金融大数据下准实时数据仓库的应用场景及对应技术架构路线在线探讨

金融大数据下准实时数据仓库的应用场景及对应技术架构路线在线探讨

活动简介

随着近些年大数据相关技术的飞速发展,数据在助力业务的发展方面越发重要,数据仓库为银行的决策提供所有数据类型支持的战略集合。它是单个数据存储,出于分析性报告和决策支持目的而创建,而越来越多银行在提出决策判断的时效性要求也随之越来越高,实时数仓也开始大放异彩,逐渐进入金融行业的需求市场。

实时数仓当现有技术架构主要是基于数据采集工具,将原始数据写入到Kafka这样的数据通道中,最后一般都是写入到类似于HBase这样存储系统中,对外提供分钟级别、甚至秒级别的查询方案。并体现出了极速响应、数据价值在线化的特点。然后这些技术架构在互联网行业已经引入的比较深入,但是在传统金融企业,不知道这种技术架构路线是否适合?

另外实时数仓应用应用的场景的情况在金融传统行业如何呢?结合银行来说目前实时数仓应用与风险控制场景完美契合,对于实时数仓的使用,可以使用风险的识别提前,有效的降低银行的损失,保证银行的利益。另外一个场景银行的互联网金融业务发展越发迅猛,实时数据量要比传统数据量更加大的多,因此在此场景下对实时数仓的需求也越发重要。然后这些应用场景应该如何选择合适的技术架构,不同的技术架构会给实时数仓带来不同的实时性要求以及数据的准确性,对企业决策起到至关重要作用。

金融企业在做实时数仓时也需要面临是否需要考虑把离线和实时整合在一起,技术架构如何改变?实时任务监控的同时,发生故障,如何保证及时恢复任务等等问题都是需要进行探讨的。

因此,twt社区平台这次会结合准实时数仓的应用场景及对应的技术架构路线进行行业的交流探讨,通过这次的交流希望能让传统行业人员更加清晰的认识:

1、准实时数据仓库的应用场景有哪些,让大家能比较好的明确现在金融行业的应用场景情况;

2、关于准实时数仓的采用的技术架构的情况,比如技术路线有哪些?不同的应用场景是否需要对应不同的技术路线?

3、准实时数仓和现有的传统数据仓库在行业的定位和趋势发展。

如何参与本场线上同行交流:  

您如果对活动有兴趣,可以首先在活动平台上进行报名,参与报名后就可以结合主题梳理您需要讨论的话题并且可以在活动平台上提出,提出后twt社区会组织同行金融朋友一起探讨交流!

集中线上交流时间段:9月4日10:00—16:00  (在此之前建议有兴趣参与的会员可以把交流话题先提出来,这样方便后面的交流探讨)

备注:如果没有twt社区账号,参与本次活动需要进行先注册后,获取社区账号然后进行线上活动报名即可。

主持嘉宾:

笔名:叶子    目前就职在某股份制银行,主要参与银行大数据平台及应用建设,亲历银行大数据架构不断优化,应用服务不断迭代丰富的过程,在大数据平台及应用建设方面积累了些许经验。

互动嘉宾

OttOtt项目经理, 科技部
发布4
回答4
mornskymornsky研发工程师, 某银行
发布43
回答32
JoeSnow119JoeSnow119软件开发工程师, 厦门银行
发布0
回答0
gengyanggengyang数据仓库工程师, 民生银行
发布10
回答9
hoverhover信息分析/架构师, 金融机构
发布1
回答0
jamieejamiee数据库架构师, 某股份制银行
发布16
回答9
王奇王奇项目经理, 阜新银行
发布16
回答15
adaxingadaxing软件开发工程师, 泉州银行
发布0
回答0
PeterguPetergu信息分析/架构师, 渤海
发布1
回答0
gw880626gw880626商业智能工程师, 中国太平洋保险
发布15
回答6
luo1881065luo1881065研发工程师, 某证券
发布1
回答0
黑民黑民软件开发工程师, 湖南农信
发布2
回答1
周光明周光明软件架构设计师, People's Bank of China
擅长数据库架构及数据分析。
发布278
回答119
yuxilun1yuxilun1商业智能工程师, 金融业
发布1
回答0
chailei_8306chailei_8306研发工程师, 城商行
发布7
回答5

活跃参与会员

  • michael1983
  • atpeace331
  • mornsky
  • jackbillow
  • amu0722
  • guoxilin
  • Petergu
  • topzgm
  • aduanqq
  • foreverisold
  • gw880626
  • liukang
  • jamiee
  • minggo1984
  • chailei_8306
  • yuxilun1
  • 黑民
  • 王奇
  • ziky
  • hover
  • Ott
  • shaofengshi
  • kathynm2517
  • gengyang
  • 赵晓勇
  • aixchina
  • 晓黎
  • jackyduys
  • pysx0503
  • windevil
  • 苏十一
  • faye
  • uckfeng
  • xiaojiet2142
  • aigoppb
  • twt社区编辑
  • tianshiyumao
  • lxk215313951
  • 彬彬
  • xijiehaiqing
  • fenglichun
  • wanglf
  • Laozhao
  • wsbj123
  • duansq
  • coolloti
  • maxzhu5250703
  • shouqiwei
  • hbsycw
  • lktianxia
  • tozf
  • openabc
  • luxiaojun
  • 日志易
  • lishifu
  • bgek
  • cpc1989
  • nishinamedemei
  • TonyWang
  • tongshuai
  • eobar
  • 长诗佐酒
  • zhuhaiqiang
  • adaxing
  • zhmwang
  • code2
  • 菜鸟的学堂
  • 张富贵
  • 冰玉
  • ycdu
  • andy8521
  • Spring
  • 跃马江湖
  • eximbank
  • biaozon
  • 徐生韦
  • gwljy
  • 高级民工
  • xuct
  • 是ht
  • dingr
  • iamyuanrui123
  • sljyx66
  • dbskyword
  • zjwy82
  • 匡匡
  • 天色渐晚
  • hm631379593
  • xuyuting
  • Seaskyblue
  • 半夏蒲公英
  • Frankteoh
  • tianqi
  • IPScloud
  • Switcher
  • wfox1980
  • eaglewei
  • hjcsdc
  • Ardusty
  • fds2502003
  • luo1881065
  • asdf023
  • w_a_y
  • happyght
  • goodeggplant
  • fengyanbum
  • Lilyoops
  • xyh
  • kl10609135
  • billow
  • thinkinghunter
  • dawangda
  • taik_spark
  • tangruo
  • JoeSnow119
  • st200611990
  • xietl
  • linuxquan
  • isslxc
  • ZG
  • jialiangzhi
  • ekingeking