一本书读懂金融业的痛与哀愁，一本书洞悉求变创新的思路与方法！
金融企业与互联网公司之间的明争暗斗愈演愈烈！金融企业如何在这个求变创新的大数据时代，杀出一条血路，永保基业长青？
《金融大数据：战略规划与实践指南》认为在新形势下，金融的本质并未改变，大数据与金融企业之间的关系实为“得天独厚”，而金融业如何利用这样的优势，突破传统的旧思维和框架，从而转危为机？
《金融大数据：战略规划与实践指南》从观念、技术、组织架构的多重角度，阐述了金融企业的转型要素，并给出了具体的实践方法，提出了未来的金融企业将以数据为中心建立起新型的生态链。
《金融大数据：战略规划与实践指南》作者均是金融行业一线资深人员，兼具技术、金融与管理的多重背景。他们亲历了金融业的风光与唱衰，对行业的弊端有切肤之痛。本书正是他们多年观察、思考与实践的智慧结晶、厚积薄发的力作。痛定思痛！相信书中的真知灼见对每一位从业人员都会有深远的启发，并有望带动整个行业的转型与成长。
大数据与金融企业之间的关系可以用“势在必行”、“得天独厚”来形容。金融企业内部积累了丰富的用户数据和交易数据，是企业数据资产构成的核心内容；大数据技术的出现使企业可用的数据资产得到极大的扩展。本书分为三篇，分别从金融企业的大数据战略规划、场景实例以及常见问题与应对机制三个方面对金融企业在大数据时代面临的机遇与挑战做了深刻的分析，并给出了具体的实践思路。
《金融大数据：战略规划与实践指南》提出了金融四大要素人、资金、交易和环境之间在互联网时代的笛卡尔乘积关系的重要观点，并以此作为大数据思维的重要出发点来指导金融企业的转型之路。
《金融大数据：战略规划与实践指南》适合大数据、金融领域的相关从业者阅读，同时也是相关企业管理人员厘清思路、洞察数据和金融本质的一本不可多得的参考著作。
第 1 篇 大数据战略规划
1 背景 2
1．1 大数据是什么 2
1．2 大数据关键推动事件6
1．3 国家相关政策意见 7
1．4 金融大数据应运而生 8
1．5 金融大数据的现状与前瞻 10
1．6 金融大数据的衡量标准 12
2 金融大数据的战略定位 15
2．1 必要性16
2．2 可行性22
2．3 主要问题 23
2．4 大数据价值所在26
2．5 大数据思维转变 31
2．6 大数据战略行动 33
3 金融企业大数据应用规划构建 35
3．1 制定规划原则 36
3．2 选择规划方法 39
3．3 制定目标蓝图 43
3．4 识别规划风险 46
3．5 明确数据规划 47
3．6 制定目标计划 50
3．7 明确组织规划 51
3．8 选择技术方案 52
3．9 确定人才规划 53
3．10 回顾实施风险 54
4 大数据的技术解决方案 57
4．1 应对场景 57
4．2 当前主要的大数据技术模型 59
4．3 深入分析 Hadoop 62
4．5 大数据硬件技术规划 68
4．6 未来推荐技术模型 71
4．7 数据资产治理 74
5 大数据可视化 77
5．1 背景 77
5．1．1 发展历程 78
5．1．2 可视化分析的能力要素 79
5．1．3 可视化分析与传统分析的差异 80
5．2 可视化分析的过程及方法 80
5．3 可视化分析应用场景 81
5．3．1 社交网络分析 81
5．3．2 矢量地图分析 82
5．3．3 词云分析 83
5．3．4 流量流向（桑基图）分析 84
5．3．5 客户全网画像 84
第 2 篇 场景实例详解
6 客户大数据实例：客户全景视图应用 90
6．1 客户全景视图的互联网基因 91
6．2 客户全景视图是金融大数据应用的基础 94
6．3 关键技术设计96
6．3．1 NoSQL 数据库的选择 96
6．3．2 Hbase 的模型设计 99
6．3．3 源表数据的增量导出 102
6．3．4 数据写入 HBase 的方法 103
6．4 主要技术实现 104
6．4．1 架构设计 105
6．4．2 环境搭建 106
6．4．3 数据的抽取和整合 106
6．4．4 保单视图查询 110
6．5 扩展分析 112
6．5．1 回顾 112
6．5．2 扩展 113
6．5．4 风险防范 114
7 网站大数据实例：点击流分析与应用 116
7．1 点击流分析的业务目标 117
7．2 关键技术 118
7．2．1 数据的获取 118
7．2．2 数据的预处理 119
7．2．3 用户行为数据的建模120
7．3． 案例：某保险公司电商网站点击流分析 121
7．3．1 数据获取及预处理 121
7．3．2 会话识别 122
7．3．3 网页基本情况分析 123
7．5 舆情分析应用简介 128
7．5．1 确定挖掘算法 128
7．5．2 网络爬虫技术 129
7．5．3 主要实现过程 131
8 健康大数据实例：医疗费用监控应用 132
8．1 国内外医疗保险欺诈和监管情况 132
8．2 医保欺诈类型介绍 133
8．3 医保欺诈监控技术介绍 134
8．4 基于数据分析风险审核实现136
8．4．1 日平均医疗费用合规度分析 136
8．4．2 单病种治疗方法分析 138
8．4．3 单病种非常规治疗方法筛选 145
8．5 数据分析监控技术挑战 147
9 语音大数据实例：电销中心质检应用 149
9．1 呼叫中心业务现状 150
9．2 语音识别与语音分析 150
9．3 语音分析业务模型 152
9．3．1 自动质检 152
9．3．2 业务分析 156
9．4 技术实现过程 160
9．4．1 逻辑架构设计 160
9．4．2 项目实施指引 161
9．5 效果和风险总结 163
9．5．1 预期效果 163
9．5．2 实施风险 163
1 0 影像大数据实例：影像数据迁移应用 165
10．1 企业内容管理的概念及应用 165
10．2 基于大数据技术的内容管理平台 166
10．3 内容管理平台的应用案例：影像系统 167
10．3．1 业务背景 167
10．3．2 技术关键 168
10．3．3 实现过程 172
10．3．4 案例的业务价值分析 174
1 1 日志大数据实例：日志备份查询应用 175
11．1 日志数据的类型 175
11．2 日志数据管理 176
11．2．1 日志的记录和产生 176
11．2．2 日志的采集和传输 178
11．2．3 日志的存储 180
11．2．4 日志的应用 181
11．3 关键技术设计 181
11．3．1 日志数据的存储技术 182
11．3．2 采集传输技术 183
11．3．3 数据分析技术 185
11．4 日志管理系统的案例 186
11．4．1 系统建设目标 186
11．4．2 使用 Flume 建立日志传输管道 187
11．4．3 日志文件的保存和 HBase 日志索引的创建 188
11．4．4 关于日志规范 189
11．5 日志管理的价值分析 189
11．5．1 系统运行监控 189
11．5．2 违规分析 189
11．5．3 用户行为分析 190
第 3 篇 常见问题与应对机制
1 2 大数据安全 193
12．1 数据安全事件回顾 194
12．2 安全体系 196
12．1．2 服务器安全 197
12．1．3 数据安全 198
12．2 法律安全 198
12．3 可用性 199
1 3 大数据来源 201
13．1 内部数据源 202
13．2 政府数据源 204
13．3 外部大数据 207
13．4 现状与趋势 210
1 4 关乎胜负与生死的决战 212
14．1 客户价值之战 213
14．2 企业利润之战 214
14．3 管理平台之战 214
14．4 人才队伍之争 215
14．5 决战场景推演一 215
14．6 决战场景推演二 216
1 5 大数据的人才需求与培育路线 220
15．1 人才需求 220
15．2 选人 223
15．2．1 人员类型 223
15．2．2 人员水平 224
15．3 育人 226
15．4 用人 227
15．5 留人 229
1 6 大数据的合作资源 231
16．1 产业链整体情况 231
16．2 专业领域划分 234
16．3 合作商近况 235
16．3．1 基础平台提供商 235
16．3．2 Hadoop 提供商 237
16．3．3 可视化分析软件 238
16．3．4 数据中心提供商 239
16．3．5 集成服务提供商 241
16．3．6 系统安全提供商 241
16．3．7 多媒体识别与分析 243
16．3．8 数据分析提供商 244
16．3．9 数据管理提供商 245
