写点什么

从某保险机构数据库全面国产化,看如何跨越金融数据价值鸿沟

  • 2022 年 9 月 15 日
    北京
  • 本文字数:4681 字

    阅读完需:约 15 分钟

从某保险机构数据库全面国产化,看如何跨越金融数据价值鸿沟

以数据为驱动,是企业进行数字化转型的基本形态。然而当下企业最困扰的,并不是缺乏数据,而是数据利用率不高;并不是没有搞清数据的本质和价值,而是技术和业务鸿沟难以跨越。


以 InfoQ 最近报道的“某超大型保险机构国产数据库全面迁移”的案例为例,虽然涉及的是后端的技术迁移和改造,但其目的恰恰是为了弥合技术与业务的沟壑,反应的也是该保险公司在前端业务层面的变革需求,以及希望通过底层数据能力的完善驱动业务发展的意愿。


日前,InfoQ 记者进一步联系采访了负责该项目落地的阿里云新金融事业部团队,希望深度了解该保险公司进行这次业内前所未有的迁移项目背后的故事,以进一步为金融行业如何挖掘数据价值带来启示。

一切都源于业务场景驱动


在此次国产数据库迁移之前,这家保险公司内部有近百个业务在线 Oracle 数据库在使用,所以,仅仅就迁移的工作量而言,这无疑已经是一个浩大的工程。


与此同时,行业的特殊性还对金融机构的业务连续性和数据准确性提出了非常严苛的要求。虽然保险的交易频次和短时并发并没有银行和证券那么大,但是业务的复杂度、调用链的长度都不比银行更低,如何确保全面迁移过程中的稳定性是另一大挑战。


那么,是什么促使这家保险公司即便面临着这些肉眼可见的挑战,也要决心做出改变?阿里巴巴集团副总裁、阿里云新金融 & 互联网行业事业部总经理刘伟光告诉 InfoQ,这实际上是业务场景驱动的结果。


过去,保险公司的产品推广和销售主要通过保险代理、保险经纪等中间机构进行,即便是在“开门红”这样的大型节日,流量压力也不算太大。但随着互联网保险的发展,保险公司开始从幕后来到台前,需要直接面对客户进行直销、承保、理赔,此时高并发的流量免不了直接对其后台架构带来冲击。


除此之外,保险业态的变化也对保险技术架构提出了新的要求。


近几年来,国内保险行业通过把保险产品与消费场景、行业生态结合起来,实现了与客户的连接和服务。比如,网购中的运费险、旅游中的意外险、开学季的学平险等等都是保险产品场景化的产物。这意味着,保险公司可能会面对来自场景和生态的一些难以预知的突发业务量,并且必须为此做好准备。


另一方面,在这个过程中,保险的业务模式从过去单纯直接的买和卖变得更加碎片化,消费者对保险产品的购买从被动变为主动,这还要求保险公司能够提供更多满足不同场景需求、能够吸引更多客户的精细化保险产品——而不只是传统的通用型产品。在这背后,需要足够体量和维度的数据作为支撑和依据。


“但传统技术架构的问题在于——首先,它是集中式的,想要扩容就只能竖向地去加硬件,这限制了它的扩展能力,无法应对突发流量;其次,它是封闭式的,很难支持开放性的业务场景;再者,这家保险公司原来几百套数据库的管理十分分散,对数据资源的管控难度很大,很难做到实时反馈。”阿里云副总裁、新金融事业部副总经理兼总架构师张翅指出。


而由于开放式和分布式架构能根据业务的需求实现“随时升、随时降”,因此恰恰能够解决以上这些传统架构无法解决的问题。

技术迁移过程中的那些“坑”


但是,如前文所说,金融数据库的全面国产化,这在国内史无前例。无论对于这家保险公司还是阿里云新金融事业部的团队而言,整个技术迁移过程都是在“摸着石头过河”,自然也少不了踩“坑”。


据了解,该保险公司主张的是从外围到核心的迁移路径。其中,最先试水的场景是保险公司相对低频、偏后端的理赔业务。


而也正是在这个试水的过程中,第一个问题浮出水面——由于这家保险公司的基础技术架构还是 IOE,整个环境并没有为分布式数据库的上线做足准备,所以,在第一个核心上线两周之后,集合查询系统出现了几分钟的阻塞。


虽然在一个近百个业务系统大迁移项目中,这并不是什么“致命”的问题,但是这种小波动在项目初期出现所产生的负面影响是动摇信心。所以,对于项目团队而言,唯有快刀斩乱麻,以最快的时间做出响应。张翅表示,最后经过排查,他们在半个小时内就搞定了相关的故障。


第二个问题发生在传统核心系统的迁移过程中。这家保险公司的传统业务核心系统大量使用 Pro*C(SQL 嵌入式 C 程序)和 Tuxedo(Oracle 中间件做分布式事务处理)做保单过程处理,这意味着,新的数据库架构要么绕过这两个技术,要么做主动适配。


刘伟光告诉 InfoQ,项目团队最终还是选择了对技术做兼容。“因为未来不只是这家保险公司要做数据库迁移,可能还有很多国内的企业和机构都可能遇到同样的问题,作为开路人,对我们来说,早晚都要走这条路。”


第三个问题出现在数据准确性上,这也是金融机构的“硬伤”。由于每一项业务背后都牵涉着“真金白银”、涉及保单和客户最关键的信息,一旦数据出现不一致、不准确,就是巨大的业务“事故”。


据张翅回忆,当时项目已经进行了近 7 个月,就在迁移东北三个省份的老核心时,项目团队发现部分数据对不上。


这时候留给项目团队的一个新“选择题”是——是否要做回退。如果不做回退,数据的误差可能影响后续业务的开展;如果做回退,意味着前面所有的工作都要付诸一炬,对所有人来说这无疑都是巨大的打击。为了确保保险业务能稳定运行,最后项目团队决定全部回退,并且用了大概一周的时间明确了问题的原因才继续进行迁移和上线工作。


在这个过程中,虽然很多工作被推翻重新开始,但是经验和信心也在不断沉淀和积累。最直接的表现是,当再次遇到同一个问题时,项目团队能够更加从容,并且快速识别应对方案。


当然,以上这些“坑”只不过是一些横切面,由于项目难度之大,整个技术迁移的过程也是插曲不断,其中有些是技术本身的问题,也有些技术之外的问题。但是实践同样带来了真知。通过让复杂的系统性项目经过组织的统筹、机制的规范以更好地落实到细节,同时,让各条线的一号位人物领头、做决策,能深入影响每一个项目组的成员,加速项目推进。

打破“部门墙”让数据价值释放出来


2021 年 12 月,中国人民银行印发《金融科技发展规划(2022—2025 年)》,提出健全金融科技治理体系、充分释放数据要素潜能、打造新型数字基础设施等重点任务。


而要实现数据平台基础设施建设和数据要素价值释放二者之间的转化,还有一些关键动作要做。


首当其冲的,是对数据从分而治之转变为统一管理。“我们在服务一些保险客户的时候,发现他们针对某个客户、一个产品 ID 的表格竟然完全不一样。这些表格来自于不同系统,表单、字段、定义可能都不同。但是,当业务开始围绕场景展开的时候,保险公司就会发现信息共享是一个基本的前提。”刘伟光指出。


在这种情况下,企业必须先打破部门墙,据此去做数据系统的改造,目的是让数据沉淀为资产,统一做管理,而不再是一个个独立的报表。


阿里云新金融战略客户部高级专家龙小平告诉 InfoQ,在这个过程中,阿里云还总结了一个方法论——One ID、One Data、One Service。这个理论的关键是实现数据的“职场化”、服务化。也就是说,任何业务人员在有任何需求的时候,都可以通过一次服务直接获取中后台的模型算法、数据能力(比如某个客户的画像等等),从而帮助自己做分析、做决策。


值得注意的是,其中还有两个核心问题要解决。一方面,是对业务的理解和抽象化,因为不同行业、不同场景所需要的数据和可能用到的模型基本是不同的;另一方面,是对数据归属的明确,包括数据归谁所有、归谁建设、由谁生产、由谁负责等细节都要定义清楚。龙小平认为,要解决前一个问题,就需要业务部门一起参与进来,和技术人员一起碰撞、融合;而要解决第二个问题,就需要有顶层设计、要权责明晰。


这也是为什么数字化转型必须是一把手工程的原因,因为它不只是一次 IT 升级,而是方方面面的变革,需要所有人员的配合。


那么,如何让“所有人”都愿意参与进来?刘伟光强调,一定是让所有人员都感受到数字化的能量,并且从中受益。


比如,我们看到今天金融机构把最好的新技术、新体验都给了客户,但内部员工办公体验却非常落后。从内部办公审批、公文流转,到进入 IM 做内部沟通,再登录业务端查看客户留言,都散落在不同的系统里,甚至发起内部视频会议和邮件系统、群消息的打通需要来回切换。


回到开篇我们提到的问题——为什么很多企业的数据利用率不高?其中的原因,有可能是数据获取的方式不够便捷,或者驱动业务的链条太长,导致很多员工不能直接被数据赋能,数据的价值无法被充分挖掘。


这背后实际上是数字化战略定位的问题。很多企业把数字化作为一次科技项目改造,而不是整体能力体系的建设,只关注外部客户的体验,却缺乏对内部员工体验的重视。


换句话说,要释放数据的价值,除了基础的平台能力建设、顺畅的部门协同交互,还要企业自上而下、由内到外构建对数字化理念和价值的统一认知。

数字化是长期工程也要考虑时间成本


因此,战略定位十分重要。这就像是狙击枪上的瞄准镜,起到的作用是校准目标、以防射偏。对此,刘伟光总结了企业在数字化转型战略的制定过程中的三个注意点。


第一,不能盲目学习和模仿,必修根据自己的特点去规划目标和路径。


“有的企业会先从组织架构层面做变革,有的企业就会从底层基础设施开始做改造,也有的企业需要从品牌形象层面先做提升。首先要搞清楚的问题是,企业的弱点和痛点到底是什么,优势和机会又是什么。比如,对于一些大型金融机构,他们并不缺客户群,那么眼下的目标就是把现有客户服务好,做精细化运营;而对于中小型的金融机构来说,就要先求增量,把客户规模做起来。”


刘伟光讲了某城市农商行的故事:这家银行主要服务的是当地农民和渔民,并且其中有不少拆迁户,储蓄潜力非常大。而横亘在这家银行和储户之间的阻碍,正是企业形象和品牌吸引力。据此,刘伟光和团队建议这家银行从手机 APP 的功能完善做起,把它作为地方方言服务和民族文化承载,并逐渐提升了这家银行在当地的影响力,客源量大大增加。


值得注意的一个细节是,这家银行的员工使用手机 APP 只要一键就能进行内外部界面的切换。比如,在任何地方打开 APP 切换到内部员工界面就能帮客户办卡、办业务,而日常自己作为外部人员使用 APP 的过程也能直接感受所有的流程和体验有没有需要完善的地方。刘伟光指出,这就是数字化的能力服务赋能给每一位员工的一种表现。


第二,企业要确保业务战略和科技战略之间具有强映射关系。


这是促进业务和科技部门之间有效沟通和协作的重要前提。过去,业务和科技的分工非常清楚,科技部门的话语权也有限。但是,数字化转型意味着企业必须在科技方面有所投入,同时还要在企业基因上做出改变,在此基础上再去考虑相关人才的引进。换句话说,企业基因是吸引人才的基础,而人才是落地企业数字化战略的关键,二者缺一不可。


第三,既要把数字化作为长期工程,也要考虑时间成本。


目前业界对数字化转型一个相对一致的共识是,数字化转型不可能一蹴而就。但这并不意味着企业不需要考虑投入产出比,反而要更注重目标的拆解和量化评估。


“企业数字化转型,应该是在一个阶段定一个小目标,而不是直接定一个大的几年目标、几年计划。在这个过程中,需要评估人员投入、技术投入,然后到了时间就去校对目标有没有达成、具体进展是什么、没有达成的原因是什么等等,通过不断迭代、更新战略和技术,不断接近数字化。”刘伟光解释道。


总而言之,小到数据能力建设、数据价值挖掘,大到数字化转型,它们都不是一个单纯的科技项目或者几个科技项目的组合,需要企业从文化、流程、技术等方方面面做充分的布局、推演和实践,并且在这个过程中循序渐进、日拱一卒,逐步实现突破和蜕变。


采访嘉宾

刘伟光 阿里巴巴集团副总裁、阿里云新金融 & 互联网行业事业部总经理

张 翅 阿里云副总裁、新金融事业部副总经理兼总架构师

龙小平 阿里云新金融战略客户部高级专家

任振中 阿里云新金融解决方案架构师

2022 年 9 月 15 日 18:572524

评论

发布
暂无评论
发现更多内容

毫秒级的竞技PK | 电信行业需要的5G速度

VoltDB

大数据 数据分析 5G 实时计算

如何制定战略?

石云升

创业 战略 职场经验 5月日更

今日喜事

IT蜗壳-Tango

5月日更

闲言碎语:为什么阿里做不好业务中台

孤岛旭日

中台反思:技术中台设计架构

孤岛旭日

中台 企业中台 技术中台

520单身福利|女朋友又找我要礼物

孙叫兽

程序员 520单身福利 520 单身福利

区块链与资产数字化

CECBC

人工智能基础2 - DAY10

Qien Z.

人工智能 基础 5月日更

学习笔记之:知识地图

Nydia

学习

浅谈前端异常监控平台实现方案

devpoint

异常处理 indexedDB leveldb

5分钟速读之Rust权威指南(五)

码生笔谈

rust

网络攻防学习笔记 Day19

穿过生命散发芬芳

5月日更 网络攻防

Hibernate的get和load区别学习笔记

六维

hibernate 5月日更

作业二:分析微信朋友圈高性能复杂度

刘丽

架构训练营

GraalVM系列(二):GraalVM核心特性实践

孤岛旭日

GraalVM

中台反思:提质增效

孤岛旭日

效率 中台 企业中台

中台反思:技术中台的未来

孤岛旭日

中台 低代码 中台架构

IDEA 这么设置 Maven,再也不用担心依赖下载失败了

楼下小黑哥

Java IDEA

Node.js学习 —— 简介

空城机

JavaScript 大前端 Node 5月日更

Dubbo 并发控制

青年IT男

dubbo

【签约计划】试用期名单公布

InfoQ写作社区官方

签约计划 热门活动

2021金三银四Java岗大厂面试经验总结(附面试真题)

北游学Java

Java 面试

520 属于程序员的诗

荩沫

520单身福利

实现私域流量的长效积累,一场医美直播背后的数字营销密码

脑极体

分布式架构的根基:深入浅出一致性算法

孤岛旭日

分布式 一致性算法 PAXOS 共识算法

GraalVM系列(三):GraalJS多线程实践

孤岛旭日

GraalVM

北京市级预付费资金监管平台正式上线试运行 内嵌区块链存证技术

CECBC

浪潮“分布式云+”行动计划持续深化 三大产品正式发布

浪潮云

云计算

生态“群海”:数字化转型的供需之变

脑极体

平台化服务的基石(四):再议用户权限,更优雅的模型

孤岛旭日

用户权限 企业建模

数据挖掘从入门到放弃(六):K-means 聚类

数据社

机器学习 5月日更

从某保险机构数据库全面国产化,看如何跨越金融数据价值鸿沟_大数据_高玉娴_InfoQ精选文章