交行卡中心

大數據時代商業銀行面臨的挑戰--交通銀行股份有限公司數據

中心副總經理周彥倜訪談

高曙東

【摘要】自2006年成立至今，交通銀行數據中心在信息化道路上不斷探索和創

新。未來，交通銀行會基于已有平臺的數據基礎和技術手段，深入挖掘海量數據中

對業務、客戶的有效信息，使龐雜多變的數據在過濾加工后變得更有價值；同時，

探索大數據處理同現有業務流程間的關系，將數據結果自動轉化為產業價值。

【期刊名稱】《中國金融電腦》

【年(卷),期】2013(000)007

【總頁數】3頁(P22-24)

【作者】高曙東

【作者單位】

【正文語種】中文

自2006年成立至今，交通銀行數據中心在信息化道路上不斷探索和創新。未來，

交通銀行會基于已有平臺的數據基礎和技術手段，深入挖掘海量數據中對業務、客

戶的有效信息，使龐雜多變的數據在過濾加工后變得更有價值；同時，探索大數據

處理同現有業務流程間的關系，將數據結果自動轉化為產業價值。

隨著銀行業同互聯網、供應鏈、個性化終端等相關領域的合作日趨密切，各類數據

也隨之迅速膨脹并呈現出幾何級數的增長。雖然有些銀行可能還沒有意識到數據爆

炸性增長帶來的問題，但是數據對于銀行的重要性已經成為業界的共識。當前，金

融行業正面臨著大數據和數據管控帶來的挑戰。

“對于銀行決策者而言，大數據處理分析是對多個數據源進行快速、可擴展的數據

分析，從而支持商業目標。”交通銀行股份有限公司數據中心副總經理周彥倜表示，

大數據處理分析對銀行的價值在于對現有業務運行模式的評估、對金融產品利潤點

的預測以及對未來運營模式的趨勢分析，從而優化業務流程、擴大客戶群體、提升

用戶體驗、增加業務利潤、塑造良好的社會形象。

當前金融行業面臨的大數據挑戰一方面來自于銀行源源不斷的創新產品和新業務；

另一方面來自于傳統數據中心架構的性能問題。周彥倜認為，在大數據的實際應用

中，商業銀行可能面臨四大挑戰。

一是，數量龐大：數據的規模龐大、增長速度快，從TB（1000GB）級別，躍升

到PB（1000TB）甚至EB（1000PB）、ZB（1000EB）級別。

二是，類型多樣：數據的類型繁多、構成復雜，除了傳統的結構化數據外，還包括

了文字、語音、視頻、文檔、圖片等多種非結構化數據。

三是，分析規則復雜：數據的價值潛力巨大，但隱藏較深，需要綜合多種復雜的分

析算法對數據進行“提純”。

四是，時效性要求較高：數據的處理速度快、時效性強，要進行實時或準實時的處

理，并實時反饋處理結果。

面對以上挑戰，周彥倜認為商業銀行的應對策略包括以下內容：搭建成熟穩定的大

數據技術平臺和數據基礎，同業務部門緊密溝通，明確數據處理目標及產出物，根

據具體需求，預設、制定分析模型及流程并在實踐過程中完善優化。

橫向擴展是大數據IT架構應該具有的基本特征。“只有通過有效組織的大數據，

才便于管理和使用。”周彥倜基于交通銀行的工作實踐具體闡述了大數據技術平臺

的構建。例如交通銀行數據倉庫模型已將交通銀行各個業務系統的數據集中、整合

到一個統一的數據平臺，實現交通銀行客戶、賬戶、產品、渠道、交易等信息的單

一視圖和信息共享，從而為客戶管理、風險管理、運營管理、績效管理、財務管理

等各類管理分析提供支持和服務。目前，交通銀行的數據倉庫處理平臺已經涵蓋了

核心賬務、信貸管理信息、國際業務、貸記卡、個貸、基金、網銀、銀保通等

100多個業務系統的主要數據，數據量超過70TB。這個統一處理平臺承擔數據的

整合、加工、在線數據查詢、數據分析、數據分發、數據提取等功能。

不同的商業銀行其大數據處理平臺的技術和流程特點也各不相同。對此，周彥倜表

示，總體來說，大數據的主體是非結構化數據。在當前的數據構成上，80%的數

據是非結構化或半結構化的，結構化數據僅有20%。目前，業界對于結構化數據

的處理和分析已經較為成熟，而對于非結構化數據的處理和分析才剛剛起步。

“大數據技術的戰略意義不在于掌握龐大的數據信息，而在于對這些有意義的數據

進行專業化處理。相比傳統的數據倉庫應用，大數據分析具有數據量大、查詢分析

復雜、實時性等特點。”周彥倜表示，“其中，大數據分析對數據的處理速度要求

時效性之高，更是同傳統的數據挖掘技術有著本質的不同。”

以交通銀行實踐為例，交通銀行數據中心對于大數據的處理主要分為處理“結構化

數據”的數據倉庫平臺及處理“非結構化/半結構化數據”的應用日志集中分析平

臺。其中，交通銀行的數據倉庫采用了業界領先的Teradata海量并行平臺和成熟

的基于3NF的金融業數據模型，存量數據超過70TB，每日約處理600G左右的

結構化數據。應用日志集中分析平臺則是以業務應用日志集中存放為基礎、大數據

處理工具為引擎、以“數據預處理、數據索引建立、數據規模化搜索分析”為技術

手段，目前已集中應用日志數據10TB，每日處理渠道類、業務類系統數據超過

200G（壓縮后），實現了對重要業務數據的集中分析處理。

據周彥倜介紹，交通銀行信用卡中心的大量服務基于電話完成，客服、電銷、信審、

催收等部門包括自有和外包的電話座席人員總計數千人，而且隨著銀行業務的不斷

擴展，人員規模還在持續增加。由于業務繁忙、工作壓力大，員工的流失頻率高，

服務質量控制難度大。針對以上問題，交通銀行信用卡中心著眼于“大數據”的挖

掘和分析，通過對海量語音數據的持續在線和實時處理，為服務質量改善、經營效

率提升、服務模式創新提供支撐，從而全面提升運營管理水平。實現這一目標的關

鍵是采用智能語音云（SmartVoiceCloud）產品對海量語音數據進行分析處理。

智能語音云是新型數據服務平臺，它采用了大規模異構數據的高效存管和流式數據

處理機制，實現了海量語音數據的歸集、處理、存儲、調用和分析。交通銀行信用

卡中心的智能語音云始于2011年9月，2012年2月11日一期產品正式上線投

產。目前，數據處理時效采用T+1的準實時方式，每天平均數據處理量約5000

小時、20GB，高峰日超過100GB，歷史語音檢索調聽花費的時間從3～5個工作

日縮短為5分鐘，檢索反饋時效低于100毫秒，調聽反饋時效低于1秒，系統整

體可用性達到了99.9%，達到了預期的指標，取得了令人滿意的效果。目前，交

通銀行信用卡中心正基于當前平臺陸續增加自動質檢和業務分析應用，預計該應用

實施完成后，質檢覆蓋率可提高到70%以上，違規行為檢出率可提高到15%以上。

作為我國首家股份制商業銀行，交通銀行也是第一家登錄國際資本市場的商業銀行，

在信息化建設過程中，先后經歷了“基于網點的微機應用階段”、“基于同城集中

式的小型機應用階段”和“基于全行的數據大集中應用階段”。

經過近幾年的建設，目前，交通銀行數據中心已完成數據倉庫系統及應用日志集中

平臺搭建，并基于這兩個平臺，建設完善了數據倉庫模型、數據提取平臺、應用日

志分析平臺等，為業務部門及數據分析部門服務。在大數據集中基礎上，交通銀行

在數據管理及數據安全、數據備份、數據清理、數據借用、數據修改、敏感數據處

理等方面均實行了規范的流程管理。在數據安全方面，通過安全監控平臺對應用日

志、網絡日志中異常的訪問、安全漏洞進行監控和預警。

對于數據分析對銀行業務發展的重要作用，周彥倜表示，有價值的數據分析結果不

僅為交通銀行技術部門所使用，更重要的是為客戶、為業務部門服務。周彥倜介紹，

在交通銀行數據中心，各應用系統負責人會定期同對口業務部門組織“業務溝通

會”，深入了解業務部門的需求；圍繞業務較為關注的定期數據提取需求，搭建

“數據提取平臺”，為業務部門定制開發需求模板，并最終由業務人員直接操作平

臺進行數據提取和分析。大數據可以為市場決策提供強大的信息參考，但它無法直

接影響業務結果和銷售業績；使用大數據分析結果作為決策參考，改進流程和產品，

應是技術部門、業務部門共同努力的目標。

“中國有著龐大的用戶群體和應用市場，探索以大數據分析為基礎的解決方案，是

銀行提高自身競爭力的重要手段。”周彥倜表示，在“大數據時代”，銀行所面臨

的競爭不僅僅來自于同行業內部，外部的挑戰也日益嚴峻。互聯網、電子商務等新

興企業在產品創新能力、市場敏感度和“大數據”處理經驗等方面都擁有明顯的優

勢，一旦涉足金融領域，將對銀行形成較大的威脅。近期，阿里巴巴已開始利用大

數據技術提供金融服務，通過旗下的阿里巴巴、淘寶網和支付寶等電商平臺的各種

信息數據，借助大數據分析技術自動判定是否給予企業貸款，全程幾乎不用人工干

預。這種基于“大數據”分析能力的競爭優勢已凸顯出來。

自2006年成立至今，交通銀行數據中心在信息化道路上不斷探索和創新。對于交

通銀行數據管理戰略走向，周彥倜表示，未來，交通銀行會基于已有平臺的數據基

礎和技術手段，深入挖掘海量數據中對業務、客戶的有效信息，使龐雜多變的數據

在過濾加工后變得更有價值；同時，探索大數據處理同現有業務流程間的關系，將

數據結果自動轉化為產業價值。