1 银行大数据平台
银行大数据平台主体由Hadoop、Alluxio、Spark、MPP数据库构成。其中，Hadoop的分布式文件系统HDFS作为基础数据的存储平台；Alluxio作为内存计算支撑平台能够提高总体性能和架构弹性；Spark作为数据加工计算框架，通过先进的DAG执行引擎及性能强大的基于内存的多轮迭代计算技术，对源数据进行深度加工；加工好的数据保存于MPP数据库，供前端应用使用。
银行大数据平台基于Hadoop技术构建，并运用Spark技术对海量数据进行加工和存储，并将加工好的各类数据如客户信息、交易信息存放到MPP数据库供前端应用或下游数据集市使用。Hadoop平台的线性扩展和低成本，很好地解决了传统架构（IOE）搭建数据平台的不足。通过Hadoop的架构和X86硬件设备搭建的大数据平台，实现系统廉价存储的平滑扩展和系统性能的线性提升。
2 基于Sparkr技术的大数据加工软件
基于Spark技术的大数据加工软件采用spark分布式内存计算技术搭建数据加工框架，利用Spark先进的DAG执行引擎及性能强大的基于内存的多轮迭代计算技术，对源数据进行深度加工。其解决了传统技术中在处理海量数据时，IO吞吐量、系统资源存在瓶颈，扩展困难且价格昂贵的缺陷。基于Spark技术的大数据加工软件可以线性平滑扩展，运行速度快，运行无需人工干预，且易于管理和维护，能充分满足各行业特别是大企业在数据ETL方面的需要。
基于Spark技术的大数据加工软件功能包含：数据抽取、数据处理、数据整合、数据输出、数据核对、数据标签化、数据存储模块、元数据管理等核心功能模块，实现成熟完备功能强大的金融数据ETL工具箱，涵盖常用的金融数据ETL需求，能够快速部署、开箱即用。
该系统采用Scala编程，与Spark完美结合，直达Spark内核，提高了编程效率和大数据处理性能，同时保证了系统的高容错性和高可伸缩性。
3 标签管理系统
标签管理系统引入Office Excel Add In可视化插件以及浏览器UI界面，引入标签热度排名以及标签生命周期图对标签的价值进行客观评价，可实时预览标签数据，无需等待后台跑批，系统专注于标签业务逻辑的定义,几乎零开发。系统提供稳定高效的海量标签数据处理能力，支持各类存储产品，甚至是传统关系型数据库的读写。
4 精准营销系统
精准营销系统根据推荐模型和算法对金融机构根据客户的个人特征、行为数据等大数据信息，实时预测客户的金融偏好和需求，通过大数据采集、机器学习、推荐模型和推荐算法，利用线上、线下服务渠道的多样性，如线上渠道包括有客户的手机、iPad、电脑等各种网络访问渠道，线下渠道主要包括有银行网点营业厅中的柜员、自助终端、排队机、保管箱等，为金融机构抓住最佳营销时机。在以往的成功案例中，平台预测命中率超过10%。
5 应用客户
基于大数据平台的金融行业客户全息视图及精准营销系统，成功应用于某国有商业银行香港分行、广东省分行、深圳分行、天津分行、宁波分行等，某股份制商业银行北京分行，某民营银行。