欢迎,游客
首页 > 案例 > 金融 > 中国农业政策性银行数据仓库案例

税务

财政

金融

保险

电力

司法

卫生

通信

教育

企业

药监

制造

其他

中国农业政策性银行数据仓库案例

现状及问题

中国农业发展银行是直属国务院领导的我国唯一的一家农业政策性银行,主要职责是按照国家的法律、法规和方针、政策,承担国家规定的农业政策性金融业务,为农业和农村经济发展服务。

(一)数据及应用现状

随着农发行业务的快速发展变化,对业务系统的改造需求呈爆炸式增长,而且频率越来越快,尤其是综合业务系统已经进行常态化研发阶段。业务系统频繁变化通常会导致下游的数据应用系统(综合报表、领导决策分析等,以下简称为下游系统)随之变化,产生高昂的开发、维护成本,并影响下游系统用户的使用。同时, 随着综合报表平台使用的不断深入,业务部门对数据利用的宽度和深度不断扩展,对业务数据分析职能的要求也越来越高:信贷、会计、风险管理、内部审计等业务部门需要获取标准一致、口径统一的全业务数据,对日常业务进行统计、分析和监控,根据查询分析的结果有针对性地规范业务操作与管理流程,强化业务经营和管理能力;各级领导需要全面完整的、包含历史信息的业务数据以便及时、准确地掌握本行业务的运行状况,分析、预测业务发展变化趋势,为管理决策提供支持。

(二)问题及挑战

1. 面临的内部问题

 一是缺乏统一的数据标准体系,无法建立全面、准确、完整反映全行经营状况的单一数据视图,制约了数据共享。

二是数据质量亟待提高。

三是数据管理条块分割。

2. 面临的外部要求

银监会在《关于开展2015年度银行业信息科技风险管理课题研究工作的通知》、《中国银行业信息科技“十二五”发展规划监管指导意见》及《银行监管统计数据质量管理良好标准》提出:“提高数据作为银行业战略资产重要认识,建立数据治理机制,推进数据标准化,统一数据规范,提高数据质量”作为未来银行业信息科技发展的战略重点之一。

建设思路及方案

(一) 建设思路

充分借鉴业界先进数据仓库建设成功经验,经过分析证,决定采用先建数据集市、后建数据整合层的方案  进行数据仓库建设,搭建数据基础平台,整合全行主要业务系统数据,形成全行数据应用统一出口。同时制  定一批得重要业务数据标准,依据标准对数据进行加工和整合,并通过标准的逐步完善,为解决数据管理和  数据质量质量问题提供手段和依据。

(二)总体方案

 整体架构包含了数据源、数据平台、数据管理平台和数据应用四个部分。



1.  数据源

通过“数据管理平台”的数据处理及数据调度,将数据源中的数据分别写入数据平台。

2.  数据平台

数据平台基于传统的关系型数据库构建,对结构化的业务数据进行存储、整合、加工和应用。其数据来源于行内各个业务系统,为应用提供全面数据支撑。

3.  数据管理平台

数据管理平台对数据平台的数据关系、数据质量、ETL作业、生命周期等内容进行管理,是保障数据平台的正常运转,促进数据仓库逐步完善,提升数据仓库的管理水平的重要手段。

4.  数据应用

面向最终用户提供数据的应用,包括统计报表、高管驾驶舱等数据应用。


关键技术及创新

(一)平台化的数据仓库架构设计

平台化设计通过对数据平台进行需求分析,提炼需求共性特征并进行分类,划分出不同的平台,平台功能既各有偏重,又相互协同,形成数据平台的完整体系。

(二)具有农业政策性特点的基础数据平台

基础数据平台以成熟的行业模型TD-FSLDM为基础进行定制,在保留银行业通用设计基础上,依据农发行自身业务特点,对模型实体进行细分和扩充,形成体现农发行政策性业务特点的模型设计。

(三)自主可控的数据管理平台

数据管理平台包括数据调度、数据传输、数据生命周期、元数据管理、数据质量检核,各个子平台间既    独立运行,又相互协作,共同支撑数据仓库的整体运转。

成效前瞻

数据平台建成后,可将源系统中多业务、多角度、多格式的符合条件的所有业务数据,按统一标准进行整合,保存各类业务对象,最终形成全行全面的、一致的、统一的标准化数据视图。下游系统只需通过数据平台,即可实现对所有业务数据的访问,并可对数据进行不同时期、不同角度的对比、分析和预测。在对外监管方面能够打破业务种类、部门之间的界限,提供口径一致,信息一致的监管报表;在对内管理方面,能够提供完整、统一的数据资源,满足经营管理和客户服务的需要。

同时,数据平台还将作为下游系统的唯一数据来源,为下游系统提供了稳定可靠的数据基础。当源系统随业务而变化时,整合层抗源变化的特性确保整合层模型在大多数据情况下无需变化,下游系统通常也无需变化,或只需微调报表样式或查询条件,即可适应源系统的变化。这样避免了下游系统随源系统变化而进行频繁的升级和调整,既减少应用维护复杂性和工作量,节约开发及维护成本,也减轻业务用户的系统使用负担。同时,根据同业数据平台的建设经验,源系统存在的数据质量问题对源系统、下游系统的业务准确性将产生不同程度的干扰,影响着数据分析的准确性、一致性。因此,在数据平台建设过程中,将对源系统的数据质量问题进行识别、定位、分析和处理,并将有质量问题的源数据,以报表查询或者分析报告的形式反馈至源系统,使其能准确识别和定位数据质量问题,并能从源头上解决数据质量问题,从而改进和提升源系统的数据质量。源系统数据质量的改进和提升,又可进一步保障数据平台的数据质量。通过如此迭代,最终使源系统、数据平台都形成统一的、高质量的数据,从而进一步保障业务数据应用的准确性和一致性。