2019-02-23 21:18:50 weixin_44326589 阅读数 715
  • React Hooks 案例详解(React 进阶必备)

    前言 如释重负,好用的技术就应该越来越简单 React Hooks 是 React 16.8 从提案转为正式加入的新特性。这个新特性是个非常棒的设计。 可以说对于React 技术栈的发展具分割线一样的意义。讲师在课程中提到:之前使用 React 作为主要的前端技术,开发一款网页游戏。在整个游戏的各个模块中,Redux ,mobx,以及蚂蚁金服的 ant-design,dva, umi 这些框架或者第三方库都有涉及使用。但是自从了解了Facebook官方提案的 Hooks 特性后,才真正觉得获得了前所未有的解脱。如果你有React开发经验,学习了解 Hooks 后,一定有一种如释重负的轻松感。 React 带来了方便也带来了迷茫 相信关心 React Hooks 这项新特性的童鞋,很多已经有了一定的 React 开发经验。那么你一定有所体验,React 给我们带来方便的同时,也的确和长久以来的前端开发模式有极大的不同。React 并不需要用继承,而是推荐用嵌套。React 有独特的 jsx 语法。大多数情况 jsx 都使得我们的代码更加简洁了。然而有些时候也给我们带来了一些困扰。 比如数据的传递,逻辑的复用。 react 是一种 mvvm 的设计模式,作为开发者一定要清楚,那些数据是业务数据,那些数据是UI数据。否则你的代码很有可能会陷入混乱局面。 大型项目中模块化与功能解耦困难 在公司项目中 App 稍大的时候,我们发现状态提升和只通过 props 进行数据传递。很多时候都很难实现我们的需求。这时无论我们是否清楚的了解,但是状态管理也就是 redux mobx 等,轻易地进入到了公司的项目中。我们经过初期的尝试发现状态管理,确实比用纯粹的 React 带来了数据传递上的方便,以及代码组织上的清晰。但前提是你看懂且理解了 redux 大神晦涩的官网文档。 本来 React 被设计用来组件化前端开发。但当我们初期使用状态管理,我们常常会过度的使用状态数据,业务逻辑和ui逻辑没有清楚的分离,最终你的应用代码结果可能是:除了少数几个组件是独立的解耦的,大多数组件都因为状态数据的共享而耦合在了一起,且他们也完全依赖状态管理框架。无法再轻松的转移复用。使用高阶组件,属性渲染,渲染回调等高级特性,确实可以帮我们解决模块或功能的解耦问题。但是这些方法,确实有点超出普通“猿类”的技能。且降低了代码的可读性,对于团队协作,这是很致命的问题。 React Hooks 真正开启前端模块化的金钥匙 对于以上问题,React Hooks 都有很好的解决方案,官方的设计动机就是解决这些曾经的繁琐,化繁为简。React Hooks 让我们在纯函数中就可以使用 React 的众多特性。而不必使用类。代码扁平,易读。解耦状态相关逻辑,UI逻辑和业务逻辑更好的分离。这些逻辑往往是纯函数,而以前很容易混合在类组件中。通过自定义 Hooks 我们可以把应用中“状态相关”逻辑解耦出来,独立编写到我们自己的hooks 中。从而更加易于复用和独立测试。

    293 人正在学习 去看看 吕建军

摘要:以“数字金融新原力(The New Force of Digital Finance)”为主题,蚂蚁金服ATEC城市峰会于2019年1月4日上海如期举办。金融智能专场分论坛上,蚂蚁金服大安全副总经理王黎强做了主题为《金融科技守护金融安全》的精彩分享。

演讲中,王黎强分享了蚂蚁金服逐步完善的金融风控体系,介绍了蚂蚁金服的风控理念以及蚂蚁金服风险大脑的核心模块,展示了蚂蚁风险大脑所开放的领域和所能够提供的能力。
在这里插入图片描述
王黎强 蚂蚁金服大安全副总经理

蚂蚁金服十余年风控路

金融的核心是风控,它是一切金融业务创新的基础。蚂蚁金服的风控安全能力并不是来自于实验室,而是来自于真实的业务场景、攻防实战和业务发展的需要。蚂蚁金服大安全部门的职责非常明确,就是保障业务的安全,帮助业务拓展到全球每一个角落,服务好每一个普通民众。
在这里插入图片描述
蚂蚁金服的前身——支付宝诞生于2004年,支付宝成立的初衷是为了解决买卖双方的信任保障问题。因此,在网上买卖双方进行交易的过程中,支付宝就承担了交易担保的职责。蚂蚁金服一直把风控安全作为生命线,2005年推出了“你敢付我敢赔”应用保障体系,解决了客户支付的安全顾虑; 2013年,蚂蚁推出了余额宝,大家开始把大额资金放到支付宝里,支付宝因此开始变成一个真正的大钱包,而对于资金安全也提出新的挑战。网商银行上线之后,蚂蚁金服构建了基于银行服务线上化的整套风控解决方案,这套方案将会解决信贷账户安全以及反洗钱等问题。

支付宝在2017年推出了“你敢扫我敢赔”,在用户保障初心回归和客户承诺的背后,是蚂蚁金服的强大风控安全能力在进行着守护。

蚂蚁金服的风控理念

蚂蚁金服是中国数字金融的开创者与领导者。从第一天开始,蚂蚁金服的业务就发生在线上,通过支付场景,就连接现实物理世界和数字世界。数字世界最显著的特征就是数据可存储、可计算和可量化,基于数字化模型,蚂蚁可以对每笔交易作出实时的风险量化预测。蚂蚁金服的所追求的风控理念是安全与体验的平衡。安全和体验就像是天平的两端,一端需要考虑控制资损,另外一端需要考虑为客户提供更好的互联网体验。
在这里插入图片描述
风险防控不是一个非黑即白的过程,它充满着不确定性。蚂蚁金服主要依靠计算力、数据和算法这三项基础,构建了风险精准识别与智能化决策的能力。计算力是蚂蚁金服数据风控体系的底盘,它支撑着蚂蚁金服处理每天亿万用户的交易数据,并进行风险识别。第二个基础能力是数据,它是风险大脑的能量和血液,结合着算法流动起来,构建风控防控的闭环。第三个基础能力是算法,基于用户、环境和网络的数据信息之上,运用算法做出精准的判断和决策。

蚂蚁金服风控演进之路

蚂蚁的风险大脑是蚂蚁金服风控的杀手锏,他不是一天建成的,而是经过一代又一代安全人的共同努力,经历多次迭代和业务发展需要构建出来。整体而言,蚂蚁金服的风险大脑走过了三个阶段:

  • 人工规则(平衡):这一阶段主要构建了基于专家经验的人工规则风险防控体系。其优点是防控的覆盖性、调整的及时性较好,但同时带来了极高的管理成本。一方面,规则体系会随着业务系统的复杂度不断增加,规则易上难下,相互之间的关系很难理解。另一方面,规则的设计和维护依赖人力,对人的经验性和专业度要求较高。
  • 规则 +
    模型(攻防):人工规则在提高防控覆盖性的同时,很难平衡好用户体验。这是因为在实际风控中,存在一些人很难发现的复杂的风险行为模式,很难通过规则来进行刻画。同时,大量积累的数据,也让我们可以从经验驱动的风控,进入数据驱动的风控。利用数据来训练风控模型,与人工经验刻画的规则,形成互补。风控系统进入了第二阶段——运用规则加模型来建设风险防控体系。
  • 大数据智能(协同):模型是基于已知风险进行训练得到的,其虽然能识别很多复杂的风险模式,能够较好地防控已知风险,但也具有一些不足。一方面,其对于未知风险的识别往往不足,风险实时攻防是风控引擎的常态,过程中需要较多规则去补防。另一方面,模型的更新需要大量数据来驱动,同时需要较多的专家人力投入,对未知风险的防控存在一定滞后性。这个问题逼迫我们走向大数据智能和人机协同风控。利用弱监督算法去感知可能存在的异常潜在风险,采用人机交互学习算法技术,让专家反馈能更快的推动模型的进化调整。
    在这里插入图片描述
    在这样的演进过程中,蚂蚁金服建立了有效的风险感知体系,风险防控具备自我优化、自我进化的能力,使得风险防控体系变得更加及时和有效。

蚂蚁风险大脑,全方位、立体化的风控体系

对于蚂蚁风险大脑而言,总体具有四个核心板块,分别是风险检测预警、风险识别决策、风险智能优化和风险分析洞察。这四个板块相互协同,紧密协作,并且构建起来了全方位、立体化的风控体系。风险监测预警相当于风控系统的眼睛,用于感知和预测风险;风险识别决策构建了全方位和立体化风控引擎,是风险精准防控的判断依据;风险分析洞察则是专家和机器智能在人机协同过程中的基于多维度进行的分析洞察;风险智能优化就是风险防控中构建的自学习和自优化的能力,应对风险攻防的及时性和有效性;
在这里插入图片描述
蚂蚁风险大脑——风险预警体系。面对未知风险的挑战,需要基于算法监测识别个体异常和群体异常。通过风险异常识别发现风险群体,通过图形化、可视化方式展现出来,并通过风险专家来判断风险和异常。这个过程会实时推动必要的模型/策略调整,形成风控系统的闭环优化。另一方面,面对蚂蚁金服如此大体量的业务,如此多的交易,就需要风险大盘进行整体风险监测,快速定位问题并分析原因,保证风控系统自身的安全运行。

蚂蚁风险大脑—风险识别体系。风险识别体系是风险防控的精髓与核心,对其而言主要有两个关键词——全方位和立体化。对于全方位而言,需要构建基于人、环境、网络、设备、黑名单、突变和冲突的全方位风险扫描体系。传统专家风控体系是一个网状平面,风险防控最担心的就是一层被击穿。而蚂蚁金服的风控体系是立体化的、层层深入下去的防控体系,如果某一层被击穿,还会有下一层,其比平面风险防控体系要更加安全、可靠。值得一提的是,蚂蚁金服从2017年开始尝试“端+云”风险防控方式,因此节省了大量时间和成本。

蚂蚁风险大脑—风险决策体系。在风险识别的背后其实是安全策略模型,如果识别出某个客户可能存在风险,最终判断就需要从多个维度进行智能化分析,比如会考虑实际使用环境的可用性和适用性以及风险偏好,在风险防控和用户体验上做智能化的个性化决策。

蚂蚁风险大脑—风险智能优化。蚂蚁金服也在实践通过人机协作方式更快、更有效地防控风险。这里主要有3种方式。第一个,就是基于单个案例分析用户标签,通过时间、空间、行为的过程连接在一起还原出案件发生的整个过程,定位出风控体系中疏漏点和风险点。第二个,就是基于知识图谱进行分析,发现欺诈团伙及其特性。第三个是策略智能推荐,可以将智能算法和专家经验快速结合,应用到风险防控体系的调整。此外,蚂蚁金服的风控体系具备自我优化和自我进化的能力,能够针对一些新的风险形势及时作出调整和优化,兼顾及时性和有效性.

蚂蚁风险大脑,三大领域开放赋能

上面为大家介绍了蚂蚁金服的风控体系构建,接下来分享蚂蚁风险大脑能力所开放的三个领域。第一个是政务民生领域,蚂蚁金服为航空、税务、中国铁路等输出风险安全能力;第二个是银行领域,在“信息化、线上化、数据化”数字银行升级大背景下,蚂蚁金服为他们输出了风险防控的方案和基础设施;第三个是监管科技领域,相比于金融科技侧重于金融创新和金融发展,监管科技更加侧重于金融风险防范,其实这就是天平的两端。在数字金融大发展的背景下,既要鼓励金融创新,还要防范好金融系统性风险。

蚂蚁风险大脑,助力政务民生安全

在社会民生安全方面,蚂蚁金服主要提供了六大核心能力:账户保护、营销保护、渠道保护、交易保护、移动端保护和内容保护。通过这六大能力,蚂蚁风险大脑针对一个行业可以输出一整套解决方案。这里以东航APP为案例进行说明,蚂蚁风险大脑为东航提供了全链路的风控解决方案,防止了黑产盗用用户积分以及不法分子恶意占用飞机座位等问题。
在这里插入图片描述
蚂蚁风险大脑,加码银行风控

过去,银行通过网点提供服务,因为固定地点服务模式使得银行的服务半径就在几公里之内。而随着移动互联网的普及,用户需要触手可得的金融服务。数字银行转型势在必行,就是为用户提供随时、随地、随需、随取的永远在线的金融服务。在这样的转变中,银行的金融服务模式也发生了非常大的变化,这一过程的数字化改造成本非常巨大,而风险防控模式在数字化银行的今天也发生了翻天覆地的变化。

下图所示的是蚂蚁风险大脑为银行所提供的整体解决方案,该方案包含了从底层数据,到中间组件化模块,再到模型和策略体系的构建过程。目前,蚂蚁风险大脑已经和很多银行展开了合作,而蚂蚁金服承担的是在银行进行数字化转型过程中的助力者角色。
在这里插入图片描述
蚂蚁风险大脑,辅助金融风险防控

“监管科技”是监管和科技的结合体,兴起于2014年英国FCA所提出的“监管沙箱理论”,其基于政策和流程的设计,为金融机构在一定范围内提供创新空间,随后香港和新加坡等引入该理论,在金融监管中发挥一定促进作用。近年来,中国随着互联网金融和科技金融的迅猛发展,在为生活带来便利的同时,也伴随着非常多的风险。跨行业、跨市场、跨地域的风险不断加剧。比如e租宝、钱宝网以及善林金融等,涉案资金过百亿,并且涉案人群特别广泛。这已经对社会民生和金融稳定造成了较大影响。因此,蚂蚁金服积极响应国家的战略部署,助力政府应用科技防范和化解金融风险。

在监管科技上,蚂蚁风险大脑运用大数据、云计算、区块链和人工智能等先进技术,构建更加高效、更加有效的智能化监管系统。对于产品系统设施而言,助力金融监管部门实现金融风险监测实时化、识别智能化和风险可视化。

蚂蚁风险大脑主要提供了两大能力。在微观层面,助力地方监管部门识别单个企业机构的金融风险。在宏观层面,助力地方监管部门,对于某个行业和区域进行整体风险排查感知其整体风险水位。蚂蚁风险大脑在防范化解金融风险方面提供三个方面的价值:管机构、防风险和促发展。

管机构; 一个地方监管部门,管理的企业少则几万多则十几万,因此蚂蚁金服需要帮助监管部门用科技化、现代化、数据化的方式管理机构,实时感知企业的动态风险。
防风险; 在管机构基础上,需要能够实现对机构的风险识别和洞察,对于风险实现早预警、早处置、早识别。
促发展; 金融就像水,而科技则推动了水的流动速率,促使它流进实体经济。金融科技更加侧重于发展,监管科技助力监管部门有效识别金融风险,构建双方平衡发展的模式,这也是蚂蚁金服与地方政府一同探索的平衡发展模式。

科技让风控更智能、更安全

从事后风控,到大数据实时风控,再到AI驱动智能化风控,不断发展的科技使得风控变得更加智能和安全。针对于每个具体的行为,都可以使用智能化算法精确判断是否存在风险,并构建立体化的风险防控。依托于数字技术的发展,金融作为现代经济的血液,科技加速了金融的流程性和普适性,让金融服务更活跃更完善,蚂蚁风险大脑一直会守护着你的金融安全。

点击阅读更多,查看更多详情

2019-12-11 18:44:47 m0_37870649 阅读数 30
  • React Hooks 案例详解(React 进阶必备)

    前言 如释重负,好用的技术就应该越来越简单 React Hooks 是 React 16.8 从提案转为正式加入的新特性。这个新特性是个非常棒的设计。 可以说对于React 技术栈的发展具分割线一样的意义。讲师在课程中提到:之前使用 React 作为主要的前端技术,开发一款网页游戏。在整个游戏的各个模块中,Redux ,mobx,以及蚂蚁金服的 ant-design,dva, umi 这些框架或者第三方库都有涉及使用。但是自从了解了Facebook官方提案的 Hooks 特性后,才真正觉得获得了前所未有的解脱。如果你有React开发经验,学习了解 Hooks 后,一定有一种如释重负的轻松感。 React 带来了方便也带来了迷茫 相信关心 React Hooks 这项新特性的童鞋,很多已经有了一定的 React 开发经验。那么你一定有所体验,React 给我们带来方便的同时,也的确和长久以来的前端开发模式有极大的不同。React 并不需要用继承,而是推荐用嵌套。React 有独特的 jsx 语法。大多数情况 jsx 都使得我们的代码更加简洁了。然而有些时候也给我们带来了一些困扰。 比如数据的传递,逻辑的复用。 react 是一种 mvvm 的设计模式,作为开发者一定要清楚,那些数据是业务数据,那些数据是UI数据。否则你的代码很有可能会陷入混乱局面。 大型项目中模块化与功能解耦困难 在公司项目中 App 稍大的时候,我们发现状态提升和只通过 props 进行数据传递。很多时候都很难实现我们的需求。这时无论我们是否清楚的了解,但是状态管理也就是 redux mobx 等,轻易地进入到了公司的项目中。我们经过初期的尝试发现状态管理,确实比用纯粹的 React 带来了数据传递上的方便,以及代码组织上的清晰。但前提是你看懂且理解了 redux 大神晦涩的官网文档。 本来 React 被设计用来组件化前端开发。但当我们初期使用状态管理,我们常常会过度的使用状态数据,业务逻辑和ui逻辑没有清楚的分离,最终你的应用代码结果可能是:除了少数几个组件是独立的解耦的,大多数组件都因为状态数据的共享而耦合在了一起,且他们也完全依赖状态管理框架。无法再轻松的转移复用。使用高阶组件,属性渲染,渲染回调等高级特性,确实可以帮我们解决模块或功能的解耦问题。但是这些方法,确实有点超出普通“猿类”的技能。且降低了代码的可读性,对于团队协作,这是很致命的问题。 React Hooks 真正开启前端模块化的金钥匙 对于以上问题,React Hooks 都有很好的解决方案,官方的设计动机就是解决这些曾经的繁琐,化繁为简。React Hooks 让我们在纯函数中就可以使用 React 的众多特性。而不必使用类。代码扁平,易读。解耦状态相关逻辑,UI逻辑和业务逻辑更好的分离。这些逻辑往往是纯函数,而以前很容易混合在类组件中。通过自定义 Hooks 我们可以把应用中“状态相关”逻辑解耦出来,独立编写到我们自己的hooks 中。从而更加易于复用和独立测试。

    293 人正在学习 去看看 吕建军

蚂蚁金融NLP竞赛——文本语义相似度赛题总结

https://blog.csdn.net/u014732537/article/details/81038260

å¾1

å¾2

2018-08-29 15:15:15 IJXR1A64JI53L 阅读数 149
  • React Hooks 案例详解(React 进阶必备)

    前言 如释重负,好用的技术就应该越来越简单 React Hooks 是 React 16.8 从提案转为正式加入的新特性。这个新特性是个非常棒的设计。 可以说对于React 技术栈的发展具分割线一样的意义。讲师在课程中提到:之前使用 React 作为主要的前端技术,开发一款网页游戏。在整个游戏的各个模块中,Redux ,mobx,以及蚂蚁金服的 ant-design,dva, umi 这些框架或者第三方库都有涉及使用。但是自从了解了Facebook官方提案的 Hooks 特性后,才真正觉得获得了前所未有的解脱。如果你有React开发经验,学习了解 Hooks 后,一定有一种如释重负的轻松感。 React 带来了方便也带来了迷茫 相信关心 React Hooks 这项新特性的童鞋,很多已经有了一定的 React 开发经验。那么你一定有所体验,React 给我们带来方便的同时,也的确和长久以来的前端开发模式有极大的不同。React 并不需要用继承,而是推荐用嵌套。React 有独特的 jsx 语法。大多数情况 jsx 都使得我们的代码更加简洁了。然而有些时候也给我们带来了一些困扰。 比如数据的传递,逻辑的复用。 react 是一种 mvvm 的设计模式,作为开发者一定要清楚,那些数据是业务数据,那些数据是UI数据。否则你的代码很有可能会陷入混乱局面。 大型项目中模块化与功能解耦困难 在公司项目中 App 稍大的时候,我们发现状态提升和只通过 props 进行数据传递。很多时候都很难实现我们的需求。这时无论我们是否清楚的了解,但是状态管理也就是 redux mobx 等,轻易地进入到了公司的项目中。我们经过初期的尝试发现状态管理,确实比用纯粹的 React 带来了数据传递上的方便,以及代码组织上的清晰。但前提是你看懂且理解了 redux 大神晦涩的官网文档。 本来 React 被设计用来组件化前端开发。但当我们初期使用状态管理,我们常常会过度的使用状态数据,业务逻辑和ui逻辑没有清楚的分离,最终你的应用代码结果可能是:除了少数几个组件是独立的解耦的,大多数组件都因为状态数据的共享而耦合在了一起,且他们也完全依赖状态管理框架。无法再轻松的转移复用。使用高阶组件,属性渲染,渲染回调等高级特性,确实可以帮我们解决模块或功能的解耦问题。但是这些方法,确实有点超出普通“猿类”的技能。且降低了代码的可读性,对于团队协作,这是很致命的问题。 React Hooks 真正开启前端模块化的金钥匙 对于以上问题,React Hooks 都有很好的解决方案,官方的设计动机就是解决这些曾经的繁琐,化繁为简。React Hooks 让我们在纯函数中就可以使用 React 的众多特性。而不必使用类。代码扁平,易读。解耦状态相关逻辑,UI逻辑和业务逻辑更好的分离。这些逻辑往往是纯函数,而以前很容易混合在类组件中。通过自定义 Hooks 我们可以把应用中“状态相关”逻辑解耦出来,独立编写到我们自己的hooks 中。从而更加易于复用和独立测试。

    293 人正在学习 去看看 吕建军
640?wx_fmt=png点击上方“蓝色字”可关注我们!








640?wx_fmt=jpeg

暴走时评:电子商务巨头公司阿里巴巴的支付子公司蚂蚁金融宣布与中国黑龙江省五常市政府合作,准备在下个月推出区块链服务平台和一个大米跟踪应用程序,旨在解决假冒产品问题。平台的目标是创建一个公共分类账,其中包含每包大米的独特信息,以便可以轻松发现与假冒产品的任何数据差异。

 作者:Wolfie Zhao  翻译:Miranda

电子商务巨头公司阿里巴巴的支付子公司蚂蚁金融准备在下个月推出自己的区块链服务平台和一个大米跟踪应用程序,旨在解决假冒产品问题。

公司周二宣布已与中国五常市政府合作,部署了一个财团区块链,用于跟踪当地种植水稻的整个生产过程。

五常位于中国东北黑龙江省,以高品质的特定本地大米而闻名中国。然而,在过去几年中,新闻报道显示五常地区提供的大米有时混合了较低质量的大米。

从9月30日开始,旗舰店在阿里巴巴的天猫电子商务平台上销售的每一包“五常大米”都会显示一个二维码,客户可以使用支付宝扫描一下,获取有关食品来源的信息。

蚂蚁金融表示,其分布式网络部署在参与节点中,包括旗舰店的大米生产商,五常质量技术监督局,物流供应商菜鸟平台和天猫平台。

目标是创建一个公共分类账,其中包含每包大米的独特信息,以便可以轻松发现与假冒产品的任何数据差异。

公司在声明中说:

“消费者将能够获得生产和物流信息,包括收获大米的地方,使用的种子类型,以及与大米的收获,包装和运输相关的其他细节。”

此外,蚂蚁金融表示,预计将于9月推出区块链服务平台,为更多企业开放区块链开发工具。

今年4月,阿里巴巴宣布正在试验一个不同的基于区块链的供应链应用程序,以防止食品欺诈。这个项目是与澳大利亚医疗保健公司Blockmores和新西兰乳制品生产商Fonterra合作开展的。

本文仅代表作者个人观点,不代表区块链铅笔的立场,不构成投资建议,内容仅供参考。

3分钟了解什么是区块链?(中文动画)|(英文动画教程

3分钟了解什么是DAO?(中文动画)|(英文动画教程)

3分钟看懂以太坊和智能合约?(中文动画)|(英语动画教程)

3分钟了解比特币挖矿和区块链共识机制?(中文动画)|(英文动画教程)

3分钟了解公有链和私有链(中文动画教程)|(英文动画教程)

3分钟了解区块链的六层模型(中文动画教程)|(英文动画教程)

什么是区块链英文版(动画教程)

肖风:区块链与另类资产配置

逐鹿区块链!详解三大巨头BAT区块链战略布局

麦肯锡报告:区块链对保险行业的影响

八张图表解读区块链的未来发展

震惊全球的The DAO黑客事件全程回顾

Circle获得包括IDG、百度、万向在内6000万美元融资

640?

关注本公众号后,进入公众号

回复关键词可以查阅资料,以下是部分关键词

回复 WEF ,查看《WEF:世界经济论坛认为区块链是互联网金融行业的未来报告》

回复 智能合约 ,查看《巴克莱银行报告》

回复 moody ,查看《穆迪120个区块链项目报告》

回复 SWIFT ,查看SWIFT《区块链对证券交易全流程产生的影响及潜力》报告

回复 论文11 ,查看论文《可扩展的去中心区块链》

回复 埃森哲2 ,查看埃森哲《区块链每年可以为投资银行节省120亿美元》报告

回复 联合国报告 ,查看联合国报告《数字货币和区块链技术在构建社会和可信金融之间扮演的角色》

回复 用户特性 ,查看普林斯顿大学首本比特币教科书初稿《比特币用户的特性(Characteristics of Bitcoin Users)》

回复 普林斯顿 ,查看普林斯顿大学首本比特币教科书初稿《比特币和数字货币技术(Bitcoin and Cryptocurrency Technologies)》

回复 IMF,查看国际货币基金组织报告《Virtual Currencies and Beyond: Initial Considerations》

回复 DTCC ,查看美国存管信托清算公司报告《DTCC: 拥抱分布式》

回复 广发 ,查看报告《科技前沿报告:区块链:正快速走进公众和政策视野》

回复 川财1 ,查看报告《川财证券:区块链技术调研报告之一:具有颠覆所有行业的可能性》

回复 川财2 ,查看报告《川财证券:区块链技术调研报告之二:区块链技术进化论-区块链技术的国内实践和展望》

回复 桑坦德 ,查看桑坦德银行报告《The Fintech 2.0 Paper: rebooting financial services》

回复 拜占庭 ,查看《拜占庭将军问题详解》

回复 论文1 ,查看论文《比特币闪电网络:可扩展的离线即时支付》

回复 论文2 ,查看论文《比特币骨干协议》

回复 论文3 ,查看论文《数字货币是否应该进入Barbados央行国际储备货币组合中》

回复 帮助 ,查看本公众号全部关键词列表

640?wx_fmt=png

点击下方“阅读原文”查看更多页面出现后再点击“来源”可以查看译文原文链接 ↓↓↓
2019-04-01 14:14:48 yoggieCDA 阅读数 447
  • React Hooks 案例详解(React 进阶必备)

    前言 如释重负,好用的技术就应该越来越简单 React Hooks 是 React 16.8 从提案转为正式加入的新特性。这个新特性是个非常棒的设计。 可以说对于React 技术栈的发展具分割线一样的意义。讲师在课程中提到:之前使用 React 作为主要的前端技术,开发一款网页游戏。在整个游戏的各个模块中,Redux ,mobx,以及蚂蚁金服的 ant-design,dva, umi 这些框架或者第三方库都有涉及使用。但是自从了解了Facebook官方提案的 Hooks 特性后,才真正觉得获得了前所未有的解脱。如果你有React开发经验,学习了解 Hooks 后,一定有一种如释重负的轻松感。 React 带来了方便也带来了迷茫 相信关心 React Hooks 这项新特性的童鞋,很多已经有了一定的 React 开发经验。那么你一定有所体验,React 给我们带来方便的同时,也的确和长久以来的前端开发模式有极大的不同。React 并不需要用继承,而是推荐用嵌套。React 有独特的 jsx 语法。大多数情况 jsx 都使得我们的代码更加简洁了。然而有些时候也给我们带来了一些困扰。 比如数据的传递,逻辑的复用。 react 是一种 mvvm 的设计模式,作为开发者一定要清楚,那些数据是业务数据,那些数据是UI数据。否则你的代码很有可能会陷入混乱局面。 大型项目中模块化与功能解耦困难 在公司项目中 App 稍大的时候,我们发现状态提升和只通过 props 进行数据传递。很多时候都很难实现我们的需求。这时无论我们是否清楚的了解,但是状态管理也就是 redux mobx 等,轻易地进入到了公司的项目中。我们经过初期的尝试发现状态管理,确实比用纯粹的 React 带来了数据传递上的方便,以及代码组织上的清晰。但前提是你看懂且理解了 redux 大神晦涩的官网文档。 本来 React 被设计用来组件化前端开发。但当我们初期使用状态管理,我们常常会过度的使用状态数据,业务逻辑和ui逻辑没有清楚的分离,最终你的应用代码结果可能是:除了少数几个组件是独立的解耦的,大多数组件都因为状态数据的共享而耦合在了一起,且他们也完全依赖状态管理框架。无法再轻松的转移复用。使用高阶组件,属性渲染,渲染回调等高级特性,确实可以帮我们解决模块或功能的解耦问题。但是这些方法,确实有点超出普通“猿类”的技能。且降低了代码的可读性,对于团队协作,这是很致命的问题。 React Hooks 真正开启前端模块化的金钥匙 对于以上问题,React Hooks 都有很好的解决方案,官方的设计动机就是解决这些曾经的繁琐,化繁为简。React Hooks 让我们在纯函数中就可以使用 React 的众多特性。而不必使用类。代码扁平,易读。解耦状态相关逻辑,UI逻辑和业务逻辑更好的分离。这些逻辑往往是纯函数,而以前很容易混合在类组件中。通过自定义 Hooks 我们可以把应用中“状态相关”逻辑解耦出来,独立编写到我们自己的hooks 中。从而更加易于复用和独立测试。

    293 人正在学习 去看看 吕建军


大数据时代,互联网时代,大数据应用越来越广泛的时代,互联网科技应用越来越频繁的时代,大数据分析的应用魅力愈发绽放异彩。而在这大数据发展如火如荼的迅猛盛况下,互联网金融应运而生且茁壮成长,再到后来的独挡一面。大数据分析与应用在金融领域的应用与发展,给越来越多的公司带来更多的收益和对未来规划越来越可靠的数据支撑。像支付宝的 天弘基金,像京东的京东金融,像蚂蚁金服等等,都在依托大数据分析与应用推出越来越符合大众化的金融产品。下面小编就来给大家介绍介绍2019年大数据分析在金融领域的10大发展趋势,让正在从事数据分析或准备从事数据分析职业的人们一个很好的参考借鉴!

1.金融服务公司为了利益最大化进而不断整合大数据环境而言,他们面前的路依旧漫长。 银行家们也正在起草大数据战略,制定入门和随后的用例。

2.对于银行来说,大数据主要还是围绕提高客户情商,减少风险,符合监管。在可见的未来处于第一梯队的大型金融集团都会继续围绕大数据展开各种动作。

3.在低端市场,一些中小型的公司(经纪、资产管理、区域银行、顾问等)能够更快速的适应大数据平台(云平台和本地部署),这些都帮助他们构建能够支撑复杂业务的大型系统,同时这些系统也都是比他们大的竞争对手所必须面对的。这块市场因此能够快速成长(对比那些大银行所关注的长期而规范的和成本为主的项目)能够马上看到更加直接收入贡献和战略(概念/实验)项目 。

4.对于大数据软件提供商和服务提供商来说,市场已经到了一个银行业必须要接受的爆发点上。大家都要在高可用、大规模、内部管控和面向客户活动方面有一些措施。同时,这些内容和我们看到的云技术的发展路线有所不同。

下面给大家展示几个大数据技术发展方向的预测,和这些发展带来的变化如何影响金融服务业:

第一,机器学习将会加速发展,同时大批量的应用在反欺诈和风控领域。

数据科学家人才本身的供需关系将会朝着更加平衡的方向发展。在反欺诈和风控领域将会使用更加成熟的技术来改善风控模型本身,并且加速发展实时分析监控和预警。这些快速的发展和变化会来自于业界领导者的传授和在现实世界的实践与应用。

第二,业界领导和进步缓慢者之间的差距将会越来越大。

每一年我们都能看到银行为了适应新技术而加大油门快速前进,同时在组织架构方面非常保守。业务和用户在2019年都将要激增而且会非常多变,结果就是在广阔的市场导致更强的可观察到的和可衡量的业务大量回归(不只是成本的下降)。

第三,数据治理,血统和其他的合规性方面问题将会更加深入的集成到大数据平台中去。

为了找到一个能够在合规性方面提供更强大功能的数据解决方案,许多银行都购买或者开发了 单点解决方案,再不行就是用已经运行很多年的传统解决方案平台,但是这些解决方案都无法应对现今大规模爆发的数据。幸亏现在有越来越多的Hadoop改进方案来进行数据治理,改善血统和提供数据质量。更重要的是,这些新数据平台能够超越Hadoop平台达到传统数据存储的效果,并且做的更加大容量,更快,且在细节上达到合规性要求。此外在2019年我们将继续看到为融合监管和风险控制(RDARR)中心服务的叫做“数据湖”方面的更多进展。

第四,金融服务业正在利用物理网数据方面做出努力。

这一波浪潮正是抓住大数据吸引力炒作/发力的好时机,同时金融服务应用的为题也很多。物联网数据在许多行业应用中已经实践(电信,零售,制造业)这些行业驱动了物联网的数据的需求并且处于垄断地位。那么对于银行来说物联网数据是否能够用在ATM或者移动银行业务中?这些都是在明年的多渠道实时数据流中值得探索的。例如,实时,多渠道的商业行为可以使用物联网数据对银行零售客户在正确的时间点提供适时的报价 。或许我们反过来想想,金融公司可以将自己的服务内嵌植入到用户的某种“东西”或者设备或者其他和客户接触的点上,不在那些交易设施 上,而是在家。

第五,与贸易,投资组合管理和咨询申请集成成为软件供应商的一个显著特点。

鼓吹与“从大数据获得更多利益”相关的新闻头条越奏越响。最终,这些观点都将被金融终端用户、可见的利益(或者不可见、无法衡量的利益)还有易用性等因素决定。大数据平台的建设核心将要提供的就是一个桥梁就是大数据,并且将其锐化突出。我们已经看到了市场数据供应商最喜欢的动作,但是并没有其他商业用户的应用,那么朝这个方向努力(CRM,OMS/EMS等)。

第六,风险控制和监管数据管理将继续成为顶级大数据平台的重要任务。

增长和用户中心相关的商业行为将稳坐战略合作列表第一的位置,会有很多的公司会把未来的战略与大数据关联起来。不论你的银行是不是发达的数据驱动的公司不断变化发展的规律还是面对大量的挑战,朝着预测发展的分析都是一条漫长的道路,同时也是一个必要的需求和被公司首席高官确认有意义的事。除非老天开恩或者监管机构放松要求,否则风险控制和监管仍然是2019年所有金融机构的首要挑战。

第七,金融服务业采用Hadoop作为关系型数据库进行存取将会大大增加。

大家在不同的时间使用了相同的技术之间并没有任何差别。 “长尾”效应还很遥远,但是中小型银行将会从Hadoop的以下几方面获益:

供应商将整合整套集成解决方案,服务,平台;

用户社区持续成长,并能提供一个基础参考作为突破口;

数据降载成为当今Hadoop一个“经典”应用(相对来讲),同时许多大数据专家继续再更大的数据集合上前进,未来将会有更多的普通人加入到大数据应用的行列。

第八,金融服务“大数据终结app”理论在市场得到了越来越多的认可。

FinTech 已经孵化了2-3年,形成了大数据平台和用户间从前端到终端的连接。希望看到更多的银行作为证明概念来运行这些应用,这些实践将检验软件所提供的“完整解决方案”的基础。前端到终端和后端都应进行整合,而不是分割。大家可以看到市场迅速的从服务集成扩展到后端,这将迎来银行业的关于如何定位“大数据软件”和“传统软件” 的激烈讨论。

第九,变化来了,获得前进动力的最后一次机会。

随着越来越多的高可靠大数据平台的出现,安全专家,深层次的丰富元数据,集成LEI和其他标准成为一个严峻的现实。传统的数据的方法是有效的,只是需要一些思想来充分利用新的解决方案-例如处理架构和数据建模。更深一层,随着大数据工作在前台,市场营销和风险控制方面形成的工作模式,我们能够看出这里面在办公的中后期业务上有明显和巨大的数据重叠部分,这些重叠能够很容易的应用在现有的数据湖中。我们预计,在中等的商业风险评估与性能相关的大数据的商业行为将迅速增加。更进一步,我们将看到关于如何切实带来后台功能的更深层次的交流(合作等)。

第十,银行的机构方将开始采用并从零售业务的方式来获取线索增进对于市场目标客户的了解。

有一些纯B2B的公司利用大数据来改善客户商情,但是大部分时候他们处于B2C业务的不利地位,信用卡业务,银行零售业,财富管理或者借贷业务。一个简单的跨界就是基金的配置(大型共同基金经理)从财富顾问网络和经纪人相互作用来改善数据收集的过程,同时也提高产品利用率。一旦被从客户群中移除,这对于共同基金通常是非常重要的,所以加强对于机构客户的理解显得尤为重要。

信任仍然是许多大型银行的使用新供应商“大数据”的主要因素。换句话说,当你展望2019年,将会有很大的来自管理层的推动力,来把大数据项目移出IT然后放到商业用户手中。为了达成目的,我们需要考虑架构,功能,速度,可用性,安全性等问题。与往常一样,采用传统的严谨性以全新的架构布局并没有改变,传统架构将的成本和缓慢的进展将开始在新的Hadoop表现和融合的大数据的架构过程中逐步展现。

更进一步,将来一定会有更加强大的工具来处理现有的工作,例如数据治理,数据质量,参考数据管理,标准。这将要求各方持续的教育,即那些IT意外的继续教育。用以了解市场的快速发展。

最后,针对平衡开源和供应商解决方案将展开长期讨论。不是所有的开源项目设计之初就符合机构客户,开源项目传递了一种敏捷性需求开发—每个银行的需求都在不停的变化,为大数据找到合适的点才是更加重要的。总而言之,2019年的市场将会不断前行,混乱随之减少,同时会使大数据的海洋变得风平浪静。

2019-10-29 21:56:07 qq_39295735 阅读数 16
  • React Hooks 案例详解(React 进阶必备)

    前言 如释重负,好用的技术就应该越来越简单 React Hooks 是 React 16.8 从提案转为正式加入的新特性。这个新特性是个非常棒的设计。 可以说对于React 技术栈的发展具分割线一样的意义。讲师在课程中提到:之前使用 React 作为主要的前端技术,开发一款网页游戏。在整个游戏的各个模块中,Redux ,mobx,以及蚂蚁金服的 ant-design,dva, umi 这些框架或者第三方库都有涉及使用。但是自从了解了Facebook官方提案的 Hooks 特性后,才真正觉得获得了前所未有的解脱。如果你有React开发经验,学习了解 Hooks 后,一定有一种如释重负的轻松感。 React 带来了方便也带来了迷茫 相信关心 React Hooks 这项新特性的童鞋,很多已经有了一定的 React 开发经验。那么你一定有所体验,React 给我们带来方便的同时,也的确和长久以来的前端开发模式有极大的不同。React 并不需要用继承,而是推荐用嵌套。React 有独特的 jsx 语法。大多数情况 jsx 都使得我们的代码更加简洁了。然而有些时候也给我们带来了一些困扰。 比如数据的传递,逻辑的复用。 react 是一种 mvvm 的设计模式,作为开发者一定要清楚,那些数据是业务数据,那些数据是UI数据。否则你的代码很有可能会陷入混乱局面。 大型项目中模块化与功能解耦困难 在公司项目中 App 稍大的时候,我们发现状态提升和只通过 props 进行数据传递。很多时候都很难实现我们的需求。这时无论我们是否清楚的了解,但是状态管理也就是 redux mobx 等,轻易地进入到了公司的项目中。我们经过初期的尝试发现状态管理,确实比用纯粹的 React 带来了数据传递上的方便,以及代码组织上的清晰。但前提是你看懂且理解了 redux 大神晦涩的官网文档。 本来 React 被设计用来组件化前端开发。但当我们初期使用状态管理,我们常常会过度的使用状态数据,业务逻辑和ui逻辑没有清楚的分离,最终你的应用代码结果可能是:除了少数几个组件是独立的解耦的,大多数组件都因为状态数据的共享而耦合在了一起,且他们也完全依赖状态管理框架。无法再轻松的转移复用。使用高阶组件,属性渲染,渲染回调等高级特性,确实可以帮我们解决模块或功能的解耦问题。但是这些方法,确实有点超出普通“猿类”的技能。且降低了代码的可读性,对于团队协作,这是很致命的问题。 React Hooks 真正开启前端模块化的金钥匙 对于以上问题,React Hooks 都有很好的解决方案,官方的设计动机就是解决这些曾经的繁琐,化繁为简。React Hooks 让我们在纯函数中就可以使用 React 的众多特性。而不必使用类。代码扁平,易读。解耦状态相关逻辑,UI逻辑和业务逻辑更好的分离。这些逻辑往往是纯函数,而以前很容易混合在类组件中。通过自定义 Hooks 我们可以把应用中“状态相关”逻辑解耦出来,独立编写到我们自己的hooks 中。从而更加易于复用和独立测试。

    293 人正在学习 去看看 吕建军

信息来源:https://tech.antfin.com/docs/2/127816

先一下蚂蚁金服大数据产品“数据集成平台”的相关术语,核心亮点:多数据源、任务调度

编号 信息项 详情
1 数据集成平台DIP 包括:数据工厂DQS(Data query service)和任务调度服务JSS(Job scheduling service)
2 ETL脚本 ETL,是英文Extract-Transform-Load的缩写,用来描述将数据从来源端经过抽取(extract)、转换(transform)、加载(load)至目的端的过程。ETL一词较常用在数据仓库,但其对象并不限于数据仓库。
主要功能:数据抽取、数据加载、数据清洗和转换、数据任务调度
3

任务调度服务

JSS

任务调度服务(JSS,Job Scheduling Service),提供数据任务的全生命周期管理功能。JSS 是 ETL 中的一项重要内容。主要包括:数据抽取、数据加载和数据任务调度。
功能特性:
1、支持RDS、OTS(表格存储)、MaxCompute等异构数据库之间的双向同步。
2、图形化任务调度的设置,支持复杂的任务调度规则,包括:任务定义、任务上下线、任务挂起、补数据、任务监控和异常报警等。
3、实时监控调度任务,发现问题可快速分析和定位出错原因。
4 数据抽取 从数据源中将数据读取出来。数据源在这里指在系统管理中配置的数据源。
5 数据加载 目前支持抽取和加载的数据源:OSS、OTS、RDS、MaxCompute、Oceanbase。在任务调度里,数据抽取与加载是用同一个任务是同一个任务完成的,类型叫同步任务。不需要第三方落地,从目标库抽取后加载到目标表里,简化数据传输过程。
6 数据任务调度 大多少的ETL任务都不是孤立运行的,都需要满足一定的依赖条件,包括:时间、上游任务、外部文件或者其他触发条件等。当大量的任务都需要条件判断来决定是否运行的时候,就需要任务调度来指挥。
任务调度需要设置:任务类型、任务输入参数和任务调度参数等,任务执行后通常返回结果和日志。
7 数据字典 数据字典(data dictionary)是对于数据模型中的数据对象或者项目的描述的集合,这样做有利于程序员和其他需要参考的人。分析一个用户交换的对象系统的第一步就是去辨别每一个对象,以及它与其他对象之间的关系。这个过程称为数据建模,结果产生一个对象关系图。当每个数据对象和项目都给出了一个描述性的名字之后,它的关系再进行描述(或者是成为潜在描述关系的结构中的一部分),然后再描述数据的类型(例如文本还是图像,或者是二进制数值),列出所有可能预先定义的数值,以及提供简单的文字性描述。这个集合被组织成书的形式用来参考,就叫做数据字典。
当开发用到数据模型的程序时,数据字典可以帮助你理解数据项适合结构中的哪个地方,它可能包含什么数值,以及数据项基本上表示现实世界中的什么意思。例如,一家银行或者是一个银行组织可能对客户银行业涉及的数据对象进行建模。他们需要给银行程序员提供数据字典。这个数据字典就描述了客户银行业中的数据模型每一个数据项(例如,“账户持有人”和“可用信用”)。 
https://baike.baidu.com/item/%E6%95%B0%E6%8D%AE%E5%AD%97%E5%85%B8/1270246
8 自动数据清洗数据 ETL(Extra-Transfrom-Load)中的Transform就是数据清洗,只有经过清洗整合后的数据,才是数据仓库中真正可用的数据。数据工程里面撰写的数据加工脚本代码,可用配置成周期性执行任务。这类定期任务,通常占ETL任务的大多数。
9 用户自定义函数UDF 用户可以根据一定规则,注册自定义函数UDF,经过注册的UDF可以在脚本文件中使用,减少重复编码,提高开发效率。
10    

支持的数据源:

 

 

 

 

 

 

 

 

 

没有更多推荐了,返回首页