華爲金融大數據解決方案

傳統架構已不能知足金融數據分析業務需求

• 小型機方案不能知足低成本趨勢：傳統方案每TB數據成本較高，須要低成本的集羣方案。

• 關係型數據庫不能知足非結構化數據處理要求：傳統關係型數據庫技術沒法挖掘非結構化數據的價值。

• Scale-Up擴展能力已到極限：傳統IT架構依靠Scale-up提高性能，不能知足大數據處理須要的擴展能力

• 離線數據分析方式不能知足海量數據實時分析趨勢：依賴於數據倉庫進行的TB級數據統計分析，向海量流式數據的實時分析演進。

數據決定商業銀行將來轉型發展方向

• 持續加大投入：大數據投入快速增加，每一年在大數據上的投入都以超過20%的比例快速增加；大數據投入規模大，2017年總體投入超過110億元，在2021年達到231億元。

• 數據發展戰略：充分發揮銀行的數據優點：在持續不斷豐富結構化和非結構化數據的基礎上，加快提升數據增值應用能力

• 發揮數據競爭力：加大對各種數據深層次、多維度挖掘分析，數據將真正成爲提升競爭力和經濟價值的生產因素

• 經營管理數據化：使整個經營決策和戰略制定從經驗依賴向數據依據轉變，經營管理將呈現'數據化'趨勢。

全球銀行業都在進入數字化銀行時代：

• 第1、整個銀行業的活動全是數據爲基礎，包括帳戶處理；

• 第2、整個銀行業採用金融科技的步伐，採用現代科技的步伐比任何行業都快；

• 第3、整個銀行業電子化、互聯網化慢慢達到智能化。

傳統數據倉庫架構每每是主機和各類數據庫數據平臺的混合妥協架構

• Teradata：專用硬件，成本高，一體機封閉架構；軟硬件綁定，開放性差，只能處理結構化數據，不一樣集羣之間沒法打通。擴容須要停機，沒法知足頻繁擴容

• Oracle：沒法進行併發計算，性能嚴重不符合發展；傳統共享存儲架構，沒法線性擴容

面對互聯網化+移動金融的大發展，銀行數據爆發式的增加，華爲新一代融合數據倉庫可以支持複雜業務場景下的高性能高時效性數據計算要求。在3-9點的銀行夜間短期窗口內，完成全部的數據計算，知足銀行業務對數據的需求，極大的提升其競爭力。

華爲融合數據倉庫，在新的數據分析型業務（用戶畫像、徵信服務、反欺詐等）場景下，對結構化和非結構化數據的實現高效精準的處理。

貼合客戶需求，以傳統架構繼承發展和新架構創新變革相結合，實現大數據分佈式改造，知足客戶總體IT架構雲化改造的目標。