图4-15 大型商业银行的数据架构展示
从图中看来,该商业银行的数据架构呈现以下特征:
首先从大行的数据架构看来,从数据生命周期划分的每个数据层次体系的建设都很完备,具备从数据产生、流转、整合、应用、归档处理全生命周期管理的能力。
从数据产生环节看,不仅关注内部系统产生的数据,而且开始引入外部数据辅助业务流程操作和数据分析。
从数据整合环节看:
1)数据整合分为ODS、EDW、共性加工等三个标准层次。每个层次各司其职,承担各自的模型存储、数据计算,全面服务于数据分析。
2)开始进行实时决策平台的建设,探索在事件式营销以及实时风险监测等领域的应用。
3)构建了历史数据存储区域,虽然当前主要满足交流历史数据的存储与查询,但是从系统功能上对于未来全行的历史数据存储和访问可以支撑。(www.xing528.com)
4)已经开始规划大数据平台,和传统的数据仓库形成了混合式数据架构。
从数据应用环节看:
数据应用领域规划完整,各管理分析领域的数据集市在逐步的规划和建设过程中,其中客户关系管理、风险管理、监管报送等数据集市支撑应用体系已经相对成熟。
数据访问体系健全,具备了报表、应用、即席查询、数据挖掘等多种数据探索手段。
构建了全行统一的数据交换平台,并且和企业的ESB形成了双总线策略,很好的服务于数据流转。
同时也构建了支持不同平台不同系统数据归档的统一归档系统。
该大型商业银行已经在考虑基于此合理的数据架构下,逐步由行内的数据仓库转变为支持集团一体化的数据架构体系。
总结该大型商业银行的数据架构特征:数据分层布局合理,每个层次内的数据详细的分布策略也比较合理,数据层次间数据流转定义清晰。该数据架构设计基本符合我们在描述的数据架构设计原则、方法和设计框架,而且兼顾了未来技术和业务对数据架构的扩展性要求的考虑。这种好的数据架构体系是值得其他商业银行借鉴和参考的。
免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。