流分析(或快速数据处理)正成为一个越来越受欢迎的主题在金融部门。这种发展主要有两个原因。首先,越来越多的数据必须实时分析防止欺诈;处理所有事务,银行必须通过和日益增长的数量的测试,以确保这笔钱从何而来,要合法来源。第二,客户想要无摩擦移动体验在管理他们的钱,如立即通知和个人建议基于他们的在线行为和其他用户的行为。
一个典型的流分析解决方案遵循“管道和过滤器”模式,包括三个主要步骤:检测数据原始事件模式(复杂事件处理),评估结果的帮助下业务规则和机器学习算法,并决定下一步行动。该架构的核心是预测模型的执行操作大量的数据流。
在这次演讲中,我将提出一个架构为流分析解决方案,涵盖了许多用例遵循这种模式:可行的见解,欺诈检测、日志分析、交通分析、工厂数据,物联网,和其他人。我将通过一些架构挑战将会出现在处理流数据时,如延迟问题,事件时间与服务器时间,仅一次处理。解决方案是建立在方向感栈:卡夫卡,点燃,引发结构化流。解决方案是开放源代码的,可在Gibob下载地址tHub。
荷兰合作银行
Bas是一个程序员,科学家,和IT经理。荷兰合作银行(Rabobank),他是在人工智能技术领先,数据和分析领域。他的学术背景是在人工智能和信息。他对大数据解决方案的参考体系结构的研究发表在《IEEE会议ICITST 2013。Bas背景在软件开发中,设计和架构与技术从c++ Prolog Scala。他偶尔教编程课程和定期议长会议和非正式的会议,在那里他带来的市场背景下,自己的视力,业务情况下,体系结构和源代码热情地向他的听众。