白學余-實時金融數據湖-美化ty-已定稿pptx_compressed.pdf

1、實時金融數據湖 中原銀行數據銀行部 / 白學余 中原銀行業務發展概況 蟬聯五年金融時報“年度十佳城市商業銀行” 2020年銀行家全球1000大銀行排186名，位列國內上榜銀行第31名 2020年財富中國500強，在入圍的商業銀行中排名第23名 數字化轉型實踐入選央行金融電子化雜志評選的“2019年金融信息化 10件大事”，全國首家中小銀行入選案例。 分行 18家 營業網點 472個 員工總數 1.4萬 資產總額 7238億 河南省唯一省級法人銀行 香港聯交所主板掛牌上市 科技銀行，數據銀行 體系架構 #2 背景概況 #1 場景實踐 #3 背景概況 #1 數據湖的誕生的業務背景：決策方式變遷 #

2、01 業務分析決策由傳統的財務分析逐步轉向面向“KYC”； 單純業務人員做決策轉變為越來越多的機器智能來決策。 數據湖的誕生的業務背景：問題分析 離線數據分析（財務） 離線數據分析 數字化營銷 客戶畫像 實時風險決策 多模數據加工 機器學習與人工智能 銀行的數據分析面臨較大變遷， 從傳統面向財務、面向離線分析 逐步轉向面向客戶、面向實時分 析。 數據驅動 數據湖誕生的技術背景：數倉的變遷 #02 在銀行體系下，面向規范化、精準加工的傳統數倉體系，能夠較好的 解決財務分析等場景，在很長時間內仍會是主流方案。 應用加工層 大眾數據應用 數據湖誕生的技術背景：傳統數倉架構 公共整合層 公共明細層公共

3、匯總層 基礎貼源層 接入層（SDS） 私財數據應用公司數據應用場景數據應用 業務集市層 零售業務集市公司業務集市風險業務集市財務管會集市 內部數據（ODS）外部數據（ODS） 技術特點 精準、規范 多層數據加工 口徑統一 T+1數據處理 具備較高的性能 經過長時間積累沉淀 適合財務分析 變更困難 單位存儲成本較高 不適合海量日志、行為等變 更頻繁，實時性高的數據； 半結構化數據和非結構化數 據兼容差 數據湖誕生的技術背景：數倉的變遷 #03 面向KYC、機器智能的分析，需要支持多類型數據、多時效數據、更加敏捷的 使用、因此需要新的與數據倉庫互補的架構體系。 開放性 支持多類型場景，如AI、非結構 化、歷史數據，所謂海納百川。 時效性 具備有效的支持實時分析與 實時決策的體系架構。 融合性 與銀行數據倉庫具備架構融合， 統一數據視圖。 實時金融數據湖的特點 數據匯聚的融合 各種海量、多樣數據