- 综合排序
- 最热优先
- 最新优先
- 来自专栏云头条
中国电子重磅发布：金融级数字底座源启
2022年8月19日，“共筑数字新基石——金融数字化创新发展论坛暨中国电子金融级数字底座源启产品发布会”在上海徐汇西岸智塔举办。 中国电子在会上重磅发布了金融级数字底座产品“源启”。 金融级数字底座“源启”有能力一站式解决金融行业底层基础软硬件自主安全、IT架构升级和数字化转型等难题。 围绕数字底座的行业应用、未来发展，与会嘉宾进行了深入探讨。 蒋昌俊院士提到，数字时代金融风险更加值得关注，安全的数字底座将为金融风险防范提供有力支撑。 “源启”由基础运行支撑平台、数字构建平台、数据资产平台、数字安全体系和架构工程平台五大平台构成，面向行业场景提供安全、稳定、持续可靠的基础运行环境，基于业务设计开发运维一体化的工具链高效构建数字应用，实现数据驱动
76610编辑于 2022-08-26 - 来自专栏腾讯安全
夯实数据安全底座，捍卫金融科技美好｜产业安全观智库访谈
大智移云蓬勃发展，产业安全已经成为数字经济平稳、健康发展的“生命线”，为携手整个行业面对更加纷繁复杂的挑战，腾讯安全联合金科创新社共同策划以“夯实数据安全底座，捍卫金融科技美好”为主题的圆桌论坛，邀请了腾讯云安全总经理李滨 、中信银行大数据中心数据总工程师李少伟、赛迪数据安全研究室副主任王伟洁三位专家，围绕金融业数据安全呈现的特点和趋势、以及如何更好的落实国家出台的合规要求、护航金融业务健康发展进行讨论。 以下是嘉宾的精彩观点： 中信银行大数据中心数据总工程师 李少伟： 金融行业数据安全的特点可以概况为两个方面：一方面，它有大量的高敏感高价值的数据，容易成为黑产攻击的重要目标。 需要金融企业以数据为中心，从数据的创建、采集，到传输、使用、归档、销毁等全生命周期提升安全防控能力。 ，需要不同的安全策略和工具；其次要选择一个合适的数据安全治理框架，数据治理内涵广泛，需要相应的数据治理框架协调各方关系；最后采用相应的安全技术，如数据分类分级和流动性管理技术、数据交换和共享技术、数据审计监控相关技术等
72730编辑于 2022-04-11 - 来自专栏腾讯云区块链
腾讯云参编数据协作金融应用报告发布，区块链助力构建数据要素协作信任底座
2月20日，北京金融科技产业联盟正式发布《基于区块链技术的数据协作网络金融应用研究》，腾讯云深入参与报告的编写工作。 但是，当前金融业开展数据协作仍面临数据产权不清晰、要素定价复杂、要素价值易稀释、数据孤岛、用户自主权不可控等痛点。 《基于区块链技术的数据协作网络金融应用研究》 区块链助力构建数据要素协作信任底座 腾讯云深入参与报告的编写工作，并输入数链通产品供应链金融数据协作的应用案例。 零部件供应商的生产、供应数据，经销商的销售数据及集团的生产、销售、经营数据加密以后输入到隐私数据协作平台里，金融机构侧银行、财务公司把企业金融数据、财务数据等加密传入隐私计算协作平台，风控评估算法模型发布到隐私计算环境中 关注“腾讯云区块链”微信公众号，回复“金融应用”，可获取《基于区块链技术的数据协作网络金融应用研究》完整版报告。
95110编辑于 2023-02-21 - 来自专栏数据科学与人工智能
3月26日数据动态早报 | 大数据应用、智能金融、超级电商金融以及区块链金融
数据动态早报，让您了解数据新变化、新创造和新价值。 一、通信行业数据动态 1 中国移动公布了截止2016年12月31日年度业绩报告，董事长尚冰在《董事长报告书》（以下简称“报告书”）中更是重提5G研发和物联网重点业务发展。 【搜狐网】 二、电子商务数据动态 1 江苏常熟京云数据科技有限公司和京东云签订合作协议，双方将在“大数据+服装产业”领域建立长期、全面的合作关系。 【DoNews网】 三、互金行业数据动态 1 “科技与金融结合的创新，在很大程度上决定金融业的核心竞争力。目前有四个领域受到高度关注。” 李礼辉指出的四个领域包括大数据应用、智能金融、超级电商金融以及区块链金融。【新浪网】 四、医疗健康数据动态 1 浙江大学成立睿医人工智能研究中心，构建全国首个开放式医学人工智能平台。
1K80发布于 2018-02-28 - 来自专栏智瑾财经
筑牢数字金融“底座”能力，决策智能精准优化商业决策模式
作为中国第三大独立云技术供应商，萨摩耶云科技集团专注于B2B2C商业模式，利用机器学习、深度学习、联邦学习等技术，识别数据中的隐藏规律，支撑诸如精准营销、风险控制等企业核心业务环节，为中国金融机构和各行各业的企业提供端到端云原生科技解决方案 让传统机构经营决策从经验和流程驱动转向数据驱动、自动化决策，从而达到降本增效。 以决策智能为驱动，萨摩耶云科技集团始终将保护数据隐私安全作为生命线，建立健全严格的数据保护机制和管理体系。 在对海量数据进行智能化分析处理时，萨摩耶云科技集团以SaaS服务的方式通过与金融机构系统直连实现信息的实时传输，并利用脱敏、联合建模、联邦学习等方式确保敏感数据交互时的合规性和安全性。 最大化保护数据安全与数据隐私的同时，实现数据价值流转。
57430编辑于 2022-08-26 - 来自专栏腾讯专有云
构筑金融发展新底座 着墨数字金融大文章——专访腾讯云副总裁沙开波
近年来，随着云计算、大数据、AI等新技术广泛应用于金融业，数字金融的未来已来。 银企携手聚力创新 云上金融共创未来 金融业作为信息化和数字化的先行者和实践者，近几年，在政策和业务的双重驱动下，为了写好“数字金融”大文章，金融业更是全方位投入以云计算基础设施为底座的新IT基础设施系统 沙开波看来“在强合规场景下，金融机构既需要专属的计算、存储、网络资源以满足安全合规、性能可靠、数据安全可控、运维运营简化的需求，又需要弹性、灵活、按需的能力以满足资源管理和高效利用、服务快速部署的需求。 专有云+云原生，助力金融行业新基建 腾讯专有云TCE构建了“一云多芯”自研技术底座。 同时，“建行云”连接“金融技术底座+金融业务操作系统+行业精品应用”展开金融云的探索实践，以服务云化为目标，产品化为补充，组装式应用为手段，拉通线上线下，不断融合政策行业监管要求、行业通用能力、典型场景应用
1.1K10编辑于 2023-12-29 - 来自专栏王的机器
『金融数据结构』「3. 基于事件采样」
本文含 6821 字，48 图表截屏 建议阅读 34 分钟 0 引言 本文是 AFML 系列的第三篇 金融数据类型 从 Tick 到 Bar 基于事件采样 在上贴〖从 Tick 到 Bar〗里，我们已经会从 它们虽然可以做到减少数据量，但是采样数据的方法都没有金融含义支撑，线性等分采样过于简单，均匀采样过于随机。 因此本帖来看看第二种基于事件采样，即背后有金融含义支撑的采样方法。 (df.tail(3)) 首先不做任何采样，画出 tick 数据的价格折线图。 dollar.head(3).append(dollar.tail(3)) 画出 dollar bar 的折现图。 3 总结 处理数据永远是最花精力和时间的，机器学习是，量化金融也是，数据科学更是。
2.6K40发布于 2019-08-05 构建普惠金融数智底座：AI大模型与数据湖驱动业务量化提效
三、 驱动核心业务指标量化提升 通过底层架构重塑与AI引擎的深度嵌入，金融机构在风控、运营与研发维度的系统效能获得量化提升（数据来源：腾讯金融云实测及客户数据）： 数据加工与查询极速化： 某机构引入智能数据湖后 ，数据加工时效由近1小时大幅缩减至5分钟；明细数据查询效率提升 4-7倍，聚合查询效率提升 3-6倍。 某金融科技公司（全业务场景融合）： 利用预训练金融数据并精调公司业务数据，打造金融风控大模型与智能Agent（如百事通风险智能顾问）。 、龙芯及信创ARM/x86/MIPS）的云基础设施底座。 数据资产向业务价值转化： 强化数据合规与隐私保护，通过Data+AI深度融合，沉淀通用AI中台能力。标志着金融科技的发展已从“立梁架柱”的基础建设阶段，正式迈入“厚积成势”的智能化核心竞争力重塑阶段。
16620编辑于 2026-04-21- 来自专栏腾讯专有云
亮相2025香港金融科技周，腾讯专有云 TCE 助力金融机构筑牢数智化底座
2025年11月3日 - 4日，2025香港金融科技周在香港顺利召开。 腾讯专有云 TCE 作为腾讯云服务金融领域的核心力量，与团队亮相此次盛会，集中展示全场景金融数字化解决方案及助力全球金融机构数智化升级的核心成果。 近年来，香港金融科技生态蓬勃发展，金融机构加速数字化升级。 在此次金融科技周开幕式上，香港金融管理局（以下简称香港金管局）总裁余伟文提出 “金融科技2030” 愿景，明确表示香港金管局将推出全新“人工智能”战略，进一步推动香港以及其他地区金融业全面并负责任地应用人工智能 目前，已与多家国有大行建立合作关系，凭借稳定可靠的技术支撑与贴合金融业务需求的解决方案，累计服务超百家大型商业银行及金融机构，深度参与国内金融行业数字化转型实践，为金融机构的业务创新与高效运营提供坚实保障
43810编辑于 2025-11-07 重构金融数据底座：中信建投基于TBDS的国产化大数据平台全栈演进与效能提升
分享专家：高森 | 中信建投证券大数据运维专家 数据来源：腾讯云金融数智峰会 2025 演讲资料 第一章：突破集群扩张与运维瓶颈 随着金融业务数字化转型步入深水区，中信建投证券在底层数据架构上面临多重战略困境与业务瓶颈 第三章：释放PB级数据资产业务动能 基于统一的大数据平台底座，中信建投证券在平台吞吐量、业务承载力及开发能效上实现了高度量化的提升： 集群规模与计算吞吐量跃升： 截至2025年，物理节点规模扩展至124 端到端数据开发周期缩短50%： 依托完整的工具链（Wedata），将需求输入、数据集成、清洗建模、调试到API服务的全链路开发周期，由原先跨多个旧平台的3天，大幅压缩至统一新平台内的1.5天。 第四章：赋能核心金融业务场景 数据底座的重构直接转化为前端业务的敏捷响应能力与精细化运营水平，核心落地场景包括： 零售业务实时数仓查询： 在开盘交易高峰期，支持业务人员实时、快速查询特定时间段内的客户交易与资金流水明细 重塑CRM系统数据底座： 深度嵌入中信建投CRM系统，满足多销售条线对数据穿透及时性与精细化管理的核心诉求。
9310编辑于 2026-04-30- 来自专栏凯哥讲故事系列
DataOps：数据中台的必备底座
前言 数据中台的崛起代表了企业数字化转型从流程驱动走向数据驱动，从数字化走向智能化。而DataOps则是数据中台区别于传统企业数据架构的核心差异，是建设数据中台的必备底座能力。 什么是DataOps 、 DataOps的历史 2014年，Lenny Liebmann提出DataOps[1]的概念，在《3 reasons why DataOps is essential [3] DataOps（数据运营）是以一种敏捷的方法，用来设计、实施和维护分布式数据架构，支持广泛的开源工具和框架，数据运营的目的是从大数据中获取业务价值。 这个定义中，强调敏捷的方法。 上图是典型的数据价值链过程，而DataOps就是支撑着整个全生命周期的底座，成功的DataOps体系有四个特质：CAUTA。 全面/Universal 作为企业全域数据的底座，DataOps要全面的支持所有的场景和数据，如下图所示例，列示出了常用的30种数据源和40种目标数据。 ? 可以分解的更加细致： ?
8.8K37发布于 2020-07-09 - 来自专栏IT创事记
创新数据底座：智能制造的“圣杯”
进行仿真计算需要处理大量的实时数据，对系统的计算和数据吞吐能力都有极高的要求。既有的数据基础设施很难满足以汽车研发为代表的新增需求，创新的数据底座成为智能制造时代被寄予厚望的“圣杯”。 ，包括从多协议互通的数据底座、多算力计算平台、计算集群CCsuite套件到技术支持服务全面适配工业仿真软件，为汽车、航空航天等制造企业提供强大的数据基础设施。 仿真平台只是创新数据底座的冰山一角。 华为构建的创新数据基础设施，将成为国内制造企业数字化转型坚实的数据底座，其示范效应影响深远。 华为存储大道不孤 基于2020年Gartner Market share的数据，华为以11.9%的占有率位居全球存储市场TOP3，在中国区存储市场连续26个季度排名第一，并以52%的份额占据国内全闪存市场半壁江山
52620编辑于 2022-08-30 - 来自专栏数说工作室
金融数据挖掘之决策树（ID3）
数说工作室提供策略编写、数据分析服务和量化支持。
1K110发布于 2018-03-28 HarmonyOS Next数据底座向量数据库介绍
背景今年HDC在展厅遇见了HarmonyOS 数据底座的架构师，介绍了基于数据底座实现端侧能力的智能小助手，听着很吸引人，HarmonyOS将端侧AI做到了系统层，给开发者创造了无限可能。 向量数据库概述向量数据库是一种支持存储、管理和检索向量数据的数据库系统，同时兼容传统的关系型数据处理能力。 结果集采用惰性加载策略，只有在实际访问数据时才会从存储层加载，有效降低了内存消耗。向量数据表示floatvector是向量数据库的核心数据类型，用于表示高维向量数据。 ：参数必填说明time_col是时间列名(整数类型)interval否老化检查间隔(默认1天)ttl否数据保留时间(默认3月)max_num否最大数据量限制(默认1024)示例配置：await store.execute TEXT类型列进行压缩存储：await store.execute( "CREATE TABLE IF NOT EXISTS test3 (time integer not null, content
32710编辑于 2025-07-06重构金融核心底座：四川银行操作系统融合创新实践
2.监管合规压力：依据《金融科技发展规划（2022—2025年）》及“五篇大文章”要求，金融机构必须加快云计算技术规范应用，向分布式架构转型，并实现关键软硬件技术的自主可控。 ●核心底座确立：最终选择TencentOS作为云平台操作系统，支撑物理机、虚拟机及容器的全场景运行，并兼容OceanBase、TDSQL等国产数据库。 ●系统稳定性验证：协同完成了TencentOSV2到V3的全量升级，期间保持业务连续性；获得10+3年的生命周期服务支持，确保长期稳定。 ——中国工程院、工商银行、建设银行、招商银行等外部专家评审团甄选腾讯云TencentOS的核心逻辑四川银行选择TencentOS作为关键底座，主要基于其在金融场景下的技术沉淀与权威认证：1.超大规模验证 2.权威合规认证：符合2023年财政部操作系统政府采购需求标准，V3版本通过2024首批安全可靠测评，并通过金融XC生态实验室的适配测评。
22210编辑于 2026-01-07重塑金融核心数据库底座：全栈国产化替代与亿级并发架构演进实践
跨越集中式架构瓶颈，满足金融级高可用与线性扩展需求 在金融核心系统现代化演进的过程中，行业目标已从单一组件的替换，升级为涵盖软硬件、云平台、数据库、工具链的“体系化”重塑。 其边际成本不断攀升，且在海量数据处理和业务敏捷创新上存在天然的垂直扩展瓶颈。 与此同时，金融机构必须满足监管与客户体验双重要求下的 7×24 小时连续服务。 部署微服务与分布式数据库体系，构建多中心容灾与平滑迁移链路 为应对上述系统瓶颈，金融机构通过引入腾讯云企业级分布式数据库 TDSQL，结合云原生架构与微服务体系，重构核心交易与数据基座。 实现在线交易高并发承载与IT基础设施降本增效 各细分金融领域在引入分布式数据库与云架构后，其系统稳定性、开发效率与运维成本均获得了可量化的显著改善： 银行领域：突破单机房容量上限，实现海量账户吞吐与极致降本 金融机构通过以上实践，证明了采用成熟的分布式数据库产品是平衡“安全合规”与“业务增长”的最佳路径。
41110编辑于 2026-03-10大数据平台数据底座能力构建技术指南
技术解析 核心价值与典型场景 大数据平台的数据底座能力，指的是构建企业级数据仓库和数据资产管理的能力。这一能力的核心价值在于： 性能提升：与传统数仓/大数据解决方案相比，性能提升10~100倍。 典型场景包括企业级数据仓库构建、数据资产治理和可视化数据分析。 3大关键挑战 性能瓶颈：在大规模数据处理时，如何保持高性能和响应速度。 安全风险：数据资产的安全性和隐私保护。 操作示例： 通过WeData平台对数据进行规范化生产，确保数据规范性、完整性、及时性。 利用腾讯云的安全服务保障数据安全。 3. 结论 大数据平台的数据底座能力是企业数字化转型的关键。腾讯云提供的WeData、COS和BI工具等产品，能够帮助企业在性能、成本和数据治理方面取得显著优势。 通过上述操作指南和增强方案的对比，企业可以根据自身需求选择合适的技术方案，实现数据底座能力的构建和优化。
57510编辑于 2025-07-28- 来自专栏数据科学与人工智能
【金融数据】消费金融：大数据风控那点事？
3.识别出潜在风险的人 利用数学模型来识别风险客户，目的是找到欺诈客户和未来不会还款的用户。在识别坏种子时，数学模型和坏种子是关键，数学模型决定风控方式是否科学，数据纬度是否全面，结论是否科学。 例如利率为12%的小额信贷就可以容忍3%左右的不良贷款率，其利差收益完全可以覆盖不良贷款。对于风险较低的消费信贷，其不良贷款率也可以适当放开。 这也是互联网金融反欺诈公司或征信公司兴起的原因，他们主要的作用就是解决了客户信用信息不对称的问题。 3.恶意欺诈和薅羊毛比例较高 信用风险体现在两个方面，一个是客户恶意欺诈，另外一是客户信贷违约。 第一种是将资产打包，以3-4折的方式卖给资产管理公司，由他们去催收，效果不是太好，损失较大，还有法律分线风险，因此不是主流。 3、丰富数据输入纬度以及较细的颗粒度，对传统风控的补充 传统风控模型已经不能适应复杂的现代风险管理环境，特别在数据信息录入纬度上，影响客户信用评分的信息较多，很多都没有引入到风险评估流程。
5.1K51发布于 2018-02-28 构建高性能AI数智底座，破解金融行业算力效率与安全难题
金融行业AI应用面临效率与安全双重挑战 当前金融业AI化进程中存在显著资源效率与数据安全瓶颈： 算力资源利用率低下：训练阶段因任务调度不合理，GPU实际有效利用率常低于50%；推理阶段因请求波动大， 30%以上 非结构化数据处理难题：企业80%数据为非结构化数据，跨模态对齐技术不成熟，向量化检索一致性面临挑战 安全风险突出：涵盖数据泄露、恶意攻击、内容失控及基础设施破坏等多维度威胁（来源：腾讯金融云邓锡文公开演讲材料 ） 腾讯云全栈式AI数智底座技术架构 腾讯云基于自身超700个应用日均2亿次调用的混元大模型实践，构建算存网数一体解决方案： 算力层：高性能计算集群HCC支持超300小时连续训练，通过qGPU容器共享实现 数据处理：分布式Metadata架构提升训练数据读取效率10倍，Tbps级带宽缩短模型分发时间90% 检索性能：向量数据库优化GPU处理速率，向量化效率提升3倍以上，数据检索时间降低50%（来源：腾讯云公开技术指标 ） 头部金融机构应用案例实证 美团、快手、小红书：采用腾讯云智算套件处理大规模训练和推理场景 中国人寿、中信建投证券、招商银行：部署全链路安全防护体系应对金融敏感数据风险 值得买科技、作业帮：通过向量数据库构建千亿级知识库
20820编辑于 2026-04-30- 来自专栏数据科学与人工智能
金融科技：金融科技与数据科学概述
我以一个金融科技数据科学工作者的角度观看，是指利用各种科技服务金融业务和数据以创造商业价值的系统化过程。 2 金融业务，我了解到信贷业务、理财业务、保险业务、支付业务等。 3 金融数据，我接触到征信数据、客户基本信息数据、客户设备数据、客户消费数据、客户行为数据、客户信贷流转数据等。 03 金融科技的数据科学工作介绍 我是在金融科技从事数据科学工作，主要内容包括： 1 业务和数据的理解 2 数据清洗和准备工作 3 数据的探索性分析和报告 4 风控模型设计和应用 5 营销模型设计和应用 6 模型的部署、管理、优化和迭代 7 高效建模环境的搭建和维护 8 全流程数据科学工作的模块化编程 9 数据、规则、模型、策略设计、分析和调优 等等 04 金融科技数据科学人才的三点思考 如何成为一名金融科技数据科学人才 首先，金融科技数据科学人才属于一种复合型人才。这样的人才既需要熟悉金融业务问题，又需要掌握数据科学的知识和技能。 其次，优秀的沟通和表达能力、团队协作能力、项目管理能力，这些软实力，也非常重要。
2.5K10编辑于 2022-01-20
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号