ElasticSearch

本平台聚焦零售场景数据价值挖掘，以“用数自由”为核心目标，整合零售业务数据与查询指标，通过“可视化呈现-智能预测-归因分析-高效交互”全流程能力，助力业务人员快速洞察数据、决策优化，核心功能如下：一、多维度可视化BI展示基于零售核心指标（如销售额、客流量、库存周转率、客单价等），提供5类专业BI控件

1、面向渤海保险有限公司，解决用户挖掘、匹配，统计计算问题，通过标签规则给用户打标签操作，实现用户挖掘，维护用户，精准推送，计算保费 2、新兴技术，渤海保险公司希望通过构建基于现有数据仓库平台的用户画像系统，实现以 下目标：精准营销、客户风险评估、客户服务优化、新模式研发 3、具体技术方案包括：基于 HDFS 完成基础数据存储、通过 ES存储业务数据及标签结果 数据、使用 SparkSQL 实现标签计算、采用 SparkMLib 完成挖掘类标签计算，并将结果导入 ES、基于 FineBI 实现报表展示、整个项目基于标签管理平台，进行标签增删改查及定时调度，底层调度采用 DS

1.本产品根据客户房产管理需求，对销售及业主信息进行维护统计 2.使用产品向业主进行小区内部通知，及水电费余量查询 3.根据业主缴费情况进行统计分析业主年均开销，并通知 1.本产品根据客户房产管理需求，对销售及业主信息进行维护统计 2.使用产品向业主进行小区内部通知，及水电费余量查询 3.根据业主缴费情况进行统计分析业主年均开销，并通知

1.系统面向金融客户，项目方案旨在解决金融行业客户（包括银行、保险等）解决数据治理问题； 2.系统采用微服务架构，包括元数据、数据模型、数据标准、数据质量、数据安全几个模块。元数据实时采集采用多线程，kafka消息队列实时采集各系统元数据和消费元数据；元数据存储采用mongdb；元数据查询采用elasticsearch；系统数据库采用mysql；nginx做服务代理服务器，做访问负载均衡；redis存储用户登录信息;

以银行需求为主导、金融科技为基石的系统搭建。通过充分利用内部数据资源和经验，结合先进的风险预警、控制和管理技术，成功构建了适用于银行内部需求的全渠道自主账户风险管理系统。 核心能力和业务实践： 1. 系统架构与设计：领导团队设计系统架构，根据业务需求设计了高效的大数据框架和ETL模式，并编写了详尽的设计文档。 2. 风险数据管理：建立了账户风险数据底座，整合并优化了行内账户数据资源和风险事件库，以支撑全周期的风险监控和管理。 3. 灵活预警规则与模型构建：搭建了配置灵活的风险预警规则引擎，针对不同业务场景灵活配置规则，并基于机器学习和大数据分析构建了账户风险模型，不断提高预警准确性。 4. 系统展示与数据分析：设计了全行、全渠道和全业务场景的账户风险大盘展示系统，支持多维度的数据分析，为高效风险监控和策略调整提供数据支持。 业绩: 带领团队设计架构，分析业务需求，设计大数据框架，设计ETL模式，编写相关设计文档，数据查询优化，及时预警等系统架构，最终成功交付。

一、解决问题 1.基础监控缺失：网络监控、主机监控、数据库监控应用、业务监控等监控点缺失，可通过Zabbix、Prometheus进行采集，数据集成到一体化监控中统一呈现分析。 2.现有平台无法满足需求:太阳风、F5的自带查看工具不好用？现有的监控平台不好用？一体化监控平台可实现对接，进行集中管控； 3.业务层面监控欠缺:基础监控已具备、但缺乏业务类监控、业务运行经常出错、现有业务监控以人工脚本为主，不能及时有效的发现问题，通过一体化监控的业务监控能力实现业务监控。 4.没有统一的监控运维平台:存在太多的监控平台，没有统一汇总呈现的平台，一体化通过集成第三方商业监控平台，将监控数据统一管理分析、统一告警、统一呈现 二、面向客户 1、国有银行、股份制银行、城商行、村镇银行等运维部门 2、信托及其他非银金融运维部门 3、政府、非金融行业运维部门 三、客户价值 针对零散的监控工具形成了统一的监控，收集了各监控系统的运维指标数据、告警数据进行统一管理，针对缺失的监控项进行采集监控分析，形成了一套综合监控处理分析平台。 针对关键业务场景增加了业务监控，以丰富的通知方式短信、邮件、语音（电话）方式及时将问题通知给系统和业务管理员。

平台整合多家主流区块链数据接口供应商，构建完整的数字资产交易生态。核心交易引擎接入Chainlink预言机数据，支持限价/市价/条件委托等多样化订单类型，提供现货、杠杆及衍生品交易服务。资产托管采用Fireblocks等多重签名方案，结合硬件安全模块实现机构级资产保护，同时提供完善的API服务，支持