背景

　　无论是国内的金融机构还是国外的金融机构都面临着日益激烈的竞争，面对的挑战也越来越多。全球化使得世界各国的经济联系越来越紧密，金融机构之间的相互影响也越来越明显。金融服务行业已然发生了重大变革。自2008年经济危机以来，资本需求越来越高，监管越来越严，客户也越来越懂行。要建立与客户之间的信任，确保在均衡的投资组合风险中持续盈利，金融分析师需要更深刻的运营洞察，在对客户的分析和前瞻性方面要做到近乎完美。

　　挑战

　　首先金融行业需要管控各种各样的风险，确保不能出现大的风险，对金融机构本身或整个行业造成大的冲击。其次在客户的存贷比例上，金融分析师需要严格把控，确保有稳定的利润差。再者，由于客户数量越来越多，多样性的需求难以一一满足。最后，面对海量的客户和交易数据利用传统的手段难以获得潜在的商业价值。

　　方案

　　九章云极DataCanvas提供了一款注重实战的分布式机器学习平台。除了丰富的分布式机器学习算法以外，还提供了用户生产环境需要的功能，以及丰富的数据预处理算子。尤其在深度学习领域，该产品是具备模型生产化能力的数据科学平台，将模型实时用于生产环境，优化了分布式GPU调用，内置多种算法如：逻辑回归，决策树等常见的数据分析算法。该产品已经在金融行业应用了数年的时间，从中积累了大量的有用经验。用户可以借助其获得更多、更快的商业洞察，助力其业务的快速发展。

　　典型应用场景

　　金融客户画像

　　基于用户金融行为数据，进行多维度、多指标的分析，构建金融用户画像，以提供个性化的用户体验。

　　实时数据分析平台

　　构建实时或准实时处理系统，提供对贷款转理财、贷款资金疑似回流、密集大额提现等场景的监控。

　　营业网点运营分析

　　建立基于AI和DL的营业网点分析应用，并持续训练优化，可视化呈现模型分析结果，通过模型发布快速应用到生产环境使决策者更加清晰的识别网点现状，并基于数据结论提出针对性建议。

　　分布式日志收集分析平台

　　基于该平台可实现网银用户行为统计和分析，实现实时+离线的精准营销。