易坊好文馆

  1. 首页 > 玩科技 >

平台|安徽农信：“金农云数”普惠金融大数据平台

金农 应用 平台 数据 观点评论 金融 建设 银行 安徽 云数 设计阶段 行内 省联社 农商银行 农村信用社

来源：安徽省农村信用社联合社 作者：水坤
一、项目背景及目标
随着大数据浪潮席卷全球 ， 各行各业纷纷拥抱大数据技术 ， 创新大数据应用 ， 推动自身数字化转型之路 。 安徽省联社紧跟“数据为王”的时代步伐 ， 积极推动适合农信体系的大数据战略探索和应用实践 ， 坚持以“立足农村 ， 服务三农”为根本 ， 以“普惠金融”为目标 ， 推动“数据中台”的建设 ， 加快省联社理事会“数字银行”战略的落地 。
“数据中台”的建设可打破行内数据孤岛现象 ， 有效整合行内、行外多方数据源 ， 实现数据的关联融合；同时通过对数据的加工和挖掘等 ， 提升数据应用价值；再依托平台在数据推送、接口服务等方面的能力 ， 满足行内日益迫切的数据应用需求 ， 实现在客户画像、精准营销、线上信贷、风险防控等多个业务场景的大数据支撑 ， 推动业务流程的自动化、线上化、智能化 。
二、创新点
一是以普惠金融作为大数据建设的目标和方向 。 坚持农信体系服务小微、服务三农的定位 ， 将大数据建设的首要目标定位为提升普惠金融的能力 ， 在大数据平台的整体规划、建设和应用等层面 ， 围绕当前农商银行普惠金融的实际场景 ， 有力支撑了传统业务的线上化、自动化和数字化 ， 极大提升了金融服务的范围和效率 。
二是逐步构建了农村地区信用体系 。 在自有金融数据的基础上 ， 发挥农商银行线下网点多、人脉地缘优势 ， 通过网格化实现数据的人工采集 ， 同时引入当地社保、公积金、不动产、生活缴费等政务数据及外部优质第三方数据 ， 实现客户的360度精准画像 ， 解决了当前普惠金融领域普遍存在的信息缺失、渠道分散、客户同质化严重等问题 ， 构建了较为全面、客观的信用体系 ， 有力支撑了信用村建设 ， 推动了整村授信工作的全面开展 。
三是打造了全流程的风险管控能力 。 针对农商银行风险防控工作中普遍存在的信息不足、手段单一等问题 ， 通过内外部数据的融合应用 ， 构建贷前、贷中、贷后的风控模型 ， 实现全生命周期的风险管控 。 在平台的支撑下 ， 打破了时间和地域的限制 ， 实现了普惠金融业务的线上申请、审批、办理 ， 有效降低了内外部风险 。
四是探索两级法人体系下大数据建设的新路线 。 在当前农商银行信息化水平较低、金融科技人才储备不足等客观条件下 ， 省联社、农商银行在数字化转型中的角色和定位暂不明朗 。 “金农云数”平台的整体规划中 ， 将平台定位为全系统统一的大数据基础平台 ， 省联社负责平台的建设、运营和管理 ， 农商银行负责数据的分析、挖掘和应用 ， 通过多租户的方式实现农商银行之间数据和资源的隔离 ， 避免了农商银行大量重复性的基础建设投入 。 农商银行结合自身需求 ， 聚焦应用层面的拓展和数据应用场景的创新等 。
三、技术实现特点
1.分布式架构
“金农云数”平台采用市场主流的分布式数据架构 ， 在数据存储、计算、服务等多个层面实现了性能和能力的显著提升 ， 解决了当前行内传统关系型数据库存在的数据计算能力的瓶颈 ， 实现了对行内、外海量数据的采集、加工、整合、应用等全流程的数据管理 ， 为“数据中台”的建设提供了平台及架构层面的强力支撑 。
2.租户模式
“金农云数”平台充分发挥省联社的平台作用 ， 采用租户模式打造“大平台、小银行”的两级法人管理体系 ， 实现了省联社和农商银行的优势互补 ， 避免了农商银行在数据建设方面的重复投入、资源浪费 。 由省联社负责平台用户的管理和数据资源的调度 ， 各农商银行以独立租户的方式接入“金农云数”平台使用 ， 实现各法人数据隔离、资源隔离 ， 保障数据使用安全 。
3.可视化操作
为了改变业务人员提出需求、技术人员加工数据的现状 ， 解决业务人员无法触达数据、缺乏数据提取能力等难题 ， “金农云数”平台通过开发可视化页面 ， 用户使用拖拉拽方式即可快速完成数据需求的开发和上线 ， 降低了数据加工的技术门槛 ， 打造了业务人员也可灵活使用的数据工具 ， 优化行内人才能力结构 。
四、项目过程管理
1.需求分析和设计阶段
此阶段时间段为2019年6月至2019年7月 ， 其间主要完成了业务需求分析、业务功能和技术构架的高层设计 。 提交了业务需求说明书、软件需求说明书、技术构架等文档 。
2.系统编码与自测阶段
此阶段起始时间为2019年7月至2019年9月 ， 其间主要完成了“金农云数”平台的编码、单元测试和集成测试等工作 ， 提交了相关测试报告等文档 。
3.用户验收测试阶段
此阶段起始时间为2019年9月至2019年10月 ， 其间完成了“金农云数”平台业务测试及试点行上线准备工作 ， 提交了业务测试报告、上线方案、系统设置等文档 。
4.试点推广阶段
此阶段起始时间为2019年11月至今 ， 采用了分批试点推广的方案 ， 目前已启动了五批推广工作 ， 覆盖了全省83家农商银行的培训工作 ， 其中具备上线条件的51家农商银行通过省联社审核后完成了业务开通 。 在做好推广工作及服务支撑的同时 ， 根据农商银行平台使用情况反馈 ， 不断丰富完善平台功能 。
五、运营情况
1.系统运行情况
“金农云数”平台每日从30多个系统同步600多张数据表 ， 运行数据加工调度作业约500多个 ， 且根据农商银行数据需求增多仍在不断增长 ， 实现了数据加工的集约化 。 通过日常查询监控、异常预警短信等方式对平台的业务运行、资源占用、性能情况等进行监测 ， 可及时发现平台异常问题并快速响应解决 ， 保障系统运行稳定 。
2.数据服务情况
“金农云数”平台为省联社“金农信e贷”产品以及农商银行个性化应用提供实时数据接口服务 ， 平均每日实现约2.5万户客户的政务数据及外部数据需求 ， 且将继续推进政务数据和外部数据的接入 。 “金农云数”平台“一点接入”外部数据 ， 实现全系统数据接口的统一管理 ， 通过授权与禁用、接口管理、阈值控制、并发控制等方式对下游应用进行管理 ， 保障数据服务的稳定 。
3.用户使用情况
目前已有51家农商银行接入“金农云数”平台使用 ， 通过平台数据查询及分析功能 ， 实践了在推广营销、风险防控、经营考核等方面近20个成功案例 ， 并通过省联社的平台分享推广给全系统 ， 后续将继续推进平台推广工作 ， 提升平台数据应用成效 。
六、项目成效
一是平台目前日均处理数据调度作业500多个 ， 实现了数据采集、清洗、加工等的全自动化管理 ， 通过可视化的操作页面使得业务人员参与到日常数据运营中 ， 打破了传统的技术壁垒 ， 日常数据分析可由业务人员独立完成 。
二是构建了公共、风险、营销、经营、信用等5大主题近1000个数据指标；根据实际应用场景 ， 形成了21类、110项数据标签；实现了22个数据模型 ， 支撑了客户的准入、授信、风控等多个环节 。
三是“金农云数”平台上线后 ， 在系统内农商银行引起了巨大反响 ， 通过在部分农商银行的试点 ， 取得了较好的效果 ， 实现了建设预期 。 目前正在全系统分批次进行推广 ， 已实现在51家农商银行的顺利落地 。
四是目前已实现了与“金农信e贷”、信用卡自动审批等系统的对接 ， 为下游系统提供精准、及时的数据加工服务 ， 实现了100多项指标的T+1推送 ， 支持“金农信e贷”累计贷款发放约1200亿；通过“一点接入”的方式 ， 实现了全系统外部数据的统一接入、统一管理、统一计费 ， 与司法大数据研究院、百行征信、银联、移动等8家优质数据服务商开展外部数据合作 ， 引入了涉案涉诉、个人征信、银行卡、运营商、企业纳税、互联网多头借贷等共六类外部数据 ， 并实现为下游应用系统提供实时数据查询服务 。
七、经验总结
【平台|安徽农信：“金农云数”普惠金融大数据平台】“金农云数”平台充分借鉴主流商业银行大数据平台建设经验 ， 结合自身信息建设、大数据战略的整体布局 ， 探索了适合农商银行体系的“数据中台”实践之路 ， 实现了数据资源、业务逻辑、服务方式的整合和创新 ， 有力支撑了农商银行数据化转型发展 ， 探索了两级法人体系下大数据建设的新路线 。 下一步 ， 安徽省联社将继续按照大数据的整体规划 ， 稳步推动“数据中台”的持续完善和数据能力的迭代升级 ， 为农商银行的数字化转型提供有力支撑 。

    推荐阅读


    上一篇：新浪财经|悦刻电子烟3年38亿背后：政策高压 质量遭诟病假货频出

    下一篇：进行|模块电源抗浪涌干扰整改实例