数据中台规划及应用实践（66页 ）.pptxVIP

数据中台规划及应用实践;;;

整合客户的行为数据、历史数据，从中挖掘数据价值，为前台业务提供智能和实时的数据参考。

挖掘数据价值;

l如何统一数据采集、存储、计算与服务？

l如何兼顾历史数据、实时数据，离线批处理业务，实时处理业务

l统一数据指标，业务部门如何保证数据口径一致？

l数据资产如何管理与复用？数据与模型的共享和服务如何统一提供？

l数据和应用分离，如何监控与管理应用，如何保证数据安全？

l数据如何快速适应业务变化的需要？;

由数据中台提供平台共享能力，减少数据的下发和本地化存储；可以提供BI工具、大数据开发服务、AI建模工具、中间件等服通过容器化与大数据结合，实现计算资源、存储资源、网络资务。提供开放应用和工具、计算、存储服务，能够实现即开即源和应用的隔离与共享。避免各个应用间抢占资源造成相互影用，提供数据资产的查询、获取与分析应用服务。

响；应用间保证完整的安全管控机制。

3、数据资产管理能力4、自助分析能力

提供数据资产管理工具。可以实现元数据管理、数据质量、安对数据资产提供地图式有哪些信誉好的足球投注网站，工具层面的全流程串联，更快速

全管控等服务。整合源业务系统、数据仓库、大数据平台的数灵活的进行数据探索和开发。让业务更快速、敏捷的有哪些信誉好的足球投注网站数据、

据资产，通过数据资产管理与配套工具开放数据的使用。获取数据、使用数据。;

数字化中台;

营销

创新;;

使用

部门

权限管理

用户管理;

?数据标准管理

?数据质量管理

?元数据管理

?数据安全管理

?构建和优化业务主题域数据模型

?构建和优化公共汇总层数据模型;;

用户360画像，建立零售用户标签及业务策略体系

用户精益管理与价值细分

用户流失预警

用户关系挖掘

……;

案例场景：用户营销管理;;

用户营销管理服务流程;;

核心

?出单

?理赔;

数据采集与整合;;;;

?精准营销系统（智能营销信息服务???台）

?用户画像系统

?统一产品视图

?统一用户营销视图

?应用与场景

?营销策划与售前

?用户分群

?潜客发现

?千人千面

?售中

?智能推荐系统

（智能推荐引擎）

?智能服务转销售系统

?售后

?营销效果评估;

产品个性化推介;;;;

基于市场行为的获客拉新，市场渠道投放评估;

,;

案例场景：用户统一视图;

持有保单

险类，险种，保额，保费，续期时间购买渠道，渠道偏好

各险种连续购买时长

最近一次未未续期保单时间，险种

累计风险保费，已赚保费

客服接触频率，服务评价

用户价值贡献度

用户忠诚度;;

应用案例：用户统一视图–传统方案

传统方案的问题：

1.管理分散：不同供应商实施，数据治理规范无法树立；

2.建设周期长：不同的数据分析项目，可能要立不同的项目；

3.建设成本高：同一份数据存在多个项目中存在，大量硬件资源浪费；

重复建设，数据抽取每个厂商开发工具，组件都不同，无法重用；

4.性能问题差：严重依赖数据库的处理性能，批处理任务执行时间长；

5.数据安全问题：数据访问记录及操作无法记录日志，无法审计；;大数据平台

实时计算内部分层

HDFS;

对比指标;

项目;

案例场景：精准营销解决方案;

通过对已购买保险（高价值+保障型）用户的特征筛选和提取，运用统计分析与机器学习算法，进行大数据建模，从未购买保险的数百万用户中预测出购买保险概率最大的潜在用户名单，推送给营销部门实现精准营销。;

需求定位：在现有保险用户(购买高端产品的用户+购买保障产品的用户)中进行特征分析,通过模型算法在所有非保险用户中推荐最可能购买保险产品(高端产品+保障产品)的用户名单。;;

智能精准产品推荐:数据建模-总体流程;

智能精准产品推荐:数据清洗-特征选择

l数据清洗l数据分箱l极端树和GBDT等筛选;

描述：;

初选特征重要度分布概况;

描述：;

训练集准确率：90.24%

测试集准确率：88.63%

AUC分数：0.83

训练集准确率：98.50%

测试集准确率：