数据挖掘

1、痛点挖掘：结合人工智能技术，通过不断实践，不断和应用磨合，围绕数据价值探索，应用深度结合，真正挖掘出用户痛点。
2、痛点解决：主要基于人工智能，机器学习，模式识别，统计学，数据库，可视化技术等，高度自主化的分析企业数据，作出归纳行推理，从中挖掘出潜在的模式，帮助决策者调整市场策略，减少风险。

数据仓库

1、数据服务：大数据平台提供数据服务门户，实现一站式，统一登陆的数据应用门户，使业务人员不需要考虑技术因素，通过简单的操作即可获取其所关心的数据。
2、数据采集：统一的内外部数据采集平台，实现各类关系型数据库，各类主流文件导入，第三方系统接口直连，网络爬虫等方式的数据采集功能，可实现数据力量采集已经数据实时采集。
3、数据整合：按照自主研发的金融数据模型，对内外部企业数据进行集成整合，形成统一的，一致的具有拓展性的面向分析决策的数据集。
4、数据标准：把数据治理的政策和组织，以及数据标准的内容进行固化，最大限度地实现自动化管理流程，降低手工干预。

数据治理

1、数据补缺：对空数据、缺失数据进行补缺操作，无法处理的做标记。
2、数据替换：对无效数据进行数据的替换操作。
3、数据合并：多用表关联实现，大小表关联用LOOKUP，大表相交用JSIN(每个字段加索引，保证关联查询的效率)。
4、数据拆分：按照一定规则进行数据拆分，行列互换，排序，修改序号，去除重复记录。
5、数据加载：时间戳，日志表，全表对比权标删除插入。