全栈算力,加速行业AI落地 了解详情
写点什么

银行券商经验不完全适用,中粮信托这样构建数字化中台

  • 2023-10-11
    北京
  • 本文字数:6065 字

    阅读完需:约 20 分钟

大小:3.31M时长:19:15
银行券商经验不完全适用,中粮信托这样构建数字化中台

嘉宾|谢胜强 中粮信托数字化中心总经理


“信托公司有自己的行业特殊性,在数字化建设上不能完全照搬银行、证券等金融机构经验,需要找到一条适合自己的路线。”谈及中粮信托数字化转型的背景,中粮信托数字化中心总经理谢胜强直言。


虽然信托与银行、保险、证券并驾齐驱,都是现代金融体系中的重要构成部分,但是其行业规模、科技资源投入却和其它三个行业相去甚远。据谢胜强介绍,根据相关统计,目前整个信托行业从业人员不到 20000 人,其中在编科技人员不到 1000 人,平均下来每个信托公司的科技人员只有 10 多人。加上不同信托公司信息科技发展水平不均,不少信托公司的科技基础相对比较薄弱。


“这意味着不管是资金投入还是人员配备,多数信托公司都无法与银行、券商相比,我们必须结合自身资源禀赋,从自身的需求出发去做数字化。”


与此同时,随着资管新规的出台,信托行业开始从过去的非标品业务向标品业务转变。而在这个领域,与券商、基金公司相比,信托公司并没有优势,想在站稳脚跟,信托公司必须主动改造传统基因,在符合监管要求的前提下,创新原有的业务和运营模式。而在这个过程中,信息系统的升级挑战也随着而来——过去信托行业软件系统长期提供的都是标准功能和服务,面对创新的个性化需求,投入成本大,传统软件厂商响应意愿和效率都相对不高。


在过去的几年间,中粮信托也经常面临系统需求响应速度无法满足业务开展需要的情况。为了改变这种现状,中粮信托于 2022 年启动以打造数字化快速响应能力、赋能业务发展为主要目标的数字化 2.0 战略


虽然整个数字化中心团队加上外包人员仅有 70 多人,但中粮信托通过自主研发搭建了技术中台,通过自主研发合作研发方式打造了业务中台,并且基于网易数帆数据开发治理平台 EasyData 构建了数据中台,从基础设施、应用架构、团队组织、服务管理体系、信息安全等各个层面推动了多维度的数字化能力建设。

需求挖掘是数字化建设的开始


在谢胜强看来,企业数字化建设工作主要以划分为两个部分:一是需求挖掘;二是需求实现。


首先,需求挖掘是一切工作的开始,但这也恰恰是最难的一环。一个有价值的需求的提出,要求相关人员能够打破传统的思维惯性,具备数字化思维。然而,由于业务与技术之间长期存在的巨大鸿沟,业务不了解技术,技术不熟悉业务,多数情况下任何一方都很难单独担此重任。


为此,中粮信托 2022 年开始在高度依赖信息系统的领域引入“数字化 +”联合工作组机制,即由数字化中心和运营、业务部门等组建联合工作组。具体由运营、业务部门资深人员担任组长,数字化中心资深人员担任副组长,工作组定期沟通,滚动梳理相应领域的数字化需求,形成一致目标,孵化数字化建设项目,并且定期向数字化委员会汇报进展,跟进项目开发、实施、验收及后评价。


以运营数字化联合工作组为例,他们在 2022 年孵化并落地了资金清算网关、估值自动化、合同全生命周期管理等多个数字化建设专项,使得公司估值、资金清算等运营工作效率得到极大提升。


经过充分的需求挖掘,下一步就是需求实现。这一方面有赖于人员能力的提升,另一方面也需要基础设施的升级。


针对人的问题,中粮信托过去两年里在组织架构层面进行了调整。把原来公司的“信息科技委员会”更名为“数字化委员会”,把“信息技术部”更名为“数字化中心”,从各种文化宣贯和落地细节上向数字化方向靠拢,同时,还通过适度的人员扩充、外包机制引入,实现了科技团队规模的快速扩增。目前,整个数字化中心(原“信息科技部”)拥有 11 位正式员工,以及 60 多位外包人员。


针对基础设施的问题,中粮信托对硬件、网络、安全等多个方面进行了升级,其中主机房从过去 10 数平米 8 个机柜的规模,扩大到 200 多平近 40 个机柜。据谢胜强介绍,这样的配置在信托行业已经比较靠前。


更重要的是,中粮信托还在应用层面进行了大刀阔斧的架构转型,从过去各个系统各自为政的竖井式架构,转变为微服务、云原生架构。


“过去内部不同系统架构不统一且在顶层设计方面缺少统筹,不同厂商之间甚至相同厂商不同产品之间都存在重复开发、响应周期长、迭代成本高等问题。这是我们进行应用架构改造的主要原因。”谢胜强强调,中粮信托的微服务架构搭建采用模块化的设计思路,坚持解耦、复用、领域自治的基本导向,不是为了微服务而为微服务:一方面将完整、复杂的业务系统拆分成相对简单、可复用的多个逻辑单元,从而降低对开发商和自有研发团队的参与门槛,让更多只具有细分专业领域能力的开发商也可以参与进来,让专业的人做专业的事;另一方面,通过模块化编排和流程组织,快速支持各类创新业务场景。


基于这一应用架构思路,中粮信托提出了数字化中台战略,将共性需求进行抽象,打造成平台化、组件化的系统能力并共享使用,先后布局了研发管理、运营管理、金融服务、企业数据中心 2.0 四大核心基础平台。

用 6 个月时间,自主搭建技术中台


在中粮信托,研发管理平台被定义为“技术中台”,主要输出敏捷开发能力。


为了确保从应用底层开始的整体自主可控,同时避免市面上许多技术平台因为本身过重导致在使用过程中对信托公司普遍不太富裕的研发资源的过度消耗,加快技术响应,中粮信托选择自主搭建技术中台


“基于之前积累的研发成本,新平台的研发过程大概花了 6 个月时间,我们讲究的是实用为主,贴近信托行业的系统研发场景进行设计。”谢胜强告诉 InfoQ 记者,“虽然资源投入有限,参与的人员只有 5 人,但是团队内部有明确的分工。比如,我们定义出一整套覆盖现有各类使用场景的前端解释性框架标准,由前端组负责桌面和移动两端的开发实现,绝大部分业务场景的交互界面均可通过后端配置实现,不用逐个进行开发。”


除此之外,为了确保整套设计体系能够兼容不同的技术栈,便于后续的灵活拓展,中粮信托的自主研发核心系统采用的是开放框架平台,并有专人负责架构融合开发。


据了解,中粮信托该研发管理平台已经于 2022 年下半年正式投产运行,核心组件包括了 Action 微服务设计框架、Action 解释型前端框架、Action 流程引擎等。结合自主研发并嵌入到 IDE 的代码生成器等工具,可以让研发人员专注于各自领域内的具体业务逻辑研发,降低研发人员技术水平要求并提高研发效率。


“其中,除了服务注册发现、流量管理、链路跟踪等常见的网关是基于开源开发的,其它的核心部分,包括网关和统一认证等等都是我们的团队结合自身需求进行的设计和开发。”谢胜强表示。


基于技术中台,中粮信托自去年开始构建业务中台——具体包括了运营管理平台和金融服务平台,主要输出平台化、组件化的系统能力。


运营管理平台面向内部员工,主要把传统 OA、CRM、TA、PM、AM(不含场内) 等系统进行拆解,并按从领域到模型再到场景的设计思路用微服务框架进行了重新组织,从而形成模块化的系统能力,并通过模块编排和流程组织,快速支持各类新的需求场景。该平台主体功能于 22 年底完成开发,23 年初开始分阶段上线,并根据内部需求持续迭代。


金融服务平台面向外部生态,主要采用与厂商合作研发相结合的方式,按照其自身定义的技术框架标准开发,确保所有的系统能力均可在受控的前提下被内外部系统开发人员根据需要自由调用,从而打破不同开发商之间的技术壁垒。该平台于 23 年二季度启动建设,目前处于集成测试阶段,计划在四季度分阶段上线并持续迭代。

把数据中台和业务中台结合起来考虑


整体而言,中粮信托在业务中台建设过程中采用的是基于“领域到模型再到场景”的设计框架,这使得复杂的业务逻辑被分解成众多相对简单的逻辑单元,有利于内外部细分领域专业能力、资源的整合与调度。而数据中台的建设,其中关键一步是从主题域到数据资产模型的梳理,在这个层面是可以通过工具实现大规模复用的。


“也就是说,在这个过程中,数据中台的建设和业务中台我们是一起考虑的。”


虽然中粮信托在 2018 年自主搭建了以传统数仓为主要特征的企业数据中心,但是随着数字化转型进程的推进,传统数据管理架构和数据应用开发模式渐渐难以满足越来越多的数据应用需求。


“我们把所有的数据资产模型做了整理,通过 CDC 方式把数据全部拉过来进行了分类管理和存放,按报送要求进行实时数据加工,再辅以报文组织等功能,最终实现了监管报送系统的自主研发。”谢胜强指出。


除了满足数据互通的需求,数据质量提升也是这个过程中非常重要的目标。为此,中粮信托从业务流程层面进行了全面重塑,并纳入到业务中台中。


以数据治理为例,该工作过去普遍都在数据平台中进行,但问题在于,该模式可能导致业务系统和数据平台的数据存在不一致的情况。“在中粮信托,我们要求所有的数据治理必须从源头治理,甚至把数据中台作为业务中台的一个数据服务模块。”



换言之,在中粮信托的数据治理体系里,所有业务数据落地都有对应流程,而不是直接进入数据库。其中,针对一些在历史稽核中从未或较少发生错误的数据,可以取消或精减复核节点;而针对经常出现错误的数据,则可以增加针对性的复核节点,从而提高它们的数据质量。


与此同时,由于中粮信托将数据中台的数据资产标准模型与业务中台的标准模型进行了统一,使得数据和应用两个层面都可以实现批量创建,减少了人员投入的时间和精力。


“我们把整个数据链分成两端:一端是数据资产,在这一端先不考虑应用,只考虑信托公司经营范围之内存在哪些有价值的数据,并将这些数据准实时流动到数据中台,通过标准的数据加工处理存放到资产层;另一端是数据应用,在这个环节,所有开发人员都不允许碰源系统,只能基于标准数据资产构建数据应用。这样,就能节省大量数据采集的重复工作,也有助于确保不同数据应用之间的口径一致。”谢胜强进一步解释。

数据技术底座的选型和磨合


总结中粮信托在其中的成功经验,谢胜强认为,第一是准实时数据流动以支持更为广泛的数据应用场景,第二是从源头治理以保证不同平台间数据的一致性,第三是形成标准化的、符合信托行业需要的数据资产管理体系。


当然,这些经验也并非中粮信托单枪匹马趟出来的。在中粮信托数据中台搭建中,碍于技术团队规模和资源投入的局限性,他们在 2022 年采购了网易数帆的数据开发治理平台 EasyData 作为数据技术底座,通过模型复用等方式按主题域快速构建了标准数据资产模型,通过 CDC 等工具将各源系统数据准实时归集到贴源层,并利用平台离线计算、实时计算能力对贴源层数据进行加工,形成了准实时、标准化的数据资产,按不同应用场景需要加工到应用层,结合 BI 等工具平台快速构建各类数据应用,并通过数据接口服务等形成数据生产和消费闭环。


回顾技术选型的过程,谢胜强谈到,信托行业不少公司是通过整体外包的形式构建自己的数据平台,在灵活、开放、可控、复用等方面与我们对数据中台的要求不完全相符。为此,中粮信托结合自身对行业的理解,引入了网易数帆的工具平台。“我们想走出一条不同的路。”谢胜强说。


经过多方的对比和评估,中粮信托发现,网易数帆数据开发治理平台 EasyData 的数据资产管理、模型管理、元数据管理、血缘关系管理等功能比较贴合其数据中台的定位;同时,在数据应用层面,EasyData 也能提供相对完善的数据服务接口,基于中粮信托的数据标准,只要经过简单配置就可以进行数据服务的调用。


谢胜强坦言,由于中粮信托是网易数帆在信托行业首家合作的公司,因此在合作前期的两三个月时间里,双方针对数据中台的功能研发也经过了一番磨合。


“包括模型的设计、应用的开发模式、怎么分层、怎么分主题进行管理,刚开始大家理解都不一样。比如,我们需要的是数据的实时流动,而 EasyData 现有客户广泛采用的按日切片存储这些功能对我们就不适用。”谢胜强表示,这是一个不断碰撞的过程,双方在其中共创出了很多更匹配信托场景需求的功能


以监管报送平台为例:当监管反馈报送的数据存在问题,传统做法是负责监管报送的技术人员逐一查找、修改、重新生成报文,然后再次报送。这种方式不仅效率低,而且对人的要求比较高。对此,中粮信托向网易数帆提出了新的需求,当发现数据问题,只要导入报文,就能基于数据血缘功能进行快速的数据定位和分析。



再以数据治理为例:虽然中粮信托从流程上设置了对问题数据的拦截,但是也不排除最后会有少量“漏网之鱼”流到数据中台。对此,网易数帆现状已经可以支持在问题发现之后,对接到业务中台并触发数据治理流程,经过业务侧的再次数据治理,再回到数据中台,从而实现准实时的数据高质量流动。

关于技术投产比,需求部门自身要“算好账”


毋庸置疑的是,即便是在经济环境充满不确定性,行业和企业资源也相对有限的情况下,中粮信托仍然非常看重数字化转型中的技术投入。那么,其内部是如何评估和量化数字化的价值的?


谢胜强告诉 InfoQ,在企业数字化转型的过程中,虽然很多工作无法直接估算其经济价值,但它们也是可以量化的。


比如随着自动化估值系统的上线,公司估值工作的自动化程度从过去的 30% 上升到如今的 80%,这意味着过去一个会计只能管理 60-100 个套账,现在至少可以提升到 120-200 个,这带来的是效率的提升和人力成本的降低。


当然,数字化变革背后涉及复杂的、系统化的运作,很多效益提升无法简单粗暴地归功于某个系统的上线或者某个技术的应用。因此,中粮信托强调的是需求部门自身要“算好账”,对此技术团队还在运营管理平台开发了需求管理模块,业务人员可以在线提交数字化需求,经过需求沟通、确认、审核、分析、设计、实现、测试、发布、评价等标准化需求处理流程,从而实现数字化需求的全生命周期管理。如果是需要外采的,在实现节点对接招采模块,如果是需要自研的,在实现节点对接研发管理平台。


“哪怕是一个非常简单的数字化需求,都要经过这个标准的处理流程。需求分配给谁进行开发、测试,他的单位时间成本是多少,在平台上是可以实时计算出来的,这些信息可以提供给需求部门做参考,在某种程度上也变相督促大家进行投入产出的衡量和评估。”谢胜强表示。


可以看到,信托行业的数字化转型虽然来得比其它金融细分行业要晚一些,数字化进程和路径选择有其特殊性,但彼此间也有很多相似的思路。比如,虽然可投入的资源规模不一样,但对技术价值量化的严谨考究是共识;虽然选择的技术路线可能不一样,但业技融合是共识;虽然企业业务目标不一样,但通过文化、组织、流程、人才等多条线体系化地推进数字化转型,这也是共识。


从这些角度来看,中粮信托的数字化实践历程同样值得信托之外的各行各业做参考。

活动推荐

首届FCon全球金融科技大会将于 11 月 19-20 日在上海举办。大会将围绕金融领域数字化转型挑战探索、DevOps 在金融企业落地实践、金融行业大模型应用、创新的金融科技应用、金融实时数据平台建设之路、金融安全风险管控、数据要素流通与数据合规等 10+专题进行交流。


目前大会邀请了汇丰科技中国区的代理总经理马国栋、度小满金融数据智能部总经理杨青、蚂蚁集团副总裁 & 首席技术安全官韦韬博士、恒生聚源总经理吴震操担任大会联席主席。更多嘉宾仍在邀请中......


我们诚挚地邀请您加入我们,共同探索金融科技的未来,点击链接即可查看全部演讲专题。


目前是 7 折特惠购票,报名立减 ¥2040,咨询购票可联系:17310043226(微信同手机号)。



2023-10-11 14:225790

评论 2 条评论

发布
用户头像
哈哈
2023-10-15 21:06 · 湖北
回复
f
2023-10-15 21:07 · 湖北
回复
没有更多了
发现更多内容

LabVIEW操作鼠标滚轮放大/缩小图像

不脱发的程序猿

图像处理 LabVIEW 鼠标滚轮来放大和缩小图片

DNS解析过程

工程师日月

5月月更

Flutter的特别之处

Geek_99967b

flutter 小程序开发

怎样让智能电视更加智能

Geek_99967b

小程序 小程序容器 智能电视

大咖说|Kubernetes自动伸缩实现方式深度讲解

云智慧AIOps社区

云计算 微服务 云原生 #Kubernetes#

Java Core「5」自定义注解编程

Samson

学习笔记 5月月更 Java core

Go Web 编程入门:中间件

宇宙之一粟

中间件 Go web 5月月更

企业上云,安全合规如何进阶 ——一文拆解亚马逊云科技云安全理念与实践

亚马逊云科技 (Amazon Web Services)

云安全 亚马逊云

Seektiger DAO的共识增长计划,锁仓STI长线价值投资

股市老人

经典递归 - 青蛙跳台阶问题

芒果酱

递归 C语言 5月月更

刷新三项世界纪录!浪潮云ICP ARM架构获SPEC Cloud测试全球第一名

浪潮云

云计算

云原生数据库的下一次变革发生在哪里?

亚马逊云科技 (Amazon Web Services)

数据库 云原生

面试突击51:为什么单例一定要加 volatile?

王磊

Java 面试

Netty实战-实现内网穿透(一)

风斩断晚霞

Java Go Netty 内网穿透

Linux环境显式使用动态库

Loken

音视频 5月月更

开源生态|打造活力开源社区,共建开源新生态!

Orillusion

开源 WebGL 元宇宙 Metaverse webgpu

Kubernetes Gateway API - 服务网络的演进

Flomesh

Kubernetes Gateway ingress

DataPipeline完成B+轮1.2亿元人民币融资,定义基于DataOps理念的下一代数据基础设施

DataPipeline数见科技

Docker下RabbitMQ四部曲之一:极速体验(单机和集群)

程序员欣宸

Java RabbitMQ 5月月更

全栈、云原生的数据分析时代已来,我们如何抓住机会?

亚马逊云科技 (Amazon Web Services)

数据分析 云原生 全栈

打码打码Python爬虫,某省建筑市场请求地址参数分析,手慢无爬虫

梦想橡皮擦

5月月更

JVM进阶(十九)——Class文件常量池

No Silver Bullet

JVM class 5月月更

LabVIEW实现Modbus通信

不脱发的程序猿

LabVIEW Modbus 串口通信 VISA 工业通信

云端的 ABAP Restful 服务开发以及通过 abapGit 传输到其他系统的详细步骤

Jerry Wang

git SAP abap 5月月更 abapgit

IM即时通讯为企业业务移动化带来了怎样的便利?

WorkPlus

【高并发】优化加锁方式时竟然死锁了!!

冰河

并发编程 多线程 高并发 协程 异步编程

LabVIEW使用移位寄存器计算平均值

不脱发的程序猿

LabVIEW 移位寄存器计算平均值 移位寄存器

LabVIEW虚拟数字示波器

不脱发的程序猿

数据采集 LabVIEW 虚拟示波器 信号发生VI

什么是小程序运行时框架?

Geek_99967b

native 小程序容器 小程序开发

确保 Kubernetes 安全合规的 6 个最佳实践

Rancher

Kubernetes k8s rancher

案例成果展 | 灵雀云助力中国人民银行清算总中心构建裸金属容器平台

York

灵雀云 容器 微服务 云原生

银行券商经验不完全适用,中粮信托这样构建数字化中台_证券_高玉娴_InfoQ精选文章