将系统需求逐步明确与完善。为解决这种需求不确定的系统开发过程，将面向大数据银行业务应用的设计方法描述并称之为与SDLC法相反的CLDS方法。

2013年中国数据银行十强企业基本情况
排名不分先后

资料来源：中国报告网