天津滨海农商行数据中台建设实践

2.1项目总体架构

2020年，天津滨农商银行启动中台业务架构，包括业务中台、数据中台、AI中台、体验中台，打造更敏捷的前台、更强大的数据服务、更智能的后台服务和更便捷的体验服务，如下图所示。中台架构打造拟人服务，业务中台为前台业务系统提供面客服务，是人的外表；数据中台为中、前台业务系统提供数据服务，是人的血液；AI中台为后、中、前台业务系统提供算法等智能服务，是人的大脑；体验中台则为前台业务系统提供场景化服务，是人的感官判断。

2.1数据中台架构

数据中台的建设主要是能力输出和标准化中间件的建设，将每个能力进行封装，形成一个统一的可供业务中台方便使用的中间件，其架构分为三层：数据资产层、数据模型层、数据应用层。

基于分布式存储的数据资产层，用于盘点数据资源、规划数据资源、获取数据资源，分布式存储于大数据平台，为数据模型层和数据应用层提供坚实的数据基础。将本行所有数据资源例如：数据仓库、ECIF、CRM等内部数据源和工商、法院、征信、税务、公安、多头借贷、运营商等外部数据源等进行整合，打破数据孤岛；通过元数据信息收集、数据血缘探查、数据权限管控、指标管理等手段，解决”有哪些数据可用”、”到哪里可以找到数据”的难题，并且提升数据资源的利用率。目前，已完成2927项数据标准，完成41个源系统的整合，完成7个主题和1321个指标的开发，初步完成我行内外部数据资产的数仓建设。

基于场景化的数据模型层，主要根据应用场景沉淀标准化的数据模型，为数据应用层提供支持。融合模型是维度建模，主要实现跨越数据的整合，例如：基础属性、资产负债、交易行为、关系圈刻画、综合预测、关系参考等。目前，已初步完成我行基础模型建模，挖掘我行股权、担保、资金、社会等客户关系，为我行客户风险传递提供依据，并将客户关系进行可视化直观展示，提高客户经理服务效率。

基于微服务的数据应用层，用于建设我行数据应用体系，利用Spring Boot/Cloud技术生成客户画像API、客户标签API、反欺诈API、信用风控API、智能推荐API、客群圈选API等标准微服务接口，为后续贷款业务、风险预警、场景营销等各种业务场景分析提供数据服务。目前已实现大数据风险预警、运营操作风险预警，实现了全行信贷客户范围的预警监测，有效降低了我行信贷业务从贷前、贷中、贷后各个环节的风险。实现360客户标签的应用，以客户为中心，细分客户，为客户提供有针对性的服务和营销，包括社保客户定制服务、潜在客户服务、睡眠客户激活服务、滨聚付客户定制服务等。

三、创新点

通过数据中台的建设，打造数字化转型，通过客户画像、客户标签、智能推荐、客群圈选等营销API和反欺诈、反洗钱、信用风控、行为风控等风控API接口的微服务自由组合，降低数据模型重复建设，提高数据模型复用率，利用分布式存储，整合内外部大数据，打破数据孤岛，实现“业务流程标准化、业务过程无纸化、营销主动化、风控自动化”。

业务流程标准化：通过业务流程沉淀，将业务流程标准化、移动化、场景化，通过开放平台嵌入消费金融公司等合作公司的应用场景，客户跟随引导自助操作即可完成存款、贷款、缴费等业务办理。同时，客户经理可以通过PAD进行移动办公，提高效率。

业务过程无纸化：通过将业务过程中所需留档的材料影像化、数字化，使得业务过程无纸化，节约资源，提高业务办理效率。

营销主动化：通过数据中台的大数据分析，圈定目标客户群体，从互联网、微信、官网、税务等多方入口引流中小微企业及个人客户办理我行相关业务。

风控自动化：通过数据中台实时从工商、法院、公安等权威数据源核准客户信息，获取客户主体资格、经营情况、舆情等风险信息，主动探测客户风险，及时处置风险，可进一步加强银行风险防控工作。

四、技术实现特点

数据中台是连接业务前台和数据后台的桥梁，实现该平台首先要进行数据治理，实现数据标准化；然后建设数据仓库或ODS，利用分布式存储，整合全行级行内外数据资源，形成资产层；其次准确拆解并梳理各业务条线功能节点，提炼共性功能或节点进行合并，建设场景化数据模型层；最后将应用微服务化，建设数据应用层，与人工智能结合，推动数据智能化发展。

数据中台可不断解决前端应用的场景变化，建立多变量、多因素的复杂预测，可更有效地支撑场景化的分析、传统商业智能的转型升级、大数据的应用落地。

五、项目过程管理

项目各阶段的实施周期：

2019年5月-2019年12月，数据治理咨询和实施，搭建数据治理平台，统一管理全行的数据标准。

2019年11月-2020年6月，基于大数据平台，搭建数据仓库，整合内外部数据资源，建设数据资产层。

2020年1月-2020年3月，信贷场景化分析，建设数据模型层、微服务数据应用层，对接业务中台，对接开放平台、微信银行等行内对外渠道系统，实现互联网贷款的大数据风控。

2020年3月-2020年9月，存贷款场景化分析，建设数据模型层、微服务数据应用层，对接对公信贷系统、零售信贷系统、柜面系统等行内管理系统，实现贷前、贷中、贷后全流程信贷大数据风控，实现精准营销的及时触达。

六、运营情况

1.安全性

平台通过应用安全管理（网络多重防火墙、权限控制、防DDos攻击）、通讯安全管理（HTTPS双向认证、数据签名）、用户安全管理（企业和个人的开发者用户信息管理和秘钥Appkey的管理）等多维度保障系统的安全可控。

2.可靠性

各基础设施模块具备与该系统重要性相适应的高可用性机制。支持负载均衡，能够与主流网络硬件负载均衡设备实现良好集成。

3.可扩展性

基于hadoop大数据平台，具备良好的水平扩展能力，可在线扩展大数据集群。