【AICon】探索RAG 技术在实际应用中遇到的挑战及应对策略!AICon精华内容已上线73%>>> 了解详情
写点什么

从单体架构到微服务化拆分,方正证券如何实现前中后台一体化?

石锐

  • 2023-05-08
    北京
  • 本文字数:4243 字

    阅读完需:约 14 分钟

从单体架构到微服务化拆分,方正证券如何实现前中后台一体化?

近几年,券商数字化投入幅度显著提升,服务场景日渐多元化,能够在不同生活场景满足客户的证券投资及财富管理等各种需求。与此同时,还能通过有机组合研究、定价、交易等能力建设,实现客户服务体系的精准化、精细化。


在这一过程中,券商需要解决的核心问题之一是对复杂的系统架构进行整合,通过平台化构建和运营,提升技术架构灵活性、扩展性与开放性,从而实现内外资源的打通和服务能力的延展。


在最新一期的《超级连麦.数智大脑》直播中,方正证券信息技术部交易研发负责人石锐分享了方正证券在证券服务场景创新方面的探索,以及背后的技术架构升级的路径和经验。


以下是对话全文,经 InfoQ 编辑整理(点击链接观看完整直播回放):


InfoQ:近年来,券商的服务场景日渐多元化,方正证券通过持续的信息技术投入也在与业务部门不断探索新应用场景。目前取得了哪些阶段性的进展和里程碑式的成果?


石锐:如今,券商在数字化转型方面已逐步深入进入深水区。方正证券的转型目标是实现平台化、服务体系化、敏捷化和生态化,以全面赋能业务的发展,并从传统的以功能性服务为中心的模式转变为以客户为中心的服务模式。


在交易、销售、账户管理、投资、研究等各个方面,我们都构建了一些一体化的服务体系,比如我们已经构建了成熟的账户运营服务体系,并正在建设机构服务体系,这些都是我们取得的一些阶段性的进展。


InfoQ:在落地这些新应用场景的过程中,哪些数字技术是我们布局的重点?这些技术具体在其中如何发挥作用? 


石锐:在数字化转型中,我们自然而然地应用了一些新技术,比如成熟的人工智能、大数据和云计算等技术,这些技术都是我们关注的重点。


例如,在账户运营体系中,我们整合了自然语言处理(NLP)、图像识别、活体检测、数字证书和智能双录等能力,以提升客户账户业务办理的体验。这些能力的整合,极大地提升了我们的客户服务质量。


同时,我们还将客户置于服务的中心,构建了一体化的服务体系,涵盖交易、销售投、研等各个方面,致力于更加平台化、服务体系化、敏捷化和生态化的数字化转型。这些都是我们在数字化转型过程中取得的阶段性进展。


举个例子,在双录环节,客户办理业务时需要了解风险。过去,柜台人员需要点击播放投教视频,然后向客户提问并揭示风险,录制完成后再点击完成。这个交互过程非常繁琐。


现在采用智能双录技术,全程智能播报和提问。双录过程中有人脸识别、活体识别和智能检测客户回答是否准确,不需要人工点击交互实现整个双录环节。在管理方面,我们无需录制视频,只需将投教话术和文本粘贴到系统中,系统会自动播报和录制。与以往录制几个小时的视频相比,现在只需要 5~10 分钟即可完成整个投教视频的制作。


InfoQ:除了利用智能技术帮助我们实现提效,在大数据层面的应用又是什么样的?如何利用大数据实现精细化的运营?


石锐:举例来说:以前在我们的 APP 中,当客户想要查看他们的理财收益时,我们的展示方式并不清晰,也不能够显示长期收益趋势。应用了大数据技术后,通过每日分析和整理持仓收益数据,能够在前端页面中以月份和年份为单位展示客户的收益趋势。这种方式让客户清楚地了解他们的投资去向和收益情况,相较于以前只能看到当前收益的模糊情况而言,大大提升了客户体验。


InfoQ:券商进行数字化运营落地的过程当中,有必要对每一条业务线都进行用户价值的拆解吗?


石锐:在数字化转型中,我们需要站在客户的角度思考如何通过系统和金融科技的赋能提供高效且优质的服务。这需要对不同业务部门的需求进行拆分和分析,以满足不同的业务考量。因此,对用户需求进行拆解是必要的,同时也是具有挑战性的。


InfoQ:为了实现数字化、精细化运营,证券业务复杂度越来越高,在这个过程中,券商传统的技术架构会面临哪些挑战? 


石锐:过去,券商行业的技术系统架构采用的是单体架构,即所有功能都被打包在一个应用单元中。然而,随着业务变得越来越复杂,客户数量不断增加,这种架构在并发性、可维护性和敏捷性等方面面临着很大的问题和挑战。


比如,当我们推出一个新的业务,所有存量客户都需要重新签约,技术架构在应对大量客户接入并在同一时间进行签约时变得很卡顿,无论是 CPU 还是内存,使用率都大幅提升,并且短时间内不可用的情况也发生了。


因此,我们意识到必须采用分布式微服务化技术来解耦系统,确保在海量客户接入和信息洪峰时,保障系统的高可用性。


大约在 3-4 年前,我们提出了技术架构转型的思路,即从小的管理后台到大的运营中台的转型。我们在后台将复杂的单体应用服务功能打散、拆分,并进行微服务化,以尽可能降低功能间的耦合程度,实现高内聚、低耦合的技术形态。


这种微服务化能够跨平台、兼容多语言,并具有弹性的部署能力,同时还能实现敏捷高效的开发迭代。在中台这个层面,我们抽象出对外共享的服务能力,并整合各个后台系统的能力,从而实现更高效的数字化运营手段。


InfoQ:针对单体应用的拆分,我们是从什么样的一个维度,按照什么样的颗粒度去做的?


石锐:我们会从抽象和归纳的角度出发,针对核心交易系统的几大块进行拆分和支持。


例如,我们会将账户、交易、存管和清算这几个大模块进行抽象拆分,发现账户业务可以从单体的核心交易系统中独立出来,并且交易这一块也可以从抽象的角度进行拆分。这样做的目的是尽可能地避免账户和交易之间的互相关联,从而实现更高效的拆分和服务治理。


InfoQ:具体来说,方正证券是如何逐步进行前中后台的一体化整合的?


石锐:前中后台的实施是一个分步骤的过程。首先,我们构建了一个完善的运营中台,然后通过让 ToC 端接入到中台中,而不是直接与后台交互,实现了前中后台的一体化。在构建中台的过程中,我们投入了大量的工作,包括将各种 AI 能力集成到中台上,将各个后台系统的功能抽象出来并与中台打通。


这个过程从 2017 年开始,一直持续到 2020 年,总共花费了 2-3 年时间去完成中台的持续完善与成熟。当中台稳定后,我们持续对后台的解耦和架构进行升级,逐步实现前后端的无缝切换。


InfoQ:这是一个非常巨大的工程,您个人在其中印象最深刻的或者说觉得最大的一个难点是什么?


石锐:我认为在技术架构上,最大的难点并不在技术本身,而更多地在于向业务部门和前端人员进行宣导。


随着中台的搭建,客户服务的体验完全改变了,不再是以前的功能化模式。以前客户来办业务,只能通过营业部门的某个点单来处理,而现在,我们的系统会自动识别客户的账户规范程度,并提醒营业部门先完成合规性要求,然后才能处理具体的业务。


这意味着整个业务处理模式都发生了变化,更多的是培养业务部门和前线人员的操作习惯。中台的建设花费了我们大量的时间和精力,包括集成各种 AI 能力,与各个后台系统打通等。我们花了一年的时间搭建了中台的架子,并持续完善了 17 年到 20 年的 3-4 年时间,才让中台走向成熟。在中台稳定之后,我们才开始对后台进行解耦和架构升级,这样对前端的感知就不会那么强,变更会更加无感。


InfoQ:中台这个话题近几年争议性比较大,方正证券大概是在什么时间去搭建中台的?目前整体的使用感受如何?


石锐:我们从 2017 年开始整合各个后台系统的功能,将它们抽象为一个共享的服务能力,构建中台。因为后台系统可能由各个小系统组成,所以需要构建一个中台来整合。特别是在账户业务层面,我们构建了一个完善的账户服务运营体系。这个体系从前端、中台到后端,为应用提供了各种服务能力。


前端应用可以由各个渠道来支持,它们的服务能力由中台提供。前端应用不需要关心后台服务落在哪个系统上,只需要关心中台能够提供哪些服务能力,并整合各个系统的能力。这样可以实现更高效的数字化运营。


InfoQ:整体的效率提升有没有可量化的数据对比?


石锐:举例来说,之前,我们每天能够受理的业务量可能就是在万级规模,现在已经翻了 5、6 倍,达到 5 万到 6 万的量级水平。未来,我们的目标是实现每天 10 万以上的受理体量,年化从之前的几十万、百万到现在千万级的规模扩张。


InfoQ:中台建设最大的难度是如何量化它的价值,本可以简单实现业务需求,用中台模式必然会增加人力的投入,设计也会更加复杂,如何权衡业务的快速发展以及中台产品的通用化?


石锐:我们的考量是将简单的事情留给客户,将复杂的事情留给我们。从这个角度出发,数字化转型必然会增加成本和投入,包括人力成本和财务成本等。这是一个持续的过程,可能短期内并不会出现质变或量变。然而,这种持续的投入一定会带来业务层面和对客户体验方面的巨大回报,这种收益与投入是成正比的。


InfoQ:据了解,方正证券是证券行业为数不多实现柜面总部集中运营的券商。这种集中运营的模式有何优势?


石锐:过去,我们传统的业务办理模式是由营业网点受理并办结客户的业务。现在我们的模式已经变成了一种受办分离的模式,即营业部门只需要受理客户的业务需求,而审核和办结业务则由总部集中处理。


这种模式带来的好处是降低了营业网点业务办理的学习成本,网点员工无需再担心如何处理业务,只需按要求录入相关信息即可。以前,营业部门的受理岗位必须由专人负责,但现在,我们已经模糊了受理角色的边界,解放了营业部门的人力,以更好地实现全员营销的模式。此外,由于总部集中审核业务,我们的业务办理的合规性和准确性得到提高,并且复杂业务的办理效率也得到了提高。


InfoQ:您如何看待最近热度不断提升的AIGC技术?在证券行业,AIGC 在哪些场景具有比较大的应用潜力?


石锐:我认为无论是 AI 技术还是边缘计算等流行技术,我们与技术应该保持着适当的距离,要有和解的态度,具备清醒的认知,并非一定要采用最先进、最尖端的技术,而是要合适的、赋能业务发展的技术应用。新技术能够带来革命性创新,重塑生产力和生产关系,但这种创新必须基于实践,并由点到面才会发生变化。特别是在证券行业这样强监管的行业,所有业务展业都必须在合规合法前提下进行创新。在考虑数据安全性和客户隐私方面,监管要求非常高。


ChatGPT 和 AIGC 等技术能够打破伴随式服务模式,并带来体验的提升。此外,在管理层面,这种技术可以提高公司的运营管理效率并降低成本。通过这种技术,我们可以看到两个应用潜力:一是提升客户服务体验,二是降低运营成本。


InfoQ:面向未来,方正证券的数字化转型重心会放在哪些方面?如何持续升级我们的展业平台?


石锐:未来,我们公司的数字化转型将围绕以下三个重点展开:第一,我们将持续完善分布式交易体系,使之更加健壮、可靠;第二,我们将采用云原生架构,优化不同系统架构,提高效率和可扩展性;第三,我们将不断提升国产新技术创新,保持领先优势。这三个重点将是我们未来数字化转型的持续关注点。

公众号推荐:

2024 年 1 月,InfoQ 研究中心重磅发布《大语言模型综合能力测评报告 2024》,揭示了 10 个大模型在语义理解、文学创作、知识问答等领域的卓越表现。ChatGPT-4、文心一言等领先模型在编程、逻辑推理等方面展现出惊人的进步,预示着大模型将在 2024 年迎来更广泛的应用和创新。关注公众号「AI 前线」,回复「大模型报告」免费获取电子版研究报告。

AI 前线公众号
2023-05-08 12:117114

评论

发布
暂无评论
发现更多内容

Royal TSX for Mac(强大的远程管理软件)v6.0.2激活版

iMac小白

AI数字人直播软件多少钱?

青否数字人

Bartender 5 for mac(菜单栏图标管理)v5.0.49直装激活版

影影绰绰一往直前

Final Cut Pro X for Mac(fcpx视频剪辑)v10.7.1简体中文版

影影绰绰一往直前

Parallels Desktop 19 for Mac v19.1.0一键激活版

iMac小白

即时通讯技术文集(第29期):IM开发技术合集(Part2) [共18篇]

JackJiang

网络编程 即时通讯 IM

云图说|有了这2招必杀技,你的主机“身陷重围”都不怕!

华为云开发者联盟

云计算 华为云 主机安全 华为云开发者联盟 华为云HSS

Magnet for mac(macOS窗口管理软件)v2.14.0中文免激活版

iMac小白

010 Editor for Mac(最好用的十六进制编辑器)v14.0激活版

iMac小白

软件测试/测试开发丨接口自动化测试-TCP与UDP的区别

测试人

软件测试 测试开发

Typora for Mac(Markdown文本编辑器)v1.7.6中文版

影影绰绰一往直前

代码编辑器sublime text for Mac v4.0(4169)中文注册版

影影绰绰一往直前

集成学习方法——随机森林

小齐写代码

Premiere Pro 2024 for Mac(PR 2024视频编辑软件)v24.1中文激活版

iMac小白

Charles for Mac(HTTP协议抓包工具)v5.0b12注册激活版

iMac小白

专家观点∣数字化场景应用助力铁合金企业增产提效

用友BIP

冶金 提质增效

密切关注2024年及以后的加密货币业务趋势

区块链软件开发推广运营

dapp开发 区块链开发 链游开发 NFT开发 公链开发

GitOps实践指南:GitOps能为我们带来什么?

阿里云大数据AI技术

如何判断Linux服务器是否被入侵了,该怎么对服务器进行安全加固

德迅云安全杨德俊

Linux 服务器安全 入侵检测

库克透露苹果已有接班人计划,或从这四人中诞生;谷歌创始人亲自给 Gemini 写代码丨 RTE 开发者日报 Vol.114

声网

AI数字人互动大屏独立部署的优势!

青否数字人

数字人

基于深度学习的工业缺陷检测详解——从0到1

月球背面

人工智能 缺陷检测 工业视觉 #技术人的2023总结

MacCleaner Pro for Mac(系统综合清理软件)v3.2.5永久激活版

影影绰绰一往直前

交互式”数字人员工“成为越来越多企业的需求!

青否数字人

软件测试/测试开发丨接口学习笔记-session、cookie、token的区别

测试人

软件测试 测试开发

一文详解kube-apiserver认证鉴权能力

华为云开发者联盟

云原生 后端 华为云 华为云开发者联盟

2023-12-27:用go语言,店铺数量n,编号1~n, 人的数量m,编号1~m, 每个人有自己投票的店铺p,和改投1号店的报价x。 返回想让1号店铺成为人气最高的店,至少花多少钱? 1 <= p,

福大大架构师每日一题

福大大架构师每日一题

IBM SPSS Statistics 27 for Mac(spss数据统计分析软件)v27.0.1中文版

iMac小白

热更新技术该如何选型

Geek_2305a8

DBeaverEE for Mac(数据库管理)v23.3.1企业激活版

iMac小白

Affinity Publisher for mac(桌面排版神软件) 1.10.8完美激活版

mac

苹果mac Windows软件 Affinity Publisher 页面布局软件

从单体架构到微服务化拆分,方正证券如何实现前中后台一体化?_大数据_InfoQ精选文章