數據挖掘

1、痛點挖掘：結合人工智能技術，通過不斷實踐，不斷和應用磨合，圍繞數據價值探索，應用深度結合，真正挖掘出用戶痛點。
2、痛點解決：主要基于人工智能，機器學習，模式識別，統計學，數據庫，可視化技術等，高度自主化的分析企業數據，作出歸納行推理，從中挖掘出潛在的模式，幫助決策者調整市場策略，減少風險。

數據倉庫

1、數據服務：大數據平臺提供數據服務門戶，實現一站式，統一登陸的數據應用門戶，使業務人員不需要考慮技術因素，通過簡單的操作即可獲取其所關心的數據。
2、數據采集：統一的內外部數據采集平臺，實現各類關系型數據庫，各類主流文件導入，第三方系統接口直連，網絡爬蟲等方式的數據采集功能，可實現數據力量采集已經數據實時采集。
3、數據整合：按照自主研發的金融數據模型，對內外部企業數據進行集成整合，形成統一的，一致的具有拓展性的面向分析決策的數據集。
4、數據標準：把數據治理的政策和組織，以及數據標準的內容進行固化，最大限度地實現自動化管理流程，降低手工干預。

數據治理

1、數據補缺：對空數據、缺失數據進行補缺操作，無法處理的做標記。
2、數據替換：對無效數據進行數據的替換操作。
3、數據合并：多用表關聯實現，大小表關聯用LOOKUP，大表相交用JSIN(每個字段加索引，保證關聯查詢的效率)。
4、數據拆分：按照一定規則進行數據拆分，行列互換，排序，修改序號，去除重復記錄。
5、數據加載：時間戳，日志表，全表對比權標刪除插入。