0
| 本文作者： 陳伊莉 | 2018-10-11 13:04 |
在AI、大數據技術的推動下，銀行的傳統(tǒng)經營模式正在發(fā)生根本性的變化，數據驅動的輕型銀行模式隨之誕生。而在向數據驅動方向奔馳的路上，如何高效處理海量數據成為一個重要的課題。作為我國銀行業(yè)數字化轉型的先鋒軍，招行也面臨著這樣的難題。
IT架構轉型是數字化創(chuàng)新的基石，而一個可擴展、高性能的數據庫是IT基礎設施的關鍵支柱，由此可見數據庫之于數字金融的重要意義。
雷鋒網AI金融評論獲悉，在近日召開的華為2018全聯(lián)接大會上，招商銀行總行信息技術部總經理周天虹就帶來了《AI時代的分布式數據庫》主題演講。他談到一個先進的、面向AI時代的數據庫應做到六點：高擴展、高性能、高可用、云架構、易運維、易開發(fā)，并分享了他們聯(lián)合華為研發(fā)的新型數據庫GaussDB的相關經驗。
以下是演講精要，雷鋒網AI金融評論進行了不改變原意的編輯：
多年來招商銀行一直在持續(xù)進行戰(zhàn)略轉型。今天我們最新的戰(zhàn)略是金融科技銀行戰(zhàn)略，要致力于打造一家深度科技化的銀行。我們也是一家以零售為主的銀行，所以戰(zhàn)略的主要的內容是要打造零售金融3.0，再以基于銀行卡服務為特征的零售金融一點零時代，和以生成財富管理為特征的零售金融二點零時代，招商銀行都搶占了先機。今天我們要率先開啟零售金融的3.0時代。我們認為主要要做好三件事。第一是要把手機APP打造成零售業(yè)務經營服務的主平臺。招行有兩個主力APP，目前用戶數已經超過了1.2億，月活超過6000萬。第二是要打造一個全產品，通過全渠道服務全客群的數字化的零售業(yè)務的經營服務體系。第三是要創(chuàng)造最佳客戶體驗。
今天一家先進的銀行一定要走數據驅動的道路，不論是營銷獲客，還是服務運營和風控，招商銀行覆蓋了中國境內的130座城市，客群過億，但是招商銀行的網點數量只有1700多家，背后的支撐正是我們正在打造的一個數字化的銀行業(yè)務的經營服務體系。
這里給大家看幾個數據，在線上獲客方面，招行的借記卡線上獲客已經達到了14%，信用卡高達60%。理財產品銷售和消費信貸這些零售業(yè)務的主要業(yè)務大概有50%左右都已經是完全在線上產生的。為了更好的了解我們的客戶，我們在兩大APP里面埋點數量超過3萬個，每天收集的客戶行為日志超過10億條?；诳蛻舻呢敻惶卣骱托袨樘卣?，我們每天發(fā)起的個性化推推薦超過3億次。
最近幾年，隨著深度神經網絡算法的突破，人工智能迎來了誕生60年后的第一次爆發(fā)，在金融行業(yè)也有非常多的重要的應用。金融行業(yè)是一個經營風險的行業(yè)，機器學習在金融的風控方面正在發(fā)揮越來越重要的作用。在新技術的浪潮下，銀行的IT基礎設施也正在發(fā)生一些重要的變化，其中有三個板塊顯得越來越重要，就是云計算、大數據和人工智能。 后兩者都是用于支撐對數據和信息的深度的挖掘和利用。
招行在AI方面也開展了一系列的探索和實踐。
2016年，我們在ATM取現(xiàn)方面應用了人臉識別技術，實現(xiàn)了刷臉取款，這是在金融行業(yè)人臉核身的第一個落地項目。
我們知道真正的海量數據，其實是來自于互聯(lián)網，大量有價值的信息，是非結構化的文本信息。自然語言處理技術可以幫助我們有效地利用這些信息。招行通過分析網絡上的各類企業(yè)和政府的招中標公告，解析出其中的中標企業(yè)中標項目中標金額，已經成為我們對公業(yè)務商機發(fā)現(xiàn)的起點。類似的，我們通過分析網絡上的法院判決書，解析出其中的原告被告、涉案案由、判決結果，用于對個人客戶和企業(yè)客戶的風險預警。
我們正在大力地構建企業(yè)級的零售客戶關系圖譜和企業(yè)客戶關系圖譜，用來刻畫個人和個人，個人和企業(yè)，企業(yè)和企業(yè)之間各種復雜的關系。目前這兩個圖譜已經覆蓋了1.2億的個人節(jié)點和5000萬的的企業(yè)客戶節(jié)點。
智能問答是自然語言處理技術和知識圖譜這兩種技術的綜合運用，招行目前在超過600個場景已經接入了智能問答系統(tǒng)。
在金融行業(yè)，營銷風控和智能投顧是機器學習的主戰(zhàn)場，2016年招商銀行推出摩羯智投，今天業(yè)務規(guī)模已經超過了120億，服務的客戶接近20萬，是銀行業(yè)最大的智能投顧產品，而且投資績效長期是基于居于公募基金的前30%。
零售客戶每一筆交易都會接入反欺詐平臺，在這個平臺上部署了一系列復雜的規(guī)則和模型，但是平均的處理時間只有50毫秒，實現(xiàn)了真正的實時智能反欺詐。
一個大型銀行，一個比較有規(guī)模的經濟體，就會涉及到大量的人財物這些資源的調度和配置。機器學習在預測規(guī)劃方面可以發(fā)揮很好的作用。招商銀行我們在這方面也做了一些探索。比如說網點客流的預測，網點業(yè)務量的預測，ATM的現(xiàn)金預測AI技術和大數據技術正在快速的融入到銀行的技術體系，深刻地改變了銀行經營管理服務的方方面面。
在AI技術和大數據技術的推動下，銀行的傳統(tǒng)經營模式將發(fā)生根本的變化，產生一種全新的數據驅動的輕型銀行模式。招商銀行正在向數據驅動的方向發(fā)展，技術上要求對海量數據進行非常高效的處理。一個可擴展高性能的數據庫就成為IT基礎設施的關鍵支柱。
招商銀行對一個先進的數據庫有六個方面的要求：
首先因為要處理海量數據，所以需要高擴展。
第二，金融場景越來越需要對海量的數據進行從準實時到實時的處理，這樣就需要高性能。
第三，銀行業(yè)對整個信息系統(tǒng)的業(yè)務連續(xù)性有非常高的要求，因此需要高可用。
第四，我們希望計算和存儲分離，這樣計算資源和存儲資源就可以按需分配；我們也需要對龐大集群上的不同的應用有效的隔離，這樣就需要多租戶，這些都可以歸結為云架構。
第五，因為數據庫的規(guī)模很大，需要易于運維。
第六，我們希望在應用層面避免分庫分表，開發(fā)人員可以像使用集中式數據庫一樣來使用分布式數據庫。
但是現(xiàn)在市場上缺乏滿足這六個要求的成熟產品。常見的做法是在開源數據庫上分庫分表，比如使用Mysql，招行也是Mysql的重度用戶。但一方面Mysql存在著一些明顯的不足。比如說單庫性能容量不佳，Mysql單庫容量一旦超過500G，性能就急劇下降；高度依賴分庫分表，復雜性高，擴展性差；另外沒有原生的高可用方案。
另一方面，各種新型數據庫，如NoSQL，也都存在著局限。比如說基本上對于數據庫四大事物特征ACID（原子性Atomicity、一致性Consistency、隔離性Isolation、持久性Durability）支持不足，這樣就無法用于金融的一些關鍵場景。
華為有打造數據庫產品的意愿，招行也有需求有場景有實踐經驗，兩家一拍即合。去年11月，雙方共同成立了分布式數據庫聯(lián)合創(chuàng)新實驗室，要打造一款領先的數據庫產品，命名為GaussDB。
這款產品目前已經發(fā)布了高性能的企業(yè)級內核以及分布式高可用特征。招商銀行也開始在兩個重要的業(yè)務系統(tǒng)的生產環(huán)境實際使用，即綜合支付交易系統(tǒng)和信用卡重資產營銷實時展示系統(tǒng)。
聯(lián)合創(chuàng)新實驗室對GaussDB提出了四個方面的建設目標：
第一是高性能企業(yè)級內核，要完整地支持分布式事物，滿足金融行業(yè)對數據強一致的要求。單機的事物處理能力要達到每分鐘百萬級別。
第二個目標是要支持分布式高擴展，支持線性擴展，擴展比要大于0.8，要支持集群的在線擴容，擴容時業(yè)務要零中斷。
第三個目標是分布式高可用，在單數據中心內要支持RPO (Recovery Point Objective，復原點目標)等于0的前提下，RTO (Recovery Time Objective,復原時間目標)達到秒級，同時要支持多數據中心，多副本、多活,故障可以自動診斷、隔離和切換。
最后是分布式云化，就是要支持計算、存儲分離和多租戶。
關于未來數據庫的總體架構，招行有三個方面的主要的思考：
首先要大力發(fā)展分布式數據庫，結合數據庫總體架構的轉型，使數據庫能夠更好地支持業(yè)務發(fā)展。
第二，招行目前的主力數據庫種類多達12種，未來要精簡主力數據庫的品種，精簡數據庫技術棧，方便開發(fā)和運維。
最后要利用AI技術和機器學習技術，持續(xù)構建高度自動化智能化的數據庫的運維管理體系，實現(xiàn)低成本規(guī)?；\維。
更多資訊，請關注雷鋒網AI金融評論
雷峰網原創(chuàng)文章，未經授權禁止轉載。詳情見轉載須知。
