保险大数据产品

星环大数据基础平台
星环大数据基础平台(TDH) 是星环自主研发的一站式多模型大数据基础平台,包括多个大数据存储与分析产品,能够存储 PB 级别的海量数据,可以处理包括关系表、文本、时空地理、图数据、文档、时序、图像等在内的多种数据格式,提供高性能的查询搜索、实时分析、统计分析、预测性分析等数据分析功能。目前 TDH 已经在政府、金融、能源、制造业等十多个行业内落地,支撑如金融风控与营销、智慧制造、城市大脑、智慧交通等多种核心行业应用。
数据治理
数据架构、数据安全,数据质量,数据应用,数据生存周期 八大项数据管理能力方面结合企业实际需求,帮助客户制定和实施精准有效的解决方案。 星环科技提供体系完善的整体数据治理解决方案,涵盖数据治理战略、组织制度机制、数据管理活动和技术工具落地四个方面,同时,还为企业提供数据管理成熟度评估(DCMM)指导,在数据战略,数据治理,数据标准

保险大数据产品 更多内容

背景下,大数据平台构建保险数仓成为保险行业数字化转型的关键举措。通过构建保险数仓,能够整合保险企业内外部的海量数据,打破数据孤岛,实现数据的集中管理和共享。为保险企业的业务决策、产品创新、客户服务等提供定价大数据分析帮助保险公司更精准地评估风险、制定保险产品价格。在传统的保险业务中,风险评估和定价主要依赖于历史数据和经验,难以全面、准确地反映被保险人的风险状况。大数据分析技术的应用,使得保险公司能够解锁保险数仓新姿势:大数据平台如何“神助攻”保险行业数字化转型的浪潮在当今数字经济蓬勃发展的时代,保险行业正处于数字化转型的关键时期。随着大数据、云计算、人工智能等新兴技术的不断涌现和广泛应用全面、准确、及时的数据支持,助力保险企业在数字化浪潮中实现高质量发展。大数据平台为保险数仓带来的变革强大的数据整合能力大数据平台能够整合多源数据,打破数据孤岛,为保险数仓提供全面的数据支持。在保险,传统的数据管理方式难以实现有效的整合。大数据平台通过其强大的数据集成工具和技术,能够从各种数据源中抽取数据,并对数据进行清洗、转换和加载(ETL),将其整合到保险数仓中。例如,通过使用ETL工具,可以
行业资讯
大数据产品
大数据产品是以大数据技术为基础,通过收集、存储、处理、分析和应用大量数据,为用户提供具有价值和洞见的工具或服务。简单来说,就是通过挖掘和利用数据的潜在价值,以产品化的形式服务于各行各业。以下是大数据产品的详细介绍:定义大数据产品是指利用大数据技术对海量数据进行收集、存储、处理和分析的工具和平台。这些产品能够帮助企业从纷繁复杂的数据中提取出有价值的信息,发现潜在趋势,从而优化业务决策。其核心生产成本。供应链协同:利用大数据技术优化供应链协同,提高供应链的透明度和协同效率,确保原材料的及时供应和产品的按时交付。产品设计与创新:通过分析用户反馈和市场数据,优化产品设计,提高产品的市场竞争力,推动产品收集客户的信用记录、交易数据、资产状况等多源信息,利用大数据分析技术评估客户的信用风险、市场风险等。例如银行在审批贷款时,通过分析申请人的各种数据来判断其还款能力和违约风险,决定是否放款及放款额度。精准。如淘宝、京东等平台的“猜你喜欢”功能。供应链管理:通过分析销售数据、库存数据和物流数据,优化供应链管理,提前预测市场需求,合理安排库存,降低库存成本,提高供应链的效率。门店运营优化:利用大数据
公司现身说法,分享银行、保险行业的成功案例,更有星环科技新产品介绍和前沿技术分享,与会嘉宾满载而归。01、大数据技术发展趋势介绍星环科技创始人、CEO孙元浩率先登台,为大家解析了大数据技术发展趋势。大数据,构建企业级应用的全新集成模式。为应对大数据时代的挑战,恒丰银行以降低人力资本、防范风险道德,敏锐应对市场变化为目标,提供实时智能的大数据服务。03、星环科技产品线介绍星环科技金融事业部资深顾问时吉明指出,星环科技在五年内迅速发展,目前,星环家族产品有五系列,ABCD加上一体机。星环的产品优势在于统一的低延迟引擎,高性能数据库,便捷的处理工具,混合负载支持、丰富的数据算法。星环科技结合在大数据、容器云平台和人工智能领域的技术优势,研发出新一代智能大数据云平台TDC,为企业提供高效的基础技术平台,赋能部门业务,助力企业的数字化转型,促进数据和应用的生态建设。星环科技的产品目前已应用于金融、能源、交通等行业,推动诸多企业实现数字化转型。04、太平保险-大数据建设经验分享太平金科数据分析平台负责人许崇涛认为,传统保险行业在大数据建设过程面临以下6挑战:数据量增长迅速、数据时效性要求高、用户数多
智能化的客户服务工具,提升客户满意度和使用频率。金融产品创新:金融机构通过数据洞察,基于客户需求和市场趋势创新金融产品,例如结合大数据和人工智能推出动态定价的贷款产品或个性化的保险服务。反洗钱与合规管理数据评估其信用风险,快速提供贷款或融资服务。保险风险定价与赔付管理:大数据和人工智能技术帮助保险公司实现更精准的风险定价和更快速的理赔管理,从而提升客户体验并降低运营成本。大数据金融服务平台是一种企业级、分布式、开放、统一的大数据平台,它包括数据接入、数据存储、数据处理、数据分析及数据服务相关组件。这种平台的总体目标是帮助金融机构更高效、更快速地完成金融大数据应用的开发、部署和管理,从以交易为中心转向以数据为中心,以应对更多维、更大量、更实时的数据和互联网业务的挑战。以下是大数据金融服务平台的一些关键功能和特征:数据采集与清洗:平台能够从多个来源采集数据,并进行清洗以提高数据质量。风险管理与信用评估:利用大数据分析和机器学习技术,金融机构可以整合客户的行为、财务、社交数据,建立全面的风险管理模型,实现精准的信用评估。智能投顾与资产管理:数据分析帮助智能投顾平台
解锁大数据基础底座产品:数字化转型的超级引擎大数据基础底座产品是什么在数字化浪潮汹涌澎湃的当下,大数据技术已成为推动各行业发展的关键力量。而大数据基础底座产品,作为大数据技术体系中的核心支撑,正扮演着愈发重要的角色,它就像是数字世界的基石,默默支撑起数据驱动的商业与科技大厦。大数据基础底座产品是一个综合性的技术平台,整合了数据存储、计算、治理等核心模块,为各类数据处理和分析任务提供了基础支撑。它就像是一座城市的基础设施,如供水、供电、交通系统一样,虽然不直接展示在人们面前,但却是城市正常运转不可或缺的部分。在大数据领域,底座产品就是这样的“隐形英雄”,确保数据能够被高效地管理和利用。数据存储、访问控制等手段,保护数据不被非法获取和篡改。核心功能揭秘强大的数据存储能力大数据基础底座产品具备强大的数据存储能力,能够支持海量数据的存储。无论是结构化数据,如关系型数据库中的表格数据;非结构化数据,像文本、图片、视频等;还是半结构化数据,如XML、JSON格式的数据,都能被妥善存储。高效的数据计算与处理在数据计算与处理方面,大数据基础底座产品拥有实时和离线计算能力,可灵活应对各种复杂的
大数据产品功能包括整合与预处理数据(清洗、转换、集成)、存储与管理数据(海量存储、格式优化、生命周期管理)、分析与洞察数据(基础统计、高级分析、深度洞察预测)以及保障数据安全与合规(安全访问控制、加密脱敏、合规管理支持)。以下是大数据产品的多样分类及其核心功能:数据整合与预处理功能数据清洗:大数据产品能够识别并处理数据中的噪声、重复数据、错误数据等。处理缺失值也是重要的一环。产品可以根据数据的,对于像用户年龄、收入等具有不同量纲的数据,通过标准化将其转化为均值为0、标准差为1的分布,或者归一化到[0,1]区间,使得不同特征在模型训练中有相同的权重基础。数据集成:大数据产品可以整合来自多个不同存储与管理功能海量存储支持:采用分布式存储系统,能够存储海量的数据。以互联网搜索引擎公司为例,其每天需要存储和处理数以亿计的网页内容、用户搜索记录等数据大数据产品的存储系统可以通过将这些数据分布在算法,可以将用户根据通话行为、流量使用等特征划分为不同的群体,以便运营商针对不同群体推出个性化的套餐。能够进行关联分析。例如,在零售行业,大数据产品可以发现商品之间的关联关系,像购买了啤酒的顾客有很大
搭建大数据平台产品是个复杂工程,涉及多方面技术与架构,以下为你介绍搭建步骤:明确需求与目标业务需求调研:与各业务部门深入交流,了解他们的数据处理、分析和应用需求。确定平台目标:依据需求调研结果,确定大数据平台的核心目标,如提高数据处理效率、支持实时数据分析、提升决策准确性等。架构设计数据采集层:确定从不同数据源获取数据的方式,如数据库、文件系统、日志文件、传感器等。数据存储层:根据数据类型和应用:选择合适的服务器硬件、操作系统和虚拟化技术。大数据框架:基于架构设计,选择主流的大数据框架和工具。评估各框架的性能、稳定性、社区活跃度和技术支持情况。平台开发模块开发:按照架构设计,分模块进行开发、压力测试和安全测试,发现并修复潜在的问题。数据迁移与加载数据迁移规划:制定数据迁移策略,确定从现有数据源迁移到大数据平台的顺序和方法。对于大规模数据迁移,需要考虑数据的一致性和完整性,以及对业务的影响。数据加载:利用数据迁移工具将数据加载到大数据平台的存储层。在加载过程中,进行数据清洗和转换,确保数据符合平台的格式和质量要求。平台部署与优化部署:将开发和测试完成的大数据平台部署到生产环境,可以
可以通过大数据技术,分析客户的行为模式,并对其分析结果进行预测,以为客户提供更加精准的金融服务。另外,保险公司可以通过分析客户的数据,来识别潜在的风险,并为客户制定适当的保险策略。医疗领域:大数据技术地保护患者的健康。零售领域:大数据技术在零售领域的应用也非常广泛。通过分析客户的购物行为,零售商可以更加了解客户的需求和偏好,以便有效地推销产品和服务。同时,零售商还可以通过分析销售数据和运营数据,来这一挑战,大数据技术应运而生。大数据技术是一种能够处理海量数据的技术,通常用来处理需要海量数据以及需要进行复杂计算、分析和挖掘的数据。与传统的数据处理技术相比,大数据技术具有能够处理海量数据、处理速度快以及数据多样性的特点。大数据技术的应用能够帮助企业和个人快速获取并分析大量数据,以便制定更精准的决策。大数据技术的应用范围非常广泛,以下是其中一些示例:金融领域:大数据的应用在金融领域非常广泛。银行优化其营销策略,从而提高销售额和利润。制造业领域:大数据技术还在制造业领域得到了广泛的应用。制造商可以通过大数据技术提高生产线的效率和生产能力,从而提高其生产率和生产质量。通过分析工作进展情况和品质
索引是数据库中某些数据的冗余副本,目的是使查询性能更优。作为代价,数据库需要额外存储空间和较慢写入速度,因此决定哪些字段需要索引是一项重要且不易的任务。(新)StellarDB5.0.1版本不再对旧版本使用的manipulatecreate_index和manipulatedelete_index语法进行支持,在新版本中统一使用createindex和dropindex进行索引的创建和删除新增索引CREATEINDEX[IFNOTEXISTS]FOR(LabelName)ON[f1,f2,...];CREATEINDEX[IFNOTEXISTS]FOR[LabelName]ON[f1,f2,...];不支持对TIME_SERIES类型的属性创建索引默认情况下,对同一个Label的某个属性多次创建索引会报错;但如果带有IFNOTEXISTS,则不会抛出任何错误包裹点边LabelName的括号不同,注意区分示例1.在点labelperson的属性name和age上建立索引CREATEINDEXIFNOTEXISTSFOR(person)ON[name,age];示例2.在边labelask...
产品文档
3 安装 StellarDB
3.1在TDH平台安装StellarDB3.2StellarDB安装校验3.3StellarDB低版本升级至StellarDB5.0.1
产品文档
6.1 图计算
StellarDB5.0.1版本对图算法场景进行了大规模改进和提升,内置算法性能得到较大提升。在语法方面,StellarDB5.0.1的内置图算法对于返回的节点,会直接以节点类型返回。因此可以直接使用uid(vertex)访问节点的uid,而不再需要node_rk_to_uid函数进行uid的转换。可以参考PageRank等函数。另外,对于图算法返回的节点,我们也可以灵活的访问其其他属性作为返回值。图计算简介StellarDB的图计算使用TEoC语句调用相应图算法。算法的输入数据为图的点、边数据。当前版本中图计算支持结果返回、结果导出和结果写回。在使用图算法时,使用configcrux.execution.modeanalysis;语句切换到分析模式下使用图算法语句。图数据视图StellarDB支持创建一个可被持久化的视图,用于加速图算法执行过程。创建视图创建视图的语法如下所示:createquerytemporarygraphviewGRAPH_VIEW_NAMEas(v)[e]withGRAPH_ALGO(@GRAPH_VIEW_NAME,VIEW_STORE_PATH,CONFI...
为什么引入动态图模型?在实际应用过程中很容易可以发现,图数据在很多图数据的应用场景中并不是静态不变的,而是动态演进的,这些场景中包括例如金融反欺诈场景中金融交易网络随着时间的推进而发生的交易变化、交易社群变化等;又比如社交网络中新增用户、用户关注或者取消关注、更改账户信息等。将图数据变化的历史记录下来,不仅可以用于历史数据规律的总结,还可以利用动态图数据进行动态图神经网络相关技术的研究,从而进一步挖掘数据中潜在的数据价值和更加灵活高效的业务场景,譬如预测某一个时刻某一事件是否会发生。动态图模型的动态变化图数据的动态变化主要分为两类,一类是节点或边的属性的值的变化;另一类变化是子图(结构)的变化,如新增/删除点边。这两种图数据的动态变化可以单独发生,也可以同时发生。从图数据的属性变化角度来看,StellarDB5.0.1动态图模型可以记录图中节点或者边属性的所有历史版本(而非新数据覆盖旧数据)。在实际数据开发使用中,还可以结合诸如柱状图、趋势图等对历史数据进行可视化,更加直观、更加适合业务使用。从图数据的子图(结构)的角度来看,StellarDB5.0.1动态图模型还可以返回不同时间子图...
产品文档
4 快速入门
快速上手本章节将引导您快速熟悉StellarDB,并为您初步介绍如何通过KGExplorer和beeline客户端操作StellarDB。其中,"StellarDB初探"一节通过构建一张人物关系图,从零介绍如何在StellarDB进行基本操作;"StellarDB进阶"一节为您提供了内置于StellarDB的《哈利·波特》人物关系图,帮助您进一步探索StellarDB。StellarDB初探使用KGExplorer构建图从Manager页面进入KGExplorer页面。若KGExplorer开启了单点登录,会自动跳转Federation登录页面,按如图方式登录:KGExplorer用戶开启方法以及详细使用说明请查看章节《KGExplorer使用文档》。点击登录后进入KGExplorer主页面。我们首先需要构建图名为"hello_world"的图。在主页面右上角点击创建图按钮开始图谱schema的构建。按照引导填写图基本信息后点击确定进入构建页面。在画布中,我们为"hello_world"图创建Boy和Girl两种类型的点,两种类型的点均包含name、salary、age、single四...
产品文档
5.12 变量声明
声明简介声明是指为特定数据类型的变量分配一定的存储空间,并命名该变量以便引用它;必须先声明变量,然后才能引用它;对声明的变量可以进行赋值操作来改变它的值;声明的变量其作用域是Session级别的。变量声明使用decl关键字声明一个变量必须为变量指定名称和类型,且名称不能与已有的变量名相同。声明但未赋值的变量的默认值为null。变量名声明对大小写敏感。变量声明的语句遵循如下格式:DECL[<variable_name>:<variable_type>];使用方法示例如下表所示:语句说明declx:int;声明一个类型为int的变量xdecls:string;声明一个类型为string的变量sdecll:long;声明一个类型为long的变量ldeclb:boolean;声明一个类型为boolean的变量bdecld:double;声明一个类型为double的变量ddecltime:localdatetime;声明一个类型为localdatetime的变量timedecld1:decimal;声明一个类型为decimal的变量d1decllist1:list[int...
产品文档
5.10 表达式
类型表达式类型例子十进制型整数10,-213十进制小数1.25,3.604E-14,-2.31十进制型长整数199345843592l,-12381543923L任意精度的有符号十进制数123bd,123.31BD八进制整数(0开头)084,-096字符串"星环",'信息科技'布尔类型true,false,TRUE,FALSE数组类型[1,2,3],["星环","信息科技"],[decimal(10.2,3,1),decimal(100.2,3,2)],[localdatetime("2021-01-18T09:50:12.627"),localdatetime("2021-11-18T03:50:12.113")]时间类型localdatetime("2021-01-18T09:50:12.627")Decimal类型decimal(10.2,3,1)地理空间类型point(20.5,30.5),point(-20.5,-30.5)时序类型{localdatetime("2023-01-01T15:16:17")::"nice"},{localdatetime("1997-01-01...
本章节的示例语句均可在示例图my_graph中执行,执行前请先创建示例图my_graph,建图语句如下:creategraphmy_graphwithschema(:Boy{namestring,salarydouble,ageint,singleboolean,birthdaylocaldatetime,reservelong,ratedecimal(38,10),hobbysarray<string>,geoPointgeo<double>})(:Girl{namestring,salarydouble,ageint,singleboolean,birthdaylocaldatetime,reservelong,ratedecimal(38,10),hobbysarray<string>,geoPointgeo<double>})[:Friend{sinceint}][:Likes{sinceint}]graphproperties:{`graph.shard.number`:3,`graph.replication.number`:...
通过beeline或JDBC时,设置参数configquery.langcypher;将查询语言切换为TEoC模式。根据使用场景选择查询模式(默认为immediate模式)immediate模式通常用于并发及短查询场景,查询结果和中间结果通常不超过百万。通过configcrux.execution.modeimmediate;切换。analysis模式通常用于分析场景,创建图、插入数据以及图算法相关的语句必须在该模式下进行。通过configcrux.execution.modeanalysis;切换。
产品文档
7.1 自定义函数
StellarDB支持用户添加自定义函数,添加后可在cypher语句中使用。自定义函数实现自定义函数通过java/scala语言开发,可继承实现两种基类,编译成jar包,通过指定命令加载到StellarDB。需要实现的基类为如下两种,可自行选择继承合适的基类:继承UDF基类继承GenericUDF基类。继承UDF基类该类实现简单,功能较为单一。支持Quark的基本类型、数组和Map。适合实现简单的逻辑。继承org.apache.hadoop.hive.ql.exec.UDF类继承UDF类必须实现evaluate方法且返回值类型不能为void,支持定义多个evaluate方法不同参数列表用于处理不同类型数据。@Description(name="my_plus",value="my_plus()-ifstring,doconcat;ifinteger,doplus",extended="Example:\n>selectmy_plus('a','b');\n>ab\n>selectmy_plus(3,5);\n>8")/***实现UDF函数,若字符串执行拼接,in...