金融大数据时代的主要性能指标

一、海量的交易数据的存储
毋庸置疑，金融行业天生拥有大数据，天然拥有优化大数据处理、进而降低信评与风控成本的动机。在利润最大化的追求下，大数据处理属于传统金融业的内在创新动力，随着互联网的发展，金融业的数据导向不在是传统的内在交易数据，更多的数据来源与社交网络和电商数据，这些数据的结构多样性给他们的存取带来了一些难题。然而，随着近年来云计算的兴起，云存储技术也日渐成熟，这为解决金融大数据的存取奠定了稳定的基础。
二、海量的交互数据
金融大数据时代的数据区别与传统的金融交易数据的一个显著特征是，无论是传统的基金、股票、证劵、期货，还是现在的个人征信数据、P2P借贷数据，他们的实时交互性都非常高。如何快速而又准确的从海量信息中分离出这些有价值的信息是大数据金融时代面临的一个重大挑战。
三、海量的数据处理
大数据时代最重要的是对海量数据进行处理的能力，当数据正在以GB、TB、PB、EB、ZB的量级增长时，如何对这种量级增长的数据进行处理就变成一个难题。首先要考验的就是现有框架下的系统架构能否处理这样的数据要求，其次数据的不规则和多样化趋势也使得传统构架无法满足这样的信息的处理要求。目前在大数据处理方面，国内外各大数据处理公司也正在紧锣密鼓的完成自己的大数据处理构架，目前比较成熟的框架也比较多，像Apache的开源框架Hadoop等。

最后编辑：2013-11-07

作者：dean

这个作者貌似有点懒，什么都没有留下。

站内专栏 站点