关于金融:众安保险-CDP-平台借助-Apache-Doris-打破数据孤岛人群圈选提速4倍

导读:随着业务在金融、保险和商城畛域的一直扩大,众安保险建设 CDP 平台以提供自动化营销数据反对。晚期 CDP 平台依赖于 Spark + Impala + Hbase + Nebula 简单的技术组合,这不仅导致数据分析造成数据孤岛,还带来昂扬的治理及保护老本。为解决该问题,众安保险引入 Apache Doris,替换了晚期简单的技术组合,不仅升高了零碎的复杂性,突破了数据孤岛,更晋升了数据处理的效率。众安在线财产保险股份有限公司是中国首家互联网保险公司,由蚂蚁金服、中国安全和腾讯于 2013 年联结发动设立。众安专一于利用新技术重塑保险价值链,围绕衰弱、数字生存、生产金融、汽车四大生态,以科技服务新生代,为其提供个性化、定制化、智能化的新保险。业务和关联公司的业务包含:众安保险、众安医疗、众安小贷、众安科技、众安经纪、众安国内、众安银行等。截至 2023 年中,众安服务超过 5 亿用户,累计出具约 574 亿张保单。 然而,随着业务在金融、保险和商城畛域的一直扩大,众安保险面临用户数据管理的挑战。用户信息来源于公众号、小程序和 APP 等多个渠道,这些数据不仅碎片化,而且多样化。同时,经营渠道也涵盖了自营、联营和内部投放等多种路径,导致数据进一步扩散。这种数据孤岛景象使得众安保险难以造成残缺的用户交融体系,从而无奈实现对用户的精准辨认和实时营销。 CDP 建设指标及计划为了解决这一问题,众安保险建设了 CDP 平台。该平台的外围职责是整合所有用户数据,构建全面的用户标签和客群体系,并利用其弱小的数据分析能力为自动化营销提供数据反对。 CDP 平台的建设指标次要包含以下几点: 疾速数据集成: CDP 需反对集成常见的关系性数据库(如 MySQL、PG 等 )和数据仓库同(如 Hive、MaxCompute 等),同时还须要整合实时数据流(如 Kafka 等)。精准用户辨认:在简单的业务体系中,CDP 平台需可能灵便整合多种 ID 类型,造成对立的用户视图,为上游的实时营销场景提供撑持。灵便的用户标签和弱小的分群能力:这是 CDP 平台的外围建设指标,旨在提供全面、深度的用户洞察,精准满足用户需要。多维度实时剖析:反对对用户画像、用户旅程和营销成果的实时跟踪与回收。为优化营销策略和晋升用户参与度提供无力的反对。基于上述建设指标,众安保险目前已造成了残缺的 CDP 解决方案,该计划包含以下几个关键步骤: 全域数据采集:CDP 平台通过实时和离线数据采集形式,实现对全域数据的整合。利用 Flink 进行实时数据采集,同时建设离线数仓以整合多渠道数据,确保高质量的数据资产积淀。用户数据交融:通过 ID Mapping 技术,可将现有的用户数据进行交融,突破数据孤岛。行将用户手机、用户身份证、设施指纹、OpenID 等用户身份进行交融,造成对立的用户标识(OneID)。标签和客群治理:CDP 平台反对多维度标签的建设,蕴含用户属性、用户行为、业务交易状态等。同时,通过规定客群的圈选能力实力客群的精密划分。用户数据分析:基于丰盛的用户标签数据,CDP 平台提供用户画像洞察性能,反对实时成果评估和营销漏斗剖析。用户数据服务:CDP 平台提供多维度的数据接口服务能力,包含用户标签、客群、分层和实时事件等,赋能用户全链路智能营销。CDP 平台架构的演进历程在初步理解了 CDP 平台的建设初衷和解决方案之后,咱们将深刻开掘其演进历程,摸索它如何逐渐变质为众安保险对立、高效且不可或缺的外围基础设施。本文将重点分享 CDP 平台的建设过程及其在理论生产中的利用实际。 CDP 产品架构如上图所示。全域数据接入之后,这些数据就能够搭建用户数据中心、实时事件核心、客群画像以及营销流程。用户数据中心是客群画像的基石,并与客群画像、实时事件核心一起撑持营销流程的数据需要。数据服务层则包含用户数据服务、客群圈选、营销策略、实时事件、 AB 试验和实时成果剖析回收在内的全方位数据服务,满足各业务场景的数据需要。 ...

March 4, 2024 · 3 min · jiezi

关于金融:读书笔记一本书读懂支付读书笔记一

一. 交易1.1 什么是交易?依照历史趋势:贝壳替换 => 实体货币 => 数据化虚构货币(轻量化和虚拟化)。 一句话:等价交换行为。 1.2 交易定义买卖双方对有价值的物品与服务互通有无的行为。 要害:单方、有价值、互通有无、物品和服务1.3 交易流程现代:袖内拉手 和 袖内比价。 古代:某些交易场景下有业余的手势,比方交易所手心向内和手心向外代表买入和卖出。 具体步骤步骤:签约 => 认证 => 交付 => 记录 签约:交易条件统一。 认证:互验真伪。 交付:卖方物品服务托付买方。 记录:买方转账给卖方。 产生问题跨境交易失信问题欺骗换汇等一系列问题 二、领取2.1 什么是领取定义:付款人向收款人转移可承受的货币债务。 对应了交易流程的”交付“步骤。2.2 领取过程当面交付周期交付代理交付受权承诺 2.3 领取因素关键点:付款人、收款人、可承受的货币债务 付款人:买方。收款人:卖方。可承受的货币债务。 可承受的货币债务蕴含上面几个点: 领取工夫:合约规定工夫。领取货币:合约规定币种。领取金额:合约规定货币数量。领取形式:支票、电子转账等等多种形式。 2.4 领取复杂性身份认证:付款人不验明正身,无奈把资金交割给收款人。约定资金交割:跨境交易存在换汇和不同银行的交互问题。各国监管机构:关注反洗钱,反贪污,避免偷税漏税等。 2.5 易混同概念领取指令:领取机构依照消费者受权,向银行发动具体的指令。领取申请:消费者向商户领取款项。 三、交易与领取3.1 概念交易是领取的关键环节。 3.2 交易与领取的差别不存在有价值物品替换,不存在领取。以物换物。交易产生与领取这两者无间接关系。少部分交易不须要领取少部分领取无交易少数交易有领取比方: 敌人借钱和还钱(无交易的领取)捐款(无交易领取) 四、领取中的罕用概念4.1 应收账款会计科目,指的是因发售商品或者服务,进而对顾客产生的债务。从卖方角度看,应收账款是指卖方提供了买方须要的服务,卖方应该收到的买方款项。 4.2 保理金融术语:交易所产生的应收账款转让给保理机构治理,由保理机构实现金融服务。 保理服务商:次要提供资金融通,卖家资信评估,销售账户治理,信用风险担保,账款催收等一系列服务的综合金融服务形式。 4.3 收单收单须要先理解”单“的概念:单就是消费者实现交易之后的单据。 常见的收单形式: ATM 收单:多指持卡人在非开户行ATM取款。 如果是跨行取款,会波及银行和银行之间的清理,收取流动。POS 机收单:国外应用较多,POS机由银行提供,间接和收单机构间接部署到各个商铺。 产生双份收据,消费者方收据用于日后查问备用,商户收据则用于产生交易纠纷的时候找银行核算。网络收单:在线领取产生的收据。交易链:三方领取 -> 收单行 -> 卡组织 -> 公共/专用网络。 4.4 结算领取机构和商户约定结算周期费率,周期内领取申请总结性计算,结算会在汇总的过程中抽取手续费并且扣除。 4.5 备付金指的是预收待领取货币资金(通常为银行)。 比方咱们在支付宝微信的”余额“或者说账户余额就是备付金的概念。4.6 清理定义:对于不同的银行进行机构定期长短款割差过程。 ...

September 9, 2023 · 1 min · jiezi

关于金融:我在京东做研发丨混合多云第五课京东云JDStack金融级专有云为政企数字化加速

随着产业向深度数字化迈进近年来专有云需要一直增长平滑降级、一云多芯和便捷部署是行业关注的重点如何实现对立运维、多云治理做到高兼容性的专有云平台?本期,京东云专有云JDStack产品经理为你带来京东云JDStack的核心技术和实际利用案例 嘉宾介绍 王文艳 京东云专有云 JDStack 产品经理 参加过客户从传统IDC到虚拟化再到云化,不同阶段的IT建设,服务过政府、运营商、金融、制造业等不同类型客户。

April 26, 2023 · 1 min · jiezi

关于金融:文末领取精算与金融建模行业解决方案白皮书不要错过

一、我国精算行业现状精算学是对人类社会所面临的各种危险及其他主观事务进行量化剖析和解决的一门迷信。在保险、金融、投资和各类风险管理等许多畛域失去广泛应用,尤其在保险和社会保障畛域,已成为不可或缺的迷信和技术。以保险公司为例,精算在产品开发、承保、营销、出险、年度评估、再报安顿及投资等各业务流程都施展着重要作用。现在,越来越多的金融机构也开始尝试应用它联合金融建模技术来评估公司的财务状况危险。除了须要使用古代数学、统计学、金融学及法学等的科学技术外,精算师在数据建模中还常常应用 Excel 等数据管理软件。然而,应用成品软件的短板也很显著: 局部场景中 Excel 的效率并不高,比方版本控制面对大型简单模型计算需要无奈实现多经济情景的分布式计算需要实现艰难为了解决上述问题,葡萄城推出精算与金融行业解决方案白皮书,上面是白皮书局部内容概览,从目前业务难点、技术要点、解决方案和客户案例等几个局部具体为大家介绍葡萄城提供的行业解决方案。 二、技术要点常见的金融建模技术曾经从传统、简略的动态预测演变为更加简单的动静模仿技术,即确定性金融建模技术和随机金融建模技术。在这个过程中有一下四个外围关注的金融建模技术。 动态预测技术动态预测技术是依据一组假如,来预测公司的将来可能呈现的状况。例如,保险公司能够利用一组统一的假如,如资产、负债、经济情况以及其余一些重要变量,来预测公司将来五年的亏损。 敏感性测试敏感性测试又被称为敏感性剖析,其通过预测一些可能呈现的情景来扩大预测后果。精算师在进行剖析时有可能很难确定变量须要扭转的范畴;变量之间的相关性有可能被扰乱。 情景剖析和压力测试确定性情景剖析技术是在不同的将来情景下,预测公司财务状况的发展趋势。如果公司的财务状况在这极为常见的情景下依然是能够承受的,公司的危险个别假设也是能够接受的。 随机模仿随机模仿下变量情景的构建是利用变量的概率分布随机生成的,而确定性情景剖析的情景是预先确定的,而利用确定性技术所生成的变量的情景个别称之为确定性情景。 三、计量检定计划金融建模技术的两种发展趋势也同样影响了将来精算建模软件的倒退,咱们须要的精算建模软件须要提供动静的财务分析方法,在体现“随机性”、“动态性”思维的同时,还可能随机模仿不确定性环境下公司的资产、负债及将来的经营成绩,为高层管理者管制经营风险、制订战略决策提供根据。为了解决上述业务需要和技术要点,该解决方案有以下几个外围,充沛满足大家的业务需要: Excel的应用体验,海量模型一键应用表格组件齐全遵循了 Excel 的应用习惯,并兼容 Excel 的数据结构,在 Excel 软件中构建的各类金融模型能够间接导入由SpreadJS 和GcExcel 构建的精算建模软件中应用。 各类自定义API,大幅晋升效率两款组件均提供大量API 接口,用户可自依据须要定义各类快捷键和响应事件,在构建精算模型时能够更间接地创立预测工作,晋升精算建模软件对数据缺省值、趋势转变和大量异样值的鲁棒性。 适配大型简单模型与简单计算需要GcExcel 组件构建的专用精算软件在运算效率上要比 Excel 公式和VBA 非编译计算高很多,所以更适宜大型简单模型和多经济情景的分布式计算需要。下为解决方案局部展现内容: 以上就是葡萄城表格技术解决方案的次要内容。除了本解决方案外,咱们还筹备了海量资源。如果感兴趣,千万不要错过这些免费资源! 获取精算与建模场景解决方案白皮书 + demo,增加V“putaochengxzs”,回复“精算与建模”,获取白皮书和解决方案demo。

March 23, 2023 · 1 min · jiezi

关于金融:线上直播-未来金融研究所以应用为中心重塑金融研发效率

November 9, 2022 · 0 min · jiezi

关于金融:偏爱BI的他们率先实现业务品牌共进双赢

随同着技术、数据、信创、疫情冲击等多重因素驱动下, 金融业一直扩宽数字化的边界能力,由晚期的业务经营电子化,到治理流程信息化,再到这些年的客户交互挪动化,数字化正在一直继续扩大,并迈向经营治理全面数字化的新阶段。 01.数据是新的石油,新型BI成为金融业数据管理的金钥匙随着金融数字化转型一直进入深水区,在业务倒退过程中积攒了大量的数据,数据逐步成为撑持业务疾速倒退的重要燃料。“数据分析”简直成为每家金融机构的标配,如何让数据产生更大的价值,是业内都十分关注的问题。 据理解,绝大多数金融业在数字化转型过程中都会遇到数据与业务割裂的状况,当业务人员提出数据分析需要后,须要由技术人员进行剖析并将后果反馈给业务人员,这过程中容易呈现沟通门槛高、需要评审慢、反馈周期长、数据管理效率低等问题。 金融业对大数据的要求是准确率高、交付快、可能实时响应业务及内部的变动。传统的数据分析模式难以满足企业需要,多种因素交加,让技术门槛低、响应快等特点的一站式数据分析平台走入金融业视线中。 一站式数据分析平台是解决数据与业务割裂问题的杀手锏,以其技术低门槛、剖析性能智能等劣势,赋能业务人员基于业务了解,通过简略的利落拽自助式剖析,实时匹配数据分析需要,其部署周期短、效率高、麻利灵便及扩展性,能够满足业务人员轻松实现数字化翻新利用需要,让一线业务人员成为“数据分析”专家成为一种可能。 哪怕不懂技术的业务人员也能够随机依照理论业务场景疾速搭建数据建模,疾速跑通业务数据分析流程,过程中遇到任何变动都能够即时调整失效,对于业务人员来说,具备十分大的自由度。能够说,一站式数据分析平台成为金融业数据全面经营治理的一把金钥匙。 02.“业务+品牌”双轮驱动,激发高质量增长新势能思迈特软件从金融起家,是领有最多大型金融客户的国产BI厂商。家喻户晓,金融行业的客户在抉择工具的过程中十分“挑剔”,对产品各个方面的要求都很高,在思迈特软件专一服务金融客户过程中,通过满足头部客户的简单需要,一直锻炼产品的每个性能点,让产品厚度一直增厚。 产品性能的全面性、技术实现简略灵活性,让更多金融客户率先融入BI产品,通过BI赋能业务及品牌增长,获得了阶段性的数字化转型成绩,并且在思迈特软件的帮助下,凭借数字化转型实际我的项目摘得业内含金量高的奖项,充沛展现了数字化转型的当先形象,为晋升打造品牌实力和影响力添砖加瓦。 ▎重庆银行联结Smartbi建设全新智能数据分析平台,荣获“2022 IDC中国金融行业技术利用场景FinTech冲破奖” 重庆银行凭借“大数据智能剖析平台我的项目”,荣获“2022 IDC中国金融行业技术利用场景FinTech冲破奖”,该奖项具备极高的权威性和含金量,是国内金融机构科技硬实力的重要认证,本次获奖标记着重庆金融的科技创新能力取得国内权威机构认可。 重庆金融和Smartbi开展单干,建设全新智能数据分析平台,并推广至行内数字金融部、个金部、危险管理部、分支行等多个部门。通过大数据智能剖析平台的建设后,既能进步业务人员获取数据的能力,又缩短均匀数据拜访时长,进步工作效率;不仅为科技部节俭大量对其提供根本数据服务的工夫,同时在增强数据管控的根底上晋升数据服务能力,实现数据分析的全面利用和推广。 ▎英大人寿联结Smartbi打造“数据之家”自助剖析平台,荣获“IDC金融行业利用场景翻新冲破奖” 英大人寿携手Smartbi搭建的“数据之家”自助剖析平台在71家金融机构提交的150个案例怀才不遇,荣获“2021年IDC金融行业利用场景翻新冲破奖”,为金融数字化转型做出了翻新示范。 为了解决传统“业务提需要,IT做需要”的模式存在沟通效率低下、响应时效慢等问题。英大人寿基于Smartbi建设全公司凋谢共享的“数据之家”自助剖析平台。通过数据导航、自助剖析、利用商店、数据答疑和共性门户等性能把所有的数据都在平台上平安凋谢进去,并提供各种简略易用的剖析工具,让所有须要数据的业务部门和人员,自助地去获取和剖析数据,让技术部门把无限的贵重的人力资源,投入到数据加工整合、平台的经营保护上。 ▎福建邮储凭借“技术搭台、业务唱戏”的数据分析利用模式,荣膺《金融保险报》的优良案例奖!图片 近年来,福建邮储每年数据申请单的数量都在300单以上,占全省申请总单量的40%左右,在数据管理上存在短少全局数据观、业务人员难以了解简单的底层数据结构、数据处理简单效率低等问题。 福建邮储基于Smartbi打造一体化的数据化经营解决方案,通过建设信用卡业务数据集市、定制业务剖析主题、建设自助剖析平台、对接营销治理平台,胜利让每月的数据申请单缩小80%,充分发挥数据潜能,全面赋能业务倒退。 福建邮储也凭借该数字化我的项目荣膺《金融保险报》的优良案例奖,「中国金融保险报是中国银保监会旗下的组织机构,是中国最大、最权威的垂直媒体」,这标记着福建邮储在在深耕数字金融应用领域获得新的成绩,失去了权威机构的高度认可。 多年来,思迈特软件秉承客户至上的理念,聚焦帮忙客户实现数据价值,从产品技术、服务、品牌等多维度赋能客户胜利。 通过十余年的研发迭代,思迈特软件的一站式大数据分析平台,从产品的易用性、好看性、安全性和智能性等方面为客户赋能,从渠道生态、用户生态和信创生态多个模块为客户提供更全面、更优质的产品和服务。 而在品牌方面,思迈特软件精心策划「赋能客户品牌胜利」专项流动,帮忙客户在行业内建立数字化转型当先形象,目前曾经为英大人寿、重庆金融、福建邮储、南京银行、成都银行等胜利赋能品牌胜利,受到了客户的高度认可和信赖。 依据 Gartner 的说法, 约 90% 的企业策略将在 2022 年之前将信息视为一项要害的企业资产。除此之外,他们还将思考剖析作为一项根本能力。在当今不确定的时代,为帮忙企业晋升御寒能力,思迈特软件将全力以赴致力于BI商业智能助力金融开掘数据价值、驱动业务及品牌营销增长,全面推动数字化转型过程。

September 18, 2022 · 1 min · jiezi

关于金融:弹性云端新算力驱动沉浸新交互-|2022阿里云金融创新峰会

金融企业数字化是企业进行业务继续降级、打造外围竞争力的必经之路,这曾经成为绝大部分金融企业的共识。公共云作为云化的基础设施和利用平台,为金融企业数字化提供了弱小的根底。 同时,随着商业环境的竞争加剧、新型的交互方式诞生,金融行业的 IT 零碎也在不断进步。2022 年 8 月 25-26 日,阿里云举办了金融翻新峰会,与金融行业的各位先行者一起探讨将来的 IT 新范式与交互新模式。 阿里云弹性计算团队作为算力底座、底层硬核技术的代表缺席进行了分享;并在展区跟合作伙伴一起展现了基于阿里云云 XR 平台部署的沉迷式利用。 金融行业数字化面临的四大挑战从云技术层面来看,金融行业以后数字化面临四大新的挑战: 1.数据的平安解决:数据是外围资产,包含交易数据、用户数据、监控、日志等是业务翻新的根底。随着数据的规模越来越大,须要更弱小的数据处理能力,能力让企业从数据中取得业务洞察,驱动智能的治理和决策;同时,须要更平安的数据处理环境,保障资产平安合规。 2.IT 零碎的平滑降级:金融企业数字化要跟现有的 IT 零碎有机地联合起来,而不可能是简略地重整旗鼓。这就须要云服务具备灵便部署的能力,包含部署到客户的数据中心内,满足企业对于数据合规、网络时延等要求。 3.办公的平安高效:员工是外围竞争力,是业务翻新的原动力。金融企业须要更高效、更平安的云上办公平台,把办公零碎和生产零碎一样部署在云上,从而实现企业数字化的残缺闭环。 4.交互模式的转变:随着数字化加深,金融机构跟其用户的交互方式也产生了转变。比方银行、券商原来次要通过线下柜台服务用户,到现在的线上图文、视频交互等。这些都须要丰盛生态的反对。金融企业要依靠云计算实现更疾速、灵便、高效的数字化,也须要其所应用的各种企业软件实现云化,具备快捷部署、高效运维的能力。 安全可靠高性能的算力:倚天 x 神龙 阿里巴巴研究员、阿里云弹性计算 &无影产品线负责人 张献涛 阿里巴巴研究员、阿里云弹性计算 &无影产品线负责人张献涛介绍,在针对金融客户数据快速增长带来的挑战,阿里云新一代云服务器 ECS 依靠于新一代的 CIPU 技术和第四代神龙架构,在计算、网络、存储、平安各个方面都做了跨越式的降级,整体算力晋升 40%、网络带宽将全面降级到 2* 100Gb,云盘最大 IOPS 300 万,让金融企业可能从容应对量化交易等各种数据密集型的场景。 同时,阿里云自研第四代神龙架构实现了业界首个云上大规模 RDMA 减速技术,网络 PPS 达到 5000 万、网络延时最低 5 微秒,再次刷新了业界最高程度。基于当先的根底性能,第四代神龙将为数据库、AI、大数据等常见利用,带来性能的进一步晋升。 在神龙架构的加持下,阿里云全新一代搭载倚天 710 芯片的企业级实例 g8m 正在邀测。倚天 710 芯片针对云场景的高并发、高性能和高能效需要而设计,性能超过业界标杆 20%,能效比晋升 50%以上;在 AI 推理、音视频直播点播等计算密集型场景,g8m 实例的性价比将大幅超过业界程度。 目前,阿里云是业内首个云服务器 ECS 同时装备可信计算与加密计算的云厂商,联合阿里云原生平安能力,提供全方位的平安平面防护,满足金融客户在平安可信方面的需要。 无处不在的算力:随需部署金融企业上云趋势越来越显著,但金融企业对集群的部署往往有着特定需要。除金融云外,咱们也减少了“金融专属区域”产品状态。在金融云中,为金融企业提供满足客户冀望、监管要求的独占集群,与其余集群进行隔离,实现在可控区域应用计算、存储、数据库等公共云产品。同时通过一云多芯等策略满足用户多样化的需要。 现在,为了满足用户丰盛的部署需要,阿里云曾经造成了公共云的多状态,包含本地 Region、专属 Region、现场计算节点“云盒”等,让算力无处不在。 ...

August 31, 2022 · 1 min · jiezi

关于金融:连续五年跻身银行家全球前-300-强的重庆银行成功斩获-IDC-荣誉

寰球 IT 畛域驰名的第三方独立钻研机构 IDC 主办的「2022 IDC 中国数字金融论坛暨颁奖典礼」于 8 月 18 日在京举行,重庆银行「大数据智能剖析平台我的项目」荣获「2022 IDC 中国金融行业技术利用场景 FinTech 冲破奖」。 「2022 IDC 中国金融行业技术利用场景 FinTech 冲破奖」评比是该论坛峰会的压轴大戏,评比对象会集了年度国内顶级金融机构。IDC 中国根据科技翻新、我的项目效益、业务价值、行业影响等规范,对提名的金融科技案例进行了初选、公众网络评比、IDC 专家和行业专家评比,所评奖项具备极高的权威性和含金量,是国内金融机构科技硬实力的重要认证,本次获奖标记着重庆银行的科技创新能力取得国内权威机构认可。 重庆银行是第一家在港交所定向增发的边疆上市城商行,间断五年跻身《银行家》寰球前 300 强,在 2022 年寰球银行品牌 500 强榜单中位列 212 位,在国内城商行中处于领先水平。在智慧银行的改革过程中,重庆银行保持以打造数字化、智慧化银行为外围,将人工智能为首的新兴科技与本身业务深度交融并疾速落地,成为了城商行中数字化转型的榜样。 近年来,随着行内业务的一直扩大和数字化过程的继续推动,重庆银行的数据量呈爆炸式增长,数据复杂度也呈指数级回升。基于此,重庆银行构建了大数据平台,实现了大量简单数据的汇总。但因为历史数据量较大,业务关联数据表较多,业务人员查问数据时零碎反应时间较长。因而,这消耗了大量的治理资源,工作反复且低效,其实时性、准确性、全面性都存在局限,不能充沛地体现企业整体经营的现实状况。 同时,数据安全也是一个日益重要的问题,依据平安治理的要求,业务人员应用数据分析必须在办公网虚构桌面里拜访。原有的申请及审批流程比较复杂,业务人员在应用数据分析前,须要开明虚构桌面等多个网络账号,申请数据账号后,在波及到新增数据表权限时,须要再次申请及审批,导致数据分析的应用及推广过程中被业务人员所诟病。 总的来说,如何可能更好地让业务部门应用数据,让数据驱动驱动业务经营治理,成为了重庆银行在实现数字化的路线上必须面对的问题。 一、重庆银行和 Smartbi 开展单干,建设全新智能数据分析平台为解决上述问题,重庆银行抉择与思迈特软件开展单干,建设全新的智能数据分析平台。 依靠于 Smartbi 一站式大数据分析平台,思迈特软件为重庆银行提供了一套残缺的解决方案,在深度了解重庆银行业务流程及架构的根底上,帮忙银行实现「数尽其用,人尽其才」的经营指标。 首先,思迈特软件为重庆银行智能数据分析平台提供了元数据管理工具,便于数据分析人员查看与管理系统内的元数据信息,包含已接入的数据表、字段、参数、多维模型、查问、报表、仪表盘等信息,为后续数据分析奠定了松软的根底。 其次,重庆银行在智能数据分析平台上减少了剖析工具集,包含根本的固定格局报表、Office 剖析报告等描述性剖析工具,即席查问、透视剖析、自助仪表盘、EXCEL 交融剖析等诊断性剖析工具,以及数据挖掘等预测性剖析工具。在各类工具中,自助仪表盘、EXCEL 交融剖析和数据挖掘最具代表性。 针对数据安全问题,思迈特软件帮忙重庆银行实现了权限管制体系的搭建和数据脱敏性能的欠缺。一方面,搭建了权限管控体系,该体系反对按用户、用户组、角色进行治理,反对多级用户管理体系,同时可能对权限申请流程进行记录留痕,管理人员可在平台上管制不同部门或不同地区(IP)的用户性能权限、数据拜访权限、资源拜访权限,实现数据操作可追溯。 另一方面,重庆银行还通过欠缺脱敏规定配置、脱敏预览等数据脱敏性能,保证数据可提供可控的预览及下放。 二、通过智能数据分析平台建设,重庆银行实现多重成果及业务价值重庆银行基于原有大数据平台,借助 Smartbi 构建了智能数据分析平台,并推广至行内数字银行部、个金部、危险管理部、分支行等多个部门。通过大数据智能剖析平台的建设后,既能进步业务人员获取数据的能力,又缩短均匀数据拜访时长,进步工作效率;不仅为科技部节俭大量对其提供根本数据服务的工夫,同时在增强数据管控的根底上晋升数据服务能力,实现数据分析的全面利用和推广。 以前科技部门每个月解决的数据申请单大概在 600 张左右,当初降落到 350 张左右,能让大部分技术人员转身投入到更简单的需要解决中;以前一张申请单从提出到实现须要 7 天的工夫,现在业务人员可自行处理,即便从提需要到实现实现,也仅需 2 天工夫。 通过界面化、流程化的权限管控,实现多级在线受权性能,通过对数据权限的流程治理,简化数据受权流程,晋升数据权限申请的效率。通过加密、脱敏等形式晋升数据应用的安全性,切实保障数据分析安全性、易用性的要求。 客户心声:我的项目负责人谈到,“大部分银行积极探索数字化转型的最佳策略,咱们心愿能够借助产品实现数据全生命周期的管控,还能满足咱们对于多元化数据可视化展现的需要。在这时,咱们看到 Smartbi 产品在业内曾经积淀了大量在不同业务场景下银行数据化经营的实践经验,其产品的稳定性在业内具备的良好口碑。通过多方评估后,咱们认为思迈特软件的产品更加合乎咱们的要求。” 近年来,重庆银行大力开展科技翻新钻研,用心打磨金融科技的核心技术,踊跃寻求技术升级,以推动全行业务高质量倒退。将来,重庆银行将与 Smartbi 进行更深刻、更全面的单干,独特摸索金融科技翻新与金融数字化转型之道,为寰球的金融数字化转型做出翻新示范。 ...

August 26, 2022 · 1 min · jiezi

关于金融:思迈特软件蝉联IDC中国Fintech-50强金融科技实力再获认可

2022 年8月18日,由IDC主办的“2022 IDC中国数字金融论坛”圆满闭幕,论坛揭晓了“2022 IDC中国FinTech 50榜单”。并为“中国金融行业技术利用场景翻新案例奖”获奖企业进行颁奖。 IDC(International Data Corporation)是国内上极具公信力和影响力的第三方钻研机构,其始终亲密关注寰球金融行业倒退态势,聚焦于金融行业的前沿技术利用翻新和业务场景翻新,为110多个国家的技术和行业倒退基于提供全球化、区域化和本地化的业余剖析视角与服务。其发动的“2022 IDC 中国 FinTech 50”榜单是业内最具权威和参考价值的国际性评比之一。 思迈特软件凭借雄厚的技术实力以及多年来在金融行业的亮眼体现,再次登榜“IDC 中国FinTech 50”,成为两度蝉联此殊荣的企业。与此同时,思迈特软件还凭借大数据智能剖析平台我的项目,助力重庆银行摘得“2022 IDC中国金融行业技术利用场景FinTech冲破奖”。 科技倒退,引领着人类社会的每一次重大改革和提高。在金融业倒退历程中,信息技术始终是推动金融翻新甚至改革的重要力量。而金融业继续的信息化过程也在驱动信息技术的提高,两者相辅相成、互利共生。 近年来,随着数字化转型的日渐深刻推动。数据作为转型基石和引擎,在金融业利用的场景及施展出越来越重要的价值。通过对数据进行无效的治理和利用,加深金融企业对市场的洞察,推动业务翻新,晋升客户体验,实现疾速而精准的数字化决策。 思迈特软件作为国内当先的一站式大数据分析平台服务商,长期专一于数据中发现价值,数据赋能业务。通过一个平台,连贯数据与业务,实现多业务数据整合,整合数据赋能业务,以此满足客户的数字化转型须要。从数据资产化、数据业务化、数据服务化、数据产品化四个方面实现金融企业数字化转型降级,施展数据因素乘数效应。 同时,思迈特软件始终在加强数据管理、数据挖掘建模和自然语言剖析上加大投入力度,推动AI+BI交融技术在企业获客增收、危险防控、产品翻新、生态共建等场景的利用,让数据成为驱动金融企业数字化转型的能源。 立足于技术创新的倒退内核,目前,Smartbi已取得4000+家头部企业客户认可,其中700+家为金融行业客户。凭借在银行、证券、基金、期货、保险等金融细分畛域的市场劣势,思迈特软件未然成为中国金融BI的领跑者。 以银行业为例,世界财产500强的国内银行,思迈特软件笼罩80%,6大行笼罩4家,并深度服务中国银行、交通银行、民生银行、重庆银行、招商银行等多家客户,打造行业标杆效应。 回溯过来几年,思迈特软件先后取得荣登“中国电子银行网-数据翻新智能奖”、“数字生态-金融科技领军企业奖”和“2021 IDC中国FinTech 50强”等诸多金融行业榜单,在综合实力、产品品牌等方面均取得了市场的宽泛认可。 往年,Smartbi再度入围IDC Fintech50强榜单,也验证了其雄厚的技术实力以及卓越的金融畛域的服务教训。将来,思迈特软件将继续深耕金融科技领域,在产品和技术上一直精进,助力金融机构盘活数据资产,进一步晋升危险管控能力。

August 25, 2022 · 1 min · jiezi

关于金融:音视频AI中关村科金助力某银行探索发展新路径-案例研究

某银行是某市属国有重点企业,成立以来保持服务中央经济、服务小微企业、服务城乡居民,全力推动高质量倒退,营业网点笼罩该市所有区县。近年来,该行保持以金融数字化转型,不断创新产品及服务模式、拓展服务渠道来更好的服务客户,助力银行晋升服务质量与覆盖度。 01 服务撑持有余,某银行急需寻求展业新门路 随着全行数字化的逐渐深刻,加之监管收紧与疫情影响,在进行客户服务的过程中,该行在服务半径、经营效率以及合规风控三方面均产生了新的需要。 一是服务半径亟待扩充。随着该行批发策略进入减速发展期,批发贷款规模占比逐渐增大,依附原有的纯物理网点,服务触角难以无死角延展至各地区,用户需要难以疾速失去满足。而依附电话客服提供金融服务,银行无奈满足用户所有需要,服务半径仍受限制。因而,该行踊跃寻求伎俩,实现线下业务向线上的转移,从而延长服务触角、扩充服务半径。 二是服务效率须要晋升。传统线下业务办理模式下,用户需亲自返回柜台,“见面”老本高。同时,受制于网点坐席数量、坐席工作工夫、所处环境等,客户在业务高峰期等非凡状况下等待时间长,整体业务解决效率较低。而通过APP、小程序、H5等线上渠道办理业务,因为线上各渠道的后盾撑持仍以人工为主,依旧会呈现服务效率低、人力老本高的状况,制约了银行业务规模化倒退。因而,该行急需以数字化智能化工具,晋升服务与展业效率、升高经营老本。 三是数智化合规、风控成为刚需。近年来,银保监会对客户服务过程中监督逐渐收紧,要求银行标准销售行为、实现业务留痕与可回溯,这对该行的合规风控提出了新的要求。因而,借助数字化工具、对展业流程节点进行质检和留痕,以保障全流程平安合规,是该行的重要需要。 02 音视频技术叠加AI能力,构筑视频展业新模式 为满足上述线上线下服务与展业需要,该银行决定构建一套笼罩多场景的AI视频银行,并于2020年开展了全面的评估与筛选。最终,北京中关村科金技术有限公司(以下简称“中关村科金”)凭借本身残缺的音视频服务产品体系、大量金融场景中的智能音视频利用实践经验以及过硬的AI自研技术能力,成为了该行的单干对象,助力该行构建线上线下交融的数字化视频经营新模式。 中关村科金立于2014年,是国内当先的人工智能科金公司,总部位于北京,在上海、重庆、深圳、成都等地设有分支机构。中关村科金通过自主研发的人工智能、大数据、实时音视频三大核心技术,助力企业疾速晋升数字化能力,已服务超过500家行业头部企业,领有泛行业数字化教训。目前已累计申请受理228项自然语言解析、机器视觉、语音辨认专利,取得223项软著及CMMI5国内认证,研发实力弱小。其中人脸识别、声纹识别等人工智能前沿技术当先行业,屡获国内大奖。截至目前,中关村科金已取得IDG资本、光大控股、中金资本、方源资本等出名投资机构共计约35亿元策略投资。 图1:得助·AI视频银行服务全景图 基于对该行业务特点和倒退需要的深度把握,依靠该行对业务流程与话术的梳理,中关村科金粗浅剖析了业务复杂度、重要度及扩展性等因素,向该行输入了一套残缺的定制化解决方案。基于中关村科金弱小的技术积攒和丰盛的行业教训,该银行面向多场景搭建了一套互动视频展业平台,并在底层部署了一套音视频业务中台,以撑持该行多渠道、多终端应用需要;同时,构建了“数字云柜员”,以晋升服务效率;另外,银行在全流程中接入AI音视频质检,保障合规质效、进步危险防控程度。 音视频技术撑持视频展业,拓展服务半径 针对服务半径有余的问题, 该行搭建了一套笼罩多场景的互动视频展业平台。该平台将高可用、高平安的底层音视频能力嵌入其中,帮忙银行实现了客户信息保护等根本业务,对公开户、近程尽调等对公业务,理财危险测评、视频面签等批发业务,贷款初审、贷款面签、贷后治理等信贷业务场景的线上化智能化。 此外,为撑持银行其余线上线下视频业务需要,该行搭建了音视频业务中台。首先,该行实现了包含银行柜台PC设施、APP、小程序、H5等在内的全渠道、全终端接入。其次,该行在剖析本身数字化现状的根底上,将RTC实时音视频、OCR、人脸识别、声纹识别、活体检测等前沿科技交融并规范化、标准化、系统化,构建了音视频业务中台,并将音视频业务中台与银行业务订单关联起来,买通了后盾数据链路,造成了流程治理、话术治理、智能排队、订单治理、权限治理等规范模块。将业务流程与渠道解耦,该银行可能疾速满足视频银行的个性化需要,提供强力撑持。 依靠数字人构建“数字云柜员”,晋升服务效率 图2:该行视频银行服务体系 针对服务效率不高的问题,该行在构建视频银行的根底上,通过数字人技术,构建了“数字云柜员”。该“数字云柜员”可能为客户提供7*24小时自助式的银行服务,如自助理财、自助面签等,可能加强服务与展业的灵活性、在缩短服务工夫的同时,晋升服务效率,加强经营能力。同时,该“数字云柜员”被赋予“看、说、听、了解、判断”能力,可能全面模仿人工客服,为客户提供智能查看、智能解说、智能凝听、智能判断服务,从而驱动业务办理,实现大业务量反对。 AI算法驱动下实现全时实时质检,保障平安合规 针对合规风控的需要,中关村科金为该行构建了多模态身份核验能力、AI音视频质检能力。多模态生物核检反对动作、读数等多种活体检测形式,基于服务端弱小的AI算法能力,可能为该行提供更为精准的辨认、更深度的防伪与反欺诈能力。AI音视频质检能力则由OCR、人脸识别、人脸比对、人脸在框检测、表情辨认、活体检测、签字动作辨认、防翻拍、语音合成、背景反欺诈等AI算法驱动,可能在该行展业全流程各节点进行实时音视频质检,更高效地保障服务全流程平安合规。此外,该行还构建了双录能力,并将其落地于理财、投保等业务中,以满足可回溯的监管要求。 03 晋升服务半径、服务效率,银行实现服务质效跃升 通过近程视频银行的建设,该银行逐渐实现了线下业务向线上的转移,拓展了多种业务场景下服务半径,在保障平安合规的同时,极大地晋升了服务及展业效率,助力全行降本增效,并减速推动了全行数字化转型。 实现全时服务,拓展服务半径。视频银行的建设,冲破了地区限度,通过高效笼罩各地市/县(区)/乡镇客户,使得任何客户都可通过智能柜台、手机银行、微信等任意渠道发动视频申请,在任何工夫、任何地点享受便捷自主的银行服务,真正延长了服务与展业触角、拓展了服务半径。 晋升服务效率,优化服务体验。一是借助视频银行,该行可能升高业务办理等待时间“见面”老本,线上业务办理率晋升了约150%-200%,服务及展业效率显著晋升,如对公开户流程仅需半小时即可实现,极大地升高了经营老本,加强了客户体验,客户满意度晋升了90%。二是通过视频银行+数字人的模式,该行既可能7*24小时全时段服务与展业,又能无效节约人工,升高人力老本,而在某些场景下,如在需借贷人、担保人等多角色参加的信贷业务场景中,通过人机合作,该行能将流程标准化,展业效率失去了晋升。 借助实时质检,保障平安合规。首先,借助视频银行,该行齐全满足了银保监会要求。其次,基于多模态生物核检技术、ASR语音辨认、NLP用意判断等AI能力以及电子签名技术,该行实现了视频服务全时段实时质检,既高效缩小了违规操作危险、晋升了反欺诈能力,又升高了人工质检压力,升高了银行人力老本约60%。另外,全流程同步录音录像,实现了展业交易过程的主动留痕与可回溯,缩小了合规隐患,投诉率升高了70%。

August 10, 2022 · 1 min · jiezi

关于金融:银行数据资产转换能力弱思迈特软件助力解决银行困境

一、数据是银行的重要资产咱们晓得BI普及率与其业务收益正相干,遍及度越高,其业务收益越高,尤其是银行行业更加须要数据化经营。银行业金融机构各种用户数据、业务数据十分宏大,是数据驱动的典型类型,与其余行业相比天生就具备数字化转型的劣势。而通过进步数据分析治理利用能力、开掘数据潜在价值,盘活数据资产变现能力,放慢转型步调,助力深入银行改革,实现数字化转型,从而加强市场竞争力。 二、银行数据利用现状和愿景银行目前都构建了ODS,数据仓库,大数据平台,较好的银行实现了数据生态圈。有的银行还针对业务具体需要,构建专门业务集市。在良好的数据平台根底为什么资产转换能力弱?次要是因为数据分析工具弱,数据查问及剖析老本高,智能利用欠缺、我的项目化定制低等起因。  因而金融银行行业须要一套疾速数据分析平台,让业务能便捷的查问剖析数据,进步数据分析效率,开掘数据价值,实现数据到资产转化。 三、思迈特软件助力解决银行窘境为了解决以上银行数据资产利用的窘境,思迈特软件为银行提供对立数据展示剖析平台。1、对立数据展示平台工具化水平高,适配性强,数据展示快,节约开发工夫 集成性高,通用性强,适应业务面广的交融性展示剖析平台;系统集成快,反对多系统集成,实现数据门户,为多元化我的项目提供良好的配制性能。利用性能点多。数据采集补录、图表展示、自助剖析、交互仪表盘、数据挖掘、挪动展示、数据脱敏、利用分享、指标治理等;2、晋升数据利用,疾速帮助银行数字化转型 疾速的数据展示与剖析,能晋升银行数据利用效力,晋升数据资产利用价值,帮助银行数字化转型;提供数据模型实现各业务部门自助化剖析,加重银行开发技术难度,晋升业务自助化剖析强力,这种形式失去十分多的同业借鉴,失去宽泛的推广。3、自助化性能强,业务适应性好 反对传统固定报表、各类图形展示、数据上钻下钻、EXCEL透视性能、全数据线上剖析等,适应业务性能多。反对Office业务报告性能,自助化造成业务报告,疾速实现业务报汇。提供自助剖析平台,实现数据自在摸索、交互剖析,自助化高,多维展示及剖析灵活性高。4、利用门槛低,易学易用 在EXCEL上即可实现业务报表、摸索剖析,不必花什么学习老本。 反对多数据源联结查问与剖析,反对离线规定在线应用,适应银行业务场景多。通过指标治理平台,让数据更加清晰化,业务口径明确化,数据利用更便捷化。用流式形式,实现数据挖掘,升高数据挖掘门槛,使数据资产价值最大化。

July 29, 2022 · 1 min · jiezi

关于金融:为什么BI这么好金融同行都在争先恐后地要上BI

近年来,金融行业仿佛掀起了BI热,三五好友团聚总是能听到“金融BI”这词,大家探讨起来也是滔滔不绝,那到底什么是金融BI?金融BI为什么这么好呢? 家喻户晓,继续变动的监管改革、日趋成熟的新兴技术、悄悄转变的客户行为、不断涌现的新竞争者,正在冲击着金融银行业,如何降低成本与提高效率,如何利用数据晋升竞争力,未然是金融行业重复纠结的痛点问题。BI商业智能作为进步企业智能化的伎俩和工具,既能够满足金融企业倒退的须要,而且也可进步金融企业的竞争力。 以前约敌人(某银行的李经理)吃饭,总是囿于报表之间,没空寒暄。也总是听其余金融敌人埋怨,做个报表切实是太麻烦了!每份报表都得先告知IT部门,由IT负责创立。简简单单的报表都要期待少则一周,多则一个月!各大竞争对手新陈代谢,他们这边的决策还在等报表作根据。咱们也了解金融部门海量的数据分析和报表申请,即便是具备娴熟技能的人员忙很久……更重要的是,IT部门的工作可不只是给业务部门创立报表,还有各种活都等着解决,慢,有啥方法? 大家面临的问题,其实都是金融行业的通病,各类业务零碎的陆续上线,产生了源源不断的数据。想要用好这些数据,BI是一种无效的解决方案。因而争先恐后利用BI工具做数据分析晋升效率,让数据内容出现更加疾速和更为直观展示。 同时,金融BI能够从「IT主导的报表模式」向「业务主导的自助剖析模式」转变,业务人员能够疾速、独立实现剖析工作。有了金融BI,海量数据能够直观地进行交互式剖析和可视化展示,一般业务用户不再须要求助IT人员,即可通过BI工具简略直观的操作从任何数据中取得见解,通过数据分析和开掘重新认识业务世界的实质,继续取得竞争劣势,为业务决策提供根据,顺利完成数字化转型指标。 就像咱们公司最近就上线了Smartbi一站式大数据分析平台,用户界面简略易用,也宽泛能反对各种数据源,能够直观地进行交互式剖析和可视化展示,咱们公司的基层员工根本都能够操作,更重要的是,他们真正了解了咱们要做数据分析背地蕴含的商业起因!

July 7, 2022 · 1 min · jiezi

关于金融:知名金融数字化服务提供商南天信息加入龙蜥社区

近日,云南南天电子信息产业股份有限公司(以下简称“南天信息”)签订了CLA(Contributor License Agreement,贡献者许可协定),正式退出龙蜥社区(OpenAnolis)。 南天信息是国内出名的金融行业数字化综合解决方案和服务供应商之一,也是国内多数同时集软件、硬件、集成服务的开发、生产、服务于一体的 IT 业余厂商,其深耕行业信息化建设三十余年,以“金融科技”和“数字化服务”为业务主线,积攒了丰盛的技术教训和我的项目最佳实际,加大外在翻新和研发投入,将 5G、云计算、大数据、人工智能、区块链等技术充沛利用于业务解决、渠道建设、人机交互、剖析决策等要害畛域实现科技赋能,为客户提供贯通其 IT 建设全生命周期的“一站式”数字化服务。 南天信息生态合作伙伴部副总经理华晓梅示意:“龙蜥社区打造了一个开源操作系统翻新与凋敝倒退的平台。将来,南天信息将与龙蜥社区生态合作伙伴携手,在产品零碎兼容性适配、解决方案交融、服务能力晋升、市场推广等方面开展多维度的单干,凝聚多方力量,推动开源技术成为金融科技倒退的强劲引擎。” 龙蜥社区理事龚文示意:"欢送南天信息退出,在数字经济时代,南天信息保持凋谢、单干、共赢的倒退理念与龙蜥社区高度一致!将来,借助南天信息丰盛的解决方案以及技术和我的项目施行教训,置信龙蜥社区的倒退会方兴未艾。" 截至目前,已有 200+ 家企业签订 CLA 协定退出龙蜥社区,包含平安厂商格尔软件、海泰方圆,数据库厂商南大通用、巨杉数据库,中间件厂商西方通、中创中间件、宝兰德等,欢送更多企业退出。 龙腾打算可参看:“龙腾打算”启动!邀请 500 家企业退出,与龙蜥社区一起拥抱有限生态。—— 完 ——

May 11, 2022 · 1 min · jiezi

关于金融:外汇业务知识整理与分享

FXSWAPC(人民币):FOREIGN EXCHANGE SWAP CHINA/外汇掉期 概念:CFETS:交易单方约定一前一后两个不同的交割日、方向相同的两次本外币替换,在前一次货币替换中,一方用外汇依照约定汇率从另一方换入人民币,在后一次货币替换中,该方再用人民币依照另一约定汇率从另一方换回币种雷同的等额外汇;反之亦可。其中交割日在前的交易称为交易近端,交割日在后的交易称为交易远端工行:工行与客户签订人民币与外币掉期合约,同时约定两笔金额统一、交易方向相同,交割日期不同、交割汇率不同的人民币对同一外币的交易交易,并在两笔交易的交割日依照掉期合约约定的币种、金额、汇率办理的结汇或售汇业务,包含即期对远期和远期对远期的掉期交易。 案例:1.工行某客户为进口加工型企业,在2017年6月需领取5000万美元购买机器设备,同时预计其在2019年1月有一笔约5000万美元的进口支出。该企业过后人民币资金较富余而美元资金紧张,为解决本身美元支出、收入的工夫匹配问题,该客户于2017年6月与工行叙做了一笔人民币外汇掉期交易。交易方向为客户在近端换入5000万美元,同时在到期日2017年12月换出5000万美元。合约规定,依据即期汇率6.78,客户在近端为换入美元需领取人民币33900万元;另外,依据过后12个月掉期报价1100BP,客户可在到期日换回人民币(6.7800+0.1100)×50,000,000=34450万元。假如客户未与工行叙做此掉期交易,而采纳交易日即期购汇、到期日即期结汇的形式实现其治理美元头寸的需要,若到期日当天的美元兑人民币汇率为6.51,客户5000万美元结汇失去人民币325,500,000元。因而,该笔掉期交易在满足了客户本身本外币头寸调剂需要的根底上,为其发明了34450-32550=1900万元的汇兑收益。 指数: 剖析: FXSWAPF(外币) :FOREIGN EXCHANGE SWAP FOREIGN 与人民币外汇掉期一样,只是两币替换中不蕴含人民币 FXFWD:FOREIGN EXCHANGE FORWARD/外汇远期 概念:CFETS:人民币外汇远期交易(以下简称“远期交易”)指交易单方以约定的外汇币种、金额、汇率,在约定的将来某一日期交割的外汇对人民币的交易。 案例:已知某离岸客户次要进口对象是在美国,结算货币为美元,鉴于美元稳定幅度较大,这对客户经营状况造成影响较大。假如客户3个月后有一笔1亿美元收款,为了固定该笔汇率老本,客户能够通过叙做3个月的远期外汇交易,依照3个月远期汇率6.8,这样就把汇率老本锁定了。 指数:远期汇率由远期外汇交易合约中规定 剖析: FXOPTION:FOREIGN EXCHANGE OPTION/外汇期权 概念:CFETS:在将来某一交易日以约定汇率交易肯定数量外汇资产的权力。期权买方以领取期权费的形式领有权力;期权卖方收取期权费, 并在买方抉择行权时履行义务(一般欧式期权)。工行:外汇期权,是指客户在期初向工行领取肯定费用后取得的一项权力,即客户有权在将来约定的日期依照客户与工行当时约定的交割汇率和金额从工行买进或卖出指定的外币,同时客户也有权不执行上述交易合约 期权品种(按期权模式形式分):欧式期权:是指期权买入方必须在期权到期日当天能力行使选择权的期权。美式期权:是指期权买入方能够在成交后有效期内任何一天行使选择权的期权。百慕大期权:是指能够在期权到期日前所规定的某些日期行使选择权的期权。 案例:案例1:看涨期权业务背景:某企业客户持有100万美元,须要在一个月后用日元领取进口货款。客户需要:客户心愿躲避日元贬值危险,锁定财务老本。且客户违心为汇率的锁定而抉择在起初领取肯定费用。解决方案:该客户向工行购买一个美元兑日元、期限为一个月、本金为100万美元的欧式期权。假如约定的汇率为1美元兑换94日元,该公司有权在未来期权到期时,以1美元兑换94日元向工行购买约定数额的日元,如果在期权到期时,市场即期汇率为1美元兑换100日元,该公司可不执行期权,因为此时按市场上即期汇率购买日元更为无利。相同,如果在期权到期时,即期汇率为1美元兑换90日元,该公司则可决定行使期权,要求工行以1美元兑换94日元的汇率将日元卖给他们,客户每1美元可多取得4日元,升高购汇老本。案例2:看跌期权业务背景:某企业客户持有100万欧元,须要在一个月后用美元领取进口货款。客户需要:客户心愿躲避欧元升值危险,锁定财务老本。且客户违心为汇率的锁定而抉择在起初领取肯定费用。解决方案:该客户向工行购买一个欧元兑美元、期限为一个月,本金为100万欧元的欧式期权。假如约定的汇率为1欧元兑换1.3400美元,那么该公司则有权在未来期权到期时,以1欧元兑换1.3400美元向工行发售约定数额的欧元。如果在期权到期时,市场即期汇率为1欧元兑换1.3450美元,该公司可不执行期权,因为此时按市场上即期汇率发售欧元更为无利。相同,如果在期权到期时,即期汇率为1欧元兑换1.3350美元,那么该公司则可决定行使期权,要求工行以1欧元兑换1.3400美元的汇率收买100万欧元,这样,客户每1欧元可多取得0.0050美元,取得更高收益。 指数:期权费 剖析: 作者:点墨版权:本文版权归作者所有转载:欢送转载,但未经作者批准,必须保留此段申明;必须在文章中给出原文连贯;否则必究法律责任

October 29, 2021 · 1 min · jiezi

关于金融:定了银行零售信贷风控就这么干

随着数字化减速落地,银行越来越频繁的在线上开展业务,批发信贷已成为银行数字化转型的重要抓手。然而数字化带来效率晋升的同时,也对银行的平安防护能力提出了更高要求。5月26日、28日,由腾讯平安、金科翻新社、腾梭科技联结举办的2021银行智慧批发研讨会,在上海和北京两座我国金融业最为密集的城市间断召开。研讨会上海专场汇聚了浦东改革与倒退研究院金融研究室主任刘斌、中国金融学会金融科技业余委员会秘书长兼副主任委员杨竑、腾讯平安副总裁黎巍、腾梭科技CEO胡亮、腾讯平安金融风控研发总监李超等行业首领和技术专家。北京专场邀请到中国人民银行金融信息化研究所副所长习辉、国家金融与倒退实验室副主任/上海金融与倒退实验室主任曾刚、腾讯平安业务平安总监王翔、腾梭科技CEO胡亮、腾讯平安金融风控研发总监李超等嘉宾参加。在研讨会上,泛滥主管部门领导、银行业大咖和来自腾讯的金融风控专家等独特围绕商业银行数字化转型趋势、批发信贷风控难题等行业热点话题开展深刻探讨。研讨会还以济宁银行、吉林农信银行基于腾讯云天御-星云批发信贷中台开辟线上信贷业务的实际案例为样本,分析了批发信贷数字化转型的破局之道,给行业以启迪和方向指引。针对银行批发信贷的风控需要,腾讯云天御基于20余年的平安攻防实战经验联结腾梭科技打造了腾讯云天御-星云批发信贷中台。星云批发信贷中台能够无效撑持银行等金融机构线上线下的信贷业务发展,通过分布式、集群部署架构,支持系统并发能力伸缩。此外,星云平台能够灵便反对多类资产、产品和渠道的接入,具备齐备的批发信贷业务经营治理、剖析能力。迄今为止,星云平台曾经服务了数十家银行机构、500万用户,守护信贷资金过千亿。 杨竑 | 银行批发信贷数字化转型平安是压舱石中国金融学会金融科技业余委员会秘书长兼副主任委员杨竑示意,金融行业的一大特点在于对数据安全和信息爱护有着严格的监管要求,数据安全应该成为银行数字化转型过程中分外关注的侧重点。在国家相干政策和法律的指引下,数据资源确权、凋谢、流通、存储等的相干制度不断完善,银行也须要建设相应的平安屏障来晋升要害数据资源的爱护能力。 目前行业次要以平台的形式来实现金融数据的互通共享,构建行业生态。在这种倒退模式下,光靠金融机构来做数据安全爱护是远远不够的,必须平台上的所有参与者都做好平安防护。平台的劣势是能够输入替换数据,但如何定义平安边界,划分所有参与者的平安责任,是十分大的挑战。 黎巍 | 金融行业是平安的“刚需行业”,平安服务商要深刻到客户理论业务中对于金融行业平安的重要性,腾讯副总裁黎巍谈到,金融行业是国家经济的命根子,撑持着我国经济持重行驶。随着数字化转型深刻、科技高速迭代、产业数字化升维,金融行业作为平安刚需行业,其业务稳固是经济社会安稳运行的最重要保障。后疫情时代寰球简单的经济局势,进一步放大了银行数字化转型面临的平安危险。为应答挑战,平安服务商的解决方案须要比以往更加重视行业个性和区域个性,服务也要更加深刻到客户的理论业务中去。他强调,平安的外围是预判,是否精确把握平安态势并及时作出调整和防备,是全行业面临的独特挑战。 胡亮 | 银行数字化进入高稳定性和疾速变动矛盾期,需强化中台的连接能力针对银行数字化转型过程中的平安挑战,腾梭科技CEO胡亮提出了构建强中台的解决思路。他指出,银行数字化转型面临的最大矛盾点在于:一方面银行零碎须要有很高的稳定性,以确保尽可能平安;一方面客户的需要又在疾速变动,心愿服务每一天都是新的。强中台既能连接客户需要的变动,又能屏蔽变动对后端基础设施的冲击。银行构建强中台须要把握三个大的准则:一是要联合本身的客群属性和业务重点,建设贴合本行理论的强中台;二是要遵循互联网技术经营的思路,先做减法再做加法,不谋求大而全;三是继续迭代优化,不谋求毕其功于一役。 李超 | 获客、风控一体化,腾讯平安星云为银行数字化转型平安护航腾讯平安金融风控研发总监李超介绍,星云平台不仅能够为客户提供一套欠缺的风控软件和丰盛的AI能力,还领有大量行业专家帮忙银行布局顶层业务,设计全套的风控体系。他谈到,腾讯平安在与银行的单干中察看到三重共性挑战:一是新兴互联网业务数字驱动经营文化与传统信贷业务决策机制的交融;二是数据安全治理与老本治理间的均衡,三是技术治理与交融能力的挑战。而这三重挑战的本源都能够归为内部市场疾速变动和银行外在持重经营间的矛盾。 曾刚 | 银行业务向线上迁徙,将带来风控模式的变革国家金融与倒退实验室副主任、上海金融与倒退实验室主任曾刚分析,银行数字化转型有五大重点:一是企业文化的变革,由传统银行自上而下式的文化,转向以客户为核心疾速迭代的数字经济文化;二是技术架构的降级,银行既须要面对疾速变动的竞争,又要适应旧有客户的需要,亟需摸索出新的倒退策略和治理模式;三是数字化能力的建设,尤其是最底层的数据利用和剖析能力;四是数字化风控,随着银行业务越来越多向线上迁徙,风控模式将产生巨大变化;五是对公的数字化场景建设。 王翔 | 平安是银行数字化的“底盘”,是其安稳行驶的前提腾讯平安业务平安总监王翔用路和汽车比喻新基建和产业互联网之间的关系。他说,如果把新基建比作“路”,把产业互联网比作“汽车”,那么平安就是这辆汽车的底盘,是保障“汽车”平安、安稳行驶的前提。对于金融行业,平安的重要价值更是无可替代,“六稳六保”等金融监管政策均体现了这一点。腾讯平安基于二十余年的平安攻防实践经验,继续为金融机构提供稳固、牢靠的平安服务能力,迄今曾经服务了数千家金融机构、几百家银行,金融风控产品线已笼罩大多数头部和腰部金融机构。

May 31, 2021 · 1 min · jiezi

关于金融:腾讯安全发布信贷风控成果已助力银行放款超千亿

三分钟放款,是种什么体验?从ATM、网上银行自助式服务到挪动领取、互联网金融,金融科技的深入利用与遍及,使得越来越多的金融机构减速拥抱信贷数字化转型。随着实物抵押向“动动手指”就能贷到款的转变,一个兼具广域获客和高效风控的数字化信贷计划成为各金融机构独特的诉求。自2018年以来,腾讯平安不断深入金融业务场景,推出打造了一套卓有成效的批发信贷数字化解决方案——腾讯平安星云批发信贷中台,为银行批发信贷获客、风控、经营、治理等全流程业务场景提供了高效、平安的数字化助力。当获客与风控成为信贷数字化的两大关键词,腾讯平安是如何依靠腾讯“星云”助力金融行业补齐技术短板?包含中国银行、华夏银行等在内的信贷数字化领跑者,又是基于什么抉择了腾讯“星云”?在助力构筑高效、平安的数字化信贷新体系过程中,腾讯“星云”又获得了哪些成绩?

May 31, 2021 · 1 min · jiezi

关于金融:Smartbi大数据是如何改变金融业的面孔的

现在的金融行业市场正产生着天翻地覆的变动。银行之间的竞争也日益强烈,利率市场化曾经成为了趋势。面对着“金融脱媒”的压力,同时也为了可能在市场中持续立足,商业银行也只有利用强化营销、管制日增的危险,才可保障利润的增长和可继续倒退。通过施行数据仓库零碎,商业银行能够实现账户、客户和交易数据的集中和对立、实现以客户为核心的市场化营销、改善营销伎俩和效率、降低成本,同时又能够巩固并晋升客户的忠诚度和满意度。 商业智能是商业银行应答市场竞争的抉择,银行BI利用它贴近行业的非凡抉择,同时满足了商业银行倒退的须要。商业智能的利用越来越宽泛,它既能够满足个别企业的客户关系治理、人力资源管理、绩效治理等,在其余行业也能失去初步的利用,特地是金融行业。 当初金融行业的业务和大数据技术的相结合,不仅推动了行业的降级,还让金融行业会实体的服务大大增强,促成了金融行业的倒退,然而在这之中,大数据应用的最为的频繁也是最为成熟的。 与其余一些惯例的业务剖析比照的话,大数据的开发能够让业务在进行决策的时候有着更佳的可控性,能够让咱们在定制一些打算的时候更佳的正当,在一些金融业务中,咱们能够通过数据的信息,和一些客户的行为等在互联网下来进行交互,晋升用户的体验升高咱们的老本。 当初,咱们来具体看看国内BI工具思迈特软件Smartbi在金融业当中的具体利用案例吧——Smartbi银行BI利用。 一、银行BI利用我的项目建设背景 在该银行中,各个剖析零碎独立扩散,是典型的“烟囱式”架构。次要的问题体现在以下几个方面: 乱:曾经有多个不同的剖析零碎,这些零碎间并不互通,剖析成绩不能互相跳转。 杂:不同剖析零碎之间格调不对立,难以集成,须要进行屡次登录操作。 慢:剖析周期慢,从需要到实现,广泛须要一周甚至更多的工夫。 废:数据整体的利用率不高,也没有和内部数据造成关联剖析。 为了解决以上问题,该银行决定启动“数据利用门户”我的项目建设,心愿实现数据的对立解决、用户的对立治理和登录界面的对立格调,打造一个笼罩多用户层级的、灵便自在的、可扩大的、撑持全行各畛域的数据查问、数据分析、数据共享的一站式数据工作平台。此外,还心愿推动全行各层级用户参加数据分析和使用,在全行范畴内营造自主的数据利用气氛和文化,流传数据利用价值。 二、金融我的项目BI建设过程 Smartbi在该金融我的项目的BI建设中,采纳了三步走的施行步骤,即搭框架、深利用、促转型。 搭框架 搭框架指构建对立的数据门户,整合行内现有的剖析零碎,实现门户与行内的数据、用户的集成,用户能初步进入门户进行数据查看。 深利用 深利用指在数据门户上整合更多高级剖析性能,如自助剖析、数据挖掘、常识图谱、人工智能等,晋升行内对于数据的利用程度,间接带来剖析价值。 促转型 促转型则是一个长期的过程,它指在整个门户的经营过程中,配合一些激励的措施,充分调动全行人员的积极性,造成数据分析的气氛与文化,最终达至数字化转型。 三、总体性能架构 总体性能架构包含四局部: 门户首页:作为全行数据利用的流量入口,通过首页可拜访所有数据相干的子利用。 零碎撑持:对立子利用零碎与门户的深度交融,所有引入零碎的数据,均须要验证数据符合规范前方可导入零碎,防止造成平台已有数据的凌乱。 系统管理:要求依据权限的设置状况,对系统用户屏蔽不具备操作权限的菜单、功能键。 利用零碎:蕴含自助剖析、治理驾驶舱、报表平台、数据管控零碎等利用。 四、技术实现亮点 该银行的数据利用门户基于Smartbi一站式数据分析平台进行建设,在技术实现上有以下亮点: 异构数据轻松集成 将行内扩散、异构的信息资源进行集成,对立信息入口,用户依据角色权限按需进行拜访、传递、以及合作化等操作,给用户带来了全新的交互式体验。 疾速响应海量数据 分布式计算架构,单节点状况下反对多线程,规模可达PB级,高性能的数据处理能力,轻松应答银行海量数据。 对立数据利用门户 通过对立的门户首页,快速访问各个数据利用零碎,为银行领导和业务人员的决策提供数据反对。对用户权限进行对立管控,实现总行、分行、业务条线级别的数据权限隔离,保障银行级别的数据安全性。 业务人员自助剖析 采纳自助ETL和自助剖析工具,业务人员能够自主实现数据分析,突破以往业务部门投入大量人力进行手工统计的低效动作,也不必破费大量工夫期待技术部门提供反对,切实进步数据分析效率。 五、我的项目BI建设功效 我的项目上线后,日均在线应用人数600左右。我的项目以门户首页作为全行数据相干利用的流量入口,扮演着“想到数据,就想到门户”的重要角色,“关上门户首页看一眼数据”成为用户每天的日常。 辅助领导经营决策 该我的项目将银行外部各个数据利用零碎进行无效整合,提供治理驾驶舱、自助剖析、报表、内部数据查问等数据服务,辅助银行领导经营决策。 开释技术人员压力 业务人员不再须要技术部门反对,就可能轻松应答各类数据分析,开释了技术人员的工作压力,让技术人员能够转型成为数据分析专家。 助力银行数字化转型 无效实现了全行范畴内数字化剖析、数字化营销和数字化危险管制,激发了各层级人员对于数据的认知、剖析和利用,晋升了行内数据资产价值,促成业务倒退、危险管制和外部治理,无效推动全行数字化转型。 通过以上案例咱们能够看到,尽管银行BI利用中存在各样各样的痛点,然而只有突破“烟囱式”架构,建设对立的数据利用平台,这些痛点都能够迎刃而解。同时,通过改善用户利用数据体验,通过简略易用的自助剖析工具,加上相应的激励措施,还能够进步全行员工进行数据分析的积极性,做到治本又治标,使BI利用在银行外部失去进一步的遍及和倒退。

April 26, 2021 · 1 min · jiezi

关于金融:流量经济新观察之银行篇数字化转型四十载

麦肯锡报告指出,数字化时代用户消费行为和业务状态一直变迁,如果银行不踊跃应答的话,到 2025 年,五大批发业务(生产金融、按揭贷款、中小企业贷款、批发领取、财产治理)中 10%-40%的支出将面临威逼,20%-60%的利润将隐没。 01 银行数字化转型演变在数字化转型之前,银行先后经验了电子化与信息化两个阶段。上个世纪70年代,我国才开始将IT技术利用于银行建设,而在这个阶段,基本上都绕不开两个标志性事件: 1.1 引进IBM System 3601978年,我国迎来改革开放的历史新期间。在央行的推动下,IBM System/360零碎开始引进国内。作为寰球第一款指令集可兼容的计算机系列,被宽泛的利用于商业以及迷信畛域。它为银⾏的信息化提供了强⼤⽽稳固的零碎⽀撑,被视为银行信息化基石。 1.2 数据大集中1999年9月,工商银行「9991 数据大集中工程」正式立项。随后,农、中、建、交等国有银行也放慢推动全国性数据集中的我的项目建设。至此,中国银行业数据迎来真正意义上的大集中,突破半个世纪以来,银行之间信息数据传递须要逐级上传报数的困境。并为中国银行业起初在信息化上的实际与翻新,以及流量经济的腾飞,奠定了良好的根底。 02 网上银行崛起当银行实现业务的集中处理,利用互联网技术与环境,踊跃翻新金融产品,开辟网上金融服务的时候,也预示着一个新的时代的到来。 随着电子商务的倒退,流量开始向线上汇集,银行线上领取业务成为电商业务的外围环节。国内银行纷纷推出网上支付零碎,网上银行逐渐衰亡: 1996年,中国银行在互联网上建设和公布了官方主页,成为我国第一家在互联网上公布信息的银行;1997年,招商银行在国内首开网上银行先河,并推出了企业银行、集体银行、网上证券、网上实时领取等性能;1999年,工商银行、建设银行、交通银行、光大银行以及农业银行等也陆续推出网上银行业务;2001年,中国银行建设了独立的CA认证核心, 成为了国内第一家对海内提供数字电子认证服务的机构;2002年,建设银行总行成立电子银行部,对立网上银行「e路通」品牌后,进一步扩充网上银行业务性能;2003年,支付宝上线,为其提供网上支付接口的,正是工商银行。 截止至2008年,网上银行业务的交易规模TOP3: 建设银行,77.64万亿元工商银行,68.07万亿元招商银行,11.43亿万元网上银行阶段的流量之争,出现三足鼎立之势,其中招商银行的「一网通」、工商银行的「金融@家」以及建设银行的「e路通」积攒了大量高质量客户群,为行将到来的手机银行APP流量争夺战,抢占先机。 03 卡片经营转向APP经营网上银行极大地晋升了金融服务的体验,代替了大量的柜台服务,然而对电脑终端的依赖依然存在。而随着挪动互联网时代的到来,这种依赖面临挑战,一场围绕手机银行APP的流量争夺战行将退场。 3.1 手机银行作为网上银行的延长,中国手机银行的倒退历史能够追溯到20年前。其中,在性能机期间,手机银行根本连续了网上银行的业务模式,线上流量也并未呈现较大的迁徙稳定: 2000年,中国银行与中国移动签订协定,在全国试点推广手机银行业务,成为里程碑事件;2004年,建设银行牵手联通,基于中国联通CDMA1X网络及BREW技术推出手机银行业务;2005年,交通银行推出了国内首款基于WAP的手机银行;2009年,工商银行推出全国范畴内首个3G版的手机银行。 2011年,中国迎来智能手机元年。过后,我国手机用户已冲破9亿大关,其中超过3亿的用户应用手机上网业务,开明手机银行的用户超7000万。进入智能机时代,银行APP也被赋予了更多的性能,流量争夺战正式开启: 2010年10月,招商银行推出收费的招商银行iPhone客户端,新增「CMB STORE」开放性场景,并尝试通过「99元秒杀iPad」、「千元油卡1元秒杀」等营销流动,拉新促活; 2012年4月,工商银行正式推出了苹果电脑版集体网上银行,成为国内首家实现了对苹果全系列产品的零碎和服务反对的银行;2015年,建设银行推出手机「快贷」产品,在同业独创从申请到支用的全流程线上贷款服务;2017年, 安全银行整合原有数个APP推出「口袋银行4.0」,手机 APP用户数量猛增了一倍以上;2018年,招商银行首次提出以MAU作为「北极星」指标,并在年底实现了「全面无卡化革新」,由「卡时代」向「APP时代」转型。截至到 2018年6月末,大型国有银行在智能机期间已积攒起数量宏大的手机银行用户。其中,工商银行、建设银行均已冲破两亿,别离为 2.97、2.87亿户。 同期,全国性股份制银行旗下的手机银行业务,同样放弃着强劲的增长势头。其中,招商银行、 光大银行、浦发银行、兴业银行、民生银行、中信银行和安全银行的手机银行用户数量别离达到了,6528 万户、4078 万户、3049 万户、2189 万户、3079 万户、3056 万户和 5154 万户,同比增速均在 30% 以上。 3.2 流量和平通过长达十余年的打磨,我国手机银行在2014年后,进入高速发展期,此时各大银行的手机银行APP已成为批发银行竞争的主战场。 2014年10月,蚂蚁金服上线,2015年央视春晚,微信领取凭借微信红包逆袭,科技巨头纷纷退出战场。与此同时,第三方领取公司、电信运营商以及P2P平台也先后退出战局,以网络购物、便当领取、供应链金融等为切入点,一直向银行畛域浸透,挑战银行金融中介的位置,流量和平正式走向白热化。 于是咱们看到,各大银行纷纷加大投入,减速市场扩张。其中,四大行对金融科技投入力度最大,建行、工行投入信息科技研发的金额别离为176亿元、163亿元,别离占该团体或该行营业支出的2.50%、2.20%。而从投入金额占总收入的比重看,招商银行对金融科技的投入力度最大,是惟一投入信息科技金额占比超过3%(达3.72%)的银行。 而就金融科技及人员投入来看,次要是各家正在搭建外围零碎以及APP等智慧批发外围,每月沉闷用户数(MAU)是银行转向线上化经营的外围。综合各家银行科技投入状况,手机银行APP是金融科技投入的重要「进口」。 3.3 烧钱下的思考依据零壹智库2020年Q3手机银行APP沉闷用户TOP 30榜单来看,工行与建行超过150亿的投入,让其在手机银行APP处于第一梯队。行业流量集中于6家国有大行与招商银行、安全银行这2家全国性股份制银行手中。 作为银行数字化转型的主战场,手机银行APP可能很好的将金融产品和服务融入到生存场景中,并以线下网点服务作为补充,实现获客、活客、留客、变现、反馈的生态闭环,也是各家银行必争之地。 但以后,更多的状况则是,各家纷纷减速布局手机银行APP,但大多偏差于网上银行的迁徙,甚至不少中小银行仅将其作为网点、智能柜员机等渠道的补充。在投入大量人力、财力以及资源的状况下,接连呈现投入产出比重大不对等的经营现状。 对此,银行业内人士示意真实情况更为残暴。以利用市场银行APP下载量为例,国内某些银行花重金打造的银行手机APP,最初却遭逢下载量仅有几千的难堪场面。究其原因,问题次要还是出在三个层面上: 流量,重大的两极分化国有大行占据超过半数的流量,而大部分中小银行则要面对上千个银行数万个APP的竞争;存量,啃网点老本大多数银行流量起源,依然是动员网点的地推、客户经理,举荐用户下载。而这种形式,只是将存量用户迁徙至线上,并没有新增;增量,投入产出重大失衡绝对于互联网企业,银行曾经习惯传统线下模式,在线上流量抢夺中,方法不多。而获客和经营上,照搬互联网企业模式,投入大量人力、财力以及资源后,成果往往个别,如果遭逢歹意机器流量攻打,只有赔本赚吆喝的份。 ...

April 15, 2021 · 1 min · jiezi

关于金融:干货丨如何使用DolphinDB回放加密货币盘口与逐笔交易数据

对加密货币盘口与逐笔交易数据的回放展现,可帮忙量化钻研人员测验量化策略,也有助于交易员复盘,加深对市场的洞察。DolphinDB可实现盘口和逐笔交易数据的高速回放,以及对回放后果逐点查问。 DolphinDB database反对将多个分布式表同步回放并公布到流数据表,例如对盘口和交易这两个表进行同步回放。前端JavaScript应用DolphinDB Web API来轮询回放输入的流数据表,实现盘口和交易数据的可视化回放。DolphinDB自带Web服务器,整个流程可在DolphinDB内实现,无内部依赖。 加密货币盘口与逐笔交易数据回放可通过以下4个步骤来实现。用户亦可应用docker疾速体验回放性能,具体请参考文末介绍。 部署DolphinDB节点到官网下载DolphinDB最新版本,并部署集群。部署教程请参考单服务器集群部署教程。 下载盘口和逐笔交易数据本文应用的是火币研究院提供的加密货币交易数据,能够通过火币数据API获取。获取数据的示例代码能够参考python示例代码或java示例代码。 导入数据到DolphinDB本文将获取的orderBook的tick级数据保留为csv文件,通过loadTextEx函数疾速地将文件导入到数据库。用户也能够通过Python API或Java API将数据导入到DolphinDB中。以下代码在DolphinDB GUI中执行。 (1)数据预处理 如果保留的csv文件中第一行是无关信息,能够采纳上面脚本进行数据预处理,解决好的文件保留到某个目录,本案例将两个文件别离保留到/hdd/data/orderBook-processed和/hdd/data/tick-processes目录。如果csv文件第一行没有无关信息,可疏忽这一步骤。 //删除数据文件第一行无关信息def dataPreProcess(DIR){ if(!exists(DIR+ "-processed/")) mkdir(DIR+ "-processed/") fileList = exec filename from files(DIR) where isDir = false, filename like "%.csv" for(filename in fileList){ f = file(DIR + "/" + filename) y = f.readLines(1000000).removeHead!(1) saveText(y, DIR+ "-processed/" + filename) }}dataPreProcess("/hdd/data/orderBook")dataPreProcess("/hdd/data/tick")(2)创立DolphinDB数据库 依据数据量以及查问字段,数据库可依照交易标的代码和业务工夫进行组合分区。本案例中,数据库的名称为dfs://huobiDB。如果须要批改,必须同时批改replay.html中数据库的名称。 def createDB(){ if(existsDatabase("dfs://huobiDB")) dropDatabase("dfs://huobiDB") //依照数据集的时间跨度,请自行调整VALUE分区日期范畴 db1 = database(, VALUE, 2018.09.01..2018.09.30) db2 = database(, HASH, [SYMBOL,20]) db = database("dfs://huobiDB", COMPO, [db1,db2])}def createTick(){ tick = table(100:0, `aggregate_ID`server_time`price`amount`buy_or_sell`first_trade_ID`last_trade_ID`product , [INT,TIMESTAMP,DOUBLE,DOUBLE,CHAR,INT,INT,SYMBOL]) db = database("dfs://huobiDB") return db.createPartitionedTable(tick, `tick, `server_time`product)}def createOrderBook(){ orderData = table(100:0, `lastUpdateId`server_time`buy_1_price`buy_2_price`buy_3_price`buy_4_price`buy_5_price`buy_6_price`buy_7_price`buy_8_price`buy_9_price`buy_10_price`buy_11_price`buy_12_price`buy_13_price`buy_14_price`buy_15_price`buy_16_price`buy_17_price`buy_18_price`buy_19_price`buy_20_price`sell_1_price`sell_2_price`sell_3_price`sell_4_price`sell_5_price`sell_6_price`sell_7_price`sell_8_price`sell_9_price`sell_10_price`sell_11_price`sell_12_price`sell_13_price`sell_14_price`sell_15_price`sell_16_price`sell_17_price`sell_18_price`sell_19_price`sell_20_price`buy_1_amount`buy_2_amount`buy_3_amount`buy_4_amount`buy_5_amount`buy_6_amount`buy_7_amount`buy_8_amount`buy_9_amount`buy_10_amount`buy_11_amount`buy_12_amount`buy_13_amount`buy_14_amount`buy_15_amount`buy_16_amount`buy_17_amount`buy_18_amount`buy_19_amount`buy_20_amount`sell_1_amount`sell_2_amount`sell_3_amount`sell_4_amount`sell_5_amount`sell_6_amount`sell_7_amount`sell_8_amount`sell_9_amount`sell_10_amount`sell_11_amount`sell_12_amount`sell_13_amount`sell_14_amount`sell_15_amount`sell_16_amount`sell_17_amount`sell_18_amount`sell_19_amount`sell_20_amount`product,[INT,TIMESTAMP,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,DOUBLE,SYMBOL]) db = database("dfs://huobiDB") return db.createPartitionedTable(orderData, `orderBook, `server_time`product)} (3)将文本数据导入数据库 ...

February 5, 2021 · 2 min · jiezi

关于金融:干货丨DolphinDB高频数据处理技巧数据透视的应用

行列转换(pivot)是一个常见的整顿数据的需要,又称为转置或者透视。 高频数据通常以下图的格局保留:每一行为一个股票在某个时刻的信息。 咱们进行数据处理时,思考到后续的向量化操作,有时会心愿数据或者两头后果将原始数据转置,即每行代表不同的时刻,而每列代表一只股票。在DolphinDB中可通过pivot by语句对原始数据或分组聚合后果进行行列转置。若与向量化操作搭配应用,在高频数据处理和计算中,行列转换不仅可简化策略代码,还能进步代码效率。具体请看上面的两个例子。 计算股票收益的两两相关性在配对交易(pair trading)及危险对冲(hedging)时,常常须要计算给定一篮子股票之间的两两相关性。这种简单的计算在传统的数据库中无奈执行,而应用个别的统计软件不仅须要数据迁徙,还须要繁琐的代码。上面咱们应用DolphinDB来计算股票收益的两两相关性。 首先,载入美股股票高频交易数据库: quotes = loadTable("dfs://TAQ", "quotes")接下来,抉择2009年8月4日中500只报价变动最频繁的股票: dateValue=2009.08.04num=500syms = (exec count(*) from quotes where date = dateValue, time between 09:30:00 : 15:59:59, 0<bid, bid<ofr, ofr<bid*1.1 group by Symbol order by count desc).Symbol[0:num]上面咱们利用pivot by将高频数据降维成为分钟级数据,并且扭转原始数据的构造,生成一个分钟级股票价格矩阵:每一列是一只股票;每一行是一分钟。 priceMatrix = exec avg(bid + ofr)/2.0 as price from quotes where date = dateValue, Symbol in syms, 0<bid, bid<ofr, ofr<bid*1.1, time between 09:30:00 : 15:59:59 pivot by time.minute() as minute, SymbolDolphinDB的语言非常灵活。在这里,pivot by不仅将数据转换为透视表,同时也能够搭配聚合函数应用,具备"group by"的性能。 ...

February 4, 2021 · 1 min · jiezi

关于金融:干货丨DolphinDB高频数据处理技巧非等间隔的时间序列处理

高频工夫序列的解决中,常常会用到滑动,偏移,聚合,转置,关联等操作。譬如说我想对一个某指标列用过来一个小时的数据的均值来做平滑解决,又或者想找到每一个时刻,该指标一个小时前的相应的指标值。如果序列中每个指标的距离是相等的而且两头没有缺失数据,譬如说0.5s,3s,那么咱们能够把工夫窗口转化成固定记录条数的窗口,基本上罕用的数据分析软件语言都能够实现滑动窗口函数性能。如果条件不能满足,就变成了比较复杂的非等距离的工夫序列解决问题。 假如有一组这样的数据: time val------ ---12:31m 1 12:33m 2 12:34m 3 12:35m 4 12:37m 5 12:40m 6 12:41m 7 12:42m 8 12:43m 9 12:45m 10 咱们在每一个工夫点上,须要计算过来5分钟内val的均值。因为每条数据的工夫距离不相等,咱们不能确定工夫窗口的数据条数。因而,咱们须要将数据逐条与工夫窗口的边界比照,找到工夫窗口中的数据,再计算avg(val)。 这一类问题,DolphinDB和kdb均提供了window join,能够不便地实现这一工作。DolphinDB的实现脚本如下: t=table(12:31m 12:33m 12:34m 12:35m 12:37m 12:40m 12:41m 12:42m 12:43m 12:45m as time,1..10 as val)wj(t,t,-5:-1,<avg(val)>,`time)time val avg_val------ --- -------12:31m 1 12:33m 2 1 12:34m 3 1.5 12:35m 4 2 12:37m 5 3 12:40m 6 4.5 12:41m 7 5.5 12:42m 8 6 12:43m 9 7 12:45m 10 7.5 window join须要提供左右表、工夫窗口、聚合函数和连贯列。左表用于指定产生计算的工夫点,右表是原始数据。-5:-1是工夫窗口,示意以后时刻的前5分钟。如果工夫窗口的高低边界都为负数,如1:5,示意以后时刻的后5分钟。如果工夫窗口的边界为0,如-5:0或0:5,示意以后时刻也蕴含在工夫窗口内。如果工夫窗口的高低边界是一正一负,如-5:5,示意过来5分钟到将来5分钟,以后时刻也蕴含在窗口中。 ...

February 3, 2021 · 2 min · jiezi

关于金融:干货丨DolphinDB高频数据处理技巧非等间隔的时间序列处理

高频工夫序列的解决中,常常会用到滑动,偏移,聚合,转置,关联等操作。譬如说我想对一个某指标列用过来一个小时的数据的均值来做平滑解决,又或者想找到每一个时刻,该指标一个小时前的相应的指标值。如果序列中每个指标的距离是相等的而且两头没有缺失数据,譬如说0.5s,3s,那么咱们能够把工夫窗口转化成固定记录条数的窗口,基本上罕用的数据分析软件语言都能够实现滑动窗口函数性能。如果条件不能满足,就变成了比较复杂的非等距离的工夫序列解决问题。 假如有一组这样的数据: time val------ ---12:31m 1 12:33m 2 12:34m 3 12:35m 4 12:37m 5 12:40m 6 12:41m 7 12:42m 8 12:43m 9 12:45m 10 咱们在每一个工夫点上,须要计算过来5分钟内val的均值。因为每条数据的工夫距离不相等,咱们不能确定工夫窗口的数据条数。因而,咱们须要将数据逐条与工夫窗口的边界比照,找到工夫窗口中的数据,再计算avg(val)。 这一类问题,DolphinDB和kdb均提供了window join,能够不便地实现这一工作。DolphinDB的实现脚本如下: t=table(12:31m 12:33m 12:34m 12:35m 12:37m 12:40m 12:41m 12:42m 12:43m 12:45m as time,1..10 as val)wj(t,t,-5:-1,<avg(val)>,`time)time val avg_val------ --- -------12:31m 1 12:33m 2 1 12:34m 3 1.5 12:35m 4 2 12:37m 5 3 12:40m 6 4.5 12:41m 7 5.5 12:42m 8 6 12:43m 9 7 12:45m 10 7.5 window join须要提供左右表、工夫窗口、聚合函数和连贯列。左表用于指定产生计算的工夫点,右表是原始数据。-5:-1是工夫窗口,示意以后时刻的前5分钟。如果工夫窗口的高低边界都为负数,如1:5,示意以后时刻的后5分钟。如果工夫窗口的边界为0,如-5:0或0:5,示意以后时刻也蕴含在工夫窗口内。如果工夫窗口的高低边界是一正一负,如-5:5,示意过来5分钟到将来5分钟,以后时刻也蕴含在窗口中。 ...

February 2, 2021 · 2 min · jiezi

关于金融:干货丨DolphinDB高频数据处理技巧如何将高频信号转化成离散的买卖信号

高频交易中,咱们通常首先基于tick级的报价信息和交易信息来生成信号量,而后将这些信号量转化成离散的交易信号,譬如说 1 (买入), 0 (不变), -1(卖出),接着依据资金和已有头寸以及其余优化规定来生成订单发送到交易系统。本文要探讨第二个步骤,即如何将信号量转化成离散的交易信号,也就是把一个浮点数类型的数组signal转化成一个取值为1,0或-1的整型数组direction。 如果转化规定简略,譬如超过某一个阈值t1为+1 (买入信号),低于某一个阈值t2为-1(卖出信号),其余状况为0,那么实现起来也很简略。譬如在DolphinDB中用上面这个表达式就能够实现。 iif(signal > t1, 1, iif(signal <t2, -1, 0))实际中,为了让零碎更加的强壮,不要频繁的切换交易方向,通常不会这么解决。一个罕用的做法是这样:当信号量超过某一个阈值t1时,开始转化为买入信号,后续的信号量在衰减到低于t10之前,始终放弃买入信号(+1);同理当信号量低于某一个阈值t2时,开始转化为卖出信号,后续的信号量在加强到大于t20之前,始终放弃卖出信号(-1);其余状况为0。这儿t1, t10, t2, t20满足上面的规定: t1 > t10 > t20 > t2当零碎依照下面的规定运行时,决定交易方向的除了以后的信号量值,还有前一个交易信号的状态,这是典型的门路依赖问题。通常咱们认为门路依赖问题不适宜向量化的办法来解决,或者说须要十分高的技巧。而咱们用来回测高频数据的语言通常都是脚本语言(譬如DolphinDB和kdb+),脚本语言在解决量化问题时效率很高,然而如果须要逐行解决门路依赖问题,解析老本会很高,效率低下。明天咱们会介绍一些技巧,如何化解这个矛盾? 咱们先找出买入信号。在一个向量中找到大于t1的点很容易(买入信号的临界点),找到不可能是买入信号的点也很简略(小于t10)。这样咱们把一个向量上的点分成了三种状态,买入信号临界点(+1),不可能是买入信号的点(0),其余状态未知的点(NULL)。依据后面的规定,如果状态未知的点,后面呈现了买入临界点,那么该点也应该置为买入信号点;如果后面呈现了非买入信号点(0),那么该点也应该置为非买入信号点。因而咱们能够应用front fill来实现。咱们用同样的办法能够找出卖出信号(卖出信号为+1,其余信号为0)。两者相减能够失去最终的信号。可能还存在一些为null的信号,把这部分信号替换为0。DolphinDB的全副代码如下: buy = iif(signal >t1, 1h, iif(signal < t10, 0h, 00h)).ffill()sell = iif(signal <t2, 1h, iif(signal > t20, 0h, 00h)).ffill()direction = (buy - sell).nullFill(0h)下面的代码能够合并成单个表达式: direction = (iif(signal >t1, 1h, iif(signal < t10, 0h, 00h)) - iif(signal <t2, 1h, iif(signal > t20, 0h, 00h))).ffill().nullFill(0h)一个简略的测试如下: ...

February 1, 2021 · 2 min · jiezi

关于金融:打造中国产业数字化的顺德模式腾讯安全助力金融普惠和营商环境优化

在新一轮的科技反动中,以大数据、人工智能、云计算等为代表的新一代信息技术迅速倒退,为社会经济实现高质量倒退提供了新动能。11月13日,佛山市顺德区政府与腾讯公司签订策略单干协定,单方将就采纳数字化伎俩、新兴技术优化顺德营商环境、金融普惠等事项上开展深刻单干。佛山市委副书记、顺德区委书记郭文海,顺德区委副书记、代区长王勇,顺德区委常委周旭,腾讯政务云副总裁王景田,腾讯平安副总裁李旭阳,微众银行企业直通银行部总经理公立,腾讯云华南区政府业务总经理张春湃等缺席了策略签约典礼。典礼现场,由顺德区政府和腾讯平安联结打造的“惠企平台”也正式上线。 政企联结,打造中国第一个普惠金融网格单元样板点惠企平台创始了多个全国“第一”:这是全国第一个以区为单位构建的政务普惠金融网格单元样板点,也是中国首个通过政策数字化实现贴息以及其余政策落地搀扶小微企业的业务模式,为普惠金融打造全流程的危险管控能力提供了一个胜利样板。在创新性上,惠企平台利用了最前沿的联邦学习技术。在腾讯平安的技术支持下,惠企平台交融了顺德区政府主管部门、金融服务机构、企业多方数据,在参加主体数据不来到本地、爱护隐衷的前提下实现联结建模,得出对小微企业资质的精准画像。在非法合规、爱护隐衷和数据安全的前提下,充沛激活各方数据的生产力,通过优化业务流程、实现精准普惠服务。目前惠企平台曾经实现26万+顺德小微企业金融画像并提供一站式金融服务和欠缺的企业服务成果评估体系,为金融机构和银行提供授信决策依据,实现资金的精准滴灌,让每一笔资金精准中转真正须要的小微企业。腾讯平安副总裁李旭阳示意:“腾讯领有二十多年打击黑灰产的技术攻防教训和黑产库的积攒,在联邦学习等新技术的帮忙下,咱们能够把这些能力利用到金融普惠上,和政府、金融机构和银行一起买通普惠金融触达小微企业的‘最初一公里’,通过持重高效的金融服务反对实体经济倒退。”微众银行是顺德惠企平台第一批单干的银行。微众银行企业直通银行部总经理公立示意:“微众银行始终以‘让金融普惠公众’为使命,顺德惠企平台为金融普惠提供了一个粗放、高效的对接窗口,咱们心愿在这个平台上能够为小微企业提供更为优质、便捷的金融服务。” 业内人士指出,小微企业作为实体经济的重要组成部分,是实体经济衰弱无效运行和社会经济持重倒退的根底。往年是《推动普惠金融倒退布局(2016-2020年)》的收官之年,亦是“十三五”的收官之年。在过来的几年中,中国政府通过大力推广普惠金融,让小微企业的融资服务环境失去了显著的改善。 新技术助力顺德营商环境优化行将到来的“十四五”必将是翻新推动倒退的五年,产业倒退无望实现垂直化、数据化、金融化、智能化为一体的产业互联网。其中,如何搭建产业金融服务平台,为产业链上下游提供产业基金、供应链融资等普惠金融产品和服务,并继续优化营商环境,则是各中央政府和金融机构亟需解决的重要课题。今年以来,顺德作为闻名全国的制造业大区,以新倒退理念为引领,对村级工业园进行革新降级,打造出了一个集研发、生产、销售于一体的产业新城,为政府的招商引资、为企业的增资扩产提供了“瘠田”,实现了产业结构继续优化的指标,让当地经济倒退品质一直晋升。除了惠企平台的上线,在营商环境优化方面,依靠大数据、人工智能以及终端利用劣势,推动腾讯与政务、金融等关键环节数据交融,腾讯平安旗下的“灵鲲监管大脑”也在致力于帮忙顺德区打造一个高效、快速反应、一体化的现代化营商监管体系,帮忙监管部门在金融、知识产权爱护、食药、网络市场、信用等畛域构建全链条的治理体系,晋升服务效力。腾讯平安灵鲲监管大脑通过人工智能及大数据分析能力,构建了 100 多种算法模型,在爱护隐衷的前提下,用联邦学习技术突破了不同市场主体之间的数据孤岛,助力政府部门打造事先发现、事中检测、预先处理跟踪的全链条治理体系。目前腾讯灵鲲监管大脑在金融、知识产权爱护、食药、网络市场、信用等畛域,在全国多个中央政府都有规模化利用,曾入选世界互联网大会寰球当先科技成果大奖、 2019 年度中国互联网优良翻新解决方案。

November 16, 2020 · 1 min · jiezi

关于金融:第一财经专访李旭阳反诈骗管控金融风险腾讯安全发力联邦学习技术

近年来,金融机构踊跃拥抱金融科技,大规模的信息化、网络化建设逐步发展,依靠网络和信息系统的技术撑持,被更加宽泛地使用于金融机构的外部经营治理之中。 然而,随同技术的提高和业务的翻新,金融机构在推出更合乎客户需要业务的同时,也将面临更多的操作危险。适应技术发展趋势,网络欺骗伎俩变得更加专业化、公司化、链条化,立功伎俩也更加智能,这就为金融机构的危险管控带来了微小挑战。 近日,腾讯平安副总裁李旭阳在承受第一财经专访时示意:“联邦学习将在隐衷爱护和数据合规的状况下进行内外部的大数据单干,在增强金融机构管控危险能力的同时,无效解决数据利用困局。” 起源:第一财经 记者:易柏伶 做好贷前、贷中、贷后风险管理,是银行和金融机构关怀的外围命题。随着许多业务由线下转移至线上,如何从海量线上用户中筛选出适合的客户进行放贷让银行倍感压力。 在承受第一财经记者专访时,腾讯平安副总裁李旭阳示意,联邦学习的呈现成为了解决该难题的“利器”,以数据可用不可见的形式,在数据不出本地的状况下,让不同利益方数据实现串联,突破数据孤岛,为银行和金融机构提供更迷信的风险管理形式。 “联邦学习”最早由谷歌科学家H.Brendan McMahan于2016年提出,又名“联邦机器学习”,能无效帮忙多个机构在满足用户隐衷爱护、数据安全和政府法规的要求下进行数据应用和机器学习建模,升高了传统中心化机器学习带来的隐衷泄露危险和因数据泄露带来的相应老本。 据理解,联邦学习是基于数据隐衷爱护的平安计算框架,是一系列技术实现的统称,为机器学习、深度学习、迁徙学习算法提供平安计算反对。平安底层反对同态加密、机密共享、哈希散列等多方平安计算机制,算法层反对多方平安计算模式下的逻辑回归、Boosting、联邦迁徙学习等。 假如有两个不同的企业各自领有不同数据,依照欧洲GDPR用户隐衷准则,不能粗犷地将单方数据加以合并。联邦学习能够做到各个企业的自有数据不出本地,而后通过联邦零碎进行加密机制下的参数替换,即在不违反数据隐衷法规状况下,建设一个虚构的共有模型,这个虚构模型就如同能达到数据聚合在一起建设的最优模型一样。然而在建设虚构模型的时候,数据自身不挪动,也不泄露隐衷和影响数据合规。这样,建好的模型在各自的区域仅为本地的指标服务。 李旭阳称,在海量线上用户中,要想低成本地筛选客户,须要利用大数据和AI算法。腾讯平安利用其多年的互联网反欺骗技术的积攒,为银行风控体系做多因子,使得银行在其原有风控体系上进一步晋升风控程度。 腾讯反欺骗技术积攒的冲破可追溯到2015年,腾讯平安反欺骗实验室和中国联通达成单干并在深圳发展试点。通过网址云、号码云、APK云检测等技术,实验室将其在号码云上多年的教训移植到打击电信欺骗上,智能反电话欺骗盒子“鹰眼”就在那时诞生。 李旭阳介绍,欺骗行为有一些固定的行为模式,反映到数据上来,就能提炼出特色模型。如在欺骗侧,犯罪分子通常汇集在一个窝点、打电话呈批量个性,利用这些地理位置、通话频率等数据上的特色,依据话单序列,通过概率事件的计算方法,腾讯反欺骗实验室能够对欺骗团伙进行辨认。 据理解,单干期间,深圳联通信息欺骗中涉案金额由最后的26%降落到6%,最为重大的假冒公检法诈骗案中,欺骗案件金额升高了80%。 反欺骗技术利用于金融畛域,并不是简略的平移,思考的因素更多,面临场景复杂度也更高。李旭阳坦言,“今后利用常识图谱、大量的机器学习、AI办法来辨认金融欺骗的频率会越来越高。以前偏统计学的小概率事件尚且能通过简略的平移来做,但当初数据量太大,数据动辄上千维,有用的几十维,齐全利用传统的办法曾经不可行,所以当初根本都用AI的形式解决大数据,帮忙银行进行风控。” 在反欺骗畛域,通过网络社交平台、电话、短信等渠道获取信息的过程称为信息流。假如欺骗胜利,后续银行转帐等还波及资金流、人员流和设施流。“而腾讯、其余互联网企业,三大运营商,银行等,每一家的数据因为受政策法律的限度,都不能共享。如果这几家数据都买通,相对来说做反诈会更容易。” 联邦学习是一项公开的底层技术,许多互联网企业都有所布局。李旭阳示意,将来联邦学习还将利用到普惠金融的推广中。 8月6日,央行颁布了北京金融科技翻新监管第二批11个试点名单,腾讯平安灵鲲与浦发银行、北京金控独特单干的“多方数据学习‘政融通’在线融资我的项目”胜利入选,成为全国首个基于联邦学习的普惠金融试点利用。(详情点击☞腾讯灵鲲胜利入选北京金融科技翻新监管第二批试点名单) 李旭阳走漏,在政府普惠金融畛域,腾讯平安后续或将与顺德、宜昌、湖州等地单干。在反诈畛域,利用其原有黑灰产常识图谱,将来也会与其余企业达成单干。“比方珍视网、快手等,通过联邦学习去发现并抵挡欺骗。”

September 15, 2020 · 1 min · jiezi

关于金融:Atlassian-Team-Tour-9月23日登陆中国报名通道已开启

Atlassian Team Tour 收费在线研讨会大中华地区企业专场终于来了! 对于此次在 9 月 23 日晚 7 点整举办的企业专场流动,咱们重磅加码,大咖星散,您岂但能够听到 Atlassian 首席营收官 Cameron Deatsch 对于企业改革的深度洞察(中文同传),Forrester Research 副总裁,钻研总监 Michael Barnes 对于将来发展趋势的业余剖析(中文字幕)。 咱们还邀请到了中国金融行业大咖—— 汇丰科技基金服务软件负责人刘华,中国进口信用保险公司 DevOps 高级项目经理黄金泽,华泰证券麻利转型负责人和麻利教练孙健与大家一起分享如何通过应用 Atlassian 实现企业麻利转型。点击【这里】立刻报名点击【这里】理解更多详情~

September 10, 2020 · 1 min · jiezi

关于金融:融云金融行业通信解决方案-两大优势全场景覆盖

安全可靠,是金融行业抉择通信解决方案时首要思考的因素;也是SI及ISV抉择底层通信技术能力必须考查的基本要素之一。 融云作为即时通讯畛域多年市场占有率第一的厂商,最新的“IM+音视频+推送”整体解决方案,不仅可能满足金融业通信中的底层平安需要,更“以一套SDK笼罩所有金融通信场景”,让平台零碎疾速上线IM音讯及实时音视频通话能力,帮忙客户节俭开发成本和利用老本。 笼罩金融通信全场景 融云的金融行业通信解决方案涵盖了银行、证券、保险三大细分畛域,并针对不同畛域的利用场景提供安全可靠的场景化计划。 对银行业而言,为实现“从物理网点走向无处不在的挪动网点”的转变,需构建手机银行这种7*24小时挪动营业厅,通过近程视频交互⽅式,冲破空间和工夫限度。这种交互性通信,从实质上看,采纳的是融云实时音视频通话和IM的文本、语音、图片等音讯的解决能力。 动账告诉的业务场景,利用的便是融云IM的零碎告诉服务。该服务依靠现有银行计算账务解决零碎架构,一旦客户账户资金变动,可疾速对接音讯通道,通过App和手机短信向该用户发送零碎告诉,让客户能够及时理解账户变动信息并与银行进行核查。 此外,融云的音视频通话反对一对一及多人音视频通话,可实现银行近程面签中的身份核验、面谈、审查审批、合同签订等流程,常见业务场景包含贷款线上视频面签、网点视频理财室、对公开户法人视频面审等多种复合场景。 图1:近程面签办理银行业务 对证券畛域而言,互动股评是典型的利用场景之一,融云实时音视频反对低延时直播,可为股评人提供视频直播、股市行情实时分享,以及聊天室互动的残缺通信能力,并可灵便管制直播间内的参与者,精准服务指标股民。同时,内容审核服务反对开发者灵便设置聊天会话中的音讯审核策略,通过融云平台的实时过滤能力,对文字、图片、语音及音视频音讯进行精准的合规剖析,确保信息安全。 此外,基于音视频白板等多种辅助的沟通形式,还可利用于股票举荐,投资教育,理财培训,实现投顾近程视频等不同征询场景,便于客户经理与用户之间的线上沟通、信息推送、 精准经营等,最终为用户带来更好的证券服务体验。 图2:基于音视频白板实现投顾近程视频征询 对保险业而言,签约、投保、续保、出险、取证、审核认证、放款等各个环节的业务场景,都能够依赖融云的通信云能力近程实现。针对投资/保险参谋服务的全流程,融云可提供残缺的一对一实时音视频通话、服务端双录、通话加密计划,充沛保障安全性和用户体验,尤其是云端双录服务,融云可提供多种音视频录制模式以满足行业监管需要。此外,融云的历史音讯反对云端存储,不便用户随时查看残缺的历史聊天记录,追溯投保记录、理赔记录等。 安全可靠、疾速集成两大劣势凸显 融云金融行业解决方案最突出的两大性能特点:一是安全可靠;二是疾速集成。 安全可靠,体现在客户可公有部署、数据齐全私有化、信息可加密传输上。融云的公有云服务,可将全副通信服务集群部署在客户提供的公有基础设施或指定云主机上,客户资源规模可自主调配,数据实现齐全私有化,也更平安。同时,计划反对笼罩全平台,包含 Windows、macOS、Web、iOS、Android等多端同时在线,音讯实时同步。 值得一提的是,融云始终积极支持国产化产品。目前,已全面反对支流国产服务器和桌面操作系统,包含河汉麒麟、统信UOS,同时还反对人大金仓、达梦、神州通用、南大通用数据库,以及兆芯、海光等多家国产CPU。 在信息安全上,融云在公有部署的根底上,除了提供传输信息的通道,还反对开启链路加密能力。客户的数据在接入融云通信网之前即进行数据加密,且密钥服务器在客户本地,通过端到端加密形式,来确保音讯安全可靠。同时,反对客户进行二次开发,引入更高级别的加密计划。 疾速集成,体现在一套SDK一体化解决方案1天内即可上线。SDK疾速集成首先得益于融云提供残缺的“IM+音视频”通信能力及UI组件,音视频能力复用IM底层信令通道,不仅升高集成复杂度、晋升开发效率,还保障了前期利用上线的稳定性。其次,融云领有多年实战开发教训,在我的项目开发初期即可帮忙客户匹配最优实际计划,并提供了大量的场景化Demo和开发文档,便于研发人员随时调用,使其少走或不走弯路,确保我的项目可疾速开发、疾速上线。 这套整体解决方案具备稳固强壮的底层架构,可稳固反对高并发需要。服务架构可扩展性强,反对疾速扩容,可平滑操作晋升业务弹性。 融云IM是业内惟一承诺音讯100%达到的厂商,且不丢、不重、不乱序;通过海量客户业务验证,融云实时音视频业务在稳定性、连通性、并发/负载等方面服务可用性达到99.9%。 落地实际多家标杆案例 目前,金融行业有多家合作伙伴抉择应用融云的通信云服务,比方中国工商银行、中国农业银行、招商银行、交通银行、渤海银行、广州农商行、陆金所、国泰君安、华泰证券、海通证券等。 以陆金所为例,其作为百亿美元估值的独角兽企业,在通信安全保障工作上亦走在行业前列,因为对数据安全极为器重,他们在抉择云通信供应商方面的要求也十分严苛。在策划上市阶段,为保障上市工作顺利进行,陆金所最终抉择融云作为安全可靠的通信平台来提供服务,从而实现其在C端App内被动经营治理的需要。 总体来说,融云金融解决方案让金融机构具备了实时音视频和IM的通信能力,平安稳固有保障,疾速集成有效率。这不仅解决了金融客户全场景的通信需要,还合乎金融业的监管须要,是融云多年来耕耘通信云市场的综合实力体现,也是泛滥SI及ISV更好的单干抉择之一。

August 14, 2020 · 1 min · jiezi

蚂蚁金服联合IDC发布中国金融级移动应用开发平台白皮书-金融机构加速执行移动优先战略

11月4日,蚂蚁金服联合国际数据公司IDC在第二十七届中国国际金融展上发布《移动金融科技助力新时代金融机构转型升级——中国金融级移动应用开发平台白皮书》(以下简称《白皮书》)。《白皮书》指出,中国⾦融市场正在经历剧烈的变⾰,⾦融业务呈现出移动化、智能化、场景化态势,移动应⽤需求大量爆发,推动着⾦融机构加速执⾏移动优先战略。 移动端成金融机构零售转型的重要载体,战略地位日益凸显《白皮书》认为,随着IT领域的新兴技术⾰命,企业数字化转型浪潮正在不断重塑各⾏各业的运⾏格局和发展⻛貌。以金融业为例,利率市场化、⾦融脱媒以及互联⽹跨界竞争等多重因素动摇了传统金融机构的盈利基础,使中国金融市场正在自内而外地发生巨大变革。 在此背景下,金融机构纷纷开启零售转型战略,以金融科技创新为抓手,为企业发展赋能。移动端作为金融机构重要的对外渠道之一,已成为零售转型的重要载体。利用优质的移动端设计提供精细化服务,吸引更多的个人客户长期驻留,是金融机构应对市场挑战、实现长期发展的必然选择,移动优先战略成为金融机构面向未来的发展共识。 《白皮书》显示,在⾦融科技的推动下,⼀⼤批传统线下业务通过技术创新转移⾄线上运营,⽤⼾不再受到银⾏服务时间和空间的限制,随时随地的享受移动端带来的便捷性,⽤⼾体验获得了⾰命性提升;保险公司⼤⼒拓展移动渠道,通过保险移动展业,以更加便捷⾼效地⽅式实现全业务触点的销售及管理,降低获客成本;证券企业则重点利⽤新技术提升信息和数据处理的时效性,满⾜客⼾对移动端⾏情资讯的传递和承载需求。 一站式移动开发平台mPaaS,助力金融机构移动优先战略落地《白皮书》指出,金融业务的移动化、场景化、智能化趋势,推动金融移动应用需求的爆发性增长,对金融机构围绕移动端的业务开发和保障能力提出极大挑战。金融机构迫切需要引入新一代移动设计开发思想,利用先进的移动应用开发平台实现在开发、运维、管理以及快速迭代方面的一系列变革。 蚂蚁金服移动金融技术总监祁晓龙认为,金融级移动应用开发平台应具备统一的开发框架,拥有强大的技术整合和集成能力,有助于打造基于移动中台的能力输出,满足金融行业对移动开发平台技术先进性、安全合规性和高稳定性、高可用性等一系列特殊要求。 基于对金融市场的洞察和全新用户行为的理解,蚂蚁金服移动开发平台mPaaS借助统一的客户端开发框架和蚂蚁特有的金融级移动中台能力,有效地加快研发效率,增加对APP动态管控及千人千面的数字化运营能力。同时基于“后台连接服务”构建与服务端的数据、多媒体传输通道,确保全链路的稳定、安全和高效。 移动端创新技术方面,mPaaS提供智能推荐、语音识别、图像识别、生物识别、小程序等能力,改善产品体验,助力业务创新。 安全合规方面,mPaaS提供IPv6、国密、容灾等特色行业能力,满足监管合规要求。同时辅以应用加固、安全键盘、IFAA生物认证及数据加密能力,充分保障数据在客户端本地、传输过程中的安全性。 目前mPaaS已服务中国农业银行、广发银行,华夏银行,西安银行、国寿保险、财通证券等众多B端客户,为国内国际用户都带来优质的移动端体验。 蚂蚁金服全栈式金融科技体系,助力金融业全域数字化转型科技是面向未来的核心驱动力。基于对未来的洞察和蚂蚁金融科技开放的实践深耕,蚂蚁金服在金融领域构建了一个自底向上的全栈式金融科技体系,从具有金融级别支撑能力的分布式计算平台等底层技术,到以人工智能、区块链等为代表的应用技术,再到智能风控、生物核身等金融级专有技术,以及一站式的移动开发平台mPaaS,形成完整的技术堆栈,助力金融机构快速打造新一代超级移动金融平台与大数据智能运营体系,推动金融机构转型升级。 据悉,包括蚂蚁金服移动开发平台mPaaS、分布式中间件SOFAStack、分布式关系数据库OceanBase等在内的产品和解决方案正通过阿里云新金融统一对外输出,服务各种类型的金融机构。而在未来,还会有越来越多的蚂蚁金服技术产品通过阿里云新金融对外输出。在第二十七届中国国际金融展上,这些世界级的解决方案进行了亮相,并吸引了诸多关注。

November 4, 2019 · 1 min · jiezi

云原生时代蚂蚁金服公开了新的金融混合云架构

蚂蚁金服在过去十五年重塑支付改变生活,为全球超过十二亿人提供服务,这些背后离不开技术的支撑。在 2019 杭州云栖大会上,蚂蚁金服将十五年来的技术沉淀,以及面向未来的金融技术创新和参会者分享。我们将其中的优秀演讲整理成文并将陆续发布在“蚂蚁金服科技”公众号上,本文为其中一篇。互联网技术发展日新月异,我们正在进入云原生时代,这个过程中金融行业要如何拥抱云原生?在近两年蚂蚁金服将云原生在金融领域落地,沉淀下一些实践经验,接下来我想分享在蚂蚁的演进过程当中,我们心中的云原生是什么样的,在金融领域落地的时候遇到什么问题,以及我们是怎么解决的。 经过多年云计算的蓬勃发展,上云已经不是太大问题,接下来的问题是怎么把云用好,用得更高效。RightScale 2019年最新数据显示,现在公有云规模占22%,只使用私有云的客户占3%,更多客户通过混合的模式去使用云,通过混合云取得数据隐私、安全与效率、弹性的平衡。 再看全球整个IT行业,公有云的比例只占整个基础IT市场的10%,市场空间仍然很大,IT市场中剩下很多都是传统企业客户。为什么传统行业无法很好地利用公有云,一个重要的原因是因为他们的 IT 系统经过很长时间建设,很多都有自己的机房。另外有些则业务比较稳定,对上公有云没有很强的需求。它们通常会发展混合云策略,把一些核心业务留在私有云,而把一些边缘业务或创新业务放在公有云上。 这些特点在金融行业也非常明显,除此之外金融行业还有两个特征: 业务形态走向开放和互联网化:随着互联网和数字化经济的发展,金融机构需要进行数字化转型,以及业务敏捷化、服务场景化,以应对新的商业模式带来的冲击;监管合规的诉求:金融行业的业务特点决定了必须是强隔离,强监管的,所以公有云上的资源共享模式在监管方面会有比较大的挑战。因此,混合云战略对金融机构更为适用。这一结论也得到研究支持,根据调研机构Nutanix的报告,全球金融业在混合云应用方面的发展速度超过其它行业,目前部署普及率达到21%,而全球平均水平为18.5%。 那么,什么样的混合云是适合金融机构的呢?以蚂蚁的演进历程为例。 蚂蚁在第四代架构的时候演变成为云平台架构,而且为了应对互联网业务形态下突发性业务对资源的弹性需求,蚂蚁也在同一阶段将架构直接进化成弹性混合云架构。现在蚂蚁已经演进到第五代云原生架构。蚂蚁又是如何在云原生的架构下,把混合云变成金融级的混合云,我想会对各位有些启发。在这个发展过程中,有一条主线,是不同阶段蚂蚁对研发的标准和要求,包括:自主、成本、安全、稳定、海量、敏捷,这也是在在线金融的时代,我们对云原生架构的要求。 从分布式到云原生 建立金融级交易支付系统建立金融级的在线交易系统,第一步是要实现金融级分布式的架构,蚂蚁在这方面的代表技术是SOFAStack和OceanBase,目前都已对外商业化,并有丰富的案例。SOFAStack代表的是,在整个应用层或者无状态服务这个层面上,如何去做可伸缩、可扩展的一套架构。OceanBase代表的是以数据库为代表的存储或者是有状态服务层面,如何在架构上面去进行分布式。它们拥有四个特性: 高可用,99.99%+的可用性保证,确保系统始终连续运行不中断; 一致性,在任何异常情况下数据最终一致,确保资金安全; 可扩展,支持应用级、数据库级、机房级、地域级的快速扩展; 高性能,存储采用读写分离架构,计算引擎全链路性能优化,准内存数据库性能。 而这四个关键的特性都是金融业务最为看重的,而且需要在应用和存储上端到端实现。 以一致性为例,在单个数据库内是可以确保数据一致性的,但在大规模应用的情况下,单个数据库总是会出现瓶颈,数据往往会像服务或者应用一样,按照类似交易、支付、账目等粒度垂直拆开,当这些数据分别存储在不同的数据库集群后,就需要在应用层来解决一致性问题了,同时为了支持海量数据,数据库集群内部也会做分别和多副本,OceanBase 就是这样一套分布式数据库,在其内部也要实现分布式事务。只有这样上下配合才能解掉所有分布式架构下的一致性问题,缺一不可。 再比如可扩展性方面,有些系统号称做了分布式架构,实际可能只是用了微服务框架,做了应用层的服务化改造,但数据库层既没有用水平扩展的技术,也没用分布式数据库,整个系统的可扩展性就卡在数据层的短板上。 所以,真正的分布式系统,需要实现端到端的分布式,才能实现无限可扩展和高性能,而真正的金融级分布式系统则要实现端到端的高可用和一致性。 蚂蚁金服三地五中心异地多活架构 我们认为,高可用架构最关键的目标是数据不丢,业务不停。在这个目标的基础上,我们设计并实施了三地五中心的异地多活架构。它的核心优势包括城市级容灾,低成本交易,无限可扩展,以及RPO=0,PTO<30s. 大家知道我们在去年云栖大会上做了一次剪网线的demo,它演示了整个架构层面上怎么样做到跨城市多活和灾难情况下的恢复快速恢复能力。同时在高可用达标的情况下,我们也做了很多风险相关的事情,总结起来就是在高可用的基础上还要做到资金的安全、变更的免疫和故障的快速恢复。 解决了高可用的问题,其实金融级最被高频提到的话题就是安全,在云原生时代,我们要解决的是全链路、端到端的安全风险。具体分为三个层面: 云原生网络安全,包括策略化高效流量控制,全链路加密,流量劫持与分析; 云原生基础设施安全,包括安全容器,不共享内核,以及安全沙箱; 云原生业务安全,包括SOFAEnclave机密计算中间件,以及内存安全的、多任务Enclave LibOS Occlum。 这个部分我的同事在《金融服务的云原生安全架构》演讲中会详细介绍(点此查看演讲整理)。小结一下,所谓金融级的能力,最主要是要实现端到端的金融级的高可用,同时实现端到端的安全。接下来我想分享的是,在云原生这个阶段往前走遇到了哪些问题。 从单元化到弹性架构 应对互联网爆炸式的流量脉冲从单元化到云原生下的弹性架构 首先解释下什么是单元化,大家可能比较容易理解数据库层的分库分表或者说 Sharding,能够通过分片的方式解决集中存储计算性能问题,单元化的核心思想是把数据的分片提前到了入口请求的分片,在机房的网络接入层将用户请求根据某个纬度(比如用户ID)进行 Sharding,这就好比把每个机房就当做了一个巨大无比的有状态的数据库分片,当你是一个 ID 尾号为007或者008用户的时候,当请求通过手机端或者网页域名发送到机房,接入层就已经识别出应该将你路由到华东地区还是在华南地区。当你进入到某个地区的机房时,大部分请求处理工作可以在机房内部完成。偶尔会有一些业务可能会发生跨机房的服务调用,比如说数据在 A 机房的用户给数据在 B 机房的用户转账。这个时候就需要在这个机房上去做有状态的设计。 我们走向云原生时代的时候,在大的架构上面用Kubernetes为基础来设计,在单元化架构下,我们选择在每个单元里部署一个Kubernetes集群,将支持多 K8s 集群管理和管控指令下发的 Federated APIServer 做逻辑上的全局部署,其中管控元数据是存储在一个 ETCD 集群的,以保持全局数据一致,但大家知道ETCD也只能解决同城双机房的容灾,无法再应对多城市多数据中心的一致性,因此我们正在把ETCD搬到我们的OB的 KV引擎上,这样在引擎层还是保持 ETCD 的存储格式和语义,存储层就具备了三地五中心高可用能力。 金融机构异构的基础设施 虽然这种架构是适合蚂蚁的技术架构的,但在我们的技术开放给外部客户时又会遇到很多新的问题,比方说在客户的机房会有很多异构的基础设施,我们就需要以 Cloud Provider的标准来实现多云适配。 而且包括我们在内的很多金融机构,因为很多老系统并没有按照「云原生」的方式去设计,很多会对基础设施有状态依赖,比如依赖IP ,所以很难完全采用不可变基础设施的模式来支撑。有些时候,由于对业务连续性的极高要求,也很难接受原生 K8s workload 的运维模式,比如原生 deployment 做灰度或者金丝雀发布时,对应用和流量的处理都是非常简单粗暴的,这样会导致运维变更时的业务的异常和不连续。这些我们都通过扩展原生的 Deployment 成更适合金融业务要求的 CAFEDeployment,使得大规模集群发布、灰度、回滚时更加优雅,符合我们的「技术风险三板斧原则」。 ...

October 14, 2019 · 1 min · jiezi

SOFAEnclave蚂蚁金服新一代可信编程环境让机密计算为金融业务保驾护航102年

作者 | 闫守孟、肖俊贤、田洪亮 近日,Linux 基金会宣布全球多家巨头企业成立机密计算联盟(Confidential Computing Consortium),在对于数据安全和隐私担忧的不断增长下,基于可信执行环境技术的机密计算作为一种可行的解决方案,成为互联网巨头关注的焦点。蚂蚁金服很早就关注此类技术,并基于机密计算打造了蚂蚁金服新一代可信编程中间件 SOFAEnclave,为金融业务保驾护航。机密计算是蚂蚁安全计算的一环,也是金融级云原生的一块重要版图,蚂蚁金服表示:相信未来机密计算将和 HTTPS 一样,成为云计算的标配。引言互联网金融本质上是对大量敏感数据的处理以及由此沉淀的关键业务智能。近年来涌现出来的新业态更是将数据处理的范畴从单方数据扩展到了涉及合作方的多方数据。 另一方面,从 GDPR 到 HIPAA,数据隐私监管保护的范围愈加扩大,力度日益增强。可见,对金融数据和关键业务智能的安全保护,不仅是互联网金融业务的基础,也是其创新发展的依托,更是攸关合规的关键因素。 近年来迅速发展的机密计算技术是一种创新的数据隔离和加密处理技术,其重要特点是,TCB(trusted computing base 可信计算基) 中仅包含应用自身和基础硬件,即使 OS kernel、Hypervisor、甚至 BIOS 等特权软件都已经遭到破坏甚至本来就是恶意的,敏感数据和代码依然能安全无虞。 蚂蚁金服在自身的实践过程中,基于机密计算底层技术发展出金融级的机密计算中间件,确保金融应用数据和代码的机密性和完整性,为关键业务提供易用、安全、集群化的计算环境。 本文从机密计算的技术背景、关键问题、蚂蚁的技术突破、以及典型应用场景等方面展开。 机密计算的技术背景随着云计算的快速发展,越来越多的关键性服务和高价值数据被迁移到了云端。云安全也因此成为学术界和工业界关注的一个焦点。 近年来,云安全领域最重要的一项技术进展名为机密计算(Confidential Computing)。机密计算填补了当前云安全的一项空白——使用中数据(Data-in-use)的加密。过去通行的做法是对数据在存储中(比如硬盘)和传输中(比如网络)加密,而在使用中(比如内存)解密,以便处理。而机密计算可以保护使用中数据的机密性和完整性。 目前,多家云计算巨头都在不约而同地推广这项技术:微软已于 2017 年 7 月宣布开始接受 Azure 机密计算的早期试用申请;IBM 于 2017 年 12 月宣布 IBM 云数据保护(Cloud Data Guard)的预览版;谷歌也于 2018 年 5 月开源了名为 Asylo 的机密计算框架。 那么,机密计算究竟是如何实现的呢? 实际上,上述所有云计算巨头在实现机密计算时都离不开一种称为“可信执行环境(TEE)”的技术。 顾名思义,TEE 提供一种与不可信环境隔离的安全计算环境,正是这种隔离和可信验证机制使得机密计算成为可能。 TEE 一般是直接基于硬件实现的,比如 Intel SGX,AMD SEV,ARM TrustZone,以及 RISC-V Keystone 等;基于虚拟化技术也可以构造 TEE,比如微软的 VSM,Intel 的 Trusty for iKGT & ACRN,但尚不能匹敌硬件 TEE 的安全性。 ...

September 30, 2019 · 3 min · jiezi

滴滴大数据在汽车金融风控场景中的应用

导读:滴滴独有的出行场景大数据在金融领域有着非常广泛的应用前景,未来可与银行,保险,支付和理财等机构深入合作,帮助传统金融机构提升资源配置效率,降低获客和风险管理成本。出行场景大数据在交易欺诈识别、风险定价、精准营销、全生命周期风险管理、增长运营等方面都有着重要商业价值。对于大数据的应用分析能力,正在成为金融机构未来发展的核心竞争要素。本文从汽车金融车贷产品的视角切入,将场景数据与传统信贷风控理念相结合,准确识别业务开展过程中的信用风险变化,对完善业务模式和重塑用户价值起到了积极的作用。 0.目录汽车金融是什么?滴滴汽车金融在做什么?滴滴大数据在汽车金融风控上的应用 从资产端视角看存在问题和解决方案从全流程风险管理视角看存在问题和解决方案数据应用上的三个优化点滴滴大数据在汽车金融风控场景下的应用前景 企业信贷智能风控零售信贷智能风控1.汽车金融是什么?汽车金融主要指与汽车产业相关的金融服务,是在汽车研发设计、生产、流通、消费等各个环节中所涉及到的资金融通方式。主要包括资金筹集、信贷分期、抵押贴现、金融租赁,以及相关保险、投资等活动。 ▍商业模式零售业务中,商业银行和融资租赁公司作为资金方,经销商/4S店/租赁公司作为销售渠道,汽车电商平台起到导流作用,共同为有购车需求的个人消费者提供分期购车金融产品和服务。 从竞争格局看,银行和厂商金融是零售市场的主要玩家,在资金成本和渠道获客上占有绝对优势。此外,汽车电商平台作为线上导流服务方,为传统金融机构提升获客效率,近几年也活跃在汽车金融市场。从产品类型上来看,售后回租为市场主流,直租有待快速发展。 2.滴滴汽车金融在做什么?1)滴滴汽车金融业务现阶段定位为服务出行生态,一切从用户价值出发,为有购车需求的司机提供低成本购车金融方案。 2)对内构建汽车金融风控体系,通过网约车场景数据的积累和应用,不断提升全面风险管理能力,生成优质网约车金融资产,逐步形成风险定价能力。 3)对外向传统金融机构提供优质金融资产和系统化的风控能力输出,实现资金和资产高效匹配,积累金融资产管理能力。与此同时,作为连接资金和资产的双边平台,与主流金融机构建立长期合作伙伴关系,持续为网约车体系提供资金支持。 未来滴滴汽车金融的业务范围会随着出行产业生态的发展不断丰富, 延伸至整个出行产业链,为汽车经销商、4S店、代理商等汽车销售者采购汽车和营运设备提供的金融服务, 以满足产业链上下游各环节的金融需求,逐步形成集信息流、资金流、物流于一体的汽车产业金融新业态。 3.滴滴大数据在汽车金融风控上的应用传统信贷框架下,以贷款人央行征信判定还款能力的风控模式已经不再满足网约车金融的风险管理需求。网约车场景下,汽车金融风控对在贷资产的真实性、稳定性、以及风险预警的时效性提出了更高要求,基于大数据建立智能营销和智能风控决策体系显得尤为重要。 ▍从资产端来看:车贷C端问题: 贷前准入未使用场景内数据作为个人征信补充,贷中数据缺失,没有匹配的风险预警方案,贷后催收效率低,需要对网约车贷款人形成动态信用评分。 解决方案:运用滴滴大数据补充传统零售评分卡模型,将场景中能够反映个人信用风险特征的数据应用到汽车金融领域,制定风控政策和准入标准。同时建立体系内有车群体的PD(probability of default)评分模型,关注PD参数的显著变化,提供大数据下的风险预警方案。逐步搭建网约车场景下的全面风险管理体系,提升全流程风险管理能力。 车贷B端问题:传统金融机构对于CP(Car partners)征信数据的缺失,导致其不能有效识别渠道风险,尤其对于中小型CP来说,很难获得传统金融机构的授信。 解决方案:借助滴滴平台大数据,支持资方对CP的授信审批。具体来说,是将渠道基础信息,以及能够反映其资产规模,资产使用效率,司机管理能力的数据维度进行系统化梳理,形成入模变量,同时不断积累体系内坏样本,建立CP半监督模型。模型输出结果即是CP信用评级综合分数,直观反映出CP的风险等级。目前汽车金融的CP评级为月度输出,可以动态反映出CP风险等级的变化。 ▍从全流程风险管理来看:在实际运营过程中,我们在零售车分期贷款的贷前,贷中和贷后三个阶段发现了以下问题。 贷前准入风险:贷款申请人不是放款后实际运营该车辆的司机,也就是说A贷B还。这种问题通常发生在渠道进件环节。汽车金融产品销售过程中存在一定的操作风险,线下渠道销售人员为了提高成单率,找了信贷资质好,更容易通过贷前审核的人代替司机申请贷款,然而实际跑滴滴的司机信贷资产差,还款能力不足以支持月供,PD违约概率较高。那么这笔车分期贷款的信用风险就会在贷后的资产表现期内逐渐释放。 ▍首次拉单时,贷款人和司机信息不符: 贷中运营风险:贷款人在存续期内退车,车辆由租赁公司代偿,待租赁公司找到新司机后由新司机运营并继续还款。这种情况下, 传统风控在贷前准入对初始贷款人的判断,以及车辆GPS定位已经不再能够有效反映贷后运营车辆的风险变化。在贷车辆在存续期内先后匹配多个滴滴司机时,租赁公司在车辆运营管理,现金流管理和司机管理上面临很大挑战,有时多个司机集中退车会引起渠道集中性风险。 ▍运营中一辆车在不同时点匹配多个司机: 贷后逾期催收:传统信贷风控对于网约车贷后数据缺失,在无法获得贷款人收入以及营运行为数据的情况下,不能确定每笔逾期债项背后贷款人的还款能力和还款意愿,因而无法做到对收入还贷比高,有还款能力的贷款人进行优先催收。这种情况下,需要针对贷款人平台拉单数据以及贷款车辆营运数据制定催收评分卡,对催收进行分类管理。 ▍滴滴大数据可以解决:网约车金融全面风险管理体系的搭建。在零售数据准备和模型变量开发时,形成从贷款人信贷基础维度到涵盖城市、渠道、车辆四大风险因子的模型长清单,实现覆盖在贷资产全生命周期的动态监控。同时通过被投企业资产表现不断积累模型因变量(坏样本),有效把握风险等级变化,建立预警和响应机制,降低损失率。 每个风险因子下钻形成多个风险指标,组合后形成风控策略。通过单一策略和多策略的综合应用,实现贷中预警和风险的及时防范。 具体来说,优化方向有以下几点: 优化点1:从传统的放款时点贷款人风险评估,优化为全流程多维风险动态监测。 传统信贷风控只注重贷款人单一维度的信用风险计量,而在网约车场景下,城市政策合规、车辆运营状态、渠道管理能力都会在整个信贷流程中对信用风险的变化起到决定性作用。对此我们借助滴滴网约车场景数据和坏样本的持续积累,来补充传统信贷数据维度, 优化A卡和B卡。 预警需求分析: 放款时点:反欺诈信息核实,数据维度包括但不限于平台侧核实司机、车辆、人车匹配、渠道基础信息,同时排查渠道进件风险。 放款后,通过贷中监控实时反映贷款人信用风险变化,建立大数据风险预警体系。 建立大数据内评验证治理架构,内评验证流程方法,提供不同层次的的优化策略和实时流程。预警模型中,典型贷中预警策略如下: 司机维度策略:流水稳定性,收入能力,是否已办理人证等。车辆维度策略:车辆在平台运营情况,车辆和司机的匹配情况,车辆行驶里程,是否已办理车证等。CP渠道策略:渠道负面信息扫描,渠道集中性风险事件,合规比例,渠道集中性逾期等城市合规策略:是否已获取网约车平台证,城市合规人证办理进度,是否分类管理等。 随着数据维度不断丰富,四大风险因子的下钻维度会逐步增多。我们同时也在实际业务中逐一验证,并通过司机A卡B卡模型结果进行策略迭代。 贷后催收:优化催收评分模型。实时对逾期司机的逾期天数,拉单行为,月均收入进行分析和监控,得出每笔逾期债项对应的还款能力和还款意愿综合评分列表,帮助贷后催收提升效率。 优化点2:增加数据观测的时间宽度和时点观测深度,并在此基础上引入前瞻性。 通过对数据的长期观测,单一风险策略迭代以及多策略应用的持续验证,我们会得到司机信用风险变化的历史平均水平和规律,结合业务现阶段和未来发展趋势,在此基础上得到前瞻性调整后的PD(违约概率),对信用风险的显著变化进行定量和定性评估。 优化点3:依托大数据分析能力,形成对业务全局风险收益变化的综合判断。 通过C端融租车辆的全流程风险管理,逐步勾勒出了融租产品形态下的司机信贷画像和CP渠道画像, 快速识别汽车金融在业务模式和产品上的运营风险,比如融租包经租,CP代偿,集中性违约风险等。进而对车金融资产质量有清晰准确的计量,实现资产端和资金端风险收益的平衡。 4.滴滴大数据在汽车金融场景下的广泛应用前景▍企业信贷智能风控方向:整个出行行业生态中,存在大量分散的中小企业服务商/渠道商,这些中小企业在滴滴平台上的日常经营数据反映了其经营能力、资金流动性管理和司机管理能力。多维度经营数据完全可以支持数据风控方式获得资金,为业务提供决策创新方案,包括识别客户异常行为、差异化授信审批、全流程风险管控和预警、限额设定等。 进展:目前一些与滴滴平台合作方有业务往来的汽车金融持牌机构已经在与我们就数据风控的授信方式进行深入探讨,在平台不提供担保的情况下,通过司机余额代扣和平台多维度数据建立风控模型,为优质汽车租赁公司提供对公授信资金支持。 ▍零售信贷智能风控滴滴平台具有明显的双边效应,即供给侧和需求侧都通过平台完成交易,因此平台上会沉淀大量交易和运营数据。当汽车金融服务对象是体系内有车人群时,可通过滴滴大数据补充传统零售评分卡的不足, 将体系内非信贷数据应用到汽车金融业务场景下,比如用于制定产品级的风控政策和准入标准,输出自动化信用评分,反欺诈,风险敞口管理, 风险定价等。 逐步建立网约车场景下的风险管理体系, 实现内评模型在数据、决策、和算法层面的创新。 包括:前筛客群、特征模型建立和训练、反欺诈规则设计、线上策略验证、与合作伙伴联合建模、线上贷后逾期管理等。 随着大数据风控能力积累,不管产品形态是新车融资租赁还是车辆抵押贷款,都可以针对不同业务类型,建立智能风控体系。在此基础上,平台数据的动态监控能够帮助筛选资产表现良好的个人信贷用户,形成白名单,自动化审批放款,提升资产匹配效率。 本文作者:唐佩滴滴 | 汽车金融商业分析师 一个有着金融业管理咨询背景的工科生,认为人生的意义和有价值的工作强相关,一直都在寻找聪明机智,有深度思考习惯,对商业高度敏感,视野广阔的合作伙伴加入队伍。 同时,也欢迎您关注滴滴技术公众号,我们会为您带来最新的开源信息和技术干货! ...

August 19, 2019 · 1 min · jiezi

证券公司信息化7

本期介绍下资产管理业务,以及资产管理业务历史 “投行”、“经纪”和“资产管理”号称是证券公司三大业务板块。在大家对投资银行业务和经纪业务的基本情况略微有所了解以后,让我们来浏览一下资产管理业务。以及这部分业务里边的IT系统的核心应用。 先讲讲资产管理业务的历史吧。我一直认为了解历史十分重要,它不仅能让你知其然,而且能让你知其所以然。 早期,资产管理业务就叫“自营业务”,意思是说证券公司用自己的钱(就是股东的钱)在二级市场上炒股,赚差价。这个业务部门叫“投资部”或者“自营部”,领导叫投资总监。 在牛市情况下,特别是96年那种疯狂的全民炒股的投机意识主导的环境下,做为大机构的证券公司很容易从信息闭塞的中小户那里赚到大钱。甚至通过“坐庄”的方式赚钱。 什么是坐庄呢?就是由某个大资金,做为某只股票背后的控制力量,通过来回自买自卖,操纵股价。建仓完毕后,逐渐拉高股价,迷惑中小散户。然后,串通这只股票的发行公司,或者一些黑嘴股评家,散布有关于这只票的好消息,让大家都认为股价还会上涨,纷纷买进,这个庄家趁机大规模抛售股票,从而实现低价买入高价卖出的套利。(电视剧《坐庄》对这种行为有细致深刻的描述。) 在96~01年的大牛市里,“坐庄”给证券公司带来的利润远远高于前两项业务的受益。 一些刚刚上市的国营企业手上有钱,没地方花,看到证券市场这么红火,都纷纷希望利益均沾。证券公司瞄准这一需求,提供一个保底利率收益,与这些资金提供方签署“委托理财”协议,用这些钱在二级市场上“坐庄”,赚的钱再与客户分成。这个业务叫做“资产委托”业务。一般也交给自营部门去做。 99年证券公司有一批大的增资扩股运动,其实很多新增的股东就是证券公司原有的“资产委托客户”(那些刚圈到钱的上市公司)。这些大公司一旦成了股东后,反而可以突破“委托理财协议”里一些限制,直接从证券公司那高的吓人的利润中获得分红收益,所以都很踊跃。 这样,“资产管理客户”并成了“股东”,客户的资金变成了自己的资本金。同时又有新的资产管理客户(上市公司、年金管理单位等等),往往都是长期资产管理协议,而且都是自营部来运作这些资金。于是,“自营”和“受托”变得模糊起来,干脆就叫“资产管理”业务了。 一直有人说中国资本市场只有做多机制,没有做空机制。意思就是,坐庄只能在牛市赚钱,熊市只有亏的份。果然到02年,庄股大崩盘。 03年证券公司又一轮的增资扩股运动中,很多“委托理财”客户又成了证券公司的股东,不过这一次更多的是无奈。由于股市下跌,很多证券公司管理的委托理财客户资金已经被套牢,拿不出钱来还客户,这些客户不得已作了股东。 所以,在当时中国特色的证券市场下,“自有资金”的自营业务,与“受托资金”的委托理财业务,往往是混在一起的。 之后,股市越发的不好,存款利率低得不能再低。这时,债券市场火爆起来。那些企业财务部门、政府住房公基金、社保基金(所谓年金)觉得买国债合算,于是证券公司积极的把钱揽过来,替他们在“银行间债券市场”和“交易所”里买入国债。(债券是介于货币市场和资本市场的一种类型,所以在“银行间”这个典型的货币市场和“交易所”这个典型的资本市场都可以买卖。) 然后,悄悄的,先是一些金融诈骗狂人控制的证券公司(德龙的恒信证券、周正毅的富国证券等)后来扩散到所有证券公司,利用国债登记结算上的空子,证券公司们一方面告诉客户,“嘿,你的钱我都用来买了国债了”,另一方面把这些客户的国债作为抵押物,向别人借钱(所谓“回购”业务)。向毒品贩子洗钱一样,借来的钱经过这么一倒手,我就可以自由支配了。拿到钱来干什么?继续坐庄呀。指望市场好转能弥补由于大熊市导致的资产管理业务上的亏空。 可是,到了04年上半年,不光股市在跌,债券市场也有一个下跌的过程,那些委托证券公司买债券的客户纷纷要求把债券卖掉。可是,怎么卖得掉呀,人家已经把你得债券抵押出去了。于是产生了恐慌,大家纷纷要求把钱拿出来。这叫“资金链断掉”,叫“挤兑”。政府一查,发现整个证券市场已经被所谓的资产管理业务搞得完全的资不抵债。 正赶上胡温新政,胡总偏偏是个不怕出问题的人,问题暴露出来更好,正好借机还原资本市场的本来面目。高层(高到温总理那一层),一方面强压发改委送出丰厚的私有化馅饼,另一方面对市场违规行为痛下杀手。一举扭转资本市场的欺诈风气(以往的欺诈风气说到底是上边造成的,所谓上梁不正下梁歪)。 “资产管理业务”在这3、4年里得到极大的分化: 1、大力发展开放式基金。证券公司的资产管理业务本质与基金是完全一致的。都是如何把资金在二级市场上增值。只是原来坐庄的行为不透明,是私募基金;现在的基金管理公司,高度透明,搞得是阳光投资。一批原来做资产管理的投资专家到基金公司做了基金经理。 2、彻底不允许“保底资产委托”业务行为,不允许挪用客户的债券做回购。受托业务必须接受国家专门规章流程(资产管理业务管理细则)。获得创新试点资格的证券公司可以发行所谓“集合理财”产品(就是小型的开放式基金),原来不透明的业务也暴露在阳光下了。 3、自营和受托业务彻底分离,交易席位,结算帐户,银行帐户,财务科目一律分开管理。 到现在资本市场已经形成了一种觉得“坐庄是低专业水准的投资行为”的业界潜规则,搞得很多坐庄高手去了越南(那可是一块资本市场的处女地呐)。 好了,回到最没趣味的IT系统吧。 1、资产管理部都有一套“资产管理系统”。 早期,坐庄的时候,为了规避监管部门的检查和掩中小股民的耳目,巨量的买卖行为都是通过几个(几十个)证券营业部来完成的。自营部门在操盘室里放了很多看行情的电脑和很多电话,每个营业部也都有专门为自营业务服务的操盘手,他们在交易时间里必须守在电脑和电话机旁边,一旦总部的买卖指令下达以后,他们必须准确、迅速的输入本营业部的交易系统,并把成交结果通知总部控制中心。 一家深圳的软件公司创源世纪(名字里带“世纪”两个字的十有八九都是99年迎接新世纪的时候诞生的,如《二十一世纪经济报道》,上海的“世纪大道”,美国的“二十世纪FOX电影公司”等等,扯远了!),推出一套能够通过电子手段连通自营总部和各个营业部交易系统的系统。 这个系统,把分散在数十个营业部的数百个虚拟的帐户的信息记录在系统中,总部的操盘手直接能够选择这笔数百万的大单如何分拆为数十笔小单,分散到几个营业部的几十个不同的虚拟个人帐户上,通过电话线(后来就是广域网)自动把指令发到不同的营业部的交易系统,同时自动获得成交回报。这种交易自动化带来的好处是不言而喻的。 同时,这个系统提供一些项目管理的功能,例如:我这一批客户的钱放在A项目,一共多少钱,打算买卖哪些股票(所谓股票池),已经买了多少股票,盈利多少,这个项目由谁负责,每做一笔大的委托是否要给领导授权,等等。(听上去象管理基金一样,前边说过,资产管理业务就是一种特殊的私募基金的业务。) 这个系统是资产管理部最核心的系统。 2、TA系统。(怎么听上去还是跟基金公司那么类似呀?) 的确,TA系统(所谓TransactionAccount系统、交易帐户系统,我曾经很长一段时间猜不出TA的意思,笨!)是基金管理公司的核心系统。但在“集合理财”管理办法下发行的“集合理财产品”,就是一只小型基金,有TA系统的不奇怪了。 关于TA,再罗嗦几句。在法律上,TA帐户是拥有某个股份属于谁的最后的决定权的帐户。上海证券登记公司就是一个大的TA公司,它管理的就是股票交易帐户。一个股民有多少600001流通股票,最终由上海证券登记公司的股东帐户上记载的为准;同样,一个基金户有多少基金,最终由这个基金公司的TA系统里的这个人的TA帐户上记载为准;依次类推到证券公司资产管理部的TA帐户。(有关谁的东西到底属于谁的问题,是金融领域最核心的问题,业务最难搞清楚,法律关系最让人困惑的问题。当然这些问题在“国家到底是属于谁的”这个困惑面前,真是小巫见大巫了。)

June 2, 2019 · 1 min · jiezi

证券公司信息化6

证券公司信息化6什么是“清算”,涉及哪些业务要素,业务要素之间的关系是怎样的 刚到证券公司的时候,就听到公司一直强调的一条铁的纪律:“清算”业务一定要由业务人员来做,IT人员绝对不允许代替他们做清算操作! 这里边隐含了一些值得注意的信息:1、“清算”是一个很容易让人困惑的业务;2、营业部的清算人员(一般都是财务人员)对柜台系统的“清算”过程十分的不了解,出了问题都交给IT人员处理,次数多了,就干脆由IT人员代劳了;3、“清算”是很容易出问题的环节。 下边,我就来讲讲什么是“清算”,涉及哪些业务要素,哪些业务人员,哪些IT系统,业务要素之间的关系是怎样的。 前边讲过,每个股民在柜台系统中都有一个唯一的“资金帐号”,同时每个资金帐号下边可以挂多个股东帐号(这个股东帐号就是你在登记公司开设的那个,是你在交易所买卖股票的身份凭证)。资金帐号下可以有3个币种,分别存放人民币、美元、港币资金。股东帐户可能有多个,如:上海A股帐户、上海B股、深圳A股、深圳B股帐户,分别存放股票份额。资金帐户由证券公司管理,股东帐户由登记公司管理,柜台系统里的数据只是登记公司数据的一个拷贝。这就是基本簿记结构。所谓“清算”(这里指三级清算)就是这些帐户的变动管理行为。 我们知道,9:15到15:00的交易时间内,柜台交易系统不断的接受客户的买卖股票的委托,向交易所报盘,和从交易所接受成交是否成功的成交回报信息。柜台系统内部有一系列的资金记帐逻辑,例如,买了股票就把客户资金减少,卖了股票就增加客户可用资金。但是,这些在交易时间内发生的这些资金和证券余额的变动都是临时性质的,必须通过一次“清算”活动,来把当天的所有这些业务,记录到客户的帐户余额上,把当天的每笔交易情况归并到历史交易记录中。 注意:交易所实时返回的成交回报记录只是对是否成交的通知,成交产生的结果必须由登记公司说了算。(注意:交易所和登记公司的不同法律定位,交易所只对交易负责,登记公司才对哪些人拥有哪些股票负责)。登记公司每天5点多钟,会对当天发生的所有交易业务生成一些具有法律认同作用的dbf文件(包含白天每笔交易情况的成交回报数据、股份变动通知等等信息),通过卫星通讯系统发给每个营业部。根据这些数据记载,营业部的柜台系统再把交易涉及的资金和股份变动情况,记到每个股民头上。 你要问了,有没有可能白天交易所给我数据与登记公司给我的数据不一致,理论上而言,这是有可能的,并且必须以登记公司发来的数据作为作为给客户记帐的凭据。(仅仅是理论上,事实上从没有不一致过。这样描述只是为了让大家明白,交易时间交易所给我们的,以及我们给股民的那些信息从理论上讲都是不算数的,只有等登记公司发来数据后,我们再把这些数据记录到股民户头上,整个一天的交易才算数。) 归根到底,交易和结算是两个完全不同的业务活动,我们国家目前的证券交易行为最致命的风险就是这两个活动混在一起,大家都说不清道不明。下面,我试着把这两个行为做个区隔: 1、交易活动,一般只是客户服务行为,虽然可以看到交易的结果,但不对交易产生的股票归属负责;结算,是交易产生的归属权的变更的负责。 2、客户白天看到的交易产生的自己帐户上余额的变化信息只是一个通知,这些归属权的变动必须在晚上证券公司做完清算以后才有效。 3、交易活动,一般有营业部的交易服务部门负责;柜台交易系统里的电子委托手段,交易委托信息在公司内部网络上的传递,交易所报盘系统属于“交易系统”;交易所是交易活动的市场。结算活动,一般由营业部的财务部门负责;柜台系统里的客户帐簿功能,帐簿余额的变动,属于“存管系统”(目前完全集成在柜台交易系统中);登记公司是所有股民的证券余额的管理机构,证券公司是股民的证券二级管理机构。 4、在外国,交易系统和存管系统一般是完全独立的两个系统,销售交易部负责交易,运营部负责清算。无论是管理结构和IT系统,比国内清楚得多得多。 5、清算业务涉及的业务要素纷繁复杂,很容易让人晕头,系统记错帐是常见的现象(特别是一些新业务和平时很少发生的业务),也是开发商最头痛的地方。清算逻辑是最考验业务人员业务熟练程度的地方。在国外,运营部(类似我们的清算中心)的员工数量远远高于销售交易部(这一点与国内正好相反)。 好了,不能讲得太多,这些东西已经让人很难理解了。让我们记住:交易和清算是必须分开的业务行为,而国内在三级清算(相对登记公司对证券公司的一级清算,证券公司总部对证券公司营业部的二级清算,营业部对具体客户的清算叫做三级清算)环节,交易和清算都在柜台交易系统中进行。如果你要从事证券IT行业,这是必须搞清楚的内容。 再讲讲,客户交易结算金的管理问题。(又是一个头痛的问题) 每个股民在柜台系统里都有一个资金帐号,上边记录了这个人有多少钱(这个钱的术语叫“客户交易结算保证金”,俗称“保证金”,它们分币种存放,就象一张银行卡,上边都有人民币、港币、美元三个子帐户)。每天清算完毕以后,柜台系统要生成一个客户保证金汇总的金额(分币种)。每天清算人员(一般是财务人员)要把这个重要的数字,记录到财务帐中。 根据中国的客户保证金制度(就是,你要买卖股票必须先有钱,才能买股票;在国外你没有钱也可以买股票,只要3天内把钱打过来就可以),证券公司绝对不能把这部分钱拿去干自己的买卖!那么这些钱,到底放在什么地方的呢? 首先,每个营业部在银行开设有专门客户保证金存款户头。这个户头可能有多个,规定每个银行一个,但具体情况要看银行业务人员是否有本事揽到这些证券保证金存款;这些户头是所谓的对公存款户头(银行内部为公司服务的对公存款户头和为个人服务的个人存款户头是完全两个不同的概念),对公存款的利率比私人存款高,证券公司以个人利率支付利息给股民,而银行以对公存款利率支付证券公司,平白无故吃了一大口利差,暴利呀! 股民银证转帐、或者机构股民转帐划款,都是把自己的钱划到这些“客户证券保证金专用存款帐户”上。 但是,这些帐户上的钱加起来一般都会远远少于开始我们通过柜台系统统计的客户保证金总额。钱到哪里去了?!答案:被证券公司总部拿走了。 是的。虽然证券公司总部并不直接对股民发生关系,但它们也会在多个银行开设多个“客户保证金专用存款帐户”(性质与营业部开设的一样)。为了削弱营业部对客户保证金的控制力度(无数的案件都涉及营业部挪用客户保证金存款专用帐户上的钱),证监会要求营业部的客户保证金必须有70%以上要交给总部管理。 OK。每个证券公司都有一个叫“清算中心”(可能与财务部在同一个部门,也可能独立),专门来管理这些总部的客户保证金存款资金。这个部门里有一个权力很大的人,不断的要求营业部把客户保证金转帐过来,或者返还回去。有个术语叫做“资金划拨”。管理哪个营业部留多少钱,哪个银行帐户上有多少钱的系统一般都是新意公司“新意法人清算系统”。 总部拿到这些钱以后,还会拿出一小部分存放到上海、深圳证券登记公司的客户保证金专用帐户上。这些钱,用来每天的一级清算,就是说每天登记公司根据你这个证券公司的所有客户的买入卖出股票汇总,计算出你是买的更多还是卖的更多,如果你的所有客户交易买得比卖得多,那就把你存在我这里的钱扣掉一部分,用来付给别人;如果你这个公司卖得更多,那我就把别人的钱付给你。这就是一级清算的概念。 好了,我们现在可以得到一个等式:整个公司的客户保证金=所有营业部的所有客户保证金专用帐户上的钱+所有总部的客户保证金专用帐户的钱+公司存放在两个登记公司的钱。 这个等式的所有数据的自动化抽取和计算由“保证金独立存管监控系统”负责,2005年监管风暴中,对这个平衡式的强调到了无以复加的地步。只要每天考察这个等式,就能够知道客户存在证券公司的保证金被证券公司合理的使用和保管。 介绍相关的IT系统 好了,接下来,让我描述一下证券公司内部有哪些IT系统涉及到上述的“清算”业务。 1、Prop系统。由福建新意公司为上海证券登记公司开发的,连接上证登与各证券公司之间数据交换的信息系统。所谓:与上证登的一级清算数据就是通过这个系统接收的。Prop系统有点象一个文件共享软件,共享区域在上证登,每天上证登把若干dbf文件(客户保证金帐户明细数据,客户交易明细数据,客户股份余额变动数据,客户股份余额数据等等)放在这个“共享目录”上,证券公司的总部的清算中心的业务操作员,把这些文件下载到本地。供“法人清算系统使用”。 2、IST系统。与Prop系统类似,IST是由新意公司提供的连接深圳证券登记公司与证券公司的通信系统交换一级清算数据。 3、法人清算系统。由于新意垄断了与登记公司的数据接口服务,很容易的把触角伸到证券公司总部,提供了所谓“法人清算系统”。99年以前,证券公司总部和营业部之间的客户保证金的划拨基本通过手工完成的,直接把相关科目数据记载在财务系统中。而法人清算系统的出现,规范和集中了二级清算的业务行为。把总部清算中心(财务部)与营业部的财务部联系在一起。特别是,B股的清算,登记公司不直接往营业部发清算数据,而只往证券公司总部发,这样需要总部将B股数据根据客户属于不同营业部对数据分拆,再发送到营业部,营业部才能做B股的三级清算,所以02年后普遍都配备了法人清算系统。 4、卫星通讯系统。除了Prop系统、IST系统,两个登记公司还通过卫星通讯系统(与交易用的相同的系统)把,分别属于哪个营业部的三级清算数据(具体到每个股民),发送到营业部。注意:每个股民的每天的交易成交明细数据,既发给总部,也发给营业部,但是,总部拿它们是没用的,因为三级清算是在营业部做的。 5、柜台系统。在每天通过卫星系统拿到三级清算数据以后,记到每个股民的个人资金帐户(放资金)和股东帐户(放股票)上。 6、财务系统。在证券公司的财务总帐系统(用友、金蝶等)中,有一大批涉及客户保证金的财务科目,贷方科目叫“客户保证金”(可能有一级科目,二级科目等等),就是每天营业部从柜台系统统计出的那个汇总客户保证金数字;借方科目就是“银行存款下边的客户保证金专用存款”,也是一级、二级、三级等等,具体到每一个对公存款户头都对应一个科目。财务系统里的这些数据是具有法律效力的,人家审计公司来查帐,查的就是你的这个财务帐。虽然,相同的数据可能在银行、在法人清算系统、在柜台系统中都可以统计出来,但面对外部,财务系统里的数据是最有效力的。 7、独立存管监控系统。这是证监会对证券公司规范性的最基本的要求之一。这个系统,自动抽取柜台系统、登记公司清算数据、法人清算系统、财务系统、外部银行系统的数据。分别对客户的股票余额在柜台系统和登记公司数据进行核对,对客户保证金平衡等式进行核对,对财务科目的平衡性进行核对。(听起来有点数据仓库的味道,ETL等等)。 好了。今天的内容够大家消化的了。反正我是花了近半年时间才对这个业务关系有一个较为整体的概念。 如果你对一级清算,二级清算,三级清算的概念有所理解,就足够了。

June 1, 2019 · 1 min · jiezi

证券公司信息化5

证券公司信息化5今天给大家具体讲下的交易实现过程以及随着时代进步所带来的交易的方式改变 我们常听到IBM(所谓全球最大的软件公司)的广告词:随需而变。简简单单的理念,却蕴含了最朴素最本质的应用软件系统的核心价值。证券公司的交易系统同样应验了这个最原始的核心价值,它的发展变革直接来源于证券公司业务上不断更新的业务需求。 1949年,随着上海的解放,演化了数十年的“旧”资本主义证券交易市场嘎然中止。一直到1988年,新资本主义(所谓社会主义市场经济)的核心组成部分,证券交易市场,又重新在中国大陆出现。 早期的交易市场(上海深圳两个交易所)的交易行为都以“场内报盘”的形式出现。即:各地证券营业部接受最早吃螃蟹的那些股民的买卖股票的委托(填写一张叫“证券委托单”的小纸片),通过长途电话的形式,通知各营业部在上海、深圳交易所内的红马夹(所谓“场内交易员”,他们由证券营业部派驻交易所),由这些交易员输入交易所的电脑终端,根据成交结果,再长途电话通知各自营业部柜台,再通知股民。 这种纯手工的处理方式,和当时少得可怜的交易量和股票品种,使得各个证券营业部几乎没有电脑系统可言,有的话,也只是一台单独的PC,运行dBase程序,用来记帐。 (这时候效率主要慢在两个环节:1、股民的委托必须以填写委托书的形式与营业部的柜台进行数据交换;2、营业部以长途电话的形式与交易所进行数据交换。) 到了1993年,情况发生了剧烈的变化。交易所除了场内“有形席位”(就是那个穿红马夹的坐在一个“席位”上接受公司指令替客户买卖股票)的交易模式以外,提供了“无形席位”的交易模式。所谓“无形席位”就是指证券公司通过一个卫星报盘系统,用电脑自动交换业务数据,往交易所主机里发买卖股票的指令,或者接受交易所的成交确认数据。 (自动化的卫星报盘系统的出现,解决了上述第一个环节的数据交换瓶颈;于是极大的刺激了解决第二个环节数据交换瓶颈的营业部内部交易系统的发展。) 先花一点时间,讲讲这个卫星报盘过程。(一直到现在很多营业部还在沿用这种报盘模式。) 如果仔细观察你会发现,每一个证券营业部所在大楼的楼顶都会有四个直径1.2到1.5米不等的锅型卫星天线,对准东南方向的亚洲一号通讯卫星,在上交所和深交所同样有很多很多的卫星天线也对着这颗卫星。这样通过无线信号,把两个交易所和2000家证券营业部联系在一起。(某邪教疯狂作乱的时候就试图干扰那颗卫星的工作而扰乱中国的金融秩序。) 每个营业部的4口大锅分别起到如下4个作用: 1、营业部向上交所发送股票买卖的申请,上交所往营业部的信息反馈,由于这个过程需要双向交换数据,故称知为“上海双向小站”; 2、上交所往营业部实时发送交易所股票交易行情数据,这个过程营业部只需要被动接受就可以,称知为“上海单向小站”,(这种类似卫星电视接受的机制,确实给营业部接受亚洲一号卫星上的电视节目提供了完备的物理基础,以至于很多营业部购买的卫星电视解码设备,为大户提供了外国电视欣赏服务。); 3、与“上海双向小站”类似的“深圳双向小站”,负责双向传送到深交所的股票交易申请和交易所的回报; 4、与“上海单向小站”类似的“深圳单向小站”。 这四个卫星天线通过几十米的电缆,联入了营业部的机房,分别接在4台类似卧式台式电脑主机大小叫做“卫星室内单元”的铁盒子的后部。这四个盒子的背部还分别有4个网口,通过4根网线连在4台PC机上。这4台PC机,分别运行交易所提供的4套软件,分别是“上海双向小站”报盘程序、“上海单向小站”数据接收程序、“深圳双向小站”报盘程序、“深圳单向小站”数据接受程序。 以“上海双向报盘程序”为例:它是一个DOS程序,负责不断的读取磁盘(早期都是本地硬盘,后边都是网络共享硬盘盘)上的两个DBF文件(Orders.dbf,Withdrw.dbf),这两个DBF文件是营业部根据客户的交易委托生成的数据,Orders.dbf文件里边一条一条的记录记载了哪个客户(还记得上次讲到的股东帐号吗?这里填写的就是这个股东帐号)以多少价格买入或卖出多少数量的哪只股票。报盘程序每隔几毫秒就读一次这两个DBF文件,把新内容通过网线连接的“卫星室内单元”,报到上交所。交易所成交以后,又通过这个路线原路返回,交给那个“上海双向报盘程序”,再由这个程序把数据写入到另两个DBF文件(Orders2.dbf,Withdrw2.dbf)。在交易时间内(9:15-11:30、13:00-15:00)这个程序数百万次的读取和写入这些DBF文件,完成营业部与交易所的数据实时交换。 “深圳双向报盘程序”与“上海双向报盘程序”一样,通过几个DBF文件,实时与深交所交换数据。 同样,“上海单向行情接收程序”和“深圳单向行情接收程序”也不断的接受卫星行情数据,写入另几个DBF文件。为营业部提供行情数据。(可以到上交所、深交所网站上下载所谓的交易所数据接口文档得到最详细的说明。) 从93年开始,证券营业部电脑部的很重要的一项任务就是,一定要保证这些卫星通讯程序的正确运行,99年行情火爆的时候,这些程序的数分钟的中断都可能使电脑人员遭受数千元的高额处罚(当然,当时电脑人员的奖金也是极其丰厚的)。 好了,有了这套卫星报盘系统,营业部与交易所的数据交换瓶颈得到完全的解决,这时候急需一套营业部内部的基于网络的自动化的交易系统,解决营业部与股民的数据交换瓶颈问题。 当时要解决几个基本业务需求问题: 1、如何让股民看到实时交易行情? 2、如何让股民通过电脑自己下单,电脑系统自动往卫星报盘系统发数据,再把反馈结果让股民自己查看到? 3、如何解决内部PC的联网的问题? 1993年的时候,数百套解决以上问题的证券营业部网络交易系统在全国雨后春笋般的涌现出来。但一般而言,有以下几个共同的特征: 1、行情揭示系统。其实这10几年没有多大的变化,钱龙行情系统一直处于领先地位,它就是通过数秒一个轮回的扫描前边提到的那几个行情dbf文件,把最新的股票行情数据转换为自己的格式并保留历史数据(注意,那几个dbf行情接口数据是实时更新的,没有保留历史数据),再通过客户端程序展现在股民面前。(就是我们俗称的K线图。) 2、在97年以前,大部分的交易系统都使用dbf文件做为数据库,一般包含股民的资金帐号数据(每个人有多少保证金),股民的股东帐户数据(某个股民在交易所里的帐号),股民资金帐号与股东帐号的对应关系。这些表提供了一个类似帐簿功能。(注意:帐簿功能是证券公司交易系统的一项基本的功能。)另外,一般营业部都提供股民自助刷卡电脑,一个营业大厅里放上几十台这样的自助刷卡机,行情火爆的时候几个人因为抢这么一台自助委托终端而挤得满头大汗。而有十几万资金的大户们,往往使用一台独立的PC运行行情系统,同时通过这台PC上的一个内存驻留程序(呵呵,好象很多年都没听到过“内存驻留程序”这个DOS时代的术语了)来下单。例如,大户在看行情的时候想下单,就敲一个组合键,一个小窗口软件就能跳出来,提供多个以什么价格买入什么股票多少股数的输入框,完成委托。无论是散户用的自助刷卡电脑里的DOS程序还是大户用的电脑的里边的DOS程序,都负责收集客户数据的委托要素,并往交易系统的叫委托流水表的dbf文件里边添加委托记录,另外有一个不停扫描这个dbf文件的DOS程序把委托流水表里的记录转换到交易所的接口dbf文件中去。这个过程就好象数据处理流水线,每个DOS程序就是流水线上的工人,他们不停的从上手把数据拿过来处理一下在放到下手去。除了簿记功能,这种对委托数据的一步一步的处理是交易系统的另一个基本功能,甚至这个功能才具备“交易”概念。“簿记功能”和“交易功能”被合在同一套交易系统中给交易自动化带来了极大的便利,但便利性和安全性始终是跷跷板的两头,个人认为,恰恰是中国证券行业交易的高度自动化,给风险防范带来了极大的困难。 3、97年以前的网络环境完全是Novell的Netware的天下,Netware服务器就象是一个大的网络硬盘,行情数据、dbf文件、DOS程序、配置文件,通通放在网络目录下,所有的网络电脑都是无盘工作站,通过网卡上的一块启动芯片激发网络硬盘上存放的DOS系统程序来完成系统引导,再通过一系列的Netware用户登录脚本来完成不同的无盘工作站运行不同的DOS应用程序(例如自助刷卡电脑会自动运行自助刷卡DOS应用程序)。当时吃Netware网络系统集成的计算机公司没少挣钱。注意:直到2000年互联网(TCP/IP)浪潮以前,证券营业部一直使用IPX/SPX网络协议。 然后,中国股市经历了94、95年的低潮,直到96年真正进入全民炒股的阶段,到1997年急剧增长的业务活动给IT系统带来严重的负荷,从各个方面都必须对交易系统进行重大革新。同时,利润丰厚的证券营业部在IT方面的投入空前提高,也促进了交易系统供应商在软件系统上的升级。 首先,dbf文件的数据库模式被RDBMS(关系型数据库管理系统)取代,主要是MSSQL(在金融行业有优势的Sybase由于母公司的失败后来基本淡出了证券交易系统数据库平台),由于MSSQL的采用,WindowsNT系统被引入了证券营业部的机房。这是典型的C/S模式,DOS程序运行在无盘工作站上,而客户信息簿记数据全放在SQL服务器上。 其次,电话委托系统的大规模引入极大扩展了股民的参与空间。如果说93年的技术革命把证券交易自动化引入营业部,那么97年的技术革命,把交易自动化引入了无数的家庭和办公室。全民炒股是从电话委托系统的普及开始的。到2000年的时候,很多营业部的电话委托交易笔数占到50%以上,营业部的电话委托系统的电话接入线数从十几线扩展到上百线。 第三,银证转帐系统的引入。98年有一个奇特的现象,银行们纷纷挤进证券营业大厅,一来代理现金出纳业务,二来抢银证转帐客户。证券第一次开始跟银行挂上勾了。当时证券是香馍馍,银行往往把证券营业部当成白金客户捧着。 97年以后,证券交易软件供应商进行了极大的整合,从dbf到SQL,正轨的软件公司挤走了所有个体户和证券公司自行开发的交易软件的市场,形成了十几家大的专业IT公司。深圳的金证公司、杭州的恒生公司是其中的领先者。(这两家公司都在2003年上市,成为最终的幸存者。) 2000年,美国的互联网烈火烧到了中国,同时中国证券市场也进入最亢奋的阶段。交易系统在面对极大的交易负荷的同时,表现的愈发成熟,表现在: 1、在这个阶段,向赶时髦一样,三层结构风靡证券交易系统架构。其实质需求在于,客户委托手段的进一步扩张,特别是网上委托的出现,做网上委托软件的公司(核新软件是领跑者)往往不是做交易系统的公司(例如金证公司),这就需要有一个交易数据的数据结构描述规范,使得SQL数据库前边要有一个应用程序(层)面对各种各样的外围委托系统(例如:网上委托、电话委托、银行委托、刷卡自助委托等等)。 2、网上委托的出现。2000年的时候还有炒作的成分在里边,到2003年简直成了办公室职员炒股的标准配置。更何况我们的网上交易软件往往与网上行情系统捆绑在一起,唾手可得的免费实时行情信息谁不要呀。(我们的交易所是没有追究这种粗暴侵犯其知识产权的行为,一旦追究起来,就没这份免费午餐吃了。关于行情系统、中外行情系统的区别,以及行情知识产权的盲区,以后会进一步描述。) 3、Cisco网络交换机的引入,以及TCP/IP协议的广泛应用,给网络稳定性提供了可靠的保证,到2001年,网络稳定性已经强过1997年数倍。2000年证券行业向Cisco转向的速度之快,规模之大,让Cisco公司大吃一惊,以至于2001年开始,证券行业成为Cisco公司的主要发展方向之一。 4、广域网的引入,记得广域网的真正投入业务运行的最重要的业务需求是2001年的B股市场象国内个人开放,当时每个证券公司只有一个(或两个)B股席位,这样一个公司几十家营业部的B股业务必须先集中到一个地方,再通过那个席位的卫星报盘系统往交易所报数据,所以必须要有广域网。刚开始还有公司用电话线拨号的方式做网络连接手段,但由于涉及到当时火爆的B股业务,所以绝大多数公司都在这没多久上了广域网。 5、集中交易的尝试。证券公司数据大集中的概念在2002年曾经火过一段时间,但遇到大熊市,都暂停了,一直到2005年。 2001年开始,中国股市进入前所未有的困难时期,2005年7月创下8年最低,所有IT系统基本都进入一个休眠期,证券行业的IT供应商死了一大批。2006年4月初步完全股改,中国资本市场进入全新的发展阶段。这个阶段目前正在进行,个人觉得与中国的资本市场一样,交易系统有脱胎换骨的可能。 这一阶段主要变化有: 1、集中交易经过一段时间的试探和停滞之后,在2005年得到迅猛的大面积实施;营业部电脑部大幅度裁员,营业部向纯营销角色的转变。集中交易的变革在平台上第一次把Unix、Oracle、等专业平台引入了证券行业。有种鸟枪换炮的感觉。同时,集中交易这次洗牌,给复旦金仕达和根网这两个公司带来机会,一举突破恒生、金证的垄断,形成非对称优势。 2、广域网的稳定性和带宽得到质的飞跃;给整个公司大后台的概念提供了坚实的基础设施支持。与交易所的数据接口线路基本转向高速地面专线。 3、银证通业务的曲折发展,2002年开始银行不积极,2005年银行很积极,到2006年被禁止;银证通业务的大发展给传统的证券IT供应商提供了很好的进入银行领域的机会。但是,混业经营可能是一个挡不住的趋势。 4、所谓存管系统的出现。前边有提到目前的“交易系统”包含“簿记功能”和“交易功能”。簿记功能就是所谓的存管功能,就是股民的资金、证券的数据登记在“交易系统”中。这种模式很容易出现交易、清算不分的现象,出现业务部门功能划分不清的现象。南方证券倒闭以后,证监会提出把客户的资金数据交给银行来管理,也就是说,客户有多少交易保证金由银行的系统说了算,这是所谓“银行存管”的概念。还有一种提法,就是在证券公司内部,做一个独立的客户保证金(可能还要加上客户的证券资产)的存管系统,把“交易系统”里的“簿记功能”剥离出来,这样做到“交易”和“结算”的完全隔离,以降低风险。呵呵,这都是很新,且业务定义模糊的东西,所以我还没见到有一个真正的独立“存管系统”的出现。关键是,我们的证券公司内部业务分工就不明确,哪些业务行为该哪些业务部门负责都不确定,即使这一块业务该你负责,业务人员也不一定搞得清楚,都严重依赖电脑系统,把我们的恒生公司当作业务咨询公司在搞。 结束语: 2006年9月份,上交所新一代交易平台数据接口就要实时,这是93年卫星报盘接口发布以来最革命性的技术突破。突破就突破在对业务模式的完全放开。中国这种高度自动化,高度散户化,高度投机性,高度同质化的交易模式,在迅速全盘西化,高度客户化,高度市场细分,高度个性化,高度层次化,和以理性价值投资为导向的市场环境下必然会发生继续深刻的变革。这对为其服务的IT行业而言,既是挑战,也是机遇,就看我们如何去面对和选择。 下边将粗略的讲讲现在一个中型证券公司为经纪业务作业务支持的IT系统都有哪些,各起什么作用。

June 1, 2019 · 1 min · jiezi

证券公司信息化4

今天给大家介绍下柜台交易系统,这是每个证券公司的IT价值核心 居然还是不断的有人对我这个系列感兴趣,前两天有人问我最核心的第4篇在哪里。其实,跳过了第4篇是当时编号时的疏忽,不过正好给了一个空位,留给最重要的内容。 先说说一个题外话 很早听到国泰君安IT开发部的员工抱怨,说开发工作费脑子,但在公司里的地位还不如整天忙忙碌碌的运行维护部的同事。我最近也深有体会。为什么,按理说,搞开发的,听上去蛮有技术含量的,怎么连普通的系统维护人员都不如,工资也低,奖金也低。 这里边的原因就在于,在证券公司内部,IT部的最核心的价值在于它维持了一套自动化交易系统,缺了这个系统,或者这个系统出现哪怕是一点点的故障,也会引起轩然大波。维护这个交易系统太重要了,领导太关注这个工作,领导的领导的眼里IT的价值也就是维护好这个交易系统的平稳运行,自然所以围绕这个工作的技术人员就会受到12分的重视,自然就能拿到高薪水。 这个系统就是今天要说的柜台交易系统,每个证券公司的IT价值核心。 美国的第二大证券公司摩根士丹利曾经在2年前在中国大规模招聘IT开发人员,为其亚太地区的证券交易系统网罗劳工。说明一个现象:在国外的大投行里,其核心交易系统基本是自主开发。 但在中国,柜台系统主要由两家开发商:杭州的恒生和深圳的金证(当然还有金士达、根网等等,但规模小多了;也有部分证券公司号称自己开发的交易系统,但或多或少的是与这两家公司“合作”完成的)。证券公司只需要花钱就能买来一整套的交易系统,由恒生和金证的工程师调好系统,按系统现有功能来开展业务就是了。 3年前,大部分的证券公司的柜台系统是以营业部为基本单元的。就是说,每个营业部有自己独立的柜台服务器,电话委托、网上委托、银证转帐等等都是基于本营业部,几十个营业部各管各的,互不相关。现在基本都集中到公司总部。下边形象粗浅的描述一下这个核心的交易系统,给大家一个比较宏观而感性的印象。 在上海外高桥有一栋与上海交易所有密切利益关系的大楼,这栋大楼里有很多的空的机房出租,各个证券公司都在这里租用了很多房间,大部分的柜台交易核心服务器们就放置在这里。这种大楼往往被称为“IDC”互联网数据中心,专业的机房管理公司提供商业化的标准的机房和网罗环境,用户(证券公司们)每年花数百万人民币租用这里大小不等的机房。除了机房,IDC还提供普通的办公房间,供各公司管理各自机房的IT员工使用。所以,很多证券公司的柜台交易系统的维护人员实际上就在这栋大楼里上班。他们的跳槽也就是从这间房子跳到另一间房间里。 柜台系统的核心服务器是一台起码是价值100万以上的小型机服务器(相对PC服务器,小型机这个概念更高档一些和更贵一些),这些服务器一般都运行这Oracle9i数据库操作系统(也有用SQL2000的,显得更低档次一点),这个数据库内就是由恒生(或者金证)公司设计的数百张数据表格。 最重要的表格是(以恒生系统为例): 1、 client表,这个由branch_no(营业部编号),fund_account(客户资金帐号),client_name(客户名称),id_no(身份证号码),rate_kind(佣金费率);等等不只这些。这里边,fund_account唯一指定了客户。我们说开户开户,就是开的这个fund_account。 2、 fund表,存放客户资金余额(current_balance),币种(money_type,是人民币还是美元、港币呀?) 3、 stockholder表,指明了客户的资金帐号(fund_account)对应了哪些股东帐号(stock_account),还说明了这个stock_account,是哪个交易所(exchange_type)的。fund_account是由证券公司开户得到的,而stock_account是交易所(登记公司)开户得来得,一个股民要新开户必须先开上海深圳得登记公司户头(前边介绍过还记得吗?),开柜台系统帐户的fund_account时一般都要把其stock_account(一般都是两个上海一个深圳一个)告诉开户小姐,小姐录到电脑里,实际上就是放在这个表里。 4、 stock表。存放客户的股票余额。主要有fund_account/stock_account/stock_code(股票代码)、current_amount(股份余额)等等。一个股民有哪个股票有多少股就是在这个表中确定。 5、 fundjour表。资金变动表。每个股民的每笔资金变化都记录在这里。(jour的意思是流水帐的意思。) 6、 deliverjour表。股份变动表。每个股民的股票的买卖变动记录存放在这里。(这个deliver单词是不是有点奇怪?我也奇怪为什么不叫stockjour表。) 好了万变不变其宗,所有证券公司的客户交易行为都是围绕着这6张表进行,当然除了这6个基本帐簿恒生6.0集中交易系统中还有3百多张配套的表格,数据库系统就是不断的对这几百个数据表利用数千个不同的业务行为不停的更新呀更新呀再更新,或者不断的查询查询再查询。 说到底,就是这么回事。 这台最重要的柜台数据库服务器,一般都有一台专门用来数据写入和更新,另有数台备份服务器,使用数据同步软件进行实时的数据同步,大批的查询就可以从其他几台备份服务器上读取数据。 这几台最重要的数据服务器放在机房最重要的位置,由最稳定的有备份的UPS电源提供电力,放在黑色的2米高、60CM宽的机柜中,风扇呼呼的响,花花绿绿的小灯们拼命的忽闪忽闪的眨眼。 以柜台数据服务器为核心,往外向几个方向扩展。 1、 交易所。交易所都提供了专门的数据报盘系统,这些系统通过高度专线连接到交易所机房。作为柜台交易系统的一个核心部件,恒生(金证)提供了报盘程序(叫Trans?对交易系统的细节真不太清楚。),这个程序不断的从柜台数据库的另一张重要表格entrust(客户委托表)的内容往交易所报盘系统转发,或者反过来。Trans以毫秒计的不停的工作。做权证短线的投资客们在意的就是这些毫秒(有点夸张,但他们绝对在意秒,差1秒,他们绝对能感觉出来。) 2、 恒生(金证)提供的完整的业务数据路由网络。这个网络的构架是除核心数据库之外,柜台交易系统最核心的组成部分。 a) 在前几篇中,我提到过,柜台交易系统有两个核心功能:一:客户帐簿功能,记录了完整的会计帐簿信息(不要小看了这个记帐的功能,它是业务清算的核心,前边提到过我们的柜台系统已经不是纯粹的“交易”系统,而且是一个复杂的“清算”系统,我们国家之前很多问题就出在“交易”和“清算”的合而为一,大家都搞不清,大家也都不去搞清,就交给供应商提供的柜台系统完成本来应该证券公司自己完成的业务流程分析规划和管理。)二:交易数据路由功能,就是在实时交易过程中如何保证快速的将客户的买卖委托准确的发往正确的位置,这才是“交易”的含义所在。特别是2000年后,三层甚至多层交易路由机制的出现,这种灵活配置的业务数据路由功能被发挥到了极至。 b) 这里先简单讲讲。最初为了满足交易网和办公网的分离,在跨网段的机器上安装数据转发软件(所谓交易网关),能够让安全性差一些的外网上的客户委托记录通过这个交易网关转发到核心的数据库服务器所在的内网中。后来这种网关还可以连另一个网关,再连下一个网关,这就有了路由功能,通过设置这个路由软件上的路由表(标明那些类型的业务数据从哪个营业部来的应该转到下一个的哪个路由业务网关上)。而且,现在在数据库的外边包了一层叫业务应用服务的东西(这些名词都是上世纪末互联网热潮中时兴的叫法),对外而言没有数据库的概念,完全被这个应用服务器软件屏蔽,例如,我要买入一只股票,以前是直接调用数据库里的存储过程,现在只是提供一些标准参数,交给这个应用服务器(AS),再由它一般是一些内嵌到C语言里的SQL语句完成业务任务(实现业务逻辑。) 目前未理解没关系,可能过半个月回头来看就能理解我说的意思。生活就是缺憾的艺术! 3、 Internet。营业部已经越来越作为营销场所和开户场所存在,目前75%以上的交易实际上是客户通过网上委托完成的。核新、通达信等软件公司开发了从客户端软件(就是我们经常见到的证券公司网站上的那些可以下载的交易软件),到服务端的解决方案。这些服务端再通过上边提到的柜台系统的AR(应用路由)软件进入交易系统的网络世界。 4、 营业部。现在营业部的功能越来越朝营销中心的方向发展。除了行情系统自成体系外,交易网络已经完成成为整个公司由AR和AS组成的业务数据路由世界的末端。例如,柜台开户功能,客户费率设定,指定交易,等等,通过恒生(金证)提供的一个Windows界面的客户端软件完成。另外还有传统的刷卡软件,大户室的热自助软件,电话委托等等。都作为末端数据采集系统联入后台的路由世界。 5、 银行。呵呵,这可是个重要的合作伙伴。最初的银证转帐在2007年突然被全国性的全面的彻底的革命性的三方存管所取代。三方存管的意义在于,客户资金数据终于从最细的细节上被除了证券公司以外的一个第三方机构所完全掌握。证券公司终于没有办法通过垄断客户资金明细信息来获取它的特权(例如挪用保证金,由于证券公司屏蔽了客户资金明细数据,它总能想出花招来搞股民的钱,特别是证券公司董事长动了这个念头之后)。这样,银行和证券公司的数据交换成了证券信息数字流中重要的一环。 我突然想到一些有趣的想法这里特地拿出来强调: A)、与银行的业务流,实际上与柜台系统客户帐簿功能一样数据登记结算环节,属于“清算”的内容范畴,与“交易”是两回事。这是我一再强调的。 B)、我们国家的证券公司没有把个人客户和机构客户完全分开。在银行,个人零售(储蓄所)和对公业务(营业部的会计业务)是完全不同的部门,使用完全不同的业务规则,IT系统是完全不同的。在证券领域,一笔糊涂帐。 C)、交易相关的业务数据交换协议,在国外叫“FIX”,相信很多人都听说过FIX。其实,之所以我们国家没有出现类似FIX的东西,就是因为我们国家这种数据交换太随意。软件供应商之间的数据接口业务只是一些底层的程序员自己编制出来的。这些接口千奇百怪,甚至员工的跳槽也会导致接口的变更。还有就是中国的软件不值钱,标准协议这种东西是降低成本而出来的,如果你本来就都是手工作坊,也就每必要在较低成本了,因为那样反而成本更高。 D)、SWIFT协议是国外银行间或者企业和银行间划拨资金的标准接口。到了我们国内也成了千奇百怪的接口,每个银行都有所谓的“企业电子银行”,每个银行都在证券公司安装各种他们的程序员们拍脑壳想出来的数据接口,实现银行数据的电子化划拨。 E)、中国的散户太多了,机构也是散户化的,交易频繁,交易模式单一,证券公司内部更本不去自主创新业务管理发展方式,监管机构也从来就不放心让证券公司自己管好自己,所以下来的操作指引也是无比的细则化,搞得大家都一个样,大家都指望一套IT系统自动的完成所有的事情。苦了金证(恒生),也成就了他们,他们俨然成了业务顾问了。 怎么发现,说得跑了题,都不知道飞到哪里去了。 回过头来再说我们的交易系统。用一个具体的案例来讲讲信息是如何传递的。 股民老张看到中石油破发,再也无法忍受自己的本钱缩水,决定抛调500股。他打开电脑,运行他一直在用的网上委托软件(叫什么核新客户端软件),输入代码、价格、股数等等回车。委托数据被打包,发给一个Internet上的IP(在网上委托软件设置中都可以看到)。这个IP物理上也许在某个大城市的某个高科技园区内的某个电信公司的托管机房里,这个IP地址被绑定到某台服务器的一块网卡上。这个服务器上运行这网上交易服务端软件。 接受这个数据包后,核新公司的网上交易处理程序,再把数据转发到金证公司的交易系统的某个AR程序,这个AR程序通过检索本地硬盘上的路由表,发现应该交给中心机房的另一个AR程序,于是数据通过内部广域网来到了中心机房。(实际上可以无数个AR间转发这笔请求,只要你愿意费神配置他们的路由表。怎么听上去有点象CCNA的网络课程。是的,这些应用路由的转发其实与IP路由转发是一个道理。) 这个汇总AR再分析数据请求,发现是申请卖出股票的请求,就发给一台应用服务器(AS),这个AS通过请求的功能号触发约定要的一个DLL文件,这个可执行代码里,把这个请求终于放到了Oracle数据库里的entrust表中。 另一个报盘程序,每毫秒的扫描这个entrust表,一旦发现新委托,马上取出,写入交易所的接口表中(可能是一个叫order.dbf文件)。交易所的报盘程序也在不停的扫描这个Order.dbf表,一旦发现新委托,马上通过DDN专线发给了交易所通信中心,知道交易所主机。 由于种散户天生的被庄家们抓住了性格弱点,他一定是割肉在地板上,毫不留情的被庄家吃掉筹码。成交。 OK,反过来又来一遍这个数据流程。晚了,累了,不多写了。反正老张,看到了他的成交回报。并且马上后悔自己抛调了股票。如果他晚上听到新闻联播里降低印花税的消息,指不定心情糟糕到跟老婆大干一场的程度。(怎么这个老张这么象我呀?!) 呜~又到了半夜。希望这一篇逻辑混乱的文章能够给你带来一些关于柜台交易系统的稍微感性一些的认识。886。

May 31, 2019 · 1 min · jiezi

证券公司信息化2

投资银行业务是做什么的,怎样赚钱,IT在里边起到什么作用? 投资银行业务是证券公司的核心业务。 注意:这里的“投资银行”不是那个广义的投资银行(证券公司),而仅指证券发行业务。容易搞混,美国人说的“投资银行”就是指我们的证券公司,而我们说“投资银行”一般指证券发行业务。 2000年刚来证券公司的时候,隔壁办公区就是投资银行部(Investment Banking Division,IBD)。那些同事们一个个都是牛人,一看就是那种特别能说会道、脸皮厚、善于与人打交道。他们除了个别秘书常驻办公室以外,大部分人常年出差在外。后来了解到里边的一些运作流程。 一般类似这样的: 证券公司总裁或投行总监这类的人往往利用一切关系搞好跟政府部门的关系。省一级的政府往往把本省的一些有希望的企业上市做为一项很重要的经济工作抓,政府希望把本省经济做大做强,而企业呢,一旦上市就能获得巨额资金,而且还没人管你钱将来怎么花,所以企业的上市驱动力极其强烈,甚至行贿(这些情况都是几年前的了,现在可不同了)。证券公司利用各种渠道各种关系去搞这些公司上市中介服务。 一旦意向确定以后,证券公司的投行部的一班人马就进驻这个企业,帮它们做上市辅导。(收取一般200万的辅导费。)所谓辅导就是按上市股份制公司的机构设置和财务科目编制对现有企业进行改组,所谓剥离不良资产留下优质资产其实就是机构重组,一家企业变成两家,一家母公司一家拥有优质资产的股份制的子公司,将来就是这家子公司上市。 2年以后,投行人员就协助制作成堆的数万字的上市申报材料,往证监会递送,于是负责这个案子的投行业务人员就常驻北京了做了“跑部钱进”大军中的一员,不断的向证监会预审员(负责审核申报的材料)询问有没有看材料、有没有什么问题、能不能出来喝喝茶呀之类的。人家预审员突然从你上报的上市方案中找到一个瑕疵(我们的预审员就代表着最广大股民的利益,所以看申报材料特别认真),于是我们这位项目经理马上把问题反馈到企业那去,一般就几天加班加点,并且拼命揣摩我们证监会领导的意图,再把修改好的《招股说明书》之类的文档递上去(有点像古代往京城递折子噢)。 刁难几次以后,大约过半年,这家企业的案子就到了证监会发行审核委员会那里了。(呵呵,这个发审会的一个联络处官员于2004年由于出售委员名单而锒铛入狱。)发审会大概每周开两次会,每次审核2至4家企业的上市申请。一旦我们这个案子列入日程,那么投行大批人马和企业最高领导就马上进京,开始紧张了。听一个投行董事总经理(比投行总监小,比项目经理大)说,会议现场就象过堂一样,下边是数名发审委委员(都是经济学家以上级别),每个上市企业两个名额(一般一个是企业董事长一个是企业财务总监)上台做总结称述。然后闭门磋商,闲杂人等一律到外边等。一小时后,结果出来了。一般是60%的通过率,3家中枪毙一家。如果我们这个案子通过了。就意味着数年的苦熬胜利结束。一般晚上一班人会在北京最好的娱乐场所(估计都回去天上人间),叫上最漂亮的小姐,狂欢通宵。再过大约1个月,投行部的ECM(所谓资本市场部)就出来做股份的销售工作了。与国外不一样,前几年我们的股票发行是重来不愁没买家的,所以这部分工作十分轻松。现在的流程主要有:首先向中国的几十家开放式基金管理公司和其它专门做股票投资的投资机构发出发售这个企业股票的意向(所谓网下询价),要求它们愿意认购的话就打钱过来同时告诉我你想以多少价格买多少股;再委托上交所或深交所向广大的几千万的个人股民发行这只股票(所谓网上申购),往往大家会踊跃申购,申购冻结的资金极其庞大,前几天的大秦冻结了4000多亿人民币,乖乖中国人民有多少个4000亿呀!所以股票总是供不应求的,就需要抽签,一般都只有1%的中签率,象中彩票一样的决定哪些人能买到多少股。到认购期结束。几个亿的资金就流入了这家上市公司的腰包,当然几年的辛苦下来,我们的投资银行部也能获得约3%的佣金。中行上次募集了100亿人民币,其中3亿流入了中信、申万和银河这3家证券公司的口袋,你说这行赚钱不赚钱?!废话这么多其实只想通过这些描述说明一件事:投行业务是一件需要细致的上层关系的业务,那种无言中的“关系”是业务核心! 除了上述所谓上市公司新股发行和增发业务以外,投资银行部还有一块很重要的业务就是财务顾问业务。说白了,就是做企业并购的中介。 例如,日本三菱重工想收购我们的徐工,那么就得找一家财务顾问(比方说,我们中国投行老大中国金融有限公司),于是中金对徐工的资产情况进行详细的调查,一系列复杂的财务分析确定一个收购价格(定价是财务顾问的核心价值所在)。徐工呢,为了把自己卖一个好价钱也请了一个财务顾问(例如,中信),于是一个做为买方财务顾问,一个做为卖方财务顾问,坐下来谈判到底我徐工值多少钱,凭什么你说值5亿,我说值3亿。等等。这只是个例子,意思是,中国现在企业间的并购十分庞大,很多投资银行都把企业间的并购业务做为自己的重要业务。例如,今天国美把永乐收购了,付了不少银子给那家做财务顾问的证券公司 企业并购要很强的技术水平,但不是信息技术而是财务技术(谁说财务技术不是技术,在我眼里他们跟我们这些搞IT技术的本质上是一路货)。 说了这么多,感觉没有发现IT的影子。的确,相对二级市场的大量频繁的股票买卖交易而言,一级市场的IT系统的确重要性小得多得多。毕竟在一个凭关系、少笔次、大金额的业务领域,电脑系统这种适合于业务规则确定、大批量、小金额业务的东西显得没那么多用武之地。但一些辅助领域肯定是用到的。 比较与投行特色相关的IT系统有:1、业务人员的经常、频繁的出差和应酬活动带来大量的费用报销活动,而且投行业务的成本主要用在人力和这些费用支出上,如何清晰的管理这些费用和降低不合理的支出就显得很重要。国内的投行都没有自己报销的ERP系统,但国外都是报销明细由销售人员自行填报的。财务人员关注的东西有:能否按项目对这些费用进行归类,能否按人头进行归类,能否计算处收入产出的财务分析。好象又跟MIS系统挂点勾?报表系统?BI?反正跟销售费用挂钩的IT技术都与之沾边。我只知道一些证券公司专门开发了费用报销系统。没有多少深入的了解。 2、投行业务会有大量的文档管理,而且要按项目和项目进度管理这些文档,还要在项目小组成员中灵活的共享这些文档。这引出一个叫做知识管理系统的东东。市场上的确有公司专门往投行推销所谓的知识管理系统,还动则几百万。了解不多。我只知道大多数公司只是通过Windows的域用户建立一些项目组共享一些文件夹,来实现知识管理。反正任何需求都有基础的应对方式,想做得精致一些就得上那些很贵的时髦IT概念。 3、销售人员绩效考核系统。又是一个跟销售相关的系统。最有名的就是PeopleSoft了。可以互相打分,还能让你的客户打分。但是,很少有人用。但相关IT公司还是把这个作为一个卖点往似乎富得流油的投资银行推。 4、投行拜访客户需要制作精美的方案建议书,一般都用PPT做。可能有人认为这不属于IT系统,但在国外这是专业IT人员做的工作。 5、在投行的目标客户搜索和客户的财务分析阶段,需要大量的公开的企业财务数据,例如国家统计局的公司资料库等等,都是一些公共数据公司提供给你一些帐号和网址,你自己交钱后上去下载。也可能用到万得、港澳之类的财经咨询资料库,不过这更多的是证券公司研发部的事,以后会详细描述。还可能用到Bloomberg,这玩意挺时髦又有面子,哪家公司都流行弄那么一套,以后有详细论述。 6、EXCEL建模。特别是做企业并购业务,特别需要对这些企业的财务指标做一些分析对比。这部分工作是国外投行专业人员的必修课。不是IT专业人员做的。这里提一下。他们玩EXCEL的水平十分高。 7、投资银行部门需要打印大量大量的彩色文档,多得让人惊讶。所以每家公司少不了一台单价50万以上的高档彩色打印(印刷)机。一张彩页的成本是2元人民币,一次打印500页是经常的事情。这也许跟IT没关系,但很多公司把办公电子设备的采购交给IT部的基础设施部(Infrastracture)完成的。 8、最后才讲到所谓的“客户管理系统”。只要是跟客户销售业务相关都脱不开CRM系统,但投行业务的特点注定了那一点点的客户信息值不值得用一个“系统”来管理。大部分的投行业务人员都是在自己的手机、掌上电脑或者脑子里做客户关系管理的。但,我知道一些公司确实自己在做这个系统。 9、EMAIL。唉,这个东西还用的着单独拿出来说吗?但是,同志们,投行业务对EMAIL的依赖程度是大部分人无法想象的。我们公司的EXCHANGE服务器只宕了半天,投行同志就把问题捅到我们的CEO那里去了。其实,上边说的“知识管理”“文档管理”“项目管理”“小组协作”“客户关系管理”绝大部分时候都是通过OUTLOOK(或者NOTES)来完成的。10分钟内可以十几个人在一封EMAIL里讨论得热火朝天。甚至外国的投行人员人手一部BlackBerry掌上电脑,实时同步接收EXCHANGE消息,飞机火车轮船上随时随地的EMAIL。我们现在是不重视这些基础性的东西,真正我们国家重视知识产权的时候,那些做IT外包服务(桌面支持,服务器管理服务)的公司能赚不少钱。 总之,投行业务是证券公司中最看不到IT系统和IT人员的地方。但一旦被你忽悠上了某个时髦的IT概念,银子是不会吝啬的。

May 29, 2019 · 1 min · jiezi

证券公司信息化5

证券公司信息化5我们常听到IBM(所谓全球最大的软件公司)的广告词:随需而变。简简单单的理念,却蕴含了最朴素最本质的应用软件系统的核心价值。证券公司的交易系统同样应验了这个最原始的核心价值,它的发展变革直接来源于证券公司业务上不断更新的业务需求。 1949年,随着上海的解放,演化了数十年的“旧”资本主义证券交易市场嘎然中止。一直到1988年,新资本主义(所谓社会主义市场经济)的核心组成部分,证券交易市场,又重新在中国大陆出现。 早期的交易市场(上海深圳两个交易所)的交易行为都以“场内报盘”的形式出现。即:各地证券营业部接受最早吃螃蟹的那些股民的买卖股票的委托(填写一张叫“证券委托单”的小纸片),通过长途电话的形式,通知各营业部在上海、深圳交易所内的红马夹(所谓“场内交易员”,他们由证券营业部派驻交易所),由这些交易员输入交易所的电脑终端,根据成交结果,再长途电话通知各自营业部柜台,再通知股民。 这种纯手工的处理方式,和当时少得可怜的交易量和股票品种,使得各个证券营业部几乎没有电脑系统可言,有的话,也只是一台单独的PC,运行dBase程序,用来记帐。 (这时候效率主要慢在两个环节:1、股民的委托必须以填写委托书的形式与营业部的柜台进行数据交换;2、营业部以长途电话的形式与交易所进行数据交换。) 到了1993年,情况发生了剧烈的变化。交易所除了场内“有形席位”(就是那个穿红马夹的坐在一个“席位”上接受公司指令替客户买卖股票)的交易模式以外,提供了“无形席位”的交易模式。所谓“无形席位”就是指证券公司通过一个卫星报盘系统,用电脑自动交换业务数据,往交易所主机里发买卖股票的指令,或者接受交易所的成交确认数据。 (自动化的卫星报盘系统的出现,解决了上述第一个环节的数据交换瓶颈;于是极大的刺激了解决第二个环节数据交换瓶颈的营业部内部交易系统的发展。) 先花一点时间,讲讲这个卫星报盘过程。(一直到现在很多营业部还在沿用这种报盘模式。) 如果仔细观察你会发现,每一个证券营业部所在大楼的楼顶都会有四个直径1.2到1.5米不等的锅型卫星天线,对准东南方向的亚洲一号通讯卫星,在上交所和深交所同样有很多很多的卫星天线也对着这颗卫星。这样通过无线信号,把两个交易所和2000家证券营业部联系在一起。(某邪教疯狂作乱的时候就试图干扰那颗卫星的工作而扰乱中国的金融秩序。) 每个营业部的4口大锅分别起到如下4个作用:1、营业部向上交所发送股票买卖的申请,上交所往营业部的信息反馈,由于这个过程需要双向交换数据,故称知为“上海双向小站”; 2、上交所往营业部实时发送交易所股票交易行情数据,这个过程营业部只需要被动接受就可以,称知为“上海单向小站”,(这种类似卫星电视接受的机制,确实给营业部接受亚洲一号卫星上的电视节目提供了完备的物理基础,以至于很多营业部购买的卫星电视解码设备,为大户提供了外国电视欣赏服务。); 3、与“上海双向小站”类似的“深圳双向小站”,负责双向传送到深交所的股票交易申请和交易所的回报; 4、与“上海单向小站”类似的“深圳单向小站”。 这四个卫星天线通过几十米的电缆,联入了营业部的机房,分别接在4台类似卧式台式电脑主机大小叫做“卫星室内单元”的铁盒子的后部。这四个盒子的背部还分别有4个网口,通过4根网线连在4台PC机上。这4台PC机,分别运行交易所提供的4套软件,分别是“上海双向小站”报盘程序、“上海单向小站”数据接收程序、“深圳双向小站”报盘程序、“深圳单向小站”数据接受程序。 以“上海双向报盘程序”为例:它是一个DOS程序,负责不断的读取磁盘(早期都是本地硬盘,后边都是网络共享硬盘盘)上的两个DBF文件(Orders.dbf,Withdrw.dbf),这两个DBF文件是营业部根据客户的交易委托生成的数据,Orders.dbf文件里边一条一条的记录记载了哪个客户(还记得上次讲到的股东帐号吗?这里填写的就是这个股东帐号)以多少价格买入或卖出多少数量的哪只股票。报盘程序每隔几毫秒就读一次这两个DBF文件,把新内容通过网线连接的“卫星室内单元”,报到上交所。交易所成交以后,又通过这个路线原路返回,交给那个“上海双向报盘程序”,再由这个程序把数据写入到另两个DBF文件(Orders2.dbf,Withdrw2.dbf)。在交易时间内(9:15-11:30、13:00-15:00)这个程序数百万次的读取和写入这些DBF文件,完成营业部与交易所的数据实时交换。 “深圳双向报盘程序”与“上海双向报盘程序”一样,通过几个DBF文件,实时与深交所交换数据。 同样,“上海单向行情接收程序”和“深圳单向行情接收程序”也不断的接受卫星行情数据,写入另几个DBF文件。为营业部提供行情数据。(可以到上交所、深交所网站上下载所谓的交易所数据接口文档得到最详细的说明。) 从93年开始,证券营业部电脑部的很重要的一项任务就是,一定要保证这些卫星通讯程序的正确运行,99年行情火爆的时候,这些程序的数分钟的中断都可能使电脑人员遭受数千元的高额处罚(当然,当时电脑人员的奖金也是极其丰厚的)。 好了,有了这套卫星报盘系统,营业部与交易所的数据交换瓶颈得到完全的解决,这时候急需一套营业部内部的基于网络的自动化的交易系统,解决营业部与股民的数据交换瓶颈问题。 当时要解决几个基本业务需求问题:1、如何让股民看到实时交易行情? 2、如何让股民通过电脑自己下单,电脑系统自动往卫星报盘系统发数据,再把反馈结果让股民自己查看到? 3、如何解决内部PC的联网的问题? 1993年的时候,数百套解决以上问题的证券营业部网络交易系统在全国雨后春笋般的涌现出来。但一般而言,有以下几个共同的特征: 1、行情揭示系统。其实这10几年没有多大的变化,钱龙行情系统一直处于领先地位,它就是通过数秒一个轮回的扫描前边提到的那几个行情dbf文件,把最新的股票行情数据转换为自己的格式并保留历史数据(注意,那几个dbf行情接口数据是实时更新的,没有保留历史数据),再通过客户端程序展现在股民面前。(就是我们俗称的K线图。) 2、在97年以前,大部分的交易系统都使用dbf文件做为数据库,一般包含股民的资金帐号数据(每个人有多少保证金),股民的股东帐户数据(某个股民在交易所里的帐号),股民资金帐号与股东帐号的对应关系。这些表提供了一个类似帐簿功能。(注意:帐簿功能是证券公司交易系统的一项基本的功能。)另外,一般营业部都提供股民自助刷卡电脑,一个营业大厅里放上几十台这样的自助刷卡机,行情火爆的时候几个人因为抢这么一台自助委托终端而挤得满头大汗。而有十几万资金的大户们,往往使用一台独立的PC运行行情系统,同时通过这台PC上的一个内存驻留程序(呵呵,好象很多年都没听到过“内存驻留程序”这个DOS时代的术语了)来下单。例如,大户在看行情的时候想下单,就敲一个组合键,一个小窗口软件就能跳出来,提供多个以什么价格买入什么股票多少股数的输入框,完成委托。无论是散户用的自助刷卡电脑里的DOS程序还是大户用的电脑的里边的DOS程序,都负责收集客户数据的委托要素,并往交易系统的叫委托流水表的dbf文件里边添加委托记录,另外有一个不停扫描这个dbf文件的DOS程序把委托流水表里的记录转换到交易所的接口dbf文件中去。这个过程就好象数据处理流水线,每个DOS程序就是流水线上的工人,他们不停的从上手把数据拿过来处理一下在放到下手去。除了簿记功能,这种对委托数据的一步一步的处理是交易系统的另一个基本功能,甚至这个功能才具备“交易”概念。“簿记功能”和“交易功能”被合在同一套交易系统中给交易自动化带来了极大的便利,但便利性和安全性始终是跷跷板的两头,个人认为,恰恰是中国证券行业交易的高度自动化,给风险防范带来了极大的困难。 3、97年以前的网络环境完全是Novell的Netware的天下,Netware服务器就象是一个大的网络硬盘,行情数据、dbf文件、DOS程序、配置文件,通通放在网络目录下,所有的网络电脑都是无盘工作站,通过网卡上的一块启动芯片激发网络硬盘上存放的DOS系统程序来完成系统引导,再通过一系列的Netware用户登录脚本来完成不同的无盘工作站运行不同的DOS应用程序(例如自助刷卡电脑会自动运行自助刷卡DOS应用程序)。当时吃Netware网络系统集成的计算机公司没少挣钱。注意:直到2000年互联网(TCP/IP)浪潮以前,证券营业部一直使用IPX/SPX网络协议。 然后,中国股市经历了94、95年的低潮,直到96年真正进入全民炒股的阶段,到1997年急剧增长的业务活动给IT系统带来严重的负荷,从各个方面都必须对交易系统进行重大革新。同时,利润丰厚的证券营业部在IT方面的投入空前提高,也促进了交易系统供应商在软件系统上的升级。 首先,dbf文件的数据库模式被RDBMS(关系型数据库管理系统)取代,主要是MSSQL(在金融行业有优势的Sybase由于母公司的失败后来基本淡出了证券交易系统数据库平台),由于MSSQL的采用,WindowsNT系统被引入了证券营业部的机房。这是典型的C/S模式,DOS程序运行在无盘工作站上,而客户信息簿记数据全放在SQL服务器上。 其次,电话委托系统的大规模引入极大扩展了股民的参与空间。如果说93年的技术革命把证券交易自动化引入营业部,那么97年的技术革命,把交易自动化引入了无数的家庭和办公室。全民炒股是从电话委托系统的普及开始的。到2000年的时候,很多营业部的电话委托交易笔数占到50%以上,营业部的电话委托系统的电话接入线数从十几线扩展到上百线。 第三,银证转帐系统的引入。98年有一个奇特的现象,银行们纷纷挤进证券营业大厅,一来代理现金出纳业务,二来抢银证转帐客户。证券第一次开始跟银行挂上勾了。当时证券是香馍馍,银行往往把证券营业部当成白金客户捧着。 97年以后,证券交易软件供应商进行了极大的整合,从dbf到SQL,正轨的软件公司挤走了所有个体户和证券公司自行开发的交易软件的市场,形成了十几家大的专业IT公司。深圳的金证公司、杭州的恒生公司是其中的领先者。(这两家公司都在2003年上市,成为最终的幸存者。) 2000年,美国的互联网烈火烧到了中国,同时中国证券市场也进入最亢奋的阶段。交易系统在面对极大的交易负荷的同时,表现的愈发成熟,表现在: 1、在这个阶段,向赶时髦一样,三层结构风靡证券交易系统架构。其实质需求在于,客户委托手段的进一步扩张,特别是网上委托的出现,做网上委托软件的公司(核新软件是领跑者)往往不是做交易系统的公司(例如金证公司),这就需要有一个交易数据的数据结构描述规范,使得SQL数据库前边要有一个应用程序(层)面对各种各样的外围委托系统(例如:网上委托、电话委托、银行委托、刷卡自助委托等等)。 2、网上委托的出现。2000年的时候还有炒作的成分在里边,到2003年简直成了办公室职员炒股的标准配置。更何况我们的网上交易软件往往与网上行情系统捆绑在一起,唾手可得的免费实时行情信息谁不要呀。(我们的交易所是没有追究这种粗暴侵犯其知识产权的行为,一旦追究起来,就没这份免费午餐吃了。关于行情系统、中外行情系统的区别,以及行情知识产权的盲区,以后会进一步描述。) 3、Cisco网络交换机的引入,以及TCP/IP协议的广泛应用,给网络稳定性提供了可靠的保证,到2001年,网络稳定性已经强过1997年数倍。2000年证券行业向Cisco转向的速度之快,规模之大,让Cisco公司大吃一惊,以至于2001年开始,证券行业成为Cisco公司的主要发展方向之一。 4、广域网的引入,记得广域网的真正投入业务运行的最重要的业务需求是2001年的B股市场象国内个人开放,当时每个证券公司只有一个(或两个)B股席位,这样一个公司几十家营业部的B股业务必须先集中到一个地方,再通过那个席位的卫星报盘系统往交易所报数据,所以必须要有广域网。刚开始还有公司用电话线拨号的方式做网络连接手段,但由于涉及到当时火爆的B股业务,所以绝大多数公司都在这没多久上了广域网。 5、集中交易的尝试。证券公司数据大集中的概念在2002年曾经火过一段时间,但遇到大熊市,都暂停了,一直到2005年。 2001年开始,中国股市进入前所未有的困难时期,2005年7月创下8年最低,所有IT系统基本都进入一个休眠期,证券行业的IT供应商死了一大批。2006年4月初步完全股改,中国资本市场进入全新的发展阶段。这个阶段目前正在进行,个人觉得与中国的资本市场一样,交易系统有脱胎换骨的可能。 这一阶段主要变化有:1、集中交易经过一段时间的试探和停滞之后,在2005年得到迅猛的大面积实施;营业部电脑部大幅度裁员,营业部向纯营销角色的转变。集中交易的变革在平台上第一次把Unix、Oracle、等专业平台引入了证券行业。有种鸟枪换炮的感觉。同时,集中交易这次洗牌,给复旦金仕达和根网这两个公司带来机会,一举突破恒生、金证的垄断,形成非对称优势。 2、广域网的稳定性和带宽得到质的飞跃;给整个公司大后台的概念提供了坚实的基础设施支持。与交易所的数据接口线路基本转向高速地面专线。 3、银证通业务的曲折发展,2002年开始银行不积极,2005年银行很积极,到2006年被禁止;银证通业务的大发展给传统的证券IT供应商提供了很好的进入银行领域的机会。但是,混业经营可能是一个挡不住的趋势。 4、所谓存管系统的出现。前边有提到目前的“交易系统”包含“簿记功能”和“交易功能”。簿记功能就是所谓的存管功能,就是股民的资金、证券的数据登记在“交易系统”中。这种模式很容易出现交易、清算不分的现象,出现业务部门功能划分不清的现象。南方证券倒闭以后,证监会提出把客户的资金数据交给银行来管理,也就是说,客户有多少交易保证金由银行的系统说了算,这是所谓“银行存管”的概念。还有一种提法,就是在证券公司内部,做一个独立的客户保证金(可能还要加上客户的证券资产)的存管系统,把“交易系统”里的“簿记功能”剥离出来,这样做到“交易”和“结算”的完全隔离,以降低风险。呵呵,这都是很新,且业务定义模糊的东西,所以我还没见到有一个真正的独立“存管系统”的出现。关键是,我们的证券公司内部业务分工就不明确,哪些业务行为该哪些业务部门负责都不确定,即使这一块业务该你负责,业务人员也不一定搞得清楚,都严重依赖电脑系统,把我们的恒生公司当作业务咨询公司在搞。 结束语:2006年9月份,上交所新一代交易平台数据接口就要实时,这是93年卫星报盘接口发布以来最革命性的技术突破。突破就突破在对业务模式的完全放开。中国这种高度自动化,高度散户化,高度投机性,高度同质化的交易模式,在迅速全盘西化,高度客户化,高度市场细分,高度个性化,高度层次化,和以理性价值投资为导向的市场环境下必然会发生继续深刻的变革。这对为其服务的IT行业而言,既是挑战,也是机遇,就看我们如何去面对和选择。200608160030 下边将粗略的讲讲现在一个中型证券公司为经纪业务作业务支持的IT系统都有哪些,各起什么作用。

May 29, 2019 · 1 min · jiezi

证券公司信息化1

证券公司信息化1证券行业的本质是什么?什么是资本市场?什么又是一级市场和二级市场? 一直想对自己所做的工作(证券IT)做一个全面的描述,却总是不知道从何说起。今天比较空闲,放松心情,争取写个开篇。这一系列的文章的题目早就想好了:叫做“证券公司信息化全景图”。希望给大学刚毕业、或者职场徘徊、或者对这个行业感兴趣的人做一个基础性的、启发性的、通俗易懂的描述。如果看了以后你能说出一句:哦,原来这一行是这样的,那么我的目的就算达到了。 证券行业到底是做什么的?最简单的问题,却又最难以回答。当新闻里报道上海股指又上涨多少多少,当某个报道说某个大公司收购了另外一个大公司,当你的邻居告诉你他去年开始投资基金赚了多少钱,当你身边的人说他的股票4年下跌了100%亏死了,当影视剧里描述华尔街的金融家如何的尔虞我诈,当你看到香港市民凌晨排队领取工商银行上市认购申请表的时候,其实这些都于证券行业相关。 对于证券行业到底是做什么的,其实大家都或多或少的有一些概念,但是真要你抓住它的核心特质还真不是一件容易的事。让我来试图做到这一点: 首先,证券行业的主体是证券公司,在美国证券公司叫投资银行。相对于商业银行主要经营货币,投资银行主要经营债券和股票。货币流通于货币市场,债券和股票流通于资本市场。注意:货币市场和资本市场这两个概念,从根本说界定了银行和证券公司的不同功能,下边详细分析。 无论是个人还是企业,如果你有钱需要存放,把现金留在手上不大安全,于是你一般放在商业银行,这就形成个人存款和企业存款,银行需要支付你少的可怜的利息;相反,如果你(自然人或法人)需要钱,一般你也可以找银行,银行会给你一笔贷款,你要支付银行一定利息;与此同时,银行和银行之间可能也有互通有无的时候,互相借贷一些钱,同样要支付利息。注意,这些金钱的借入和借出的行为往往是短期融资,都以货币为标的物,学者称之为货币市场,这个市场的主体是银行。我们国家有“银行间债券市场”“外汇交易中心”这都是货币市场,主要是银行在里边巨额资金在里边借来借去,获取所谓的“隔夜拆借利息”。利息都以天算,注意:到了资本市场里受益的周期可就长得多了 有些企业(所谓法人)有时候需要长期融资,期限往往高于5年,他们往往就通过发行债券、或者股票来获得企业所需要的资金,这时候他们就不能找银行了,而是找投资银行(就是证券公司)。于是证券公司替他们设计一个证券方案,可能是一只5年期的企业债券,或者就是股票。然后证券公司还要去找一批人(可能是法人也可能是自然人)来买这些证券。于是证券公司就在中间起到一个中介的作用:企业发行股票,投资者来买股票。跟这些证券相关的市场就叫资本市场。 让我们记住:短期融资和长期融资,是区别银行与投资银行业务功能的最本质的区别! 从理论上对证券行业的核心特质做了描述以后,让我们从更为微观的视角(通过两个故事)来讲讲证券公司的业务核心。(注意:业务术语我会贯穿在我讲的故事当中,大家自己去体会这些术语的意思。) 故事1美特斯邦威是一家民营企业,在经过10年的高速扩张以后,现金流出现一些困难,希望得到大量的资金(长期融资)以在全国扩建更多的生产基地和专卖店。它现在有5个股东,都是温州人,总股本是2000万股,他们想再发行3000万股,每股5块,一共可以从新股东那里拿到1.5亿元,有了这些钱就能做很多扩大业务规模的事情。 华欧国际是一家投资银行(证券公司),在获得美特斯邦威的委托后,帮它制作了详细的IPO(首次公开募股IPO)方案,在获得证监会(证券行业的监管机构)批准后,华欧国际先在几十家基金公司(美特斯邦威是证券的卖家、这些基金是买家、华欧国际是中介)中询问有多少公司愿意以多少价格买多少数量的美特斯邦威的股票,在心里有底以后,华欧国际再通过上海证券交易所的交易系统向全国的个人投资者询问:“你们这几千万的股民中有谁对美特斯邦威的股票感兴趣呀,5块左右一股哦,认购从速,过期不候。对了,你们申购的时候要把钱先打过来哦,多退少补!”。 在认购期结束以后,华欧国际忙着算多少股给基金,多少股分给那些个人投资者,如果认购的人太多远远超过这次发行的股票总额,那么就抽签决定哪些人买多少股。忙了几天好的。终于结束了发行,一共帮美特斯邦威拿到1.6亿元,留下3%的500万辛苦费(承销费,够多的吧,所以说投行赚钱嘛)。(注意:证券发行市场(又叫一级市场)是投资银行的最核心的业务,这一点一般人往往体会不到,在证券公司内部,工资拿的最高的,最光鲜亮丽的一群人就是做企业IPO的那批人。) 故事2老王是上海卫生局的退休职工,96年开始听说股市特别赚钱,就也在证券公司(投资银行)开设了户头(股东帐户和资金帐户)开始炒股。于是他天天往证券营业部的大厅里跑。开始几年赚了很多钱,笑得乐呵呵的,从2001年开始笑不起来了。跌了5年,01年买的深发展从15块跌到5块。一辈子的积蓄都赔进去了,才知道股市的巨大风险。前不久申购了新股美特斯邦威可是没中签。唉,这一级市场的0.5%的中签率太低了,还是在二级市场了做做吧。(注意:一级市场指股票发行市场,二级市场指股票交易市场。一般人接触到的主要是二级市场,所谓炒股。人们往往只注意到证券公司的二级市场上的业务而忽视其股票发行业务。) 总之,今天要弄清两点: 货币市场和资本市场的区别,证券公司(又叫投资银行,指广义的投资银行)是资本市场的主体;资本市场中又分一级市场和二级市场,狭义的投资银行业务就是一级市场业务(证券发行市场),人民大众更多的接触到的是二级市场的业务,所谓炒股。OK。今天就讲到这里,人有点倦,思路也不清楚了。更多的东西以后再说。

May 29, 2019 · 1 min · jiezi

专访宜信CTO向江旭技术应当服务于场景AI天生适合金融业

导读: 随着人工智能技术的爆发,2017 年人工智能已经上升为国家战略,开始在越来越多的行业落地。而传统金融行业受到互联网技术的冲击,也纷纷踏上转型之路,向数字化、智能化转型。InfoQ 记者采访了宜信 CTO 向江旭,一起聊聊 AI 在金融行业数字化转型中的应用。 “AI 更适合服务于场景 而非促生新的行业”顺应发展浪潮,实现数字化转型向江旭认为,从技术对行业的冲击来看,互联网的发展经历了三个重要的阶段。 信息化:最重要的标志是 PC 的出现。很多企业的后台开始使用 ERP、CRM、OA 系统,摆脱纸张和手工操作走向自动化,以提高效率降低成本,数据也开始沉淀下来。互联网化:在此阶段,企业可以通过和互联网的连接对外提供服务。典型的例子是电商:服务与商品交易从线下转到线上。与此同时,产生了海量的商品、用户行为等数据,催生了搜索引擎、推荐算法等技术,使得企业能够运用这些数据来帮助业务和服务进行调整和升级。智能化:以 AI 为代表,结合各种终端设备,可以在特定场景下提供个性化的定制服务。随着 AI 和数据科学的发展,大数据深入参与到企业运营和决策的各个环节,并在企业发展过程中承担关键角色,行业也由此进入数字化浪潮的阶段。在每个阶段都有一些企业能抓住当时的技术大势,成就自己。 互联网刚起步时,大家主要在网上获取信息,新浪、网易、搜狐三大门户网站顺应浏览器技术的发展,通过信息的呈现大获成功。搜索引擎技术出现后,通过关键字搜索能得到精准匹配,新的商业模式(如竞价排行的广告业务)应运而生,催生了 Google、百度等一批公司。互联网公司的发展,使得网上购物成为可能,于是出现了亚马逊、阿里、京东等电商公司,社交软件的兴起又产生了腾讯、Facebook 等社交巨头。到了智能化时代,移动互联网技术的火爆又催生了一批智能手机公司。虽然现在已经出现了一批人工智能技术行业里的独角兽公司,但在向江旭看来,AI 技术和上述提及的技术不一样,它更适合在某一个场景下使用,而不是创建一个新的行业,所以很难催生另外一批巨头公司。以当前的技术趋势和市场环境,企业应该顺应发展浪潮,结合 AI、大数据等技术实现数字化转型。 金融行业数字化转型面临的挑战向江旭在对金融行业的研究过程中,将行业内的公司分为三类: “传统“金融公司。包括银行、券商、保险公司等金融机构等。科技金融公司,即 TechFin 公司。其本质上是金融公司,但科技属性很强,技术起到核心作用。这类公司包括蚂蚁金服、京东金融、苏宁金融及宜信等。还有一类是金融科技公司,即 FinTech 公司,比如解决方案提供商同盾,它们不提供金融产品,而是为金融行业提供技术解决方案。在数字化和智能化的时代,金融行业同样不可避免地面临数字化转型的需求,其中传统金融公司的转型诉求更为强烈。金融行业,特别是传统金融机构,在转型过程中面临的挑战主要包括以下几个方面: 思维方式需要转变。由于数据体量过于庞大、以及金融行业特定的安全至上的原则,传统金融机构在技术创新上偏向保守。技术人才缺乏。人工智能和数据科学方兴未艾,相关技术还处于发展和完善阶段,相应的 AI 和大数据人才还比较紧缺。新技术接入难度大。传统金融机构发展的时间长,架构繁杂,新技术的接入难度比较大。技术 leader 应以前瞻性和决策力领导转型在 20 多年的工作中,向江旭也积累了丰富的领导经验。就技术领导人如何保持技术前瞻性这一话题,向江旭认为,最重要的一点是自己要保持学习。任何技术兴起之后,首先要看它适用于哪些地方、能解决哪些具体问题。技术人容易陷入的一个误区是用最新最酷的工具去解决并不需要复杂解决方案的问题,这是应当避免的事情。技术领导者要及时跟踪新技术,沉入到具体的行业和场景,根据场景选择技术,避免盲目跟风。 当问到“在企业技术转型的过程中,有哪些因素会影响技术决策的实施,技术领导人如何处理?”时,向江旭认为有以下三个方面: 明确技术优势,避免选型争议:一些技术人有 tech religion (技术宗教/信仰),技术转型过程中会存在技术选型的争议,这时技术领导人要结合业务明确新技术的优劣势。自上而下推动、自下而上实现:技术转型需要自上而下的推动,并与技术团队人员明确目标,达成共识,共同实现技术转型。规避变革风险,平衡变革节奏。变革意味着需要走出舒适区,而且新旧技术的过渡可能存在风险,技术领导人要掌控全局把握平衡,不冒进不拖沓,鼓励团队渡过变革阵痛期。“AI 天生适合金融业”金融应和 AI、大数据结合向江旭认为,金融行业天生就是和数字打交道的,本身对数字化要求非常高。而 AI 的优势是可以对海量数据进行分析和计算,并建立模型,做一些人做不到的事情。同时,AI 缺乏情感的缺点在需要高度理性、非情绪化、必须克服贪婪和恐惧心理的金融行业反而是巨大的优势。比如在量化投资、审核抵款时,AI 的决策不带个人情绪化的考量,因而更为理性和正确。另外,相比于制造业等传统行业,金融业的信息化程度更高,数字化基础也更好,能更容易地向智能化转型。 宜信本身有传统金融的基因和属性,为实现智能化转型,宜信根据其三大板块的业务——普惠金融、财富管理和资产管理,提出了 AI 金融战略:即在自身业务场景下根据遇到的问题来采用 AI 技术。比如通过分析贷款者的需求和偿还能力来为其推荐合适的利率和产品;分析财富管理客户的需求为其量身定制需要的金融产品。宜信有线下门店的真人服务,也有 APP 上的虚拟服务,在给客户提供服务的时候就能运用 AI 的算法来构建模型,建立用户画像,分析需求进而推荐产品,这些都是基于海量数据来完成的。 宜信大数据金融数据收集宜信的业务覆盖线上和线下。其产品都是通过线上发布、线上认购,全部实现数字化。线下通过语音或文字的形式将每次与客户的交互留存,活动也用数据的方式贯穿,并根据用户在线上和线下的行为打造清晰的用户画像,实现精准的客户定位。所有收集到的数据信息都存储在知识库里形成用户知识图谱,为不同业务线的决策提供支持和依据。 数据使用宜信具体是怎样将大数据和自身的业务相结合的呢?向江旭介绍,采集到的用户数据主要用于以下方面: 个性化推荐。例如上述提到的为财富管理用户量身定制理财产品等。智能风控。宜信自有一套风控体系,用于评估投资风险、用户信用等,能精准识别欺诈风险。智能推送。宜信研发了智能客服机器人,用一套模拟真人的话术完成消息推送、咨询、提醒等服务。智能投顾。根据用户的风险承受能力、投资回报预期等,用算法模型计算出一套投资组合策略,每个月跟踪记录自动调仓。智能投研。很多投资股市的客户需要深入了解行业和具体公司,智能投研能通过收集整理的方式给客户呈现信息。宜信数据中台宜信有自己的大数据平台,目前正在建设数据中台。据向江旭介绍,宜信的数据中台把不同来源的数据整合起来做清洗、整理和关联,形成金融知识图谱或金融大脑,给不同的业务线使用。 宜信的数据中台还在建设过程中,底层平台不少组件已经完成并且开源。例如:大数据流式处理平台 Wormhole,大数据总线 DBus,大数据虚拟混算服务平台 Moonbox,大数据可视化应用平台 Davinci 等。 ...

May 24, 2019 · 1 min · jiezi

贝壳金服 TiDB 在线跨机房迁移实践

作者介绍 :李振环,贝壳金服数据基础架构负责人,目前负责数据平台和企业级数据仓库开发。公司介绍贝壳金服总部位于北京,起步于 2006 年成立的链家金融。2017 年 5 月,贝壳正式独立运作,是国内领先的居住金融服务商。在租赁、家装、买卖、安居这四个居住的典型消费场景中为用户提供支付、贷款等定制化的消费金融服务。意旨通过“产品”、“技术”和“服务”让客户的美好生活来的更早一些。仅房屋交易一项,贝壳金服已经为 100 万用户提供过贝壳安心服务,其中,支付服务中的资金流转量达到 3750 亿元。贝壳金服目前全国有 1500 多名产品技术人员与金融顾问,覆盖中国 28 个城市及地区,以独家大数据与场景风控能力见长。 项目背景贝壳金服数据中台使用 TiDB 和 TiSpark 平台,基于 Syncer 将业务数据实时从 MySQL 备库抽取到 TiDB 中,并通过 TiSpark 对 TiDB 中的数据进行数据分析处理,供上游业务消费,现已服务于 70 多名数据开发人员。现有集群已经使用 100 多个 Syncer 同步上游 MySQL 数据,目前已经达到 4.7TB 热数据,上百张离线和实时报表。由于机房调整,数据中台也需要同步迁移到新机房,结合 TiDB 的特性,我们探索了一种在线不停机迁移机房的方式。 TiDB 是一个分布式 NewSQL 数据库。它支持水平弹性扩展、ACID 事务、MySQL 语法,具有数据强一致的高可用特性,是一个不仅适合 OLTP 场景还适合 OLAP 场景的混合数据库。而 TiSpark 是为解决较重的 OLAP 需求而推出的产品。它借助 Spark 平台,同时融合 TiKV 分布式集群的优势,和 TiDB 一起为用户一站式解决 HTAP 的业务需求。TiSpark 依赖于 TiKV 集群和 PD 组件,使用同一个数据源,减少对于 ETL 工具的维护,并且可以使用 Spark 进行复杂查询计算。 ...

April 23, 2019 · 2 min · jiezi

深度揭秘“蚂蚁双链通”

摘要: 目前,市场上基于区块链的供应链金融基本上是从应收账款切入的。蚂蚁区块链做到了应收账款确认、流转、融资、清分的全生命周期上链,资产的确权和流转以链上为准,而不是简单的业务存证。今年年初,蚂蚁金服ATEC城市峰会在上海举行。在ATEC区块链行业研讨会分论坛上,蚂蚁金服区块链高级产品专家杨俊带来了主题为《供应链金融,不止于金融:蚂蚁双链通——基于区块链的供应链协作网络》的精彩分享。区块链与应收流转目前,市场上基于区块链的供应链金融基本上是从应收账款切入的。应收账款是最容易数字化的资产,其业务模式比较简单:核心企业核心供应商进行应付账款确认,将应收账款拆分转让,再将应收账款转入金融机构进行融资,金融机构之间或金融机构与投资者间用ABS的方式再次进行资产的转让或融资。无论是合同转让、融资产品还是ABS产品,均为已经成为成熟的业务产品,区块链的使用让这个旧有的业务模式变得更加可靠并容易实施。蚂蚁金服做到了应收账款确认、流转、融资、清分的全生命周期上链,资产的确权和流转以链上为准,而不是简单的业务存证。区块链的以下四个特点使其在金融领域发挥出了极大价值:1.多方性:区块链无需依靠中心化系统即可帮助很多企业进行多方协作,多方是区块链中非常重要的特征。2.可信性:区块链模式的分布式特性、多方共识特性、不可篡改特性保证了整个数据资产的可信性。3.高效性:区块链通过可信的方式进行数字化,使其成为高效的可在线上完成的工作。4.智能性:在区块链上附加智能合约可编程的资产,通过资产的流转来实现管理上的优化及其他业务领域的创新。区块链技术虽然没有创造新的业务,但却依靠其特性为金融领域、供应链领域及更多相关领域创造出了新的价值。区块链模式对企业的价值对于企业而言区块链模式有如下的一些价值:1.对于核心企业而言,区块链模式可以很好的改善其子企业的资金使用效率。通过区块链模式核心企业可以用自身内部资产流转提升整个集团的资金使用效率,以此提升企业运作效率。对于额外有金融板块的公司来说,区块链技术可以为这样的公司带来额外的收益,为核心企业在财务领域创造不小的价值。2.通过区块链的方式,企业与供应商间可以建立密切的协作关系。蚂蚁金服的区块链技术可以做到对供应链进行多级分析并进行穿透式的管理,对于很多对供应链管控要求严格的行业是一个很大的助力。通过区块链技术可以在企业与供应商间更快更好地建立良性的协作与管理关系。3.通过区块链模式可以建立一种新的协作方式。供应链的中间渠道将变得更顺畅,很大程度上方便了核心企业的管理。对于原材料企业与上游大企业来说,在提升企业效率的同时,还可以降低企业的金融风险并把绩效上的融资业务做得更好。4.对于蚂蚁金服而言,通过区块链的方式可以让供应链上的小微企业得到更好的融资服务。除此以外,对于很多中型企业来说,通过区块链方式可以很好的协调管理应收应付这项复杂繁琐的工作。对于应收账款过多而造成很大经营风险的企业而言,通过区块链的方式可以得到信誉良好大企业的应收账款凭证,对于企业经营稳定性的提高有很大的帮助。对于需要融资的企业来说,通过区块链的方式可以使用应收凭证很便捷地在线进行融资。区块链模式探索中的难题对每个企业而言,多种多样的选择带来不同的价值与代价。企业构建区块链也是如此,企业在利用区块链方式构建自己生态的同时,往往被多种多样的可选择路径困扰。这时一个十分重要的考量标准为:企业技术上、风险管控上的投入与所建立的生态产出是否匹配。如上图所示为企业在选择发展自身区块链模式时的可选路径:1.对于加入其他企业构建的平台的企业,无法完全信任平台对其独立性、企业隐私的保证。2.加入金融机构所构建平台的企业,往往受到金融机构类型平台的限制,很难向除开金融以外的方向进一步发展。3.不同企业、合作方等多方协作构建的区块链联盟由于经验与技术的不足无法产生很好的协作关系。4.一些企业选择放弃发展区块链。5.技术选型上的困扰。区块链技术虽然很有发展,但目前尚处于不成熟的阶段,无论公司使用公链技术、联盟链技术或是传统的中心化技术,都会面临各自的问题。如下图所示,蚂蚁金服绘制了企业所关心的雷达图,图中将区块链的优劣分为以下几大考量维度:高可靠性合法合规性分布式的开放隐私安全可运营性 在上图所示的雷达图中,黄色线条代表的公链技术在分布式开放与高可信度方面做的很好,而在合法合规性、隐私与安全方面,公链模式还差的很多,一旦应用实名后在隐私方面将很难得到保障。在雷达图中的深蓝色线条代表了联盟链。传统的联盟链中,机构与机构之间,企业与企业之间完成相互的业务,合法合规性是很高的,高可信性也比较可观。在隐私安全方面联盟链远远强于公链,在可运营性方面同样表现不俗。而在分布式开放方面,传统的联盟链基本上仅为机构间的业务交流所用,分布式开放能力比较不足。蚂蚁金服双链通对于上述种种选择区块链时面临的难题,蚂蚁金服的新品牌双链通可以很好的进行解决,双链的涵义分别指区块链与供应链。如下图所示,双链通可分为联盟网络、企业运营服务、金融基础业务设施这三大部分:蚂蚁金服会与所有合作伙伴一起构建区块链的联盟网络。蚂蚁金服将作为这个联盟网络最主要的技术运营方及开发方。蚂蚁金服拥有完全自主可控的核心技术,可以解决很多开发中的问题及技术难点,并通过全球的技术网络无缝支持联盟网络的开发与运营。联盟网络作为企业级、金融级商业应用,安全性与隐私性将十分可靠。蚂蚁金服落地了全球第一个硬件级的隐私保护方案,将隐私保护从硬件层面做起,排除掉一切不安全的因素。在开放性方面,蚂蚁金服将会为企业级应用提供配套的基础设施以帮助合作伙伴成功构建起自己的业务。在应收账款及其他功能性领域,例如应收账款的确权和转让等业务,业务安全性要求高,风险很大,必须要用可靠的措施来完成。在这一准金融领域,蚂蚁金服拥有多年的沉淀与丰富的资源,可以为企业提供安全可靠、合法合规的融资与金融通道。在供应链的协作方面,如何让客户企业发现潜在目标,如何让客户企业真正获得价值是一大难题。蚂蚁金服在B类客户特别中小微企业上面,拥有多年合作经验并通过大量相关基础设施作为配套开发了符合这样中小公司利益的双通链网络。最核心的区块链联盟网络、金融业务的基础设施配套、面向企业运营服务能力的配套三者组合成为了蚂蚁金服的双链通服务,这是一个可以用多种方式组装的合作蓝图,一个由多方组成的协作网络。蚂蚁双链通未来的协作生态面向未来,蚂蚁金服计划构建区块链的协作生态。如下图所示,图的中央部分代表蚂蚁金服发起建设的基础设施,周围部分是蚂蚁金服的合作伙伴:1.核心企业是蚂蚁金服最重要的合作伙伴。在这些合作伙伴当中,不仅有与蚂蚁金服合作的核心企业,还可以包括其下属的财务公司、保理公司、信托公司甚至自有的银行等。这些下属公司也可以成为蚂蚁金服区块链的联盟成员,并把核心企业的业务进行打包。2.对于不具备自己开发业务系统的链上中小企业来说。蚂蚁金服提供了一个轻量的业务平台,帮助中小企业直接上链进行交易。蚂蚁金服有很高的网络公信力,同时也正在引入审计与监管机构的参与,值得中小企业的信赖。同时行业的组织也可成为行业联盟的成员之一。3.银行与金融机构均可成为区块链联盟成员,可以在平台上进行网银、身份核实、账务甚至资金结算等业务。对于更高层级的服务商、合作伙伴来说,依托核心能力,可以为蚂蚁金服合作的客户提供更多的供应链协作、供应链管理相关的能力。通过这种方式,双链通可以和所有的客户及合作伙伴建立一个良好的协作生态。本文作者:华蒙阅读原文本文为云栖社区原创内容,未经允许不得转载。

February 27, 2019 · 1 min · jiezi

宜信 | 供应链金融+区块链双链合璧

区块链是什么区块链是一种按照时间顺序将数据块以特定的顺序相连的方式组合成的链式数据结构,其上存储了系统诞生以来所有交易的记录。区块链上的数据由全网节点共同维护并共同存储,同时以密码学方式保证区块数据不可篡改和不可伪造。所以区块链本质是一个分布式共享数据库。区块链让参与系统中的任意多个节点,通过密码学方法产生相关联数据块(即区块,block),每个数据块中都包含了一定时间内的系统全部信息交流的数据,并按照时间顺序将数据区块组合成一种链式数据结构。区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术在互联网时代的创新应用模式,是一种解决信任问题、降低信任成本的信息技术方案。区块链技术的应用,可以取缔传统的信任中介,颠覆传统上存在了几千年的中心化旧模式,在不需要中心化信任中介的情况下,解决陌生人之间的信任问题,大幅降低信任成本。名词解释分布式:相对于集中式而言,分布式是区块链的典型特征之一,对应的英文是Decentralized,完整的表达形式是不依赖与中心服务器(集群)、利用分布式的计算机资源进行计算的模式。共识机制:区块链系统中实现不同节点间建立信任、获取权益的数学算法。分布式数据库:一个可以在多个站点、不同地理位置或者多个机构组成的网络中分享的数据库。区块+链=历史+验证区块结构有两个非常重要的特点:每个区块的块头包含了前一区块的交易信息的哈希值,因此从创世区块到当前区块形成了链条;每个区块主体上的交易记录前一区块创建后、该区块创建前发生的所有价值交换活动;绝大多数情况下,新区块创建成功被加入到链中,该区块的数据记录则不可被改变或更改。区块链的特点去中心化区块链的分布式结构使得数据并不是记录和存储在中心化的电脑或主机上,而是让每一个参与数据交易的节点都记录并存储下所有的数据信息。为此,区块链系统采用了开源的、去中心化的协议来保证数据的完备记录和存储。区块链构建了一整套协议机制,让全网络的每个节点在参与记录数据的同时,也参与验证其他节点记录结果的正确性。只有当全网大部分节点(甚至所有节点)都确认记录的正确性时,该数据才会被写入区块。在区块链的分布式结构的网络系统中,参与记录的网络节点会实时更新并存放全网系统中的所有数据。因此,即使部分节点遭到攻击或破坏,也不会影响这个系统的数据更新和存储。不可伪造区块链记录原理需要所有参与记录的节点,来共同验证交易记录的正确性。由于所有节点都在记录全网的每一笔交易,因此,一旦出现某节点记录的信息与其他节点的不符,其他节点就不会承认该记录,该记录也就不会写入区块。不可篡改改变某一区块及区块内的交易信息几乎是不可能的。如果该区块被改变,那么之后的每一个区块都将被改变。因此试图篡改数据的人必须同时入侵至少全球参与记录的51%的节点并篡改数据。从技术上讲,这几乎是不可能的。数学加密每笔交易需要一个有效签名才会被存储在区块中。只有有效的数字秘钥才能生成有效签名。密钥是成对出现的,由一个私钥和一个公钥组成。其中,公钥是公开的,私钥仅限拥有者可见并使用,用于交易签名,以证明数字身份。区块链如何解决供应链金融痛点供应链金融是以核心客户为依托,以真实贸易背景为前提,运用自偿性贸易融资的方式,通过应收账款质押登记、第三方监管等专业手段封闭资金流或控制物权,对供应链上下游企业提供的综合性金融产品和服务。供应链金融的基础,又是供应链。供应链涉及信息流、资金流、物流和商流,天然是个多主体、多协作的业务模式。在这种情况下,要进行贸易融资,首先会遇到很多真实性的问题,比如交易的真实性,单据的真实性,这都需要多方确认,耗费大量的人力物力;其次,涉及的多主体,存在互联互通难的问题,例如每个主体用的供应链管理系统、企业资源管理系统,甚至是财务系统都有所不相同,导致对接难。就算对接上了,会由于数据格式、数据字典不统一,而导致信息共享很难。供应链金融还存在一些行业痛点:第一,如前所述,供应链上存在很多信息孤岛,企业间信息的不互通制约了很多融资信息的验证;第二,核心企业信用并不能有效传递,根据合同法,核心企业是跟一级供应商签订合同,但是一级供应商和二级供应商签订合同时并没有核心企业参与,并不能传递相关的核心企业的信用到多级供应商;第三,银行缺乏中小企业的可信数据。在现存的银行风控体系下,中小企业无法证实贸易关系的存在,难以获得银行资金。相对地,银行业无法渗透入供应链进行获客和放款;第四,融资难、融资贵现象突出,在目前赊销模式盛行的市场背景下,供应链上游的供应商往往存在较大资金缺口,然而没有核心企业的背书,他们难以获得银行的优质贷款;第五,结算并不能自动完成。现在很多约定结算没有自动完成,涉及多级供应商结算时,不确定性因素更多。因此,供应链金融需要数据穿透和信息共享,通过把资金流、信息流、物流,商流等融合在一起,来提升信息的真实性、信用的可传递和融资的高效率。基于区块链的供应链金融,通过区块链技术将各个相关方链入一个平台,通过多方记账确权数据存储,实现数据的横向共享,进而实现核心企业的信任传递。基于物权法、电子合同法和电子签名法的约束,借助核心企业信用额度,提升中小企业的融资效率,降低小微企业的融资成本,加速实现普惠金融。引入区块链带来哪些优势呢?第一,解决信息孤岛问题,多个利益相关方可以提前设定好规则,加速数据的互通和信息的共享;第二,根据物权法、电子合同法、电子签名法等,核心企业的应收账款凭证可以通过区块链转化为可流转、可融资的确权凭证,使得核心企业信用能沿着可信的贸易链路传递。基于相互的确权,整个凭证可以衍生出拆分、溯源等多种操作;第三,提供可信贸易数据,比如在区块链架构下提供线上化的基础合同、单证、支付等结构严密、完整的记录,提升了信息透明度,实现可穿透式的监管;第四,实现资本降本增效。核心企业信用传递后,中小企业可以使用核心企业的信贷授信额度,降低融资成本,提升融资效率;第五,实现合约智能清算。基于智能合约的自动清结算,减少人工干预,降低操作风险,保障回款安全。总而言之,从整个信息流转来看,从以前的信息孤岛变成现在全链条的信息打通,从传统的核心企业只能覆盖一级供应商,变成能够覆盖多级供应商。基于加密数据的交易确权、基于存证的交易真实证明、基于共享账本的信任传递和基于智能合约的合约执行,形成回款封闭可控、穿透式监管、全链条数据打通的新生态,主要是有助于中小微企业解决“融资难,融资贵”的难题。区块链应用案例-大大买钢网解决方案翼启云服构建的Blockworm Baas(blockchain as a service)平台,是提供区块链服务的云平台,可以帮助用户快速构建区块链基础设施,将业务数据上链。翼启云服以区块链上的数据为依托,为供应链上下游的中小企业提供金融服务。平台采用区块链多链结构,B2B平台、供货商、采购方、仓储机构、物流机构作为数据录入节点,将供应链中的信息流、商流、物流数据存储在区块链上。首先,区块链打通了各个参与方的信息系统,提供了可信的协作环境,提高了交易协作的效率。其次,多个参与方基于交易本身协作,共同见证了交易的过程,为交易的真实性提供保障。最后,金融机构作为授信方和资金提供方,基于可信的数据源,利用数据分析等手段,为企业进行授信,放款。简化了融资流程,提高了融资效率,降低了融资成本。以下为钢铁B2B电商大大买钢在Blockworm平台利用区块链进行业务数据记录的案例。各方交易从订单生成的时刻起,包括仓储、物流过程中的关键节点都进行数据记录,数据存储在交易链上,整个交易可进行溯源,并根据各方信息交叉验证,防止虚假交易,保障交易真实性。图1. 交易全过程关键节点记录在交易链上具体流程为:大大买钢网的新增订单的信息被记录在区块链上;大大买钢变更订单状态为待出库;第三方仓储在链上发现待出库订单,对货品进行出库操作,并标记订单状态为已出库;承接货品运输工作的第三方物流公司开始运送货物,并更新订单状态为运输中;下游买家收到货物,将订单状态标记为已签收。所有交易中产生的应收账款、票据等可以作为融资标的,登记在资产链上,形成数字资产,此过程被称为资产数字化,这些数字资产本质是供应链中企业的债权。资产链记录所有资产的融资过程。部分过程可由链上的智能合约自动执行,节省人力成本。图2.融资链记录融资资产产生的过程同时,在交易链中,数字化资产可以进行拆分,做为债权(或资本)向上游供货商进行采购,这样依托于核心企业的信用,就可以传递到整个供应链中,为供应链中的中小企业增信。图3.融资资产可以在链上进行流转整合图(1) – 图(3), 最终就会演变成多链的模式(图(4)), 首先各个交易链提供资产的真实性溯源,中间是资产链,需要进行融资的资产都可以登记到资产链中,金融机构基于资产链,对资产的真实性进行溯源,评估风险,进行有针对性的金融服务。图4.多链结构,交易链为资产链上的融资资产增信宜信技术学院 作者:于明扬

February 12, 2019 · 1 min · jiezi

满足用户的即时需求,金融云的效率优先与生态开放

人-手机-云端刷手机进地铁站,用手机购物,点手机叫外卖,靠手机应用租房/搬家……现代人与手机的关系越来越紧密。人们通过手机应用连接后端服务,后端服务依照手机发送来的数据为用户提供定制化/标准化服务。随着云服务的日渐成熟,这些与人们工作生活紧密相关的各项服务也逐渐走上了云端,人-手机-云端的连接关系就此建立。孙悟空一个筋斗云十万八千里,现代人的云,随影而行,而连接着人与云的,除了手机,还有金融。金融是连接现代人一切生活场景服务的必备环节。金融云考虑效率优先金融活动的一个典型表现是对现有资源进行重新整合之后,实现价值和利润的等效流通。这提升社会资源利用效率有极大的帮助。不过,并非所有的金融活动都是如此。陈宇在他著的《风吹江南之互联网金融》一书中提到:“……美国银行业的跨州和跨行支付都需要3到5个工作日,而且手续极为繁琐;日本的银行业下午3点就关门,而且还需要支付极高的账户管理费。从很多层面来看,我们的银行业相对而言,效率更优。这背后,并非是美国的技术不如中国,而是从现实的需求来看,相对安逸稳定生活状态的国家,对效率是不敏感的,并不是很在乎这个效率的提升。”在金融科技的推动下,我国银行业的金融服务效率一直在按快进键。金融云出现以后,金融服务要能随时随地地提供服务,网上支付转账要能实时到账,夜宵外卖能即时下单,网上购物还能限时送达……金融云的部署,必须考虑效率优先,这是用户的客观需求,也是银行持续改进自身服务质量的目标。这一点,国内银行已经做得相当到位,网友们不必总是吐槽他们。金融云考虑生态开放生态闭环是业内大佬们经常提及的概念。在金融云领域,形成闭环的条件有两类,一类是将自身建成生态体系,完成闭环交易和相关服务的输出;另一类是和其他机构联合构建生态体系,形成生态闭环。现在银行业普遍的做法是和其他机构合作,以开放银行的身份来构建金融生态服务。银行将外部服务吸纳进体系后,形成闭环,而为了让生态体系保持健康,他们还会在开放体系中将“害群之马”踢出,再引入良驹。但不管是哪种生态,都需要有一个完备的再生循环机制。那么,什么样的生态才算是完备呢?除了大数据的获取/分析、脱敏利用、金融服务、物流服务、售后服务等,在外围还有更大的生态服务体系,那就是在整个社会资源整合体系下形成的场景搭建、整合营销等。让各个独立的金融云连接成片,形成更庞大的生态云,这才是金融云服务中最难做到的。毕竟,云与云之间的资源往往相对独立,不太愿意受他方支配,资源调配起来,难度极大。目前来看,各大云服务机构在构建金融云服务时,都会强调自己的生态建设,更有甚者会将自身的一些既有的平台资源进行更广更深度地整合,向客户推出金融、场景搭建、数据资源、整合营销等一揽子方案。这样, 银行只需要提供一个金融服务的出口就可以让自己置身于云端的任何一处。另一方面,银行也在构建以自己为中心的金融云服务生态,在开放API的基础上,保证自己的金融输出核心,将云端资源不断扩大,让自己的金融服务变得“无所不在,无所不包”,生态能力也不断壮大。不管是哪种方式,它都会在以客户需求为导向的金融市场上,每个客户的头上形成一朵如影随形的云,客户想要“风霜雨露”还是“晴天万里”,都可以得到即时的满足。

January 14, 2019 · 1 min · jiezi

支付宝工程师创造出了一个可以“拷贝”支付宝的神器

摘要: “拷贝”支付宝,新版mPaaS的魔法开启了!mPaaS是源于支付宝的移动开发平台,从最初的金融级移动开发平台,逐渐演进成集开发、测试、发布、分析、运营于一体的 App 全生命周期管理平台,服务了广发银行、12306、上海地铁等标杆级客户,帮助客户完成技术升级与业务增长。“拷贝”支付宝?呵,别逗了,这不可能。但支付宝工程师们真的把这种“不可能”变成了可能。1月4日,在上海举行的蚂蚁金服ATEC城市峰会上,新一代的移动开发平台mPaaS(mobile Platform-as-a-Service)3.0正式上线。新版本围绕移动场景完成了全面智能化升级,形成分析、营销、预测、多媒体等四大 AI 能力矩阵。此外,mPaaS 3.0版本提供了一套完备的H5/小程序应用开发、运维、分析功能,并提供底层小程序业务接口扩展能力,开发者可以利用mPaaS 小程序框架自主的开放业务接口。“新版本以智能技术助力客户构建自己的超级 App,并可以基于自有 App 做技术开放,构建超级 App生态,企业可以拥有等同于支付宝的能力,包括技术、生态、业务等”,蚂蚁金服金融科技产品技术总监杨冰介绍。mPaaS的演进之路正式介绍全新一代的mPaaS之前,我们先来回顾一下这个神奇平台的发展历程。2015年,金融行业风口已至。顺应趋势、助推行业整体进化,蚂蚁金服提出互联网助推器计划,发布蚂蚁金融云。支付宝从担保支付到国民App的过程中,沉淀了大量的技术实践。但如何将支付宝多年沉淀的技术在金融行业落地,这成了当时的一个挑战。2016年上半年,蚂蚁金服副CTO胡喜拍板,秉承“技术成熟一个,开放一个”的大原则,用轻量级的方式让蚂蚁的金融科技能力落地开花,因此首选mPaaS,并将其率先实施于蚂蚁的自有业务——网商银行,取得了非常有成效的结果。随后,mPaaS在信美保险和天弘基金也进行了落地。最开始的时候,mPaaS初期主要支持内部业务,所以并没有做多租户模式,而是采用的独占的模式,让用户去买机器,在公有云上,用户购买了服务后只能自己用。但支付宝工程师要以云的方式来完成这个动作,使其成为一个资源池。mPaaS的演进开始了。支付宝工程师最先做的是,先将mPaaS组件化、共享化,即用户可以自行挑选适合自己需求的组件,而无需整体采购全套方案。紧接着,mPaaS推出了一些热点的创新功能,比如热修复、离线包等。所以,在2016年11月的时候,mPaaS推出了一个更新的版本。如果说之前的mPaaS主要落地与支付宝内部的业务;那么此时的mPaaS已经具备了对外商业化的雏形,已经是一个正式的商业化版本。与此同时,mPaaS迎来了发展过程中一个非常重要的客户——12306。基于mPaaS的底盘技术,支付宝工程师对12306做了一个大的升级,并取得了非常明显的效果。新版12306 App无论是在流畅度,还是用户体验的方面,都取得了很好的反馈。为此,铁道部还专门给mPaaS团队发了感谢信,对支付宝团队的专业精神,还有技术深度都进行了高度的赞扬。12306项目的大获成功,不但解决了实际的痛点,也坚定了支付宝技术团队的做移动技术开放的决心。要知道,这个项目是10多个人的团队在不到2个月的时间内完成的,而且平稳顺利地经受住了当年的春运亿级用户的考验,是支付宝技术在相同体量 App 中的第一次成功复制。支付宝工程师们马不停蹄,立志要解决金融行业的痛点。此时,mPaaS的第一个金融客户广发银行出现了。彼时,广发银行研发中心总经理李怀根计划对旗下的App进行优化升级,其中最主要的是进行性能优化,即App的启动速度较慢,他希望立即将其解决。支付宝工程师用了一周左右的时间,设计了一个POC(Proof of Concept),就把广发银行App首页的代码“搬到”了mPaaS上,并在行里进行了现场对比 Demo, 对比发现精彩的平均启动速度从几秒缩短到不到1秒。最终广发银行在众多厂商中选择了与源于支付宝的 mPaaS 合作。新版发现精彩上线后,李怀根更在2018年云栖大会中总结到:“发现精彩 3.0 平均启动速度达到了0.52秒,iOS 闪退率不到万分之一,发现精彩整体体验大幅度提升!”这是mPaaS在高并发,大体量金融级 App 中的又一次复制。“拷贝”支付宝,新版mPaaS的魔法mPaaS是源于支付宝的移动开发平台,现在已经演进成集开发,测试,发布,分析,运营于一体的App全生命周期管理平台。1月4号发布的mPaaS 3.0 融入了人工智能小程序技术,进行了全面的升级。魔法一:全面升级的智能化能力mPaaS 3.0全面向智能化进行升级,推出了智能投放,舆情分析,多媒体,预测4款智能化组件。同时智能预测圈人的功能,与之前发布的消息推送服务(MPS),发布服务(MDS)进行了全面整合,例如可以通过智能预测来判断接下来一周即将流失的客户,然后针对这部分用户发布一个消息 (通过MPS服务),或者通过智能投放服务发放一个营销活动(通过智能投放服务MCDP),促使这些用户能够继续留存下来。所以这次升级不仅仅是推出了智能化组件,更是整个平台的智能化升级。同时 mPaaS 3.0 解决了智能化能力落地难的问题, mPaaS 提供数据采集,智能引擎,智能化场景一体化解决方案,开箱即用,无需做任何系统对接,数据对接。同时,也提供了数据和系统的扩展能力,可以结合业务数据服务更多的场景。魔法二:通过小程序构建自主的生态系统新版的mPaaS还提供mPaaS小程序功能,mPaaS小程序源于支付宝小程序,是支付宝小程序技术的全面开放,包含了小程序开发框架、IDE、发布服务、分析服务等完整能力闭环,让客户可以以小程序的方式开放业务接口,围绕自己的App构建小程序生态。同时,基于mPaaS小程序开发的业务可以在自有App、阿里系、mPaaS生态间投放、联通、共享,壮大客户自主的业务生态。魔法三:全新组件“真机云测”面向碎片化严重的安卓市场,新版的mPaaS还推出全新组件“真机云测”,帮助App在上线前完成全面、统一的测试方案,从而彻底验证App的兼容性、功能完善与性能稳定。 “真机云测”提供了包括机柜,测试框架,任务调度平台,测试效果评估一体化解决方案,可以有效的提高测试效率,降低测试成本,提高问题发现率。目前,mPaaS真机云测已在支付宝体系内完成 50w+自动化任务,用例执行400w余次,捕获闪退 5w+次。基于以上技术创新,新版的mPaaS让“拷贝”支付宝更加便捷。毫不夸张地说,通过蚂蚁金服的移动开发平台mPaaS,企业可以拥有等同于支付宝的能力,包括技术、生态、业务等。目前,全新一代的移动开发平台mPaaS已经在蚂蚁金服金融科技官网(https://tech.antfin.com/produ…)上对外开放。本文作者:平生栗子阅读原文本文为云栖社区原创内容,未经允许不得转载。

January 11, 2019 · 1 min · jiezi

OceanBase迁移服务:向分布式架构升级的直接路径

2019年1月4日,OceanBase迁移服务解决方案在ATEC城市峰会中正式发布。蚂蚁金服资深技术专家师文汇和技术专家韩谷悦共同分享了OceanBase迁移服务的重要特性和业务实践。蚂蚁数据库架构的三代升级史在过去的十多年时间里,蚂蚁在整个基础数据库架构上一共经历了三代升级。第一代数据架构是构建在IOE的基础之上——IBM的小型机、Oracle的商业数据库,还有EMC的共享存储。基于第一代IOE架构的运维成本是非常高的,同时稳定性的挑战也是非常大的。随着业务的快速发展,这套架构已经完全没有办法适应业务发展的增速。随之诞生的是第二代架构,第二代架构的主体是OE——也就是Oracle和EMC,加上蚂蚁自身的分布式中间件,解决了业务的水平和垂直的弹性能力。这一代架构其实伴随着蚂蚁走了很多年。随着4G、5G时代的到来和金融的普及化,人们的生活越来越离不开移动支付,业务井喷式的发展给底层的数据库提出了更高的要求。这些要求包括更高的稳定性,快速恢复能力和极致的弹性能力等。于是最终演进到了我们如今的第三代架构。第三代架构是由OceanBase为代表的金融级云数据库和分布式中间件所构成。数据库架构升级的挑战伴随着整个蚂蚁的发展,整个数据库的架构也仅仅演进了三代。这其中一个很重要的原因就是对于任何企业而言,整个数据库的架构升级都是一件非常有挑战的事情。蚂蚁金服资深技术专家师文汇说道,“用一个我们内部经常说的比喻,就是数据库的架构升级就好像是在给一个高速运行的飞机更换引擎。”更换引擎的目的是为了拥有更好的动力,做更多技术上的创新。但是横亘在眼前的问题是,如何才能做到稳妥创新,保证驾驶中的飞机平稳顺利的运行,这其实是有非常大的挑战。在过去三代架构的演进中我们可以看到,本质上每一代架构的迭代基本上都是以两到三年为周期,这其中会有非常高的人力投入和成本开销。第二个挑战就是从传统的商业数据库迁移到OceanBase数据库之上,我们如何保证迁移过程中以及迁移以后的稳定性。另外一个非常大的挑战就是数据质量,在金融企业里,数据承载的不仅只是钱,更承载了数以亿计用户的信任。所以数据一条不能丢,一条不能错,这是我们做数据库的底线。当然,包括兼容性问题和性能风险也给数据库的架构升级带来重重挑战。OceanBase迁移服务:向分布式架构升级的直接路径基于上述问题和挑战,同时经过蚂蚁十年数据库架构升级的先进经验,蚂蚁金服为客户打造了这款一站式数据迁移解决方案——OceanBase迁移服务(OceanBaseMigration Service,简称OMS)。OMS的发展演进OMS的演进是以业务为驱动,并且与OceanBase的架构升级和不断发展密不可分。早在2014-2015年期间,蚂蚁主站上的一些核心业务,包括大家熟知的交易业务,支付业务和会员业务等,需要从Oracle迁移到OceanBase上。当时的OMS还是以一个工具类、模块化的形态支撑着这些项目。所以在2015年我们开始对OMS的方案进行全面的调研,力求沉淀出通用的系统化的解决方案。在2016年,OMS已经有了平台化的架构,引入了大规模编排的思想,将整个迁移特别是切换过程中繁琐易错的环节全部集成到平台。这一时期,OceanBase也完成了从0.5版本到1.0版本的架构升级,这一年OMS还支撑了网商银行、印度PayTM以及主站的核心业务升级到OceanBase 1.0版本。到了2018年的时候,无论在基础功能层面还是任务编排层面,OMS都已经被打磨得日趋完善。今年OMS已经支持了蚂蚁森林,蚂蚁商户平台以及众多大量核心及非核心的业务从MySQL迁移到OceanBase之上。与此同时,在外部业务包括很多已经上线OceanBase的商业银行,也已经验证了使用OMS一键迁移到OceanBase的能力。OMS的方案优势OceanBase迁移服务其实主要解决了五个重要的问题。1.负载回放验证:其中第一个核心的问题就是负载回放验证,通过采集源端数据库的SQL流量,在目标库OceanBase上回放,可以验证其在OceanBase上的功能是否兼容、性能是否出现问题等。同时基于蚂蚁DBA十多年的经验沉淀,OMS会为客户提供性能等方面的调优建议。2.秒级数据校验:第二点就是数据校验,OMS有三层数据校验,可以做到秒级的延迟。举一个例子,比如说我们想把传统商业数据库替换成OceanBase,如果在迁移过程中任何一条数据出现了错误,在一秒钟内就可以快速发现。校验的延迟可以完全保证在一秒以内,根据蚂蚁线上的经验,大概在100-200毫秒之间。3.分钟级即时回滚:第三点也是最重要的一点,就是OMS有随时回滚的能力,而且回滚是无损的。这也是我们前面所强调的稳妥创新的基石。4.多种数据库类型支持:目前OMS支持源端数据库类型有Oracle、MySQL、OceanBase等等,支持全量迁移和增量数据同步。5.一键完成迁移:整个数据迁移链路和回滚机制的搭建基本上都是通过一键操作完成,使用简便。OMS的技术架构OMS的核心方案其实非常简单,我们把OceanBase变成Oracle/MySQL的一个备库。传统的商业数据库一般都是有主库和备库的:主库承担写的流量,如果主库出现问题,我们会把数据切到备库,然后通过OMS提供的一整套虚拟主备库的解决方案完成切换。比如原来Oracle有一个主库一个备库,然后OceanBase其实变成了一个虚拟的备库。整个数据库架构的升级也会变得异常简单,简单到只是做了一个主备切换。回滚也会变得非常简单,其实也是做了一次主备切换。从OMS的整体架构来看,其实一个非常关键的点就是,我们在传统的商业数据库和OceanBase之间建立了一套虚拟的主备链路,整个OMS里用到的所有组件,其实都是在蚂蚁和阿里有很多年技术沉淀的,也都是基于真实场景所产生的。OMS的迁移流程OceanBase迁移服务的整体迁移流程其实只有七步。1.评估:首先第一步是通过负载回放工具做兼容性分析;2.PoC:接下来OceanBase云平台可以帮助客户部署一套PoC集群;3.预迁移:然后OMS把线上的Oracle的数据预迁移到一个测试库里;4.验证:在这个测试库里用负载回放工具去回放这些SQL,然后找到SQL里不兼容,性能或者数据质量不满足预期的部分,并提供优化建议;5.正式迁移:前四步做完了以后,业务需要调整或者需要优化的SQL已经完成优化,然后就可以正式迁移了。首先把原有的全量数据迁过来,然后再把增量变化的那部分数据实时同步过来;6.校验:等到所有的数据准备好以后,然后我们继续完成三级校验;7.切换和回滚:等到所有的校验都完成以后,可以一键完成切换和回滚功能。通过这七步就可以轻松完成从传统商业数据库到分布式数据库的完整迁移。蚂蚁商户平台基于OMS的业务实践蚂蚁商户平台承载着商户档案数据信息,订购关系、签约信息的数据和相应的服务能力。其中一部分业务使用的是MySQL数据库,还有一部分核心业务使用的是Oracle数据库。随着商户的快速增长以及业务场景的不断丰富,商户平台数据增长迅速,数据规模相当庞大。尤其是MySQL的单表瓶颈日益明显,DDL变更、DML更新的性能与风险已经无法承担。蚂蚁金服技术专家韩谷悦介绍道,“OceanBase能够支持数据的无限扩展,满足商户业务的容量与性能需求。那么如果我们换一种数据库底盘,其实所要面对的性能、稳定性和数据质量的风险同样不可避免。”从蚂蚁商户平台的业务实践来看,使用OMS迁移与传统迁移进行对比,我们可以看到:· 业务评估和改造过去通常一个业务少则花费1-2个月的时间去做改造和适配;那么基于OMS自动化的SQL兼容性评估和负载回放的能力,蚂蚁商务平台业务的改造大概只用了一个星期的时间。· 数据迁移和校验客观来讲,迁移的总时长主要取决于业务数据模型,数据量和网络环境。在提高迁移效率方面,OMS目前增量迁移的延迟仅为毫秒级,跨城情况下最长只需要3秒。并且针对校验出的数据差异提供补齐的SQL和订正方案,使得迁移和校验的整体效率有了大幅度的提升。· 业务切换其实在切换之前,往往需要制定严密的切流方案和Failover方案,整个切换过程中需要检查与校验的细节非常繁琐,任何一步疏忽都有可能造成数据不一致的问题。那么OMS通过引入大规模编排的思想,把所有繁琐复杂的环节通通落到平台当中。所以从原来业务切换需要用时1-2周时间, 使用OMS后蚂蚁商户平台业务无论是切读还是切写的过程中都只用了几分钟的时间。· 业务回滚在过去,迁移之后的业务回滚要担负重大的决策风险,OMS使得业务回滚就像一次主备切换,可以瞬间完成并且不丢数据,所以让业务回滚不再成为难题。商户业务整体迁移的过程中也发生过业务抖动,使用OMS回滚的时候从登陆系统到完成回滚也只用了几分钟的时间。所以全程下来蚂蚁商户平台这个业务的迁移时间大概在三个多星期的时间完成,那么无论从人力成本还是时间成本上,OMS都极大地提升了数据库的整体迁移效率。最后,韩谷悦为大家展示了OMS一键迁移的demo演示。当前, 越来越多的企业已经认识到分布式架构在实现业务灵活扩展以及敏捷开发等方面的巨大价值。OceanBase不断通过产品端的革新,为传统企业输送“互联网基因”,帮助更多客户向分布式架构转型。同时OceanBase也在不断提高服务客户的深度和广度。深度意味着在同样的业务场景下,随着业务的发展和体量的壮大,帮助更多企业承担起业务所带来的极致压力。广度则针对的是随着新型技术形态和业务场景的出现,帮助更多企业快速响应,通过技术创新而适应变化所带来的新的市场契机。OceanBase致力于将蚂蚁自身业务多年沉淀下来的最浓缩,最经典和最普世的方法论输出给广大的企业客户,同时做到深度和广度并存,真正帮助客户实现稳妥创新。

January 9, 2019 · 1 min · jiezi

支付宝工程师创造出了一个可以“拷贝”支付宝的神器

mPaaS是源于支付宝的移动开发平台,从最初的金融级移动开发平台,逐渐演进成集开发、测试、发布、分析、运营于一体的 App 全生命周期管理平台,服务了广发银行、12306、上海地铁等标杆级客户,帮助客户完成技术升级与业务增长。“拷贝”支付宝?呵,别逗了,这不可能。但支付宝工程师们真的把这种“不可能”变成了可能。1月4日,在上海举行的蚂蚁金服ATEC城市峰会上,新一代的移动开发平台mPaaS(mobile Platform-as-a-Service)3.0正式上线。新版本围绕移动场景完成了全面智能化升级,形成分析、营销、预测、多媒体等四大 AI 能力矩阵。此外,mPaaS 3.0版本提供了一套完备的H5/小程序应用开发、运维、分析功能,并提供底层小程序业务接口扩展能力,开发者可以利用mPaaS 小程序框架自主的开放业务接口。“新版本以智能技术助力客户构建自己的超级 App,并可以基于自有 App 做技术开放,构建超级 App生态,企业可以拥有等同于支付宝的能力,包括技术、生态、业务等”,蚂蚁金服金融科技产品技术总监杨冰介绍。mPaaS的演进之路正式介绍全新一代的mPaaS之前,我们先来回顾一下这个神奇平台的发展历程。2015年,金融行业风口已至。顺应趋势、助推行业整体进化,蚂蚁金服提出互联网助推器计划,发布蚂蚁金融云。支付宝从担保支付到国民App的过程中,沉淀了大量的技术实践。但如何将支付宝多年沉淀的技术在金融行业落地,这成了当时的一个挑战。2016年上半年,蚂蚁金服副CTO胡喜拍板,秉承“技术成熟一个,开放一个”的大原则,用轻量级的方式让蚂蚁的金融科技能力落地开花,因此首选mPaaS,并将其率先实施于蚂蚁的自有业务——网商银行,取得了非常有成效的结果。随后,mPaaS在信美保险和天弘基金也进行了落地。最开始的时候,mPaaS初期主要支持内部业务,所以并没有做多租户模式,而是采用的独占的模式,让用户去买机器,在公有云上,用户购买了服务后只能自己用。但支付宝工程师要以云的方式来完成这个动作,使其成为一个资源池。mPaaS的演进开始了。支付宝工程师最先做的是,先将mPaaS组件化、共享化,即用户可以自行挑选适合自己需求的组件,而无需整体采购全套方案。紧接着,mPaaS推出了一些热点的创新功能,比如热修复、离线包等。所以,在2016年11月的时候,mPaaS推出了一个更新的版本。如果说之前的mPaaS主要落地与支付宝内部的业务;那么此时的mPaaS已经具备了对外商业化的雏形,已经是一个正式的商业化版本。与此同时,mPaaS迎来了发展过程中一个非常重要的客户——12306。基于mPaaS的底盘技术,支付宝工程师对12306做了一个大的升级,并取得了非常明显的效果。新版12306 App无论是在流畅度,还是用户体验的方面,都取得了很好的反馈。为此,铁道部还专门给mPaaS团队发了感谢信,对支付宝团队的专业精神,还有技术深度都进行了高度的赞扬。12306项目的大获成功,不但解决了实际的痛点,也坚定了支付宝技术团队的做移动技术开放的决心。要知道,这个项目是10多个人的团队在不到2个月的时间内完成的,而且平稳顺利地经受住了当年的春运亿级用户的考验,是支付宝技术在相同体量 App 中的第一次成功复制。支付宝工程师们马不停蹄,立志要解决金融行业的痛点。此时,mPaaS的第一个金融客户广发银行出现了。彼时,广发银行研发中心总经理李怀根计划对旗下的App进行优化升级,其中最主要的是进行性能优化,即App的启动速度较慢,他希望立即将其解决。支付宝工程师用了一周左右的时间,设计了一个POC(Proof of Concept),就把广发银行App首页的代码“搬到”了mPaaS上,并在行里进行了现场对比 Demo, 对比发现精彩的平均启动速度从几秒缩短到不到1秒。最终广发银行在众多厂商中选择了与源于支付宝的 mPaaS 合作。新版发现精彩上线后,李怀根更在2018年云栖大会中总结到:“发现精彩 3.0 平均启动速度达到了0.52秒,iOS 闪退率不到万分之一,发现精彩整体体验大幅度提升!”这是mPaaS在高并发,大体量金融级 App 中的又一次复制。“拷贝”支付宝,新版mPaaS的魔法mPaaS是源于支付宝的移动开发平台,现在已经演进成集开发,测试,发布,分析,运营于一体的App全生命周期管理平台。1月4号发布的mPaaS 3.0 融入了人工智能小程序技术,进行了全面的升级。魔法一:全面升级的智能化能力mPaaS 3.0全面向智能化进行升级,推出了智能投放,舆情分析,多媒体,预测4款智能化组件。同时智能预测圈人的功能,与之前发布的消息推送服务(MPS),发布服务(MDS)进行了全面整合,例如可以通过智能预测来判断接下来一周即将流失的客户,然后针对这部分用户发布一个消息 (通过MPS服务),或者通过智能投放服务发放一个营销活动(通过智能投放服务MCDP),促使这些用户能够继续留存下来。所以这次升级不仅仅是推出了智能化组件,更是整个平台的智能化升级。同时 mPaaS 3.0 解决了智能化能力落地难的问题, mPaaS 提供数据采集,智能引擎,智能化场景一体化解决方案,开箱即用,无需做任何系统对接,数据对接。同时,也提供了数据和系统的扩展能力,可以结合业务数据服务更多的场景。魔法二:通过小程序构建自主的生态系统新版的mPaaS还提供mPaaS小程序功能,mPaaS小程序源于支付宝小程序,是支付宝小程序技术的全面开放,包含了小程序开发框架、IDE、发布服务、分析服务等完整能力闭环,让客户可以以小程序的方式开放业务接口,围绕自己的App构建小程序生态。同时,基于mPaaS小程序开发的业务可以在自有App、阿里系、mPaaS生态间投放、联通、共享,壮大客户自主的业务生态。魔法三:全新组件“真机云测”面向碎片化严重的安卓市场,新版的mPaaS还推出全新组件“真机云测”,帮助App在上线前完成全面、统一的测试方案,从而彻底验证App的兼容性、功能完善与性能稳定。 “真机云测”提供了包括机柜,测试框架,任务调度平台,测试效果评估一体化解决方案,可以有效的提高测试效率,降低测试成本,提高问题发现率。目前,mPaaS真机云测已在支付宝体系内完成 50w+自动化任务,用例执行400w余次,捕获闪退 5w+次。基于以上技术创新,新版的mPaaS让“拷贝”支付宝更加便捷。毫不夸张地说,通过蚂蚁金服的移动开发平台mPaaS,企业可以拥有等同于支付宝的能力,包括技术、生态、业务等。目前,全新一代的移动开发平台mPaaS已经在蚂蚁金服金融科技官网(https://tech.antfin.com/produ…)上对外开放。

January 8, 2019 · 1 min · jiezi

蚂蚁风险大脑亮相ATEC城市峰会:为数字经济时代做好“安全守护”

2019年1月4日,以“数字金融新原力(The New Force of Digital Finance)”为主题的蚂蚁金服ATEC城市峰会在上海隆重举行。大会聚焦金融数字化转型,分享新技术的发展趋势与落地实践,议题覆盖金融智能、金融安全、金融分布式架构及数据库、财富管理创新等多个板块,助力长三角地区金融科技发展,引领数字化转型潮流。“蚂蚁金服十余年风控路,因为守护所以安心”。会上,蚂蚁金服大安全副总经理王黎强分享了蚂蚁金服的风控演进历程,并介绍了立体化风控体系建设。而其分享中最引人关注的当属“蚂蚁风险大脑”,它过去为蚂蚁金服业务“保驾护航”,现已为众多金融监管部门、金融机构以及企业提供安全技术能力,做好安全的“守护人”。据悉,蚂蚁风险大脑的监管科技系统,利用了人工智能、大数据、云计算和区块链等领先科技手段,能够协助各地监管部门对类金融机构进行多维度的风险排查,实现涉众风险、经营风险、合规风险等全领域动态扫描,通过知识图谱挖掘,让监管部门拥有“透视眼”,发现关联机构间的潜在风险,从根源处识别出疑似金融欺诈团伙,并且还可以帮助监管构建地区及行业整体风险指数,快速识别地区及行业的风险“水位”,掌握宏观金融风险趋势变化,现已与北京、天津、河北、温州、广州、重庆、西安等全国10地金融监管部门建立合作。在这个数字时代,几乎所有领域都在发生“数字蝶变”,几乎所有领域都在呼唤风险防范和安全建设,特别是金融领域,今年年初至8月中旬全国各地500余家P2P平台现“爆雷潮”,造成无数投资人损失惨重,这也对相关政府监管部门提出了更高监管和保障市场参与主体安全的要求。对此,为进一步推动防控金融风险与群防群治有效结合,切实提升社会金融安全意识,调动群众发现举报涉嫌非法金融活动线索的积极性,在助力金融监管部门进行风险排查的同时,蚂蚁金服利用“风险大脑”的技术力量做支持,与多地共建金融知识宣教和线索举报平台,推进普惠金融进程。例如,蚂蚁金服和北京地方金融监督管理局合作的“金管卫士”小程序,用户可以打开支付宝首页,搜索“金管卫士”进入小程序,通过观看学习相关视频、漫画和图文,了解非法集资、传销和金融诈骗等非法金融活动惯用套路,提升社会公众的金融风险防范意识。同时,针对可疑平台,用户可以在线进行线索举报,并根据自身意愿选择“实名举报”还是“默默举报”,还可查询相关举报反馈结果,发动民众的力量来举报违法违纪的金融乱象,共同参与监督,净化市场环境,从而更好地维护自己的合法权益。“改变世界的不是技术,而是技术背后的梦想和责任”。蚂蚁金服所倡导的理念“科技是暖的,世界是平的,暖科技正让世界变得更加平等”,这也是他们所努力付诸的行动,不断利用自己的优势为社会做贡献,认真践行社会责任感,共创一个更加平等可信的金融环境。

January 7, 2019 · 1 min · jiezi

蚂蚁金服ATEC城市峰会上海举行,三大发布迎接金融科技2019

2019年1月4日,蚂蚁金服ATEC城市峰会以“数字金融新原力(The New Force of Digital Finance)”为主题在上海举办。稠州银行副行长程杰、蚂蚁金服副总裁刘伟光、蚂蚁金服金融科技产品技术总监杨冰、蚂蚁金服创新科技部资深总监李杰力等出席本场峰会并发表主题演讲。本次大会,蚂蚁金服带来了2019金融科技趋势预言、前沿技术产品以及生态服务能力三大方面的发布,释放数字金融新原力。会上,蚂蚁金服联合20家银行、保险、基金等金融机构,共同发布“2019金融科技趋势预测”。蚂蚁金服科学家,中国农业银行、华夏银行、中国外汇交易中心、光大科技、中国人寿养老保险、博时基金等蚂蚁金服合作伙伴嘉宾,基于各自的开放实践,对区块链、数据智能、海量金融交易等技术将在金融行业带来怎样的变化,发表了自己的见解。蚂蚁金服副总裁刘伟光指出,数字化转型是技术与商业模式的深度融合,银行数字化转型是一个逐步递进的旅程,蚂蚁通过全面开放与探索,不断助力金融机构创造数字化转型里程碑,也期待与更多合作伙伴一起,预践数字金融之旅。演讲中,刘伟光与稠州银行副行长兼CIO程杰一起展示了稠州银行建立全新的数字化DNA的创新实践。据了解,大会上蚂蚁金服推出了移动开发、分布式数据库、分布式架构能力等技术领域的升级发布。其中,一直凭借强大的客户端增效能力、坚实的中台运行能力而供不应求的蚂蚁蚂蚁金服移动开发平台mPaaS(mobile Platform-as-a-Service)升级到3.0版本,“新版本以智能技术助力客户构建自己的超级 App,企业可以拥有等同于支付宝的能力,包括技术、生态、业务等“,金融科技产品技术总监杨冰介绍。除此之外,蚂蚁金服宣布启动“链创·未来”为主题的区块链创新大赛,大赛将以蚂蚁区块链BaaS平台为基础,鼓励企业和开发者以场景驱动,在各行各业中进行应用创新。据介绍,通过两年的沉淀,蚂蚁区块链完成了核心技术的突破和场景打磨,以供应链金融为例,蚂蚁双链通通过为行业搭建开放式信用流转平台,破解过去融资难、收款难等小微金融难题,助力小微企业、银行构建可靠稳定的供应链金融生态。2018年9月云栖ATEC大会上,蚂蚁金服副CTO胡喜宣布,蚂蚁金融科技全面开放,支付宝将与数百家合作伙伴以及广大技术创新者一起,为行业提供通用和行业解决方案。现在,在蚂蚁金融科技官网(https://tech.antfin.com/)上可以看到,其全面开放的技术菜单达数百种,包括金融安全技术、海量金融交易技术,金融风控技术,金融智能,生物识别等;行业解决方案则包括数字银行解决方案、数字保险等解决方案。胡喜表示,“我们希望通过技术开放,可以帮助行业打造100个、1000个支付宝、网商银行。”蚂蚁金服ATEC(Ant Technology Exploration Conference)科技大会是由蚂蚁金服举办的、面向全球合作伙伴与技术专业人群的前沿技术探索大会,致力于通过对先进的前沿技术探索与讨论,为世界带来平等的机会。未来,ATEC城市峰会的足迹将陆续覆盖国内外更多城市。

January 7, 2019 · 1 min · jiezi

稠州银行数字化转型:打造银行数据大脑,建立全新数字化DNA

数字经济时代,银行如何进行数字化转型?业务模式转型与科技转型如何协同并进?2019年1月4日,在上海蚂蚁金服ATEC城市峰会上,浙江稠州商业银行(以下简称“稠州银行”)副行长兼首席信息官程杰分享了稠州银行的数字化建设实践之旅。我们可以看到,一家立足小微金融服务的银行机构,如何构筑全新的数字化基因,以科技创新快速进入数字化时代。对于未来金融科技、数字银行的发展,程杰认为,银行数字化转型的关键是盘活数据资产打造核心能力,践行数据驱动的应用场景建设,广泛运用金融科技手段,提供极致体验的智能化金融服务。稠州银行,有着CBA那样追求更快、更高、更强的精神。据了解,稠州银行成立30年来,一直致力于做小微企业和市场商户的商贸金融伙伴。从扎根全球最大的小商品集散中心义乌,到全面进入长三角经济圈核心区域,稠州银行始终紧随市场经济的步伐,关注小微客户的金融服务需求。自2006年起,稠州银行实施“走出去”战略,全面布局长三角。截至目前,稠州银行的体量规模达到资产规模2000亿元,分行14家,范围覆盖9个省。到了新型数字化时代,稠州银行开启了零售业务转型与数字化科技转型的创新战略,来保证银行高效、高质量的金融服务。程杰指出,普惠金融服务需要不断突破边界,包括数据的边界、服务半径的边界,以数字化的方式降低边缘成本,突破商业模式、个性化服务的瓶颈和制约。程杰表示,在新型互联网时代,数字化转型与开放融合对银行而言势在必行。程杰表示,“所谓数字化转型是什么呢?一句话概括:我们希望能够在银行建立一个数据大脑,在所有业务领域实现数字驱动。”这不是一个数据报表可以解决的概念,程杰解释道,从应用场景端到整个金融服务旅程,都希望银行运营过程中用数字说话,包括了解客户画像的个性化,需求的差异,以及实现生态场景建设、大数据风控机制的建设,建立包括——数据资产化、决策数字化、业务线上化、流程敏捷化在内的四大能力。然而,打造数字驱动的金融应用服务,看似是前端的体验优化,事实上,是背后的IT系统中涉及核心系统架构、数据中台、移动开发等缺一不可的敏捷能力中心建设。程杰指出,过去,银行的数字化创新实践面临着几大瓶颈,比如App框架缺乏大规模客户业务支撑,运维效果大大地影响力客户体验;内部系统紧耦合,新功能开发工作量大、周期长;数据平台建设与业务发展存在鸿沟,业务上无法立刻感知这些平台带来的能力,数据智能能力受到制约……这也形成了稠州银行与蚂蚁金融科技合作的数字化转型战略路径与目标——建立稠州银行全新的数字化DNA!程杰介绍,这包括:打造数字化银行的技术基础,构建以“数据、互联网、账务驱动”为核心的“三核驱动”,建设全新分布式互联网核心;建设数字银行的生态场景,打造全渠道数据运营生态圈;建立数字银行的管理文化,形成完整生命周期的全行级数据规范体系;激活数字银行的数据资产,构筑以“AI”为基础的全业务数据决策能力。基于这些基础建设,探索助力银行实现稳定、高并发的账务处理能力,以及灵活、敏捷、开放的服务能力,和盘活数据资产、实时数据决策的服务能力,打造极致的用户体验,适应数字化时代的市场要求。据介绍,数字化1.0从移动端开始,着力于改善客户连接。而到了数字化2.0时代,银行重点在于通过云计算、数据智能等技术,来建立数字化企业三大核心竞争力:技术敏捷能力、数据智能驱动能力、业务敏捷能力,打造数字银行的敏捷能力中心,降本增效。程杰表示,“银行数字化转型是一个复杂的过程,但很庆幸,我们已经踏上了数字银行之旅。”目前,在蚂蚁金融科技官网(https://tech.antfin.com/)上可以看到,蚂蚁全面开放的技术菜单达数百种,包括金融安全技术、海量金融交易技术,金融风控技术,金融智能,生物识别等;行业解决方案则包括数字银行解决方案、数字保险等解决方案。蚂蚁金服副CTO胡喜表示,“我们希望通过技术开放,可以帮助行业打造100个、1000个支付宝、网商银行。”

January 7, 2019 · 1 min · jiezi

刚刚,蚂蚁金服荣膺“中国金融大数据领军企业”称号

摘要: 蚂蚁金服荣膺“中国金融大数据领军企业”称号!小蚂蚁说:2018中国软件和信息服务领域十大领军企业、人物及产业园区评选活动是业界最权威和最受关注的评选之一。12月20日,在北京举行的“2018中国软件大会”正式宣布蚂蚁金服成为“2018中国大数据金融领军企业”。2018年12月20日,在北京举行的“2018中国软件大会”正式宣布,蚂蚁金服在2018中国软件和信息服务领域十大领军企业、人物及产业园区评选活动中脱颖而出,成为“2018中国大数据金融领军企业”。据悉,中国软件和信息服务领域十大领军企业、人物及产业园区评选始于2001年,已经有十七年的历史,是业界最权威和最受关注的评选之一,被誉为中国软件和信息服务领域的“奥斯卡”。蚂蚁大数据助力企业业务创新据介绍,蚂蚁金服一站式大数据应用架构属于数据智能产品体系,是经过自身业务场景验证和锤炼的大数据应用解决方案,为企业提供企业数仓、商业智能、机器学习、数据可视化、数据营销、数据风控等一站式应用服务,能够有效提升客户洞察力,助力企业业务创新。近年来,蚂蚁大数据已经与多个知名的金融机构,如银行、保险和证券等企业开展合作。贵阳银行就引进了蚂蚁金服大数据技术平台和实施服务,整合内外部数据,建设五大数据能力,推进大数据特色银行建设,支撑零售条线的精准营销和风险防控业务。在蚂蚁大数据能力的支持下,贵阳银行产品创新能力不断提升,通过不断丰富信用卡、理财投资、消费贷款等领域的产品体系,持续提升线上化产品覆盖率。针对银行、保险、基金、证券等行业的特性,蚂蚁大数据提供了行业专属的一站式解决方案,并提供个性化的服务。以网商银行为例,基于蚂蚁金服大数据解决方案,网商银行建立了一套面向业务人员的新一代大数据自助智能分析平台,实现从数据获取、数据探索分析、报表定义开发到信息发布共享的全流程管理,提成了全行业数据应用分析能力。通过与蚂蚁大数据的深度合作,多家金融企业依托多渠道、场景化提升获客规模,基于大数据分析能力,将差异化定价与特色分期产品相结合,深化零售客户差异化服务内涵,实现线上银客互动与线下商圈打造相结合,持续完善金融消费生态圈,提升零售客户粘性。蚂蚁大数据能力全面开放秉承蚂蚁金服的技术开放战略,蚂蚁金服大数据平台已经全面开放给外部的企业、商户、ISV等合作伙伴。蚂蚁大数据不仅提供全套产品平台,也提供行业级的解决方案,并辅助定制化的服务,保证方案的最终落地。蚂蚁大数据将构建开发者生态,把技术开放作为重点,开放开发集成能力,让数据洞察分析平台能够与客户的CRM系统、行为系统等进行快速的集成,同时保障权限的管控;开放可视化的组件API、SDK等接口,让合作伙伴在大数据洞察分析平台上直接开发可视化组件。蚂蚁大数据希望能够携手更多的金融行业伙伴,并提供数字化转型的解决方案,共同打造安全、美好的数字金融生态,为人们提供平等普惠的金融服务。本文作者:平生栗子阅读原文本文为云栖社区原创内容,未经允许不得转载。

December 24, 2018 · 1 min · jiezi

蚂蚁的开放:想办法摸到10米的篮筐

摘要: 只有不停的去挑战自己,永不停歇的思考和不断颠覆自我,才可能保持一点点微小的领先。小蚂蚁说:从“互联网推进器计划”到“成熟一个开放一个”,再到蚂蚁金融科技全面开放战略的公布,这一路走来,蚂蚁金服不断创造技术的里程碑,同时,也缔造出一个又一个的业界里程碑。然而,谁又想到,“蚂蚁的科技开放究竟要怎么做?”今天,我们将分享一个“蚂蚁金服科技开放的故事”。文 | 央行观察作为 “空降” 蚂蚁金服的高管之一,刘伟光刚来的时候颇不适应。刘伟光是蚂蚁金融科技开放的负责人。2017年12月底,在杭州某酒店的一次公司内部会上,刚来公司不久的他,向同事们讲了下他对蚂蚁金融技术开放的战略。那个时候他正在苦苦思索未来的开放格局不得其解,当天人处在正发高烧的状态,状态差到极点。“很多当时的想法连自己都没有说服自己,更不要说别人了”,后来,每次想起这次 “失败” 的分享,刘伟光都觉得挺惭愧的,那就是当时的困境所在。那时的蚂蚁金服,正渐入开放的深水区,从 “成熟一个,开放一个” 决意走向全面开放。如何真正全面、从哪入手等问题都扑面而来。说开放难做,是因为这意味着很多技术能力要从服务C端,跨越到B端和C端兼顾,这中间有一个巨大的能力跨越和需要不断论证的过程。 放眼全球,真正能做到的公司屈指可数,而蚂蚁金服所处的金融行业特殊性,又进一步增加了这个难度:首先,IOE 传统架构下的流程和模式已经在行业根深蒂固,新来者必须提供更有价值的服务;其次,蚂蚁金服自身也有金融业务,合作方难免会有顾忌。因此,如果提供不了更好的解决方案、真正给用户带来价值的话,蚂蚁技术开放的战略就将只是一厢情愿。蚂蚁的科技开放究竟要怎么做?刘伟光和同事们绞尽脑汁地想了几个月,无数个夜晚在黄龙国际的办公室里和旁边的夜宵馆子里带着团队苦苦的进行 “脑暴”。一、“想办法摸到放置在十米高的篮筐”在加入蚂蚁金服之前,刘伟光曾在 Oracle、EMC、Pivotal 等全球顶尖软件公司工作过多年。到蚂蚁后,这是一个全新的行业,且行业在巨变,在老东家的那套玩法已经行不通了。外企最看重的是业务规模和短线收入,但是现在如果他再说自己做了几个 million、几个 billion 的生意的话,在蚂蚁没有人会在意,公司需要的是开拓一种全新的服务模式和用技术来促进甚至驱动生态的做法。这中间需要巨大的脑洞和付出。就像一个篮球运动员,如果让他从3.05米高的篮筐摸到3.20米,只要勤加锻炼就可以达到,这是一种线性的思维和增长,一个不一定恰当的比喻就是:如果篮筐放到10米高让他去摸,怎么办?靠之前的方法就完全不行,必须换一种新的思路和打法。对于刘伟光来说也是如此,要想进一步推动蚂蚁金融科技,就必须有一套新的打法。首先就要颠覆自己,改变自己近20年的纯粹 IT 思维模式,这本是就是一个巨大的挑战。2018年春节后的一个下午,刘伟光要和公司的 CTO 程立以及副CTO 胡喜讨论headcount(人员招聘)的问题,刘伟光在会议的开始说了一句,“我这里还有些关于业务上的最新的打法可以聊聊”。“那就先说打法吧”,程立打断了刘伟光。程立曾经是支付宝最早的程序员,在蚂蚁金服的十几年中,他经历过 “双11” 的洗礼、“账目三期” 的历练,熟知这家企业在技术上所走的每一步。在2017年杭州云栖 ATEC 大会上,程立首次披露了蚂蚁金服面向未来的技术布局——“BASIC” 战略(“BASIC:Blockchain(区块链)、AI(人工智能)、Security(安全)、IoT(物联网)和 Computing(计算)”)。也正是从那时起,科技 (开放)、普惠和全球化一道,成为了蚂蚁金服的三大核心战略。事实上,蚂蚁金服的科技开放战略早在几年前就有。2015年9月,时任蚂蚁金服总裁的井贤栋就宣布启动互联网推进器计划。随后的几年里,开放战略不断升级,直到成为公司最重要的核心战略之一,这背后有着特殊的时代背景:一是金融系统去IOE、自主可控化的趋势日益明显,二是金融科技的发展体现出深度融合的趋势,银行、新金融机构之间的技术和业务合作正呈现出加速的趋势。在和程立、胡喜的那次谈话中,刘伟光就从赋予金融行业前中后台新的定义、重构未来数字金融这个角度说了自己的想法。他认为,好的科技服务,应该切中用户的真实需求,应该先从服务银行与用户交互最多的移动端发力,重新定义移动端金融的能力,然后走向中台,建立敏捷能力中心,最后再助力银行瘦身后台系统。通过分布式技术平台重构后台核心系统,全新的架构更加强调对业务和产品迭代周期的缩短,增强对新型业务的快速支撑,包括对线上线下业务融合的思考,从而适应中国金融行业发展的趋势。在很多 IT 专业人士眼中,前中后台的提法算不是上什么新词,但是在那个黑板上画出的架构图却是完全不同的定义,但这却是刘伟光和同事在几个月思索后的一些阶段性想法。银行 App 的用户体验,一直是客户诟病的痛点,如果看看手机应用商店下的评论,我们就知道银行在这方面需要做多么大的提升,而这也正是蚂蚁金服能够帮助到银行的地方。无独有偶,蚂蚁的竞争对手腾讯,也在帮商业银行做用户体验大调研,以期从移动端切入用户。讲到最后,程立在白板上写下了自己的愿望,“用技术实现真正的数字金融”。可以说这番谈话开启了后来的很多故事。实现这个业务目标的第一步,是要倾听银行伙伴们在移动端上的真实需求。2018年3月底的一个晚上,在支付宝大厦楼下的一个小饭馆里,刘伟光向同事和盘托出了想从移动端入手的思路。他说,“我们要办一场专注在移动金融的会,请100家银行来,倾听他们的想法,验证我们的思路”。当时刘伟光在喊出100家银行的时候其实心里是很虚的。这些思路和打法到底能否真正得到市场的认可还是个问号。这就是在蚂蚁金融科技开放历程中非常著名的 “511大会”。整个会议的筹备没有用供应商,蚂蚁的人自己来负责会议的通知、接机、组织和所有的会务工作,全员上阵,连 HR 和研发的专家们都在现场做会务支持。通过主动联系和人传人的方式,最后有250家银行报名参加,西子宾馆的大会议室里超过500人云集。在这次会上,刘伟光代表公司将蚂蚁在移动端的服务战略和思路分享给了银行客户,也对蚂蚁未来的前中后台战略做了展望,还请到了银行客户上台发言。当天的会议进行到下午5~6点钟的时候,依然有80%左右的上座率。“我们用蚂蚁的精神办了一场会”,刘伟光说。二、从解决方案入手在加入蚂蚁一年多的多时间里,刘伟光和团队一起拜访了中国数百家家金融机构,每到一地,他都要和当地银行的高管做深入的沟通。在这个过程中,他感受到了银行面向科技、面向移动、面向数字化转型的迫切需求。1、“为什么我们银行做了这么多APP,没有一个app日活量大?”2、“为什么别人是千人千面,我们是千人一面的APP?”3、 “我们花了一个多亿人民币构建一个数据仓库,为什么现在还一张数据报表都跑不出来?”4、“金融科技到底是什么?不是给科技部自用,而是应该给全行所有人包括客户都用的起来的工具才有意义,人人都可以使用大数据系统做 BI,而不是仅限于非常少数的专业人员。“5、“分布式架构就是银行的未来,我们科技部把职业生涯赌在这场改造上,你们蚂蚁金服敢不敢跟我们一起赌?”6、“农村金融是世界性难题,金融科技如果能解决最后一公里的触达,才真正有意义。”7、“中国的城商商业银行如果没有自己的核心客户群,没有核心竞争力的产品,没有差异化竞争,未来的出路在哪里?”这些客户心声给了蚂蚁技术团队非常大的触动,这些问题充满着困惑、焦虑但又极具启发,也促使蚂蚁金服对科技开放的模式进行更深层的思考,传统金融 IT 服务公司讲究的是卖系统、卖软件,鲜少从战略和业务提升的角度入手。然而,今天所有的需求归结到最本质的一点就是,金融科技的开放怎样才能真正给客户带来价值,科技到底能不能和业务的增长产生方程式般的关联度?正如美国柯林斯在其畅销书《从优秀到卓越》一书中所阐述的,技术变革从来不是实现从平庸到伟大的关键因素,在柯林斯眼中,技术是加速器而非驱动企业实现变革的第一推动力。同样,今天金融机构面向数字化的转型,是从之前的 IT 模式,过渡到互联网服务的模式,蚂蚁金服不仅需从自身实践的角度看问题,还要站在客户的视角去找到解决的办法,和他们一起跨越业务和技术之间的鸿沟。数字金融创新,不只是业务导流和线上风控,也不是单一的科技产品应用,而是抵达核心业务系统的转型创新,构建自身的核心数据资产。金融机构需要的是成本低、见效快、可用性高、符合金融级别安全标准、又能够真正带来业务价值的科技输出服务,帮助其进行快速敏捷的产品开发。金融机构的需求就是蚂蚁金服努力的方向。刘伟光和同事在重新梳理产品体系之后,从业务的视角切入,将金融最核心的三个元素抽象出来,推出了 “分布式金融核心套件” 这款新产品。简言之,“分布式金融核心套件” 是一个业务视角入手的产品。金融机构使用之后,既可以针对业务需求进行敏捷开发,快速获取客户,还能将产品工厂、资金交换、核算等金融机构核心业务技术能力封装成业务组件,以支撑各个业务线条的快速调用。蚂蚁金服将很多与此相关的技术能力封装在 “分布式金融核心套件” 之中,与生态 ISV 一起就能够将传统的业务能力叠加进来,从而快速支撑每一项业务的发展,将金融机构过去多个竖井式的核心系统架构改变为适应金融业务和产品快速迭代的分层领域架构,让银行的业务核心能力无处不在。创新与改变,一直是驱动着蚂蚁技术开放团队的源动力。2017年,南京银行引入蚂蚁金服分布式架构 SOFAStack、分布式数据库 Oceanbase 以及大数据平台能力,构建新的互联网核心。同年11月上线互联网金融平台 “鑫云+”,“鑫云+” 一端对接互联网平台的金融需求,另一端对接实际的金融产品和服务,通过使用金融级互联网架构设计模式、敏捷工具和微服务平台,“鑫云+” 从架构设计到上线投产仅用了5个月。上线之后,正好赶上了消费金融的大发展,在截至2018年6月底的最近8个月中,“鑫云+” 平台新客户数达到390万,每日贷款额从1万人民币上升至10亿人民币。“我们用一年时间干了过去十年的业务量”,南京银行信息科技部副总经理李勇感慨的说。三、蚂蚁技术发展历程开放的前提是强大的技术实力。解决实际问题、促进业务发展,一直是蚂蚁金服技术创新的底色。从支付宝最初的担保交易,到后来的快捷支付、余额宝,乃至今天的借呗、花呗、相互宝,蚂蚁金服的发展受益于技术的支撑。在这个过程中,公司内部也形成了独特技术部门组织架构:负责统一架构的事业部,以及各个业务单元里的应用技术事业部,平台技术与应用技术并行不悖,高度融合。为了展示蚂蚁的技术实力,2018年9月20日,杭州云栖大会 ATEC 主论坛现场上演了一场特别的技术秀。蚂蚁金服副CTO 胡喜现场模拟挖断支付宝近一半服务器的光缆。结果只过了26秒,模拟环境中的支付宝就完全恢复了正常。类似的灾备演练在蚂蚁金服内部经常举行,但是在一个公开的场合对外展示却并不容易。“几乎是我们所有人脱了一层皮”,胡喜这样说道,观众看到的是四根线剪掉了,然而由于数据和交易分布在不同的机房,其中牵涉不同的分布式架构,要调动底层数量众多的数据库系统一起协同,难度非常大。现在,蚂蚁金服的机房架构已经做到了 “三地五中心”,即在三座城市部署五个机房,一旦其中一个或两个机房发生故障,支付宝的底层技术系统会将故障城市的流量全部切换到运行正常的机房,并且能做到数据保持一致且零丢失。这样的技术架构,让蚂蚁金服的系统持续可用性因此达到了 “6个9”,即便用金融级别的标准来衡量的话,这个水平在全球也是首屈一指的。“这次是演习。而在真实环境下,如果支付宝部署在两个城市的两个机房同时出问题,跑在这两个机房上的支付宝账户恢复正常的速度是分钟级”,胡喜这样说道。胡喜2007年加入支付宝,37岁的他是阿里巴巴集团最年轻的合伙人之一,早些年,胡喜和他的同事,主要面临两个问题:一是让系统容量可以无限增长;二是希望系统持续可用。如果说分布式架构解决了第一个问题的话,那么 “异地多活” 技术的成熟,就意味着第二个问题已经不再是问题。回顾蚂蚁金服技术的发展历程,大致可以分为三个阶段,在第一个阶段,支付宝需要应对 “双十一” 大促海量并发的系统需求,支付宝自身的系统架构从原来的烟囱式改成了分布式,这个阶段支付宝完全是在自我探索;在支付宝掌握了分布式架构技术之后,又将这种技术应用在网商银行等场景,成熟后又通过互联网推进器计划向外输出,成功服务了南京银行等客户;在个案的探索之后,蚂蚁金服将自身的金融科技能力通过 “分布式金融核心套件” 的产品开放出来,将金融机构获取科技服务的门槛大大降低。“打穿打透” 的极致性技术追求,让胡喜和他的同事,将蚂蚁的技术带到了全球 Fintech 领域的最高点。也正是在那次会议上,胡喜宣布,蚂蚁金融云升级成为蚂蚁金融科技并全面开放,目的就是为行业提供完整的数字金融解决方案,而刘伟光就是这个项目的直接负责人。今天,站在金融科技这个赛道上,刘伟光和他的同事深知,任何公司和个人都要适应这个时代的快速转型,只有不停的去挑战自己,永不停歇的思考和不断颠覆自我,才可能保持一点点微小的领先。而这份微小的领先,也只有在开放共享,携手合作中才能焕发真正的能量。蚂蚁金服最希望成为这个赛道上,和众多的金融科技伙伴,始终携手同行的那一个。本文作者:平生栗子阅读原文本文为云栖社区原创内容,未经允许不得转载。 ...

December 12, 2018 · 1 min · jiezi

客户故事:4家银行如何打造新一代移动金融中心

摘要: 数字金融时代!小蚂蚁说:我国"十三五"信息化规划明确提出,全球信息化将进入全面渗透、跨界融合、加速创新、引领发展的新阶段。未来,以云计算、大数据、区块链、人工智能为代表的新兴技术将改变金融行业的形态、支撑设施和运行机制。越来越多的银行开始拥抱科技公司以加速数字化转型。今天我们以“移动化”为主题,向大家呈现一些零售业务、小微金融业务领域的典型合作故事,与大家探讨金融数字化转型。为什么银行纷纷走向开放?未来移动金融、数字化银行将需要怎样的能力和运营?数字金融时代,金融科技创新的领先机构,各自都有哪些实践经验?近期,广发、西安等领先的股份制银行、城商行,以及更多的农商行都相继发布新一代手机银行服务平台。移动优先战略成为金融机构数字化转型的重要实践之一。基于每家机构的业务战略差异,各家的数字化战略也会有各自的差异化。而如西安银行王欣副行长在《多维深耕打造数字化银行》一文中指出,今天所有业务都推向手机端,未来银行将打造APP统一入口,通过场景化联接方方面面,移动化是数字化转型战略的核心。值得一提的是,从各家银行对新一代手机银行的App的升级和塑造来看,于金融机构而言,手机App不再仅是一个渠道,而是经营新一代银行的移动终端工具,因此无论从技术架构还是业务的发展,转型路径规划中呈现出前、中、后台完整的建设体系的趋势。这样银行可通过“统一银行超级App”来实现端到端客户旅程的数字化改造、建立“全渠道、全业务、全智能”的服务能力,拓宽、深化服务半径,打造卓越的随人、随地、随需、随时的服务和客户体验。今天我们以“移动化”为主题,向大家呈现一些零售业务、小微金融业务领域的典型合作故事,与大家探讨金融数字化转型。“小微金融专家”台州银行如何利用科技创新提升服务台州银行的服务一直极具特色。针对小微企业主白天工作时间长、生意经营繁忙的情况,以及小微企业融资“金额小、需求频、周期短、要求快”的特点,从创立初期开始,就调整、延长了服务时间,并于1989年在浙江金融界最早推出“夜市银行”。台州银行推行“简单、方便、快捷”的服务理念,每一项业务都有限时服务规定,将柜面业务办理时间精确到秒,使贷款业务达到“新客户3天内回复,老客户立等可取”的效率。此外,台州银行还练就了一套标准化的风控技术。在90年代,凭两张身份证,就能贷到两三万元钱,个体户的融资难题也迎刃而解。如今台州一些产值几亿元的规模企业曾经就是他们客户,从这里获得第一笔2万元、3万元的小额度贷款开始的。随着数字化时代的到来,台州银行更是把这些优秀的服务理念推向新的高度。为了更高效、便捷地服务客户,台州银行引入蚂蚁金服移动开发技术,以及在线生物识别和智能风控技术Zoloz,发展移动金融业务,一方面将服务效率和体验持续优化,同时拓宽服务半径,推动普惠金融的发展实践。突破疆界“发现精彩”,广发银行的移动金融创新2018年9月,将是广发银行成立三十周年。近年来,该行通过金融科技的主动创新,在为客户提供金融服务的同时,也在提高自身风险控制能力,不断实现自我升级。在移动金融中心的建设方面,广发银行引入蚂蚁金服移动开发平台mPaaS构建新一代信用卡“发现精彩”App和手机银行两大App,解决App用户体验差、数字化运营能力弱等问题。通过蚂蚁移动开发平台mPaaS,广发大幅提升了APP开发和运营性能,其中 “发现精彩”的启动时间就降低近70%,同时具备了强大的实时稳定监控能力,保证线上金融服务稳定流畅。作为一家历来“以客户为中心”,高度重视用户体验的金融机构,广发银行除了通过技术升级改善用户体验上全面落实,还在产品设计上大胆创新。举个例子,不久前,广发信用卡推出了多种给利信用卡产品,其基于大数据实时营销平台,率先做到消费后实时返现,在服务用户中践行普惠金融理念。日前,广发银行闪亮发布了手机银行4.0新版。广发手机银行4.0重构重建,针对目标客群特点,重新设计手机银行界面、交互和流程,形成广发银行特有体验风格,并融入银保协同、人工智能、生物识别等新元素,打造差异化。据介绍,手机银行是广发银行重点打造的综合性金融生态平台,是最主要的移动网点。广发银行2018年9月介绍,值该行成立30周年之际,广发手机银行客户数已突破3000万,年复合增长率超90%,稳居同业前列,手机银行已成为该行客户服务最主要的渠道。据介绍,未来广发银行全面实施 “数字广发”战略,积极推动金融科技发展,推进实现服务智能、业务协同智能、数据动能,以及风控效能和平台的聚能,以“平台互联、数据互通、能力开放、场景聚合”为目标,将手机银行打造成开放的平台,将产品服务进行整合和场景嵌入,为客户提供综合金融服务,创造更多业务价值。常熟银行的移动金融创新从第一家银行“网点”落成起,网点数量成为银行业务发展规模的衡量指标之一。但数字化时代,这些常规都将被打破。常熟银行以“农村金融领跑者”为企业愿景,并不只是意味着更多的网点增加。作为区域性农商行,该行高度重视科技创效与互联网金融业务发展,以及零售转型创新。一方面,依托公司条线、零售条线客户经理走村入户提供三农金融服务的模式,常熟银行采取错位竞争策略,发力零售银行业务,持续下沉服务,拓展小微金融服务范围。在此实践下,助推融资便利化、精准化,扶持了一大批小微客户成长与发展,并帮助银行进一步迭代到依托公司、零售、金融市场业务“三驾马车”,资产规模稳步增长,资产质量稳中提升。另一方面,在科技和组织的创新上,常熟银行加大转型创新力度,组建财富管理中心,打造私人银行团队,积极推进客户精准服务。同时,大力发展线上业务、手机银行,推进大数据平台建设,进一步提高科技自主研发水平。据介绍,在新一代信息系统建设中,常熟银行把移动互联网和移动终端作为金融科技的关键技术,并且“移动化”能力作为该行未来业务发展中的第一阶段关键能力。为统一移动端平台的开发与运营管理,加快移动金融产品迭代速度,常熟银行引进蚂蚁金融科技mPaas作为全行统一的移动平台架构。同时,引进分布式数据库OceanBase搭建基础分布式架构能力,助力搭建数字银行大中台,为实现未来的移动银行目标打好基础,全面适应互联网时代的发展。西安银行APP的智慧城市建设与场景金融连接背靠千年文化古都、旅游名城,以及在智慧城市升级的时代变化下,西安银行旨在通过科技创新,布局未来数字金融发展,提升银行对经济和人们生活的服务。因此,西安银行需要通过以建设新一代移动金融中心为抓手,进行数字化转型升级。在经历了电子银行、网络银行、移动银行后,银行业已经全面进入数字化时代,金融科技创新正加速重构银行经营发展模式和市场竞争格局。这样的环境下,西安银行提出以下数字化转型战略目标,以实现“体验和单产提升,风险和成本双降”:利用互联网技术打造创新的产品体系、创新的获客渠道、创新的风险管理机制乃至创新的金融生态。将“数字化”注入全渠道业务的全流程闭环操作,全面提升客户体验,形成新的交互体验。建立全方位对接互联网机构的业务和科技能力,形成场景共享,生态共建,着力打造具有高效流程、大数据模型和高并发支撑能力的平台。探索“集中+分布”的开放融合架构,推进云平台集中管理模式的应用,实现信息科技支撑的安全高效、开放融合、集中管理和弹性扩展。移动化、平台化、场景化,统一移动服务门户,以开放、标准的框架无缝打通手机银行业务生态,并以平台化的方式,对内聚合产品与服务,对外链接合作伙伴与客户,广泛连接各类金融生态场景。数据化,通过大数据应用和挖掘,全面客观地刻画客户标签,设计针对性的产品和营销方案,提高“识客、达客、获客、活客”能力。西安银行通过引入蚂蚁金服移动开发平台mPaaS,对手机银行进行架构升级,实现手机银行由传统移动渠道向移动金融开放平台的转变。在这个平台上,从基本银行业务功能,到生活、出行、购物消费,银行能从全生命周期了解用户,推动个性化的产品设计和服务能力,精准触达用户,将金融服务渗透到用户的生活当中,推进普惠金融实践。在合作过程中,通过mPaaS模块化组件,西安银行手机银行从建立标准化开发框架,到应用模块组合,逐步完成新一代手机银行数字化、智能化、平台化升级。性能优化基于mPaaS经历过支付宝高并发、大流量检验的组件,以及分布式底层框架,西安银行新一代手机银行能够支撑复杂的客户端情况,接口响应速度从平均500ms提升到平均200ms左右,提升手机银行平台化高频、多维运营能力。场景化金融生态圈建设基于mPaaS的小程序App开发技术,构建手机银行App生态,简单快捷地将支付宝小程序迁移到自己的App中,拓宽数字化服务的广度和深度。智能营销基于mPaaS的用户行为分析、数据同步等黑科技组件,更好地了解用户,了解需求,通过数据化实现数据驱动业务运营智能化。敏捷开发基于mPaaS模块化开发框架,西安银行可实现手机银行App模块化多人协作开发,从研发上提升App功能应用的开发迭代效率。……总结2018年9月21日云栖ATEC大会上,结合与合作伙伴的广泛探索,以及自身的经验,蚂蚁金服自主研发并开放了未来数字金融或数字经济社会所需的5个基础科技。海量金融交易技术、金融智能技术、区块链技术、金融安全技术、新一代交互技术,在蚂蚁金服技术解决方案中的多条重要技术主线上,无数的金融场景都能被一一对应,蚂蚁金服也由此不断在技术前沿展开探索。此外,蚂蚁金服还发布了基于实践总结的数字化转型构建框架,基于该框架,以及蚂蚁金服实践中总结的五大解决方案,金融机构可定义标准、量化评估自身数字化阶段和缺口,与蚂蚁金服共同寻找数字化转型最佳抓手。未来的数字化银行也会逐渐形成差异化、快速创新、细分市场的商业格局,只有结合自身银行特点、选择适当的数字化转型,并快速实践获得“银行数字力”才能成为未来的赢家。未来,我们将继续深度分享更多合作故事,通过更多的技术创新与实践,蚂蚁希望帮助银行机构在推进数字化转型中有经验可循,有技术可用,有方案可落,有效果可预期。本文作者:平生栗子阅读原文本文为云栖社区原创内容,未经允许不得转载。

November 30, 2018 · 1 min · jiezi