民生银行数据中台体系的构建与实践

7f4eff6071f2a642d5338f6db54d887c.gif

在大数据,人工智能和区块链等新兴技术的推动下,银行正在利用新技术制定数字化转型改革策略,并寻求可行的差异化运营模式。

民生银行积极推进改革和转型。 2018年,在“民营企业银行,科技金融银行,综合服务银行”战略的指导下,民生银行从科学的角度制定了“技术+数据”两轮驱动改革方案。创建以客户为中心的数字智能银行,为客户提供技术+金融的综合生态服务。

如何真正把“数据驱动”的车轮推向现实,坚定地支持民生银行的数字化转型和转型,是大数据建设中亟待克服的难题。

一,民生银行数据系统的演变

a4203f2fdecaf066ae15169453033057.jpeg

图1民生银行数据发展里程

由于诸多因素等原因,不同的应用阶段将出现在不同的层面:

1.信息分散阶段

在早期的商业模式中,产品很简单。此期间的数据应用主要反映在业务系统中的简单数据统计报告中。碎片特征明显,数据统计分散在独立系统中。

2.数据仓库阶段

随着业务管理模式的进一步完善和业务部门混业经营的组织结构调整,产品体系逐步增加,形成了复杂的产品矩阵。在管理方面,有必要集中整合多个系统的业务运营数据,以达到全球业务成果的跟踪和结构调整的决策支持,数据集中构建对数据的必然性,技术表现数据仓库实现核心业务产品系统数据集中,应用程序已形成系统化和面向平台的特征数据统计报表,企业管理驾驶舱等能力平台。

3.大数据平台化阶段

随着社会和技术的进一步发展,银行业的商业模式变得越来越重要。银行正在努力探索差异化业务发展的模式。在这个阶段,如何专注于以客户为中心的数据已经成为行业的一部分。模式。新模型的技术和概念数据,承担了这一阶段的使命,走上了数据阶段,为数据驱动的业务奠定了基础。

第二,平台中数据的含义

“中国台湾概念”的早期概念是从美国军事的作战系统演变而来的。技术上的“中央台湾”主要是指学习这种高效,灵活,强大的指挥和作战系统。国内阿里巴巴是2017年左右首次提出数据中心概念。在技术层面,它指的是通过统一的标准和数据技术的口径来收集,计算,存储,处理和服务全球数据。

数据统一后,数据形成标准数据,形成数据资产层,为业务层和决策层提供有效服务,包括模型服务,算法服务和数据产品。这些服务和产品是企业业务和数据的沉淀。通过数据中心统一服务管理和云资源部署,减少数据重复建设,降低烟囱建设成本。

486f9704a226118ed457c901acc0b393.jpeg

图2技术金融银行哑铃新模型

业务团队是一个强大的支持链接,专注于产品的特定逻辑和业务管理流程,数据专家专注于加速从数据到价值的流程,并提高对业务的响应能力。如此快速的渠道和联系为商业银行的数据系统注入了新的活力。

1.模式创新

更改数据后台交付模式,在水平平台和垂直业务域中形成矩阵交付组织结构,为每个字段创建数据产品,在产品模式下输出数据功能,并为“开放银行”概念累积数据产品内容。

2,降低成本和效率

业务战略作为应用场景向数据中心发展,通过人工智能模型的应用,解放了人工智能工作,如操作岗位,审批岗位和流程岗位。

3.服务创新

统一口径,标准化数据服务内容和数据服务模型。

三,建立数据中心系统,并创建场景金融服务

数据本身与业务本身高度集成。结合当前金融业务运营的迫切需求,以下数据的构建基于技术平台和数据传输内容。

02b451d87cc64071f13ccdbb4c8e3bb5.jpeg

图3数据构建平台目标

1.数据中心系统技术方案

1949743a956b1ebb6e25de9f545be0e6.jpeg

图4数据中心系统的全景

数据在金融领域的应用是一项前沿技术。民生银行独立开发并独立研发了由四大功能系统和12个子系统组成的金融数据系统,如表1所示。

ca040fdc4fabbe29b4f8bfc4c1542a4e.jpeg

表1平台中的数据核心模块

数据中心的核心运行模式由引擎引擎系统,服务服务系统,开放式路由系统和Plus管理系统的核心组件协调。首先,引擎引擎系统完成数据功能和模型功能的抽象封装,以满足不同场景的智能数据需求。

此外,服务服务系统完成引擎抽象功能与实际业务数据的结合,通过灵活匹配创建具有业务属性的数据服务产品。目前,它已建立了智能客户信息中心,数字决策中心和标签洞察。

最后,通过Open系统(OpenAPI,OpenFILE,OpenMSG,OpenCFG)来完成业务系统和业务人员的快速授权。 Plus管理系统完善统一管理功能,如数据资产编目,数据可视化和云管理,并通过DevOPS,容器和尖端技术组件完成高并发,高可用性和灵活的数据服务部署。高性能数据访问缓存。升级。

引擎,服务和路由协同工作,共同管理以创建财务数据服务功能的方案。从数据指标,数据决策,智能推荐,智能模型等方面,提供三维快速支持,面向客户和启用场景,是金融服务数字化和智能化转型升级的重要支撑。

2.情景金融服务管理计划

银行的财务业务情景已经完成,客户群也多种多样。以客户为中心,差异化运营的金融服务模式逐渐成为主流。场景金融服务模型针对特定业务领域和特定客户群具有相同的个性数据服务,同时促成了公共数据服务。不同业务领域和客户群之间的财务数据口径和服务水平存在一定差异。

作为统一的数据服务平台,数据中心平台需要制定指导规范,以支持各业务领域的情景金融服务。对于数据中心中的数据服务集和服务组件,从业务场景,无论是对客户,多租户使用组件等,控制和控制,以确保数据中的数据服务可以是以长期有序的方式管理,控制和运营。

在平台中间构建银行数据的过程中,民生银行提出了一套“情景分区+技术分级”的数据中心站服务管理方案,包括11个业务场景,4个级别的服务,18个控制组。由域组成的数据服务管理矩阵。

场景分区标准主要分为以下11个基于服务域和服务客户组的业务场景:

32421aabdf635ea88585631512fbcd20.jpeg

表2数据服务管理矩阵 - 场景分区

这些服务根据服务类型和用户接触进行分类,包括客户服务类别,客户经理,内部管理,监控和不同部门的响应和应急策略。

3ed7fc68875c94a990adfbe2db3243fd.jpeg

表3数据服务管理矩阵 - 技术分类

件。数据应用。支持的基础。

第四,帮助改革和转型,数据在台湾的典型案例实践中

1.支持小型微型新模式探索,全流程数据驱动

新的micro-3.0模式是民生银行积极推进战略层面项目的转型和转型,实现整个技术结构的集中化。凭借商务中心和数据中心提供的功能,它可以完成标准化产品的推荐,场景产品的推荐,大厅的服务,计费和结算等创新应用,大流入和流出营销,在线抵押贷款,小微红包,小微账单,与债权人整合营销等,以及轻型企业前端和强中间办公室的实施试点系统架构成功。

e07cf88bfab33b4f07cc4497387aa146.jpeg

图5关注小型微数字业务战略

2.协助网络黄金的数字化运作和转型

55a896b3a693dfe4f03b0286361d8054.jpeg

图6支持网络数字运营平台

在数据中心的支持下,网络数字运营平台开辟了管理驾驶舱和在线服务平台的数据链路,从而可以关闭业务管理决策,战略执行,效果评估反馈,迭代改进等方面。循环执行。

通过内容运营,产品运营,客户运营和服务运营等方面,公司将加强外部客户获取,转换和改进能力,产品销售能力和粘性服务能力,构成流量导入,激活转换,资产增值,粘性服务和决策支持闭环。在线交通管理系统。第一季度,第一家试点银行实现了超过20亿元的理财资产增长,目标客户资金的保留率显着提高,带来了近50亿元的海外资产。

3.协助零售风险并探索量化分数

零售“天雁”预警系列模型投入生产并取得良好业绩后,大数据管理部门进一步投入专业人才,对信用卡A卡评分进行定量研究和研究,并进行灰度发布通过中型发动机可以在机器上使用。在线跟踪学习模型的专业评估指标,加快机器学习模型的监控迭代。

205c0fdb91eacd8be825e71d0a214b72.jpeg

图7:评估消费者贷款A卡定量评分模型的有效性

五,结论

“木头的长老将会凝固;那些想要流远的人将会有自己的来源。”目前的商业银行正在从“规模”和“速度”进一步深化到“轻量化”和“价值”。转型,数据和技术的广泛应用是这种转变的不竭动力。从数据的角度来看,我们一直在思考和实践如何真正实现“数据驱动”。

民生银行数据中心台是数据建设探索的实施层,长期“隐藏”在后台的数据功能(数据,模型,算法)快速传递给客户系统,业务流程,面向客户,快速迭代,数据授权,借助新技术组件提供的强大服务功能,将过去主流宏观决策统计和分析的数据应用模型升级为面向微观的个人预测决策数据应用模式。

在促进通用数据服务的同时,它还具有面向领域的个性化数据服务,以客户为中心的差异化服务以及更深入的数据应用价值。

作者:彭

人民生活大数据(ID:gh_87c716ca6553)

dbaplus社区欢迎提交技术人员并提交电子邮件: