近年来,随着参与贵金属市场的人数和交易量的快速增长,产生的交易数据越来越庞大,这对投资者交易行为管理提出了新的考验。所以,应当结合大数据技术带来的算力优势,对相关数据进行有效的收集,存储,计算并结合数据挖掘技术进行分析,为贵金属市场投资者交易行为的管理提供有力支持。本文主要是以作者所在公司的贵金属交易信息数据仓库项目为背景,设计并实现了基于Hive数据仓库的贵金属市场投资者交易行为管理系统来解决投资者交易行为管理的实际问题。系统的核心是由投资者交易活跃度评分服务和异常交易的检测服务构建的投资者交易行为管理体系。交易活跃度评分功能通过结合业务实际,选取了影响活跃度的三个维度进行了交易活跃度评分算法设计,评分数据通过HQL脚本借助Hive数据仓库的Map Reduce计算进行数据准备,通过Impala工具进行最终计算。异常交易检测功能通过实验不同聚类算法对于异常交易的检测效果,并结合其他指标进行检测算法的选择。需要检测的交易数据通过数据仓库进行数据清洗准备,并与检测算法模块进行工程化整合。此外,系统还结合交易数据的特点,将底层存储数据的结构进行数据分层设计,并开发数据调度功能来实现HQL,Impala,Sqoop等多种类型数据脚本的统一调度管理工作。整个系统通过SSM+VUE.js的Web应用进行任务触发和可视化展示。整个系统完成后,解决了公司对于投资者交易行为管理不足的痛点,从零到一实现了对贵金属市场投资者交易行为管理的数据化、流程化、可视化和智能化。同时也为未来其他的投资者交易行为分析和管理提供了快速拓展的架构基础。