行业背景
金融机构的重要作用之一是解决资金融通双方的信息不对称问题，作为新兴的信息技术，大数据的使用突破了传统金融机构解决信息不对称的方式。借助在信息挖掘、分析和预测上的强大功能，大数据有利于金融行业拓展新市场需求，创造重要业务价值
目前，金融机构（银行，保险，基金，证劵等）面临着诸如利率汇率自由化，消费者行为改变，互联网金融崛起等多个挑战。为满足企业的发展需要，要求管理者运用大数据管理以更为科学的手段对企业进行精准管理，从而更好地把握市场在竞争中胜出。德昂BI商务智能解决方案基于业务的数据分析正是帮助企业实现科学化管理的关键，因而获得客户的高度重视与高频度使用。
问题与需求
（1）激烈的市场竞争下，通过对金融机构业务数据的汇总与整理实现降低运营成本，提高利润率。
（2）客户选择空间越来越大，通过基于大数据的业务指导与运营分析优化产品和服务，提高客户粘性。
（3）实现数据实时监控，不断加强市场监管手段，保证各项操作的合规性。
（4）通过对运营环节与企业内外部数据的分析，调整经营策略，提高风险管理与盈利能力。
大数据业务，必然要求金融机构的IT基础设施更易于数据的整合与集中、利于数据的扩展与伸缩，便于数据的管理与维护，同时还须保障系统具备良好的安全性、可靠性和可控性。因此，金融机构需要可扩展的开放架构做支撑。
大数据技术可通过采集更全面、更及时、更真实的数据，快速地找出不同变量之间的相关关系，挖掘数据背后的风险信息，帮助金融机构迅速准确地识别和监控风险，改善风险决策模式，提高风险管理效率 。
方案
通过搭建flume+kafka+Spark Streaming平台，某大型银行实现从网点、柜台、网上银行、呼叫中心、ATM、电子邮件、商店POS、调查问卷等多个渠道搜集客户与银行互动的信息，实时获取大数据量文本、语音记录等半结构或非结构数据用户信息；构建用户信息的ETL（ Extract-Transform-Load，数据仓库），并进行大数据分析，刻画出客户网络图谱，向业务方提供客户行为数据；并搭建Hive以及impala进行基于hadoophdfs的ETL流程以及实时查询框架；实现可视化数据产品；进行深度数据挖掘。
实施效果
根据刷卡消费的时间、金额和种类分析商圈的范围和密度，找出特定消费类别的重点区域和重点人群。
根据刷卡记录分析持卡人的行为特征，如年龄阶段、性别、支付能力、消费频繁度、兴趣爱好、职业性质等等，采用协同过滤等机器学习算法为持卡人推荐合适的商户或产品。
从持卡人复杂的连续交易行为中挖掘出规律，一方面找出沉默用户并分析流失可能性，另一方面利用消费规律下推测该用户在未来一段时间内很大概率会发生的消费行为，进行精准的营销。
