提供適應現有銀行IT體系平穩、有序切換到新技術體系的整體架構解決方案，助力金融行業降低硬件成本、聚能業務創新。
數據倉庫方案
面向金融行業的大數據倉庫解決方案。
業務架構
架構說明：
- 大數據倉庫調用外部數據和數據集市的信息，通過數據獲取層、數據模型層、數據加工層、數據應用層和分析集市的層層篩選、分析、加工，由大數據服務接口向內部源數據輸出適用于多種用戶場景的有效數據。
- 大數據倉庫功能特點：
- 高效整合金融企業內外部數據，對數據進行多維加工和深度分析。
- 賦能金融企業挖掘數據背后的業務價值并進行數據驅動的業務創新。
- 采用邏輯分層的方式加工和重構數據，有針對性地進行數據輸出。
- 大數據倉庫充分利用了阿里云大數據產品強大的數據處理能力和數據計算能力。
架構優勢：
- 合理解決了金融行業內外部數據整合問題
- 優化了結數據架構分層
- 提供了高效的數數據加工與服務方式
技術架構
架構說明：
- 阿里云大數據數據倉庫解決方案經歷了阿里巴巴集團內部的實戰驗證，完全基于自主研發，且在不斷優化、完善，以成熟產品的形式向金融行業客戶賦能。
- 大數據數據倉庫融合了豐富的計算引擎，能夠滿足離線計算、實時計算、流計算、圖計算等不同的業務應用場景。
- 同時支持結構化數據與非結構化數據的存儲與計算。
架構優勢：
- 提供了結構化與非結構化數據的融合方案
- 滿足了同時存在離線、在線、流數據的業務場景
- 解決了大數據平臺的集成問題
- 為大數據平臺的開發與管理提供了高效方案
金融風險控制方案
金融風險控制解決方案通過大數據畫像、機器學習、知識圖譜和復雜關系網絡分析等手段，幫助金融機構建立事前預防、事中預警、事后分析的全方位風險控制體系。
業務架構
架構說明：
- 基于阿里云大數據平臺強大的計算能力（離線數據處理、交互式OLAP分析能力、實時流處理）以及分布式可視化算法平臺PAI，有機集成了批量和實時多模式計算能力，支持實時信用評分和風險預警。
- 實時決策引擎，通過DTBoost產品的智能標簽工廠，為多源異構數據源提供統一的風險標簽視圖，運用評分卡模型規則，實時計算信用評分；基于在內置規則引擎中配置的風險預警規則，實時監控并觸發風險事件。
- 蟻盾反欺詐引擎，基于阿里積累的海量大數據，提供身份核實、信息真實性驗證和RAIN風險評分服務，實現高精度、最靠譜的互聯網＋驗身服務和營銷活動反其砸服務。
- 復雜關系網絡引擎分析引擎，基于OLP（Object－Link－Property）模型構造知識圖譜，并與時空維度數據相結合，通過即問快速搜索、可視化關系網絡分析和時空關系分析，幫助快速定位欺詐團伙、關鍵路徑和核心骨干等風險要素。
架構優勢：
- 多源異構標簽統一管理
- 提供實時計算和實時決策方案
- 全流程風控一體化
- 智能化風險識別分析