数据治理典型应用

大数据的典型应用非常广泛，涵盖了金融、零售、医疗保健、交通物流、制造、能源、政府公共服务等多个领域。以下是一些具体的应用案例：金融行业：风险评估与管理：金融机构通过收集客户的信用记录、交易数据、资产状况等信息，利用大数据分析技术评估客户的信用风险、市场风险等。精准营销：根据客户的交易行为、浏览记录、理财偏好等数据，进行客户细分，提供个性化的金融产品和服务推荐。反欺诈与安全防御：分析交易数据和行为模式，识别异常交易和潜在的欺诈行为，及时预警并采取措施防范金融诈骗。零售行业：商品推荐：电商平台根据用户的购买历史、浏览行为、搜索记录等数据，提供个性化的商品推荐，提高购买转化率。供应链管理：分析销售数据、库存数据、供应商信息等，优化供应链流程，实现精准的库存管理和采购决策。医疗保健行业：疾病预测与预防：收集和分析医疗数据，包括患者的病历、症状、基因信息等，预测疾病发生风险和流行趋势，提前采取预防措施。辅助诊断：利用大数据分析技术，结合患者的临床数据和医学知识库，辅助诊断疾病，提高诊断的准确性和效率。交通物流行业：物流配送优化：物流企业通过收集和分析物流过程中的数据，优化物流配送方案，提高物流

大数据的典型应用非常广泛，涵盖了金融、零售、医疗保健、交通物流、制造、能源、政府公共服务等多个领域。以下是一些具体的应用案例：金融行业：风险评估与管理：金融机构通过收集客户的信用记录、交易数据、资产状况等信息，利用大数据分析技术评估客户的信用风险、市场风险等。精准营销：根据客户的交易行为、浏览记录、理财偏好等数据，进行客户细分，提供个性化的金融产品和服务推荐。反欺诈与安全防御：分析交易数据和行为模式，识别异常交易和潜在的欺诈行为，及时预警并采取措施防范金融诈骗。零售行业：商品推荐：电商平台根据用户的购买历史、浏览行为、搜索记录等数据，提供个性化的商品推荐，提高购买转化率。供应链管理：分析销售数据、库存数据、供应商信息等，优化供应链流程，实现精准的库存管理和采购决策。医疗保健行业：疾病预测与预防：收集和分析医疗数据，包括患者的病历、症状、基因信息等，预测疾病发生风险和流行趋势，提前采取预防措施。辅助诊断：利用大数据分析技术，结合患者的临床数据和医学知识库，辅助诊断疾病，提高诊断的准确性和效率。交通物流行业：物流配送优化：物流企业通过收集和分析物流过程中的数据，优化物流配送方案，提高物流

，对提升线网客流综合服务水平、强化线网整体管控能力起到了积极的推动作用。未来，星环科技将与济南轨交集团携手，持续深化客流分析与预测应用场景，探索智能设备运维、能耗分析建设、供应链智能协同等创新场景，构建智能化数据分析场景体系，实现“数据变现”模式，让数据产生价值，为“数字地铁”提供数据保障。该项目基于星环科技大数据基础平台TDH、大数据开发工具TDS、智能分析工具Sophon等产品，通过数据处理、算法计算、报表开发等围绕客流分析与预测形成了一整套数据采集处理及分析体系，能有效满足运营公司调度票务、客运部、及企划法务部等不同部门的数据使用需求。打造多维度客流分析可视化能力实现客运量日时段分析、各车站票种日统计、客运量对比日分析、OD矩阵日分析等功能点，提供了以时间周期（不同时间片、早晚高峰/平峰）、线网（车站、线路、线网）、OD等多维度展现客流量信息，满足了动态灵活的数据分析需要，简洁直观的可视化界面帮助业务人员更快发现问题，有效提升工作效率。提升日、年客流算法预测能力实现预测-OD、客流量、客运量、断面、年度节假日预测等功能点。模拟用户行程准确率达到90%以上，达成行程模拟的要求，搭建客流基础数据资产能力，满足各种场景数据统计分析的需要。该方案服务于科学合理化的行车计划安排

隐私计算可以使用在多个应用场景中，以下是一些典型的隐私计算应用案例：医疗保健：医疗数据是非常敏感的，因此在医疗保健领域广泛应用隐私计算技术。例如，医院可以使用差分隐私技术保护患者隐私，同时进行数据查询等，为多方数据安全协作提供完整的平台底座。SophonP²C可用于解决跨组织协作时无法安全利用各方数据的难题，助力数据流通应用的合法合规。在保障隐私的前提下，围绕数据的集成、存储、治理、建模、分析，包括敏感的个人数据。因此，隐私计算可以应用于保护用户隐私。例如，在训练模型时，可以使用差分隐私技术来保护用户数据。城市规划：城市规划需要处理大量的人口和交通数据，这些数据都是非常敏感的。因此，隐私计算。例如，在广告投放时可以使用差分隐私技术来保护用户数据隐私。隐私计算在医疗保健、金融、人工智能、城市规划和电子商务等领域都有广泛的应用，可以保证数据隐私和安全性，同时保证数据共享和分析的效果。星环科技、挖掘和流通等数据全生命周期，提供多种开箱即用的工具，方便用户进行数据处理、分析、特征工程等工作，可快速进行多方数据统计、分析建模和应用工作。平台拥有的多种适应不同安全和通讯环境的加密安全手段和通信架构，为跨组织的数据协作提供安全、可靠、高效的平台支持。

隐私计算可以使用在多个应用场景中，以下是一些典型的隐私计算应用案例：医疗保健：医疗数据是非常敏感的，因此在医疗保健领域广泛应用隐私计算技术。例如，医院可以使用差分隐私技术保护患者隐私，同时进行数据查询等，为多方数据安全协作提供完整的平台底座。SophonP²C可用于解决跨组织协作时无法安全利用各方数据的难题，助力数据流通应用的合法合规。在保障隐私的前提下，围绕数据的集成、存储、治理、建模、分析，包括敏感的个人数据。因此，隐私计算可以应用于保护用户隐私。例如，在训练模型时，可以使用差分隐私技术来保护用户数据。城市规划：城市规划需要处理大量的人口和交通数据，这些数据都是非常敏感的。因此，隐私计算。例如，在广告投放时可以使用差分隐私技术来保护用户数据隐私。隐私计算在医疗保健、金融、人工智能、城市规划和电子商务等领域都有广泛的应用，可以保证数据隐私和安全性，同时保证数据共享和分析的效果。星环科技、挖掘和流通等数据全生命周期，提供多种开箱即用的工具，方便用户进行数据处理、分析、特征工程等工作，可快速进行多方数据统计、分析建模和应用工作。平台拥有的多种适应不同安全和通讯环境的加密安全手段和通信架构，为跨组织的数据协作提供安全、可靠、高效的平台支持。

安全大数据平台解决方案此次入选“2021年度信息技术应用创新典型解决方案”，获得国家级认可，彰显了星环科技的技术创新能力和在数据安全领域的标杆形象。安全大数据平台解决方案是星环科技通过自有技术创新近日，在中国工业和信息化部网络安全产业发展中心主办的2022新一代信息技术融合应用创新云峰会上，发布了“2021年数字技术融合创新应用解决方案征集工作成果”，星环科技安全大数据平台解决方案凭借在技术先进性、应用示范性和产业带动性等方面的优秀表现，入选“2021年度信息技术应用创新典型解决方案”。“2021年数字技术融合创新应用解决方案”评选由工业和信息化部网络安全产业发展中心、信息中心技术创新应用协作组主办，覆盖党政、金融、能源、通信、交通、工业、医疗、教育等重点领域。该评选遴选出一大批技术水平先进、应用示范效果突出、产业带动性强的典型解决方案和应用示范案例。工业和信息化部网络安全产业发展中，推出的由IaaS、PaaS和SaaS层数据安全加固的系列产品所组成的解决方案，提供了从云基础设施、数据平台、数据资源、数据应用的南北向数据安全能力。同时，该解决方案还覆盖数据生命周期的各个阶段，涉及数据

近日，在2024世界人工智能大会“迈向AGI：大模型焕新与产业赋能”论坛上，《2024大模型典型示范应用案例集》（以下简称《案例集》）重磅发布！星环科技无涯·问知问答知识库应用。无涯·问知支持不限长度的音视频图文等多模态数据快速入库，且支持自动化文档切片及向量化处理，配合自研的RAG框架，可实现知识的精准召回。无涯·问知具备了泛行业的知识获取能力、专业的内容及时更新，以应对快速变化的市场环境。近年来，大模型已展现出令人惊叹的智能涌现能力，但出于数据安全和隐私保护的考虑，以及更高效率、更低成本响应用户需求的考虑，人们既希望获得公共大模型强大的通用服务，又InfinityIntelligence成功入选《案例集》。2024年，我国将人工智能的发展上升为国家战略，大模型的产业化应用落地进一步提速。作为以产业化为导向的重磅前沿研究成果，《案例集》展示了新全的大模型创新融合应用发展成果，推动了大模型为代表的人工智能前沿技术赋能千行百业，推动社会经济高质量发展。无涯·问知是一款基于星环科技自研预训练模型无涯Infinity和向量数据库Hippo、图数据库StellarDB构建的企业级垂直领域

模态数据集成和治理过程中的边缘化、智能化的云端-边缘端融合计算平台。Sophon支持标准的视频和物联网协议接入，低代码的业务流程构建，高性能的数据处理和分析，企业级的云-边数据、服务治理，以及针对边缘嵌入式和云端服务器等异构硬件的适配。边缘云典型产品IDC在明确边缘云定义范畴基础上，研究了当前边缘云主要产品形态、市场规模、以及典型应用场景，并据此对市场发展趋势和潜在的机遇做出预测。中国边缘云市场虽然、智能安防、智能工地、智能交通、智能城市、智能校园、智能加油站等城市治理、设备可预测性维护等云边一体场景有广泛的应用。Sophon产品架构Sophon行业应用以钢铁制造企业为例，在炼钢过程中需有一次温度Slipstream将数据接入到工业互联网平台，在云端EdgeHub中进行生产模型训练，并下发至边缘平台进行实时应用。通过对边缘端的模型进行灰度升级、自动升级等操作从而实现持续应用。基于星环科技边缘计算和实时流面的数据治理能力更流畅的一键部署能力与更易用的流程配置能力，为成为业界先进水平的边缘计算平台而不断努力。新基建是后疫情时代经济复苏的新动力，与人工智能、5G、物联网等IT支出密切相关，边缘计算与这些新兴技术

技术在反洗钱(AML)方面有广泛的应用，通过天然的图的复杂网络分析能力和超强算力能力，能够更准确、更高效地识别洗钱交易。图数据库在反洗钱领域中的典型应用包括：实体关系分析、风险评估、异常检测、实时多样，且洗钱及相关上游犯罪呈上升趋势，在金融机构合规管理之中，是一项非常重要的内容，属于典型的监管科技应用。为了逃避侦查，洗钱分子在进行交易时，往往会制造出错综复杂的关系，使资金网路内节点众多交错，所以图分析、可视化分析等。应用案例1：某全国性股份制银行利用星环科技分布式图数据库StellarDB+知识图谱平台SophonKG，建立了基于企业关联图谱的小微企业风险事件图谱，开展了企业客户风险传播分析。该流分析，利用图结构、图嵌入等技术，整合结构化数据，形成知识图谱，开展金融欺诈检测业务应用。该场景的应用效果显著，如对公客户风险召回和准确率在速度提升百倍，实现了风险传播和风险社团的可视化发现和展示。银行基于处罚数据、第三方数据、舆情数据、公告数据、历史事件数据等，利用星环科技的图数据库和知识图谱平台，结合风险预警体系，通过深度分析等技术，分析风险事件对企业/个人事件主体的影响和事件要素，形成

运维管理界面WebserverWebserver是Hippo提供运维监控的界面。默认访问地址为:4567"class="bare">http://<webserver_ip>:4567。或者在Manager管理界面我们可以通过下图所示的查看链接这里进行跳转。图15.登录HippoWebserverWebserver主要由下面几个部分构成。概况图16.概况该页面展示了Hippo集群的基本信息，包括：Masterstatus：当前的ActiveMaster，MasterGroup，MasterAddress，Master的健康状态TabletServerStatus：TabletServerAddress，健康状态，逻辑机架和数据中心信息，容量使用以及Tablet个数TabletNum：当前集群表的个数Version：Hippo版本信息库表图17.库表页面以库和表的概念集群存储的各类数据信息。库信息：库名库创建时间库内各类表的信息：点击某个库，可以看到库下所有表的信息，主要包括：••表的ID••表的名字••表的状态••表的Tablet数量••表的Engine类型••表的副本数•...

Hippo在1.2版本提供了全文索引能力，兼容ElasticSearch6.7.2语法，在底层架构上复用了公司产品TranswarpScope的一部分特性，支持以Java/HTTPRestful的形式通过Hippo的HTTPServer接口进行全文索引的创建、查询、使用等各类需求，通过该能力的支持，可以更好的实现向量与全文的混合检索。通过将向量检索加全文检索的联合召回，可以降低漏检和误检的概率，能够实现比单独使用向量或全文更高的精度。同时，一套数据库系统可避免部署多套系统带来的架构复杂、开发运维成本高等问题。具体的使用方法除了访问端口需要将端口从8902调整为9200外，均可参考《TranswarpScope手册》4.TranswarpScopeAPI介绍。

OverviewUnstructureddatamanagementismoreimportantthaneverduetotheriseofbigdata.Managingandgleaningbusinessvaluefromunstructureddataisofutmostimportancetoenterprisestoday.Advancementsinmachinelearning,aswellasdeeplearning,technologiesnowenableorganizationstoefficientlyaddressunstructureddataandimprovequalityassuranceefforts.Inthefieldofartificialintelligenceormachinelearning,embeddingsandvectordatabaseshavebecomeincreasinglyimportantfortacklingawiderangeofproblems.Thesetechniquesareusedtorepresen...

本节测试主要描述了Hippo1.0在关键测试上的一些性能表现，该份测试同样也是Hippo的基准测试，后续版本发布也会在不同版本上进行该测试进行对比分析。术语表142.Hippo性能测试术语TermDescriptionnq一次搜索请求中搜索的向量个数topk一次请求中对于要检索的每个向量(依赖nq)，所能检索到最近距离的向量个数RT一次请求从发起到接受响应的时间]QPS请求在每秒内成功执行的次数dataset测试所用数据集，不同数据集表示不同的业务场景测试集群配置硬件配置表143.性能测试硬件配置硬件规范Nodes3CPUIntel®Xeon®Gold5218RCPU@2.10GHzMemory16*\16GBRDIMM,3200MT/sDISKNVMeSSD2T*4GPUNONE软件配置表144.性能测试软件配置软件版本Hippov1.2TranswarpManagerTDH9.3.0测试集表145.性能测试数据集数据集名称数据集介绍向量维度向量总数查询数量数据总量距离类型Sift-128-euclidean该数据集是基于Texmex的数据集整理，使用SIFT算法得到的图片特征向量。...

查看Master节点通过以下命令，查看集群Master节点信息：curl-ushiva:shiva-XGET'localhost:8902/hippo/v1/_cat/master?v'返回结果：epochtimestampactive.master.hostactive.master.portmaster.group169079683909:47:19172.29.203.18926841172.29.203.189:26841,172.29.203.189:26851,172.29.203.189:26861查看数据节点curl-ushiva:shiva-XGET'localhost:8902/hippo/v1/_cat/nodes?v'//查看所有节点curl-ushiva:shiva-XGET'localhost:8902/hippo/v1/_cat/nodes/{node}?v'//{node}表示待匹配的节点地址，支持以*通配，支持指定多个pattern，多个pattern以逗号分割返回结果：

本节介绍Hippo表写入相关操作。Hippo会返回写入成功数据的下标以及总共写入成功的数据条数，如果出现行级错误（比如主键冲突），Hippo会返回具体的行级错误。插入本节介绍如何向Hippo中插入数据。curl-ushiva:shiva-XPUT'localhost:8902/hippo/v1/{table}/_bulk?database_name={database_name}&pretty'-H'Content-Type:application/json'-d'{"fields_data":[{"field_name":"book_id","field":[1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24,25,26,27,28,29,30,31,32,33,34,35,36,37,38,39,40,41,42,43,44,45,46,47,48,49,50,51,52,53,54,55,56,57,58,59,60,61,62,63,64,65,66,67,68,69,70,71,72,73,74...

OverviewAclusterisaHippoCloudinstanceassociatedwithspecificcomputingresources.Youcancreaterelatedtables,insertcorrespondingdata,andcompleteproductexperiencewithinacluster.Beforeyouusethedemoenvironment,youneedtocreateacluster.CreateClusterYouneedtogotothespecificproject.Iftherearenoclustersunderthecurrentproject,youcanclickthe'Createcluster'buttonbelowtheclustercreationguidancepagetoentertheclustercreation.Ifthereareclustersunderthecurrentproject,youcanclickthe'+Cluster'buttonabovetheclusterlist...

ThistutorialwillguideyouthroughthefollowingtaskswithinHippoCloud:EstablishingatablePerusingthetableIncorporatingdataExecutingsearchoperationsEliminatingrowsDissolvingthetableBeforeyoustartInthisguide,wewillbeutilizingthePythonAPI.Priortocommencement,ensurethatyouhave:RegisteredforaHippoCloudaccount.SubscribedtothecomplimentaryplanandestablishedatrialclusterwithinHippoCloud,orsubscribedtothestandard/enterpriseplansandconstructedadedicatedcluster.IfyouanticipateemployingPythonfordevelopment,ascert...

在Hippo中，比较耗时的操作如激活、加载向量索引实际上是一个分布式任务，用户可以通过任务相关接口查看、删除任务。查看任务curl-ushiva:shiva-XGET"localhost:8902/hippo/v1/_jobs?pretty"-H'Content-Type:application/json'-d'{"job_ids":["fc6feff4f303455a9347f9aab323dfc8"],"action_patterns":["hippo*"]}';返回结果：{"jobs":[{"job_id":"810935a1d91a46b7af2ec35013454fed","job_status":"SHIVA_JOB_SUCCESS","embedding_number":100,"task_results":[{"id":"54ab52493dfb4bab9fb7742d850c64c4","status":"TASK_SUCCESS","server":"172.29.40.26:27841","embedding_number":100,"execute_time":...

过滤条件表达式Hippo当前支持如下表达式，可用于标量或向量查询。表46.过滤条件表达式表达式描述and当前版本支持and，不支持or/not==等值<小于⇐小于等于>大于>=大于等于inin[1,2,3]notinnot_in[1,2,3]like'_'表示匹配任一字符，'%'表示匹配任意字符，'\'为转义符向量相似性检索本节描述如何进行向量相似度搜索。Hippo中的向量相似性搜索计算查询向量与表中向量的距离，返回最相似的结果集。通过指定标量过滤条件，用户可以进行向量与标量的混合搜索。curl-ushiva:shiva-XGET'localhost:8902/hippo/v1/{table}/_search?pretty'-H'Content-Type:application/json'-d'{"output_fields":["book_id"],"search_params":{"anns_field":"book_intro","topk":2,"params":{"nprobe":10},"embedding_index":"ivf_flat_index"}...