閱讀96 返回首頁    go 阿裏雲 go 技術社區[雲棲]


日誌易:金融之支付行業日誌大數據分析案例解讀

伴隨新的支付方式出現,近年來移動支付蓬勃發展,如何分析、利用海量交易數據,已成為當前支付企業麵對的巨大難題。日誌作為數據的載體,蘊含著豐富的信息,傳統的日誌分析方式低效而固化,無法應對數據體量大、格式不統一、增長速度快的現狀,在交易出現異常及失敗時,更難以滿足實時處理、快速響應的需求。

本文講述某支付公司采用日誌易後,通過日誌大數據實現業務深度分析及風險控製的實踐經驗。

本次分享結合企業自身對支付行業的理解,將支付行業的需求總結為以下三點:

一、監管合規

1、人民銀行對支付機構的日誌審計和安全合規規定;

2、開發訪問日誌的權限管理。

二、安全性

安全是支付公司非常重視的,安全風險有時會引起一些輿論導向,比如某些金融機構案件被媒體標注為特別關注;某某支付公司發現了資金線的問題,消費者的錢不知去向等,這些都是一個社會的關注的焦點。結合市場風險及大環境,支付行業的安全性需求具體表現在:

1、支付交易的安全性要求;

2、數據訪問的安全性要求;

3、防止敏感信息的泄露等。

對支付行業來說,日誌易產品在數據訪問、權限要求等方麵體現出很好的應用價值。

三、可靠性

1、定位及解決問題的時效性;

2、係統流程的可靠性。

眾多支付公司,當前做的產品主要針對新興支付行業,特別是當前較熱門的移動支付。那麼移動支付的優勢在哪裏?最主要的是便捷,而便捷的基礎就是時效性強,可靠性高。為了更好發揮移動支付的便捷,支付公司對時效性,可靠性的要求很高,而這才是使用日誌易大數據分析平台的深層次原因,日誌易幫支付公司解決了最根本的行業需求,在可靠性方麵展現了產品的價值。

支付公司日常業務方麵的需求,涉及到以下場景:

1、多種不同的訪問失敗類型進行分類;

2、每天需要做應答碼的統計排名、占比以及走勢圖;

3、每個分類統計結果在一張圖分別展示每個應答碼趨勢;

4、統計當日支付失敗數量並分析;

5、需要導出訪問失敗類型的匯總統計表;

6、成功交易占比分析。

該公司原有的解決方案存在一定的局限性,比如:手動工作耗時量大、實時性差、人為造成失誤、分析維度不能靈活變動及決策滯後等等。

支付公司有時會根據業務需要,對數據進行收集、清理,包括日誌數據的清理等。當人為參與數據操作過多時,會引起部分意想不到的失誤,從而引發問題。另外一點就是,原有方案實時性差,會導致公司的很多業務流程優化非常滯後。支付行業 IT 人都知道,支付的維度是非常非常多的,做任何一筆支付,基礎維度包括時間、金額、筆數等,還會有像交易地點、客戶習性或者說需要根據支付數據研究客戶的習性等等。一家支付公司不可能單純做一個支付產品,所以支付產品包羅萬象,聚合起來維度就更為複雜。

麵對支付企業眾多需求和行業的原有解決方案的短板,客戶選擇部署日誌易產品後,實現了如下功能:

1、各交易係統中每筆交易的狀態等信息,按時間戳歸類進行分析統計、實時報表展示;

2、根據日誌易實時統計的多個維度的報表、圖表,更準確的做出故障點判斷;

3、決策層更直觀的看到每天、每周、每種交易類型的故障高峰期及故障問題分布。

圖 1 日誌易解決方案

該支付公司使用日誌易產品實現的解決方案及一些需求:

1、產品角度來說,第一就是優化,充分滿足客戶需求,提升用戶體驗,第二是產品分析,第三是數字營銷方麵的要求;

2、從業務流程的角度或者說從合規角度來說,第一就是我們的業務流程分析,第二是後續的設備性能管理方麵的要求。第三是合規方麵的要求,最後是運維係統的預防性維護工作;

3、從日誌易的數據收集角度來說,產品可以從支付公司的業務數據,也就是從交易數據抽取,然後可以從運維方麵的 IT 數據、安全數據抽取,甚至可以從物聯網去抽取一些數據。


圖 2 交易失敗及類型統計可視化界麵

圖 2 是基於一些測試數據的呈現,因為支付有敏感性的要求,圖標顯示的 ACP 是隨便舉的一個渠道的簡稱。其中,對於一些訪問,包括一些支付的實地情況可以做一個可視化的分析。上圖呈現的一些可視化分析,包括對實時支付進行快速分析,統計其狀態碼,可以對其進行排名統計,做相關告警監控。伴隨產品的深入應用,日誌易產品也會被接入到支付全流程分析和監控。


圖 3 圖表示例

電子支付如今已滲透入網購、轉賬、生活繳費、基金債券等居民的日常生活中,關係著國家經濟及居民的生活質量,可謂任重而道遠。日誌易作為國內首家海量日誌分析企業,一直致力於開發一款配置方便、功能強大的日誌管理工具,以高品質的產品為金融行業用戶信息化建設搭建高可靠平台,共同麵對數字浪潮中更多的未知與挑戰,實現支付企業對日誌分析管理產品高效、實時、安全的需求。

更多內容,歡迎關注公眾號:日誌易

最後更新:2017-05-31 19:32:43

  上一篇:go  如何低成本、高效率搭建Hadoop/Spark大數據處理平台
  下一篇:go  【雲周刊】第124期:實時計算來臨!阿裏新一代實時計算引擎 Blink,每秒支持數十億次計算