【大数据分析系统介绍】针对运营商支付业务的渠道推荐系统

一. 所用技术：

二. 背景

目前大部分支付业务，涉及到大数据分析的主要是针对C端用户的支付行为进行分析。

而基于运营商支付的业务，会涉及到众多的支付渠道，所有的订单都要在众多的支付渠道中选择一个来进行交互。而运营商的支付渠道并不是所有的支付都能成功，会受到风控，地理位置，时间段，系统质量等多方面的原因。所以如何针对众多的支付渠道，选择一个针对当前的订单的渠道并进行交互，就是业务的关键。

所以针对支付渠道的渠道推荐系统，比基于C端用户的推荐系统更加重要。

三. 项目介绍

大数据平台基于hadoop搭建，并在此基础上做了二次开发，包括统一接入数据接口，数据分析监控，以及数据转化率监控。同时数据分析结果，通过二次开发的接口回传。

数据分析以贝叶斯算法为基础，在此基础上做出加权分析，算出给维度的成功率。同时通过不断尝试，设定加权变动值规则，以天为单位，系统自动设定每天加权值，通过加权值进行新订单的渠道推荐。

四. 架构介绍

大数据平台和支付平台的架构图如下：

由上图所示，大数据平台保证了支付平台的无缝集成。具体流程如下：

1. 每日，支付平台在后台数据库中抽取增量的订单数据，推送至大数据平台

2. 大数据平台进行数据存储

3. 针对前一个月的订单数据，进行贝叶斯计算分析，按照指定维度

4. 针对贝叶斯分析结果，对各维度数据进行加权计算

5. 算出各维度组合的加权分值，并将计算结果回传至小额支付平台

6. 小额支付平台针对大数据分析结果进行集成，针对所有新的订单，通过分析结果，进行订单准确性匹配。

五. 算法介绍

在该专利中，针对每条订单的地区，下单时间段，面值，风控大小属性，分为各不同维度，同时针对每个渠道，结合订单的成功或失败进行分析，分析出每个渠道的，每个维度的组合对应的成功几率，并且通过加权算法，算出每一个渠道，在每一个维度组合下，对应的加权分值。

1. 获取全部数据后，从全部数据中针对所有渠道进行分类。

2. 分类后，在每一个渠道中，按照不同维度进行贝叶斯算法分析；针对订单维度，包括省份，面值，时间等。

3. 计算完成后，将结果按照维度组合进行重新整理，针对每一个维度组合，将各渠道加权成功率进行排序。

4. 维度组合结果规整

业务系统针对大数据推荐的结果，反向转化，分析出在各维度组合下，记录所有渠道的成功几率分值排序。

关于贝叶斯理论，在博客专栏之前有专门的文章介绍。

六. 业务集成

具体业务实现上，需要集成大数据的推选结果，具体的交互流程如下：

1. 支付系统根据省份，面值，时间段等维度推选出所有可用渠道。

2. 支付系统剔除达到渠道类别风控的所有渠道。

3. 取出该订单对应的维度组合中，所有可行的渠道的成功率加权值。

4. 取出加权值最大的渠道，和该渠道进行支付的交互。

七. 分析结果展示

针对渠道推荐的分析结果，将每天订单分为两份，如下图所示，蓝色部分为根据大数据分析结果进行推荐渠道的订单，黄色为不通过大数据分析结果进行推荐渠道的订单。进行测试90天，每天的成功率都是通过大数据的分析结果进行推荐的高，平均高5%左右。

如果读者感兴趣，欢迎关注公众号-智能化IT系统，进行进一步的沟通交流。