大數據存儲與數據挖掘平臺
大數據存儲與數據挖掘平臺是一個開源分布式計算平臺，提供了一種建立平臺的方法，平臺由標準化硬件(服務器和內部服務器存儲)組成，并形成集群能夠并行處理大數據請求。在存儲方面來看，這個開源項目的關鍵組成部分是Hadoop分布式文件系統(HDFS)，該系統具有跨集群中多個成員存儲非常大文件的能力。HDFS通過創建多個數據塊副本，然后將其分布在整個集群內的計算機節點，這提供了方便可靠極其快速的計算能力。
行業痛點
大量重復建設
沒有一個統一的大數據存儲與數據挖掘平臺，各個應用都會有自己的數據存儲和計算體系，存在大量的重復建設。
數據孤島
傳統的開發模式中，各個應用開發獨立進行，各自沉淀自己的數據。各個應用的數據缺乏整合，形成數據孤島，后續無法沉淀數據資產。
承載數據管理
需要承載所有數據的管理，為上層應用提供數據支撐。
大量重復建設
沒有一個統一的大數據存儲與數據挖掘平臺，各個應用都會有自己的數據存儲和計算體系，存在大量的重復建設。
數據孤島
傳統的開發模式中，各個應用開發獨立進行，各自沉淀自己的數據。各個應用的數據缺乏整合，形成數據孤島，后續無法沉淀數據資產。
承載數據管理
需要承載所有數據的管理，為上層應用提供數據支撐。
核心功能
兼容不同類型的互聯網輸入方式，將數據進行流式數據清洗后，再送到搜索引擎或者其他數據庫中。
對于實時性要求較高的數據，支持實時數據采集的方式，保障平臺數據及時性。
平臺支持數據批量采集，對于大量、實時性要求不高的數據適宜采用定時執行批量采集。
上層應用不需要再重復開發，只需要使用平臺提供的能力。多個上層應用的數據也集中沉淀到一起，形成有效的數據資產。
以數據為核心進行上層智能應用的開發，提供統一的數據數據存儲，計算能力。
應用場景
?醫療領域
數據挖掘技術能夠幫助醫院從中提取出有價值的信息，滿足醫療服務各個環節的需求。
?風控領域
數據挖掘技術應用于信貸風險評估、交易欺詐識別、黑產防范及消費信貸四個方面。
?教育領域
數據挖掘技術的應用已經滲入到教育教學的各個方面，促進了教學質量的提升。
核心價值
大數據存儲與數據挖掘平臺在海量數據中進行深度分析和探索性建模實現數據挖掘。數據挖掘服務可以幫助企業和研究機構識別和發現以前未預料到的模式和關系，進而為決策制定和業務優化提供重要支持。數據挖掘作為一種有效的探索性分析工具，正在廣泛地應用于各種領域。通過挖掘大量數據，實現對隱藏在其中的價值信息的發掘和分析，數據挖掘有助于提高決策質量和業務水平，為企業和研究機構創造更大的價值。