专12-4-农银人寿-新核心数据架构规划与数据治理(4x3)distrib
中国农业银行风险管理流程
中国农业银行风险管理流程（一）全面风险管理体系全面风险管理是指按照全面覆盖、全程管理、全员参与原则，将风险偏好、政策制度、组织体系、工具模型、数据系统和风险文化等要素有机结合，以及时识别、计量、监测、控制业务经营中显现或隐含的各类风险，确保风险管理从决策、执行到监督层面有效运转。
1、风险偏好风险偏好是农行董事会根据主要利益相关者对银行的期望和约束、外部经营环境以及银行实际，为实现战略目标，有效管理风险，对银行愿意承担的风险类型和风险水平的表达。
农行在风险偏好陈述书和风险偏好管理办法中对业务经营中愿意承担的风险类型和风险水平进行了描述，确立了风险管理底线，明确了制定各项风险管理政策的基本准则，同时也对全行风险偏好的制定与调整、管理职责以及贯彻实施等进行了框架性、总体性的规定。
农行贯彻实施稳健、创新的风险偏好。
农行风险偏好的整体陈述是：本行致力于建设一流现代商业银行，实行稳健、创新的风险偏好，遵守监管要求，依法合规经营，持续推进新资本协议和新监管标准的实施，兼顾安全性、盈利性和流动性的统一，坚持资本、风险、收益之间的平衡，通过承担适度风险换取适中回报，保持充足的风险拨备和资本充足水平，全面提升风险管理能力以适应业务发展和创新的需要，实现风险管理创造价值并最终为全行战略目标的实现提供有效保障。
2、风险管理组织架构农行董事会承担风险管理的最终责任，并通过下设的风险管理委员会、审计及合规管理委员会行使风险管理相关职能，审议风险管理重大事项，并对全行风险管理体系建设和风险水平进行监督评价。
高级管理层是全行风险管理工作的组织者和实施者，下设风险管理委员会（下设信用风险管理委员会、市场风险管理委员会、操作风险管理委员会三个专门委员会）、贷款审查委员会、资产负债管理委员会、资产处置委员会等风险管理职能委员会。
其中，风险管理委员会主要负责审议重大风险管理事项，研究拟定风险管理政策制度与管理工具，分析评价全行整体风险状况，协调指导并检查监督各部门和分行的风险管理工作。
2024年银行业数字化转型方案PPT标题
数据处理：利用 云计算和分布式 计算技术，对海 量数据进行高效 处理和分析
数据应用：将大 数据分析结果应 用于银行业务决 策、风险控制等 方面，提升银行 业务的智能化水 平
人工智能技术的应用
智能客服：利用语音识别和自然语言处理技术，提供高效、便捷的客户服务 风险评估：通过大数据分析和机器学习技术，对客户信用和风险进行评估 智能投顾：运用算法和数据分析，为客户提供个性化的投资建议和资产配置方案 智能风控：利用人工智能技术，对银行内部操作风险进行实时监测和预警
Part 06
数字化转型案例分析
国内外银行业数字化转型案例介绍
国内案例：招商银行通过数字化转型实现零售业务快速增长 国外案例：高盛集团利用人工智能技术提升客户服务体验 国内案例：建设银行推出“云上金融”平台，实现线上线下融合 国外案例：摩根大通利用区块链技术优化跨境支付结算流程
案例分析：成功经验与教训总结
增强风险控制能力：数字化转型可以帮助银行实现风险数据的实时监控和预警，提高风险 控制能力。
提升市场竞争力：数字化转型可以帮助银行提升服务质量，创新业务模式，从而提升市场 竞争力。
数字化转型的机遇
添加标题
客户需求的变化：数字化时代， 客户对金融服务的需求更加个 性化和便捷化，要求银行提供 高效、智能的服务。
风险评估：定期 对数字化转型过 程中的业务连续 性风险进行评估， 及时发现和解决 潜在风险。
应急预案：制定 针对不同风险的 应急预案，确保 在突发事件发生 时能够快速、有 效地应对，保障 银行业务的连续 性。
法律法规合规风险与应对策略
风险来源：新业务模式、新技术应用带来的合规挑战 风险识别：定期进行合规风险评估，识别潜在风险点 应对策略：建立合规管理体系，加强内部培训和外部合作 监管要求：了解并遵守相关法律法规，及时调整业务策略
华为金融行业SD-WAN解决方案
华为金融行业SD-WAN解决方案金融开启Bank 4.0时代，走向全面智慧之路Bank1.0Bank 2.0Bank3.0Bank4.0•网点自动化•初步的CRM系统•传统存贷/核保业务•电子渠道•客户360°视图•产品创新•手机App•实时营销•自助承保•智能获客•精准营销•应景式服务电子化多渠道，网络化全渠道，个性化智慧金融金融网点“无人化，智能化，云化”转型，铺就全面智慧之路“最后一公里”服务智能化AR/VR ，AI 应用成常态，千人千面业务云化业务迁移到云的比例超过70%办理无人化银行业务平均离柜率达到88%金融网点正在由“交易结算型网点”向“服务营销型网点”转型”无人化、智能化、云化“是大势所趋，重构网络是基础管理运维复杂专线为主，带宽激增费用高应用体验难保障金融网点WAN 网络现状：专线为主，4G 为辅，运维复杂，体验难保工单协调，CLI 配置四级金融网络总行、一/二级分行、网点LTEMSTP金融网点双专线为主，部分试点专线+LTEx 行新建一张每网点仅20M 的承载网采用MSTP 需12亿/年管理运维复杂，分行人力不足x 行10000+网点，分行网络自行管理，端到端业务依赖于工单协调，效率低下网点业务重要等级B 类，业务连续性差厂商门槛低，同质化严重，建网质量低，品质差网点业务卡顿，页面访问“转圈”探索5G ，专线，Internet 多种承载技术网络扁平化，管理集中化基于SD-WAN 的差异化网络服务能力现状：趋势：趋势1：引入5G 技术，使能金融网点业务创新金融AR/VR,AI 技术促进客户互动与感知秒级100 ms20 ms2 Mbit/s10 Mbit/s100 Mbit/s动产管理虚拟分支AR 营销客户服务智能监控机器人客服金融教育VR 证券及金融交易虚拟现实交付5G 无线网络可满足多种金融应用智慧网点升级联网终端数：<10 → >100网点带宽需求：<30 → >200Mbps基于5G 技术，零布线、大带宽、低时延、根据业务切片等天然优势，5G+SD-WAN 成为银行业的热点趋势2：引入MV/Internet 降低链路扩容成本从保证生产业务稳定性考虑，通常采用MSTP 专线组网，但MSTP 专线成本较高，期望引进更低成本的线路承载非生产业务，降低链路扩容成本以xx 电信为例，Internet 成本是专线成本的1/5~1/10引入MV/Internet 降低链路扩容成本采用混合链路满足网点业务诉求分行网点双MSTP分行网点MSTP/Internet/LTE传统网点新型网点以x 行为例，每年专线费用12亿（总行4亿，分行及网点8亿）；对于部分中小型网点，社区网点均可采用Internet/LTE 部分替换MSTP 的策略，降低带宽费用引入MV/Internet ，基于不同网点的业务规模，灵活采用MSTP/Internet/5G/LTE 等混合链路互联4级架构：总行、一级分行、二级分行、网点3级架构：总行、一级分行、二级分行/网点扁平化业务运维组织变革☐网点到总行的业务路径，设备至少经过6跳，经过二级分行汇聚进一步增加时延，影响SLA 等级☐二级分行会逐渐成为三级分行和网点的瓶颈，网络不可靠，影响二级行以下业务稳定性☐二级行汇聚设备扩容费用和IT 建设费用高☐一级行以下的业务集中在一级行网管区进行管理，管理员权限集中到一级分行☐二级行网管本地业务上收到一级行统一管理，可以分配给二级行、网点查看、运维等日常维护权限☐缩减二级分行以下的层级，提倡扁平化管理，提升经营层次，减少管理成本，提高经营效率趋势3：金融云战略和集中管控推动金融网络扁平化和管理集中化随着生产业务扁平化，二/三级分行同步扁平化到普通网点层级，管理层级也区域扁平化趋势4：SD-WAN恰逢其时，成为应对金融网点互联挑战的最佳手段企业SD-WAN部署率< 40%2018年> 90% 2023年TDM CloudIP/MPLSSDH/PDH MPLS VPN/ IPsec VPN / OTN …SD-WAN （Hybrid WAN，SDN Controller）技术浪潮专线方案技术变革驱动SD-WAN新方案诞生SD-WAN逐步进入市场实施期——2018 Gartner WAN Edge魔力象限报告Gartner定义的SD-WAN四大特点契合解决传统WAN挑战的关键能力SD-WAN是解决企业互联挑战最佳手段1)支持混合链路接入(MPLS, Internet, LTE等)2)支持动态链路调整，保障关键应用体验3)支持VPN以及其他增值业务服务(如WOC,FW等)4)企业WAN管理简单SD-WAN将实现MSTP/Internet/5G不同链路的统一管理和调度，同时实现集中管理金融行业5G+SD-WAN 解决方案分布式控制组件小型网点总部/大型分支中型网点非SD-WAN 网点NetEngine AR6100 + 5G 插卡NetEngine AR650NetEngine AR6300IWGNetEngine AR8000Internet5GMSTP站点开局网络编排应用策略可视运维全流自动化云端部署NCE （可灾备），网点更新高性能设备，引入5G/Internet 链路腾云驾“5”，扁平化组网，创新体验内置5G 板卡，提供业界最优5G 网络为金融业务创新提供大带宽，低时延体验智能应用选路，关键应用体验可保障应用级智能选路，5G+ Fiber 按需调度A-FEC 使能视频20%丢包不卡顿，不花屏全流程自动化多方式ZTP ，网点网络分钟级部署应用/网点/设备/链路状态可视，集中管理，简化运维高性能设备，自主可控，转发无拥塞全芯Solar A 芯，全部件自主可控3x 业界高性能，满足未来5年SD-WAN 发展时期高性能设备，自主可控，转发无拥塞芯片& 架构& 算法创新独创Solar AX 架构内置丰富硬件加速引擎IPsec, SA, HQoS 和ACL 加速引擎CPU + NP 异构转发首次将NP 引入分支互联，提供高速转发能力专业NP 极速转发(L2–L4流量转发)多核CPU （L4~L7业务处理）IPSEC 引擎应用识别引擎Core1Core2Core3CoreN…POE （包序列与调度）引擎…ACL 引擎HQoS 引擎Ultra-Fast 算法, 使能NP 极速转发自研芯片加速指令集，快速匹配ACL 和路由业界100M~200MbpsNetEngine AR651600Mbps3X ↑业界性能满足未来5年企业SD-WAN 演进诉求部署网点高性能设备是应对应用流量激增，应对复杂业务处理的关键总行/一级行5G 接入区运营商网络办公、生产和物联业务Wifi6-AP无线接入终端有线接入终端NetEngine AR +5G 板卡Wifi6-AP物联网终端专线5G腾云架“5”，一跳入云，扁平化组网，创新体验方案亮点二级行在网点部署的新一代NetEngine AR 系列SD-WAN 路由器，实现光纤（专线）+5G 的混合链路直接一跳入云，同时接入网点内部的Wi-Fi AP ，各种物联网终端等，构建5G SD-WAN 智能银行腾云驾“5”，一跳入云，打造金融服务优体验•全球最快5G ，保证高带宽低时延业务•5G 扩容光纤，带宽达到数百Mbps •扁平化组网，降低网络拓扑复杂度•充分利用5G 的低时延，支撑业务③自适应冗余补偿④报文前向纠错①丢包②丢包实时感知WANNetEngine ARNetEngine AR自适应前向纠错A-FEC特征识别首包识别自定义应用MPLS丢包/延时/抖动Internet链路拥塞应用级智能选路关键应用2%丢包视频即卡顿音视频应用如何避免卡顿？关键应用体验如何保障？不同应用对网络质量要求各异20%丢包视频不卡顿视频会议，监控类应用优化IaaS/SaaS 类（时延敏感）文件，云备份…（带宽敏感）可保障的关键应用体验> 90%带宽利用率应用优化，品质体验全流程自动化，即插即用可视化运维•基于GIS 地图的网络监控，应用/链路/站点/整网状态可视•网络自动巡检，精准告警信息邮件通知全流程自动化•模板化，流程化的站点和网络拓扑配置•应用为中心的选路，QoS 和安全策略多场景ZTP 开局•丰富ZTP 开局方式，设备即插即用可视化全流程自动化45+报表GIS 地图告警巡检站点创建链路打通拓扑编排选路策略QoS 调度安全防护分支邮件DHCPUSB注册中心小时分钟故障定位30分钟5分钟业务配置小时分钟设备上线即插即用ZTP告警实时监控•自定义Dashboard （角色或偏好）•全网实时告警（分钟级）可视运维，45+视图，提升运维效率快速获取异常流量优化WAN 投资及配置策略拓扑状态可视•基于站点、链路的拓扑展示•企业实时获取站点、链路的状态及性能信息快速定位故障设备或站点45+自定义视图站点/链路/应用/设备/用户健康度视图•站点带宽利用率•Top N 吞吐量站点•Top N 应用流量•链路吞吐量趋势…多场景ZTP开局，0接触，设备即插即用DHCP注册中心U盘邮件网络电源NetEngine AR设备即插即用，分钟级部署多场景ZTP开局，适配不同场景分支网络部署不同接口适配：Eth /LTE /xDSL…不同接入方式适配：静态IP，PPOE，DHCP…不同部署场景适配：双CPE/批量部署/设备更换…极简运维XX科技: 优化AI客服体验，保险出单从2小时缩短到10分钟为AI客服提供最优链路保障，最优坐席体验•以10~30M Internet替代2~10M MPLS承载AI客服业务，降低专线成本40%，依托应用级智能选路保障AI客服体验•人寿网点网络分钟级开通，设备即插即用，无需专业人员，免进站部署•基于整网、分支节点、用户、应用等多维度状态可视，简化运维，全流程自动化，减少外包服务人力X X证券：打造中国证券行业首张SD-WAN网络SD-WAN为X X证券夯实数字化转型基础•设备即插即用，30分钟网点网络快速开通，保障网点新建，搬迁，扩容过程中业务快速上线•充分利用MSTP，Internet主备链路，多链路负载均衡，应用级智能选路让证券交易始终运行在最优链路•首张控制器异地容灾SD-WAN网络，双重冗余方案设计，保障SD-WAN控制器高可用●高速以太+ 5G接入，保障智慧网点VR/AR新业务对大带宽、低时延的要求●应用级智能选路和优化，保障业务体验●设备即插即用，业务自动化部署，可视化运维STM-远程协助客户培育互动游戏仿真机器人太空舱家居银行助力X X建设银行开通首个5G智慧网点X X银行开通首个5G SD-WAN智能银行X X银行基于SD-WAN技术重构广域网架构基于SD-WAN技术重构广域网架构●网点混合链路接入，根据不同网点按需连接MPLS，MSTP，Internet，LTE等链路，低成本扩容带宽●基于应用类型的差异化通信质量保障，使客户享受最优质的应用交互体验●设备即插即用，新设备零配置入网，降低一线运维人员工作负荷，提高江苏银行分支互联的标准化、自动化水平。
《商业银行业务连续性监管指引》解读
Page 9
《监管指引》解读与研讨
Page 10
《商业银行业务连续性监管指引》—概览
► ► ► ►
第一章：总则 第二章：业务连续性组织架构 第三章：业务影响分析 第四章：业务连续性计划与资 源建设
►
第五章：业务连续性计划演练 与持续改进
►
第六章：运营中断事件应急处 置
► ►
第七章：监管和处置 第八章：附则
•《Business Continuity Management, 2000 Better practice》
美国
新加坡
英国
澳大利亚
1983年OCC发布了指引要求银行制定护灾难恢复预案 1989年FFIEC要求银行对灾难恢复预案进行测试和演习； 2003年3月FFIEC《金融机构检查委员会业务连续计划手册》 2002年8月NASD颁布了《NASD Proposed Regulation》，该规范
智能化赋能运维转型，打造农业银行“数智中心”稳健基石
专题Special Topic智能化赋能运维转型，打造农业银行“数智中心”稳健基石中国农业银行数据中心总经理佟梅中国农业银行数据中心总经理 佟梅习近平总书记强调，人工智能是新一轮科技革命和产业变革的重要驱动力量，加快发展新一代人工智能是事关我国能否抓住新一轮科技革命和产业变革机遇的战略问题。
大数据、人工智能技术已然成为大型商业银行提升竞争力的核心技术。
农业银行突出“服务乡村振兴领军银行”和“服务实体经济主力银行”两大定位，面对数字化浪潮带来的快速变革，围绕科技支撑、智慧渠道建设、企业级架构与大数据应用四个关键领域，实施数字化转型“十大工程”。
截至2021年末，农业银行手机银行注册客户超过4亿户，月活客户超过1.5亿户，位居同业第一，线上贷款“农银e贷”余额突破2万亿元。
这一系列标志性成果的取得，与数字化转型的科技支撑建设紧密相关，科技创新在赋能业务增长的同时，也对IT运维提出了新的挑战。
SPECIAL 一、智能时代，运维转型迫在眉睫在业务数字化转型方面，银行的研发运维体系需要适应快速的产品需求变化和海量的随机用户请求。
DevOps 的广泛应用显著提升了银行业务产品推陈出新、敏捷交付的速度，也让以“稳健”见长的银行系统不得不拥抱时刻而来的变化。
同时，随着业务量的逐年攀升、Bank4.0时代金融业务场景的愈加丰富，“双十一”、纪念币发售、爆款基金理财产品秒杀抢购等都需要IT 运维能够应对随时可能到来的交易洪峰。
在业务连续性提升方面，大型国有商业银行已普遍使用分布式微服务架构提升系统的整体可用性，但多地多中心的运行架构和每年动辄数以万计的增量服务器资源，使得系统的复杂度和运维难度远超想象，加之监管机构日趋严格的系统恢复点目标（RPO）和恢复时间目标（RTO）要求，传统“人肉运维”模式已经无法满足金融行业严苛的业务连续性要求。
在技术栈转型方面，云原生、分布式数据库等新兴技术快速落地，如何让传统运维体系与新技术栈更好适配，从而充分发挥云原生弹性可扩展的特性，如何利用云原生的“不可变基础设施”、Serverless、ServiceMesh 等技术能力提升运维工作的效率与质量，均需要尽快探索落地。
农行网络流量回溯与分析实现新突破
农行网络流量回溯与分析实现新突破随着金融科技发展和数字化转型深化，线上业务、移动银行等业务飞速发展，带动数据中心网络规模和流量飞速增长，网络运维和网络安全保障的复杂度与难度也日益提高。
同时，金融业务连续性要求7×24小时不中断，金融账务、交易等可回溯性要求高，也要求数据中心运维更加智能和高效。
为此中国农业银行（简称“农行”）在ABC ONE+网络新三年规划的指导下，全面开启业务网络一体化智能运维的研究探索，并率先通过流量回溯与分析系统的创新和优化，突破性实现网络端到端流量采集、业务路径还原和实时智能分析，为金融科技发展和数字化转型保驾护航。
一、金融数字化转型背景下的运维趋势与挑战互联网、云计算和大数据的发展促使数据中心的基础架构和管理对象正在发生巨大变化。
一方面基础架构改变，云化和服务器资源池化驱动网络虚拟化发展，多云多地多数据中心成为诸多大行和股份制银行的选择。
数据中心流量飞速增长，并从传统“南北向流量为主”向“东西向流量为主”转变，数据中心运维的规模和复杂度日益提升。
另一方面管理对象改变，数据中心从传统的集中式大小机逐步转向分布式架构，运维和管理的对象也从“传统的主机、设备等物理硬件”转向“应用、服务等软件资源和数据”，数据中心运维的管理范围和要求逐步提高。
在这种背景下，IT运维工具层出不穷，百花齐放。
从传统手动运维的“农耕时代”，到自动化运维的“工业时代“，再到智能运维的“智能时代”，运维技术在近几年实现了跨越式发展。
然而，在金融行业实际的管理和运维中，因为缺乏运维系统的统一规划，在面对时好时坏的业务体验质量、复杂的应用迁移和上线策略、海量的日志告警，数据中心运维逐步暴露出一些问题，具体如下。
1.业务与网络映射关系看不清。
传统网络流量采集大多以物理设备旁路流量镜像方式实现，无法向下打开虚拟网络边界，造成网络监控盲点；而网络运维工具更关心网络自身的状态，无法向上看到业务的整体性能，即便网络感知到故障也无法判断业务影响范围。
专12-4-农银人寿-新核心数据架构规划与数据治理(4x3)distrib
•4 •数据架构 - 数据源、数据的准备、存储、加工、交换
•5 •数据治理 - 概述、数据现状、分阶段实施与当前进展
•6 •数据治理 - 元数据管理
•7 •数据治理 - 主数据管理
•8 •数据治理与标准化应用 - 业务建模、数据建模、数据样例
•9 •数据治理与标准化 - 成果展示
11
数据架构 - 规划设计
规则定义 数据管控
可配置化 ETL转换过程（计算、汇总、字段拆分/合并、比较、过滤、混合运算、函数、去重）
主数据管理系统
（CIF、UM、PF、PLANA）
问题现状
数据集成、数据同步、数据共享困难 （核心内各子系统之间、核心与外围系统之间） 系统耦合度较高（A系统数据结构发生变化，需要B系统协同改造） dblink使用泛滥（性能开销大、存在数据安全隐患）
新核心业务系统 数据架构规划与数据治理
演讲人: 赵 华（IT部-副总经理、新核心项目经理） zhaohua@
种 磊（IT部-资深专员、新核心项目-数据组长） chonglei@
总公司信息技术部 新核心项目组
2016年5月
公司简介
ABC Life Insurance Co., Ltd An Insurance Company of Agricultural Bank of China
2
组织架构 - 数据架构组（人员、工作职责）
新核心项目领导小组 执行小组
技术实施组
业务需求组
监理咨询组
子项目管理 应用架构 系统测试 集成上线 系统设计 质量控制 技术架构 数据架构 应用开发
组内人力：11人，约占项目总人力 10% 子项目数：8*个 工作职责
1、数据架构规划与设计 2、数据治理与标准化方案的制定及实施 3、老核心数据模型整理、数据治理与标准化 4、新核心模型设计与标准化应用 5、数据标准规范、数据管理流程的制定与督导 6、核心业务系统数据迁移方案的制定与实施
惠普-中国人寿保险数据架构调研与评估
图 1-1 信息系统总体架构图 (2)图 1-2 信息系统距离业务的主要差距 (7)图 1-3 信息尺度优先级－业务人员反响 (10)图 1-4 信息尺度优先级－IT人员反响 (10)图 1-5 信息尺度无法统一的原因查询拜访 (11)图 1-6 现有数据库平台评价 (19)图 1-7 现有数据拜候权限控制查询拜访 (20)图 1-8 现有系统审计功能查询拜访 (21)1数据架构调研与评估数据架构是指企业总体的数据采集、处置、存储和办理等的总体架构，区别于应用架构，数据架构主要侧重于业务处置所需的信息和信息流，包罗：•总体架构：数据模型组织方式•数据尺度化：企业级数据定义的尺度化及办理程度；•数据质量办理：数据的准确性，以及数据的完整性；•数据办理：应用系统中的数据办理，包罗：存储组织和数据库平台、数据卸载和清理、拜候权限控制等；1.1总体数据架构1.1.1现状描述目前，中国人寿的总体数据架构的建设是一个自底向上的过程：通过成立一个个应用，发生相应业务区域的数据模型，然后按照需要成立这些数据模型间的数据接口，从而以逐步“联接〞的方式，形成中国人寿的总体数据架构。
以下图描述了这种基于应用建设所成立起来的数据架构：图 1-1 信息系统总体架构图上图摘自中国人寿应用系统介绍及方案，它描述了整个中国人寿主要的应用系统间的关联和数据交换，从总体上看来，中国人寿：•底子实现了业务信息的电子化，绝大大都业务处置都有应用系统撑持；•主要的业务功能区域〔如寿险实务、财政办理等〕的信息处置都有较为成熟的应用架构和数据架构；•各个应用系统之间可以操纵数据文件进行数据交换，实现了信息的传递和共享；•银保通系统能够实现和银行间的实时数据交换；•基于数据库技术的信息处置体系底子成熟；•初步成立了以中间库为根底的数据整合平台，并基于它实现了企业数据综合查询统计功能；•初步成立了以统计报表东西为手段的数据统计和报表系统；•财政系统操纵了数据仓库技术和SAS东西进行数据阐发，除此之外，诸如上海还成立了本身的数据仓库系统；•基于NOTES的动静系统撑持了公司的日常信息沟通工作；•基于影像技术的非布局化数据正在一些分公司使用，并逐步推广。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
数据交换平台
15
数据架构 - 数据仓库与集市（规划）
EDW：面向主题的、集成的、稳定的、分析型的、不可更新的、非实时的、反应一定历史时期内的数据集合。
EDW - 设计要点（Points）
数据源（数据采集） 数据模型（存储结构） ETL过程（设计关键） 元数据管理（BI中尤为重要） 技术手段（数据挖掘、知识发现、多维分析） 数据应用（复杂查询及报表、绩效评估、高管驾驶舱）
•6 •数据治理 - 元数据管理
•7 •数据治理 - 主数据管理
•8 •数据治理与标准化应用 - 业务建模、数据建模、数据样例
•9 •数据治理与标准化 - 成果展示
13
数据架构 - 数据源
农银人寿核心业务系统（运营支撑）
内部数据
个险核心/团险核心
（保单、契约、保全、理赔、续期）
收付费、销管、单证、统一核保 产品工厂......
数据仓库
......
......
复杂报表 决策支持 风控 驾驶舱 KPI绩效
转换的具体实现
业务数据按照EDW粒度进行聚合 多个SQL语句表示复杂转换规则 数据集市字段与业务系统字段关联映射 （转换函数及参数）
参考 TeraData FS-LDM 分主题构建数据模型
聚合宽表 属性拼接
数据汇总 逻辑加工
农银人寿保险股份有限公司（简称“农银人寿”）是中国农业银行的控股子公司，依托农业 银行雄厚的资金实力、庞大的经营网络、完善的金融服务、卓越的社会信誉，为客户提供高品质 的保险保障和财富规划服务。
健康
重疾
意外
年金
养老
国内机构布局最广的银行系寿险公司，拥有20多家分公司和300多家分支机构； 继中国农业银行控股农银汇理、农银租赁、农银国际后的又一股权投资力作； 国有五大商业银行全部拥有自己保险公司的收官之作；
•9 •数据治理与标准化 - 成果展示
9
数据架构 - 高效数据操作
读写分离
数据集成层（DI）
高速缓存
Powered by DEVELA
Powered by CACHE
高效、透明、可独立部署
存放访问频率很高、但数据量较
降低开发难度，提升开发效率
少的数据。如：码表、用户机构权
解决重复查询导致的性能问题
建设目标
提供统一的数据集成规范、数据获取与分发、数据交换与共享、数据监控。 提高数据加工、数据流转效率，加快数据在系统内、系统间的快速移动。 改变传统的“多对多交换模式”，实现“一源多目标”的数据更新。
18
数据架构 - 数据交换平台（DEP）
合作商DMZ区
银保通
交换前置
信保通 中介 邮保通
应用架构
数据架构 数据治理
业务架构 技术架构
分析 定义
数据架构
业务功能
结 合
应用架构
技术架构
特 点、 技 术 要 求
IT总体架构需考虑数据架构对当前业务支持，理想规划顺序为数据驱动！ 判断是否为数据驱动的标准：
以及时的方式，获取、处理和使用数据来创造效益，不断地迭代开发新产品， （1）产生的数据量
备 区
源数据增量层
基础数据层
面向主题的、集成的、反映当前细节变化的数据集合
︵ 预
标准增量层
共性加工层
贴源设计
处 理
整合业务数据全貌，提供跨系统的、细节查询
︶
临时缓冲区
加载区
数据清洗及标准化，提升数据质量
关联校验
EDW主要数据源
数据源
数 据 存 储 区
ECM
半结构化/非结构化数据 （语音、影像、文件、扫描件）
新核心业务系统 数据架构规划与数据治理
演讲人: 赵 华（IT部-副总经理、新核心项目经理） zhaohua@
种 磊（IT部-资深专员、新核心项目-数据组长） chonglei@
总公司信息技术部 新核心项目组
2016年5月
公司简介
ABC Life Insurance Co., Ltd An Insurance Company of Agricultural Bank of China
17
数据架构 - 数据交换平台（DEP）
元数据管理 （Meta Data）
元数据定义
数据编码 数据类型 长度/精度 业务规则 技术规则 取值范围 约束条件
数据交换平台 （Data Exchange Platform）
主数据管理 （MDM）
抽取/加载 订阅/发布 清洗/转换 规则校验 作业调度 质量检查
中间表 文本
XML 非结构化 文件
互联网DMZ区
官网
交换前置
电商 移动展业
其他
中间表 文本
XML 非结构化 文件
非核心生产网
数据交换平台
全量抽取
基于内存的处理
批量装载
增量抽取
数据清洗 数据转换 质量检查
按事务 顺序装载
文件获取
文件备份
文件推送
MIS
再保
其他
核心生产网
交换前置
中间表 文本
XML 非结构化 文件
数据源区
数据管理区（设计平台 - PLANA）
数据应用区（数据消费）
运营支撑域
个险核心/团险核心
保单管理
新契约
保全
续期
理赔
业务模型管理 数据模型管理 数据加工区（数据加工）
元数据管理 主题集市1
数据字典管理
码表管理
主题集市2 ... 主题集市N
决策分析域
监管报送
再保 反洗钱
稽核 准备金
收付费 产品工厂 统一核保 销售管理 单证管理
规则定义 数据管控
可配置化 ETL转换过程（计算、汇总、字段拆分/合并、比较、过滤、混合运算、函数、去重）
主数据管理系统
（CIF、UM、PF、PLANA）
问题现状
数据集成、数据同步、数据共享困难 （核心内各子系统之间、核心与外围系统之间） 系统耦合度较高（A系统数据结构发生变化，需要B系统协同改造） dblink使用泛滥（性能开销大、存在数据安全隐患）
二、设计实现
数据源选取、模型设计、元数据设计、ETL设计、数据清洗、统一编码、填充测试数据、 数据应用
三、运维阶段
定期备份与恢复 归档（离线存储） 性能监控（数据备份与恢复时间、ETL时间、报表生成时间）
EDW建设过程
项目规划 需求分析 概念模型设计 逻辑模型设计 数据架构设计 元数据设计 物理模型设计 ETL设计 填充测试数据 开发及实施 性能监控与优化 运维交付
设计平台
半结构化/非结Βιβλιοθήκη 化结构化OGG多维 OLAP
风险 预警
绩效 评估
内容管理平台
生产数据库
查询库
（ECM）
（Write DB）
（Read DB）
其他来源
数据集成操作区（开发平台 - DEVELA）
数据交换区（数据交换平台 - DEP）
政府监管 金融同业 互联网 第三方机构
业务对象 数据加载 数据查询 数据更新
•5 •数据治理 - 概述、数据现状、分阶段实施与当前进展
•6 •数据治理 - 元数据管理
•7 •数据治理 - 主数据管理
•8 •数据治理与标准化应用 - 业务建模、数据建模、数据样例
•9 •数据治理与标准化 - 成果展示
4
数据架构 - 定位
企业总体规划
企业战略
企业架构
业务战略
IT 战略
业务架构
IT 架构
2
组织架构 - 数据架构组（人员、工作职责）
新核心项目领导小组 执行小组
技术实施组
业务需求组
监理咨询组
子项目管理 应用架构 系统测试 集成上线 系统设计 质量控制 技术架构 数据架构 应用开发
组内人力：11人，约占项目总人力 10% 子项目数：8*个 工作职责
1、数据架构规划与设计 2、数据治理与标准化方案的制定及实施 3、老核心数据模型整理、数据治理与标准化 4、新核心模型设计与标准化应用 5、数据标准规范、数据管理流程的制定与督导 6、核心业务系统数据迁移方案的制定与实施
序号
角色
1 组长（负责人）
2 业务模型设计
3 数据模型设计、数据迁移
4 老核心模型整理
人数 1人 2人 7人 1人
3
目录
•1 •数据架构 - 定位、设计目标、设计原则、设计思路
•2 •数据架构 - 高效数据操作
•3 •数据架构 - 规划设计
•4 •数据架构 - 数据源、数据的准备、存储、加工、交换
EDW - Transform in ETL
数据不一致的转换 数据粒度的转换 计算指标的转换
EDW - 数据源（Data Source）
从OLTP DB中捕捉业务变化数据 清洗、标准化、统一编码（确保数据一致性、消除冗余） 数据整合（计算、汇总、集成、形成指标体系） 重点关注：数据类型、更新方式、更新频率、更新数据量、数 据质量、抽取范围、每次抽取量、消费系统的实时性要求。
•2 •数据架构 - 高效数据操作
•3 •数据架构 - 规划设计
•4 •数据架构 - 数据源、数据的准备、存储、加工、交换
•5 •数据治理 - 概述、数据现状、分阶段实施与当前进展
•6 •数据治理 - 元数据管理
•7 •数据治理 - 主数据管理
•8 •数据治理与标准化应用 - 业务建模、数据建模、数据样例
•4 •数据架构 - 数据源、数据的准备、存储、加工、交换
•5 •数据治理 - 概述、数据现状、分阶段实施与当前进展