作者:张子超; 王瑶; 周涛机器学习技术业务特征态势感知渠道客户行为实时算法模型数据平台
摘要:大连银行自2017年起着手进行基于运维大数据实施业务渠道态势感知项目的建设与研究工作。通过大数据、机器学习和深度学习技术,挖掘并充分利用海量运维数据中蕴含的有价值的规律和情报,并在2018年上线运行取得以下阶段性成果:一是设计并落地实现对海量运维行为数据采集、管理的技术解决方案,初步构建运维大数据平台,实现运维行为数据的融合管理;二是选择机器学习和深度学习技术中与运维行为数据特征相匹配的算法模型,应用于机器行为和客户行为的分析,从数据中找到机器和客户行为规律,发现机器和客户异常行为;三是基于发现的机器和客户行为规律,对机器和客户未来行为进行预测;四是基于运维大数据平台和机器学习技术,完成系统运维管理、业务特征分析、业务趋势对比、安全风险识别防范等应用场景的开发、推广试行,逐步完善和丰富行为数据分析的模型、智能联动处理模型。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社