大数据技术原理
大数据能够提供数据集成、数据存储、数据计算、数据管理和数据分析等功 能，具备随着数据规模扩大进行横向扩展的能力。从功能角度，大数据技术主要 分为数据接入、数据存储、数据计算、数据分析四层，以及资源管理功能。

数据采集：负责数据的采集、传输工作，大规模的数据经过数据采集步骤后， 才能够进入大数据平台，从而进行后续处理。

数据存储：负责大规模数据的存储工作。主要利用分布式和多副本策略保证 TB、PB 量级的数据安全有效的进行存储，从而为数据分析提供底层支持。

数据计算：负责大规模数据的计算工作。利用分布式和规范化的编程框架， 将单机难以处理的数据分散到多台机器上进行分析处理，从而使大规模数据挖掘 成为可能。

数据分析：负责大规模数据的业务应用。与具体业务场景相结合，通过统计 分析、深度学习等上层数据应用技术，将大数据转化为有价值的信息，实现业务 增值。

资源管理：负责大数据平台的资源管理工作。利用调度队列，实时监测等机 制，及时发现大数据平台中的服务器健康状况并自动化调度，保证集群工作质量。

金融大数据特性
金融机构的业务要求大数据平台具有实时计算的能力。目前，金融机构最常 使用的大数据应用场景为精准营销、实时风控、交易预警和反欺诈等业务都需要 实时计算的支撑。大数据分析平台可以对金融企业已有客户和部分优质潜在客户 进行覆盖，对客户进行画像和实时动态监控，用以构建主动、高效、智能的营销和风险管控体系。

为切实做到数据驱动，金融企业需要定制化的技术平台。首先，金融企业要 进行顶层设计，把技术和业务结合起来，将技术应用在企业价值链的每个场景上。 其次，金融企业需要大规模的系统改造。为实现数据的汇聚，需要将原来存储在 上百个信息系统的数据进行整合，重新设计并搭建数据采集、存储、传输的架构。 最后，金融大数据需要更加完善的安全保障措施。金融数据的泄露、篡改可能造 成系统性金融风险，甚至危及社会稳定。部分数据如用于金融交易的用户鉴别与 支付授权信息需要全流程加密。