证券行业解决方案
需求痛点
公司内各条线的业务人员在业务开展的过程中往往会面临大量的、来自不同数据源的、异构的数据。如何有效管理和使用这些企业未来最重要的资产经常成为数据管理者和使用者的一大难题。典型的数据源包括:
公司内部数据
政府平台数据
征信数据
银联数据
第三方数据供应商数据
社交网络数据
埋点数据
… …
行业问题及对应方案策略
没有专业的数据人员及团队:数据对接人员缺乏,各项目团
队各自为战,重复工作
组建专业治理团队,明确制度、责任、边界
没有健全的数据样本和数据监测机制:没有按照严格规范输
入导致数据错误,数据无效,使用过程中缺乏关键性样本
建立健全的数据样本和数据监测机制
缺少专业的模型工具:数据文件缺失,系统崩溃、人员流
动,导致数据文件缺失
引入专业的建模工具产品
缺乏专业的模型工具和产品进行整合:系统元数据与模型不
匹配,缺乏模型侧管控,生产数据库人为操作变更
结合模型工具和产品进行整合
缺失企业级的数据标准、码表及命名规范,缺少模型工具或
者模型工具与数据标准存在割裂,无法进行底层拉通
建立企业级数据标准、标准代码和模型工具,并和模型工具
结合实现模型侧在底层与数据标准拉通
产出价值
企业级数据标准
引入或完善企业级数据标准,确保口径统一,无二义性
建模工具
引入产品级建模工具,实现模型侧的全生命周期管理
通过模型工具,遵循企业模型设计规范,确保模型质量
通过模型工具,实现模型的快速迭代,提升DBA和运维人员的工作效率
数据标准与建模工具结合
通过上述数据标准和建模工具的引入,实现模型与标准的底层拉通,设计人员遵循模型规范,实现数据标准的落标
模型侧与元数据层面拉通,监控生产环境的模型变更,有效杜绝对生产环境数据库的不规范操作
完善元数据信息,通过有效的制度和规范,确保使用者遇到问题时,可以通过元数据相关信息快速定位,责任到人