银行端到端支付实时分析
Kyligence 对于 Kafka 数据流的无缝对接,低成本的解决了支付场景实时监控业务数据的问题,补齐了 T+0 的数据短板,极大提升了业务方发现、解决问题的时效性,也对于全行的实时能力做了补全和完善。
黄泽华 重庆富民银行 数据算法负责人

互联网支付,面对实时统计和监控的挑战

互联网支付,面对实时统计和监控的挑战

互联网支付的主要表现形式有网银、第三方支付、移动支付三种,由于支付场景涉及资金的实时流动,故而对实时性的统计和监控有强需求,对数据时效性也有较高的要求。富民银行以往是通过常规跑批的方式计算好指标数据,实现对支付数据的监控及交易级明细核查,同时也尝试通过 Spark Streaming、Flink 等方案来解决时效性低的问题,但仍面临许多痛点。

日均 20W+ 支付数据的实时监控及明细核查

日均 20W+ 支付数据的

实时监控及明细核查

为了更好满足富民银行对于端到端支付实时分析需求,Kyligence Enterprise 对接了 Kafka 流式支付交易数据,业务用户可以通过 Tableau 定制 Dashboard 进行自助分析,实现了对日均 20W+ 端到端支付数据的实时监控及交易级明细核查,提升了异常交易的发现、核查及处理时效,为客户打造了低成本、低延时的流式场景。

客户收益


目前 Kyligence 产品及解决方案,成功助力富民银行实现端到端的支付实时分析:


数据的延时 20min,数据量 80W-100W(3天),查询数量 250-300 次/天;


实时监控端到端支付数据的交易额、交易笔数等指标,并按支付方式、渠道、商户等维度展示;


一笔交易会因状态变化而产生多条数据,获取最近状态的数据计算聚合指标;


对接 Tableau 定制 Dashboard 及进行自助式分析,并在 Dashboard 中下钻查看原始明细数据。

即刻体验智能多维数据库

免费试用 产品下载

申请试用
关注我们