返回顶部
联系客服
贷款计算器
贷款计算器
贷款金额
贷款期限
年利率
还款方式
  • 等额本金
  • 等额本息
首月还款金额
--
每月递减金额
--
累计支付利息
--
累计还款总额
--

信了中台 的邪,我搞了个消费金融大中台

2019年12月03日

AI 前线导读: 亚博集团_官方网站(以下简称“亚博集团”)是一家通过线上和线下场景相结合,为用户提供便捷 的消费金融服务 的持牌金融机构,目前服务客户达数千万。过去一段时间,亚博一直在通过构建中台 的方式解决传统金融核心系统产品存在 的问题。

长期以来,传统 的金融核心系统存在产品创新困难、难以适应多样化 的额度体系和会计核算体系、无法提供 7*24 小时还款服务等问题,在亚博集团 的金融核心账务系统 的中台服务化过程中,通过构建灵活 的额度架构和服务中心、基于产品建模工厂快速装配和创新金融产品 的分布式账务核心、以及灵活适配多种核算规则 的会计核算中心解决了上述问题。同时,基于业务中台沉淀 的数据模型和大数据技术构建数据中台,通过决策中心拉通业务中台,实现了利用数据来驱动营销获客、风险控制和营运管理领域 的创新。

一、重新理解中台

“大中台、小前台”是alibaba在 2015 年时提出 的企业架构战略转型 的思路和概念,其灵感来源于芬兰 的一家号称世界上最成功 的移动游戏企业 Supercell,一家以小团队模式进行游戏开发 的企业,团队自己决定做什么样 的产品,然后以最快 的时间推出产品公测,具备强大 的业务快速迭代和试错能力,Supercell 的模式给阿里 的高管们带来了很大 的震撼,并决定在alibaba集团内部开始组织架构转型,正式启动中台战略。

目前,中台已经成为各家企业 IT 架构转型 的主流方法,传统 的金融行业、新兴 的互联网金融行业, 都在实施“大中台、小前台” 的转型之道,“大中台”已经成为高度热门 的话题。事实上,从计算机应用架构演进 的发展史来看,“大中台”并不新鲜,只要能沉淀公共服务组件,实现业务组件 的复用,支撑前台快速组合和灵活调整,让新业务可以更低成本完成构建,就是一种中台架构。

中台架构 的演进经历了传统 的基于构件 的App开发方法时期,其代表包括 CORBA、DCOM 和 EJB,由于复杂度过高,没有被大规模运用;SOA 时期,通过 ESB 打通各单体系统,实现单体系统之间 的互通和集成,但 ESB 的模式比较重,ESB 容易形成瓶颈,难以适应互联网化 的发展;分布式微服务时期,真正实现了细粒度 的服务重用,以及组织架构 的优化。在《企业 IT 架构转型之道(alibaba中台战略思想与架构实战)》一书中对中台 的概念有如下诠释:

中台 的概念来自于美军 的作战策略。二战时以军为作战单位;越战时以营为作战单位;中东战争,以 7 人或 11 人 的极小班排作战,它是至今全世界范围内最灵活 的作战组织,也是核心竞争力和打击能力最强 的组织。美军之所以敢派这么小 的作战团队到前线作战,是因为有非常强 的导弹指挥系统、有非常强 的中后台能力,能支撑这样 的小团队进行快速判断,并且引领整个进攻完成。小规模作战团队具有协同效率高、把握战机敏锐、调整方向迅速等特点,也是目前各家企业开展 IT 系统建设所希望具备 的能力。

中台 的实质,是提炼共性需求,沉淀公共服务组件,实现业务组件 的复用,支撑前台快速组合和灵活调整,让新业务可以以更低 的成本完成构建。

思考: 这样 的中台加前端小团队 的形式能真正实现业务 的灵活迭代吗?中台和前端小团队之间似乎还缺了点什么,是不是还应该有一个指挥部?指挥部负责统一调度中台 的力量,才能快速支撑前端 的作战,这个指挥部,就是目前很多企业在进行中台建设时很容易忽略 的一层——应用层,或者服务编排、整合层。

2015 年开始,alibaba 的中台转型战略开始进入大家 的视野,阿里 的成功转型使得中台架构逐渐被大家所窖擒,越来越多 的企业开始尝试中台转型,金融行业也逐渐参照中台 的架构实施系统重构和转型。金融行业进行中台转型一般都会选择从外围系统、互联网端 的业务系统开始进行服务化演进,账务核心 的服务化和分布式改造难度较大,如何通过中台实现快速 的产品创新是金融账务核心中台转型 的难点之一。另外,在大数据技术发展迅猛 的今天,金融行业 的中台建设面临着数据中台应该如何建设,如何才能发谎驱据 的价值 的问题,中台要能够实现数据驱动业务创新,实现业务和数据可复用、形成闭环,以产生更大 的业务价值。

在本届ArchSummit 全球架构师峰会(北京站)现场,我将会先容消费金融 的中台建设和演进实践,在中台能够快速支撑业务迭代和创新 的基础上,结合数据中台、决策中心 的建设,实现数据驱动,逐步实现系统 的自动化和智能化。

二、消费金融大中台服务化演进

消费金融行业 的特点是面向 C 端用户为主,客群通常比大型银行下沉,信用风险较高,另外,近年来市场竞争激烈,监管政策变化较大,因此要求系统架构要足够灵活可靠,能够迅速调整、快速迭代。为了应对变幻莫测 的市场环境,消费金融企业 的系统架构通常会先经历单体系统架构为主 的快速展业阶段,到大规模服务化拆分和分布式重构 的敏捷灵活阶段。为了提升获客和用户运营能力,提供更优质 的服务体验,提升核心竞争力,消费金融企业在敏捷灵活 的基础上,需要通过大数据、人工智能等技术进入全面提升、数据驱动和智能化 的阶段。

本次在 ArchSummit 全球架构师峰会(北京站)上 的演讲,我将聚焦在敏捷灵活阶段已经构建了灵活 的业务中台基础上,如何实现数据驱动业务创新?

在业务中台服务化 的过程中,各业务领域 的数据独立集中存储,数据标准程度和数据质量有所提升,沉淀出来 的数据通过数据中台 的处理能力,可以实现数据驱动业务创新,以及自动化、智能化运营。数据中台将大数据从传统 的数据仓库后端模式转变为中台 的一部分,通过大数据技术、流计算技术、机器学习等构建具有实时处理大规模运算能力 的平台,搭建标签体系、风控和反欺诈体系、精准营销体系等,并且将数据能力服务化,为业务中台提供实时 的数据服务,提升业务处理能力,具备数据驱动业务创新和迭代 的条件。

数据中台基于大数据平台提供数据采集、大数据处理和计算能力,在统一主题层、统一指标层之上建立全域标签体系,按营销、风控、营运三大领域提供数据服务,通过决策中心拉通业务中台和数据中台,从而实现数据驱动;在业务中台层面,除了沉淀共享服务中心以外,还需要建立业务中台 的统一运营中心,作为中台 的“指挥部”,提供微服务编排和数据稽查,以及智能业务监控,实现快速应用构建。

三、消费金融账务核心系统服务化实践

消费金融 的核心账务系统初期通常会采用成熟 的银行核心系统,功能齐全,体系庞大,包含了客户管理、额度管理、会计核算、账务处理、征信报送、报表等功能,属于单体架构,通常运行非常稳定,但是灵活性差,产品研发周期长,无法适应互联网和市场 的快速变化和发展。

单体架构 的金融核心系统主要存在以下问题,需要通过服务化来解决:

1、用户数据不统一,各系统间 的用户数据冗余存储,没有标准 的用户视图,难以实现以用户为中心 的业务运营;

2、 额度架构不灵活,不能适应各种差异和个性化需求,不能支撑多层级、多维度 的额度架构,缺乏人层额度预授信、调额等功能;

3、会计核算规则固化,适应多种合作方差异化核算规则难度大,数据存储分散,业绩统计困难,营销引流等成本无法通过系统核算。

4、最关键 的账务处理方面,账号体量 的快速膨胀,传统 的金融核心系统账户体 的岩灾С牛硎奔涑ぁA硗猓鹑诓放渲貌涣榛睿反葱潞偷芷诔ぃ薹ㄊ视Χ嘌 的互联网环境。

基于以上业务痛点以及系统问题,亚博需要按照用户、额度、核算、账务领域分别对核心账务系统进行服务化 的拆分重构,逐步将核心系统功能解耦。以账务中心为例,将原有 的账务核心计息结息等功能划分为产品建模管理模块、查询中心、第三方管理、贷款账务管理、账户中心、批量处理六大模块,对外通过账务中心前置系统提供服务,包括交易前置和文件处理前置,分别提供联机服务和文件批量服务。

实现产品 的快速创新和迭代是核心账务服务化 的最主要目标,消费金融 的产品形态十分丰富,除了自营 的多种产品以外,还需要支撑大量第三方合作 的产品,合作产品主要以第三方记账为准,产品 的形态差异较大。为了实现灵活 的产品创新和迭代,兼容各种产品 的差异化,亚博按照贷款 的生命周期设计了产品规则建模器,实现产品 的快速创新,峰会上亚博将作详细先容。

在批量处理方面,传统 的金融核心系统日终以批量 的形式实行,一方面批量操作数据库导致数据库负载增大,数据库形成热点,影响其他联机交易 的性能;另一方面,批量无法多机并行处理,难以实现高可用,批量出错中断时断点续跑困难;另一方面由于批量计结息 的过程当中账户余额会发生变动,为了避免数据出错,通常需要封锁账务类交易,系统不能提供连续服务。

因此,亚博将日终批量服务化,将计息结息、形态转移等日终批量处理过程重构为微服务 的方式,日终批量以微服务 的方式调用联机计结息服务接口进行处理,实现日终批量 的高并发、高可用和高可靠性,在此基础上,可以解决金融核心系统中难以支撑 7*24 小时还款 的问题。

四、全流程数据驱动及智能决策实践

数据中台是实现数据驱动 的核心基础平台,数据中台 的核心作用是基于大数据基础平台 的数据收集、离线和在线计算能力实现统一 的数据中心,包装离线和实时数据源,建立统一 的主题层,形成统一 的指标,并构建全域标签系统,提供面向应用、开放 的数据出口,以及跨容器跨系统 的数据服务中间件,进而实现数据化运营,包括业务增长、风险控制、业务营运指标闭环体系,以及数据模型开发闭环工具等。通过决策中心拉通数据中台和业务中台,实现数据服务植入业务中台,驱动业务中台和前端业务创新。

通过业务增长指标闭环体系,可以构建用户增长实验,通过行为分析和客户画像分析,抽离出可能造成用户流失 的原因,并且输出多个解决方案,通过 A/B 测试组成多个实验数据组,对用户合理分流,通过实验对比监控解决方案 的效果并找到最优解,形成数据服务闭环,加快产品迭代 的速度,实现用户增长。

为了实现更佳堑时 的响应,可以通过决策中心拉通数据中台 的标签服务,在决策中心配置标签对应 的页面元素和风格,在用户登录时,APP 应用访问决策中心,由决策中心获取数据中台 的标签,从而预测用户 的需求点,展示不同 的页面。同样地,在用户申请过程中,也可以通过决策中心获取数据中台 的用户标签,根据用户标签决定用户需要填写 的字段,确保信息录入时 的体验最优。

在风险控制方面,亚博通过决策中心与数据中台 的紧密结合,实现静态模型和动态模型 的融合,其中静态模型由决策中心通过评分卡、决策树等方式由风险人员配置,动态模型由数据中台实现数据处理、特征工程、模型训练等计算环节,输出变量至决策中心 的实行引擎,再由实行引擎向数据中台反馈模型 的实行情况,快速实现模型迭代。在峰会演讲中,亚博将详细先容数据中台 的架构,以及决策中心 的实现。

五、总结

中台 的本质:沉淀公共服务组件,实现业务组件 的复用,支撑前台快速组合和灵活调整,让新业务可以以更低 的成本完成构建;

数据驱动 的中台架构:业务中台和数据中台通过决策中心拉通,实现数据驱动前端界面个性化展示、全流程风控模型迭代、贷后催收智能化策略等;

金融核心账务系统服务化:灵活 的产品建模工厂实现快速创新、日终批量联机服务化提升效率和健壮性、7*24 小时还款支撑;

数据驱动 的基础:数据中台,核心模块包含全域标签、BGS、BRS、BOS、DataIDE 拉通。

 

除此之外,“金融技术方向”专题还邀请到蚂蚁金服以及Tencent 的专家分享他们 的技术实践,详情可查看下图:

 

1575338811084014040.png


XML 地图 | Sitemap 地图