从流程驱动到数据驱动 银行业数据平台架构的演进

第十五届中国系统架构师大会(SACC2022)近日在线上举行，本次大会以“激发架构性能 点亮业务活力”为主题，云集国内CTO、研发总监、高级系统架构师、开发工程师和IT经理等技术专家，共议IT系统架构发展的新技术、新趋势、新特点。

在会上，酷克数据首席解决方案架构师牛云飞发表了题为《从分析视角的变化看银行业数据平台架构演进》的主题演讲。他提出，随着数字化转型的持续推进，越来越多的银行正在从流程驱动型向数据驱动型演进。在这一过程中，数据逐步成为银行核心资产，其衍生价值越来越大。

随着数据衍生价值的增大，银行对数据分析的需求也从面向过去的描述型分析，逐渐演变成面向过去、未来和现在的全视角、智能化分析。同时，银行业的数据平台正从单一架构的传统数仓平台，演进为湖仓一体、存算分离的一体化数据平台，以HashData、SnowFlake为代表的云原生分析型数据库，正成为银行业数据平台建设的首选技术路线。

银行业数据分析演进过程
金融行业，尤其是银行业是对数据库依赖度极高、又对数据库要求最为严苛的行业。随着互联网及移动互联网技术的兴起，网上银行、手机银行、电子支付等新业态出现，高并发、海量数据、超高峰值等挑战接踵而至，导致数据资源存储、计算和应用等需求大幅提升。

牛云飞在演讲中分享了银行业数据平台演进过程，论述数据平台如何通过架构演进，帮助银行最大限度释放数据资源价值。他指出，银行对数据分析的需求，可以分为三个阶段。

在数据分析1.0阶段，银行积累了大量业务数据，希望通过数据了解一段周期内的企业经营情况。因此，这一阶段银行以看到过去的描述型分析为主。

在数据分析2.0阶段，银行不仅仅要对已经发生的业务进行评估，还需要对业务进行前瞻性预测。因此，这一阶段银行在描述型分析的基础上，又会大力开展面向未来的预测型分析：需要建立数据科学团队，针对海量数据进行探索、研究，从数据中洞察业务趋势。

随着云计算技术的普及，企业数据分析正进入3.0阶段。在这一阶段，银行希望提高数据分析的时效性，打通前后端，将分析发现的业务洞察嵌入业务流程，自动化、智能化驱动业务。因此，银行逐步开展“决定现在的运营型分析”，在开展业务流程或活动过程中，直接调用数据产品或服务，利用数据分析成果，驱动业务向希望的方向发展。

银行需要支撑全视角的数据分析
牛云飞认为，数据驱动型银行应具备全视角数据分析能力，传统BI平台已无法满足全视角分析需求，银行需要建设一体化的数据平台。一体化数据平台要具备三项基础能力：多形态数据管理能力、多样化分析计算能力和多维度的弹性伸缩能力。

牛云飞表示，一体化数据平台应该能够兼容结构化、半结构化、非结构化等不同形态、不同时效性的数据，进行多样化的计算和分析，并根据业务需求变化进行弹性伸缩。

在实现上述能力的基础上，银行可以通过一体化数据平台满足内部业务客户、司法审计用户、金融监管用户的业务需求。在银行业数据分析需求转变过程中，银行也从自身的金融科技发展角度看到了新技术在性能、弹性和成本管理上的优势，越来越多的银行开始应用分布式技术，建设全行级的一体化数据平台，整合全域数据，形成面向整个银行统一的数据视图，支撑全视角数据分析。
一体化数据平台建设思路
“银行一体化数据平台的建设不是一蹴而就的”，牛云飞说，它的发展同样经历了长期的演进过程。

在数据分析1.0阶段，银行主要采用传统的数仓平台，主要针对银行内部的结构化数据，支撑报表、查询、多维分析、数据分发等描述型分析，辅助日常决策。这一阶段采用的技术路线以传统MPP数据库（以一体机为主）加Oracle为主。

最初，传统的分析型数据库普遍采用共享磁盘并行处理架构（基于SAN存储），节点规模通常不大，并且随着扩容，系统性能提升幅度会越来越小，存在网络资源竞争激烈、扩展性差等缺陷。这种架构主要面向业务条线或部门的分析应用、数据集市等场景。

为了满足搭建银行全行数据平台的需求，基于完全无共享的MPP架构逐渐成为构建面向全行统一数据视图的一种主流技术路线。这种架构的产品以一体机为主，成本相对较高。随着数据规模的扩大，对企业造成的成本压力也越来越大。同时，这种架构由于采用存储计算紧耦合的设计，无法满足高并发、混合工作负载等方面的需求。

近些年，随着银行信息化建设的推进，传统数仓平台应用面临挑战着诸多挑战：

• 业务场景单一：数据平台支撑的分析主要针对已经发生的业务情况进行反映或诊断，不能对业务进行灵活探查，无法满足业务人员自主用数需求，更缺乏前瞻性预测能力；
• 业务体验不佳：很多银行随着业务的发展，数据规模的增长，数据平台面临计算能力和扩展能力的瓶颈，这导致日常数据处理时间过长，跑批经常出现延迟，严重影响了业务体验和业务决策；数据整合不足：很多数据平台虽然定位是企业级，但是整合数据范围受限，没有形成企业级数据视图。此外，针对企业混合数据生态，尤其是半结构化、非结构化数据、或高时效数据，更是缺乏整合能力；
• 数据支撑受限：由于数据整合的范围受限，难以构建面向全行的、统一的数据视图，无法对下游分析应用形成有效支撑；
• 建设成本过高：很多银行数据平台采用封闭的一体机，随着建设的深入，算力和存储能力驱动的扩容越来越频繁，专有设备每次扩容耗费了大量的人力、物力和财力，成本居高不下。

面对传统数据仓库带来的挑战，很多咨询机构都提出了多元化、混合架构的思路，技术上引入了纯软的MPP数据库和Hadoop。但随着银行业务负载越来越复杂，需求越来越多，多元化平台无法实现高并发、负载无法隔离等缺陷愈发凸显，同时还存在业务体验波动、数据整合不足、数据支撑不佳、运维管理复杂等缺点。

对此，多家市场调研机构发布的报告显示，云原生数据仓库的优势大大超越传统数据仓库。Gartner预计到2023年，全球75%的数据库都会运行在云端。在这样的背景下，国内外主流的公有云厂商，均推出了基于云原生架构的数据库产品。同时，Snowflake、Databricks等独立软件厂商也推出存算分离、湖仓一体架构的产品。

其中，Snowflake提出了基于对象存储的多集群弹性并行处理架构（Elastic Parallel Processing，简称EPP），这种架构具有MPP执行引擎、标准SQL接口，元数据、计算和存储三者分离、多集群统一数据存储层、对象存储作为数据持久层等特点。

酷克数据作为国内最早专注于云原生数仓研发的独立软件厂商，旗下核心产品HashData基于领先的EPP架构，采用对象存储作为数据持久层，实现了存算分离、湖仓一体化，具备高可用、高并发、近乎“零运维”等特点，全面支持银行构建一体化数据平台。

凭借领先的技术优势，结合自身丰富、成熟的实践经验，HashData目前已广泛应用于金融、政务、运营商、交通物流、能源和互联网等领域。

在银行业，HashData为国有大行、政策性银行、金融监管机构、股份制商业银行、省农信等提供数据管理、分析服务，助力银行构建面向全行统一的数据视图。HashData支撑了全球最大规模的金融行业集群，期待将服务头部客户的实践经验广泛推广，帮助金融企业完成业界领先的技术架构升级，降低数据分析门槛，充分释放数据价值。