华为金融大数据解决方案

传统架构已不能知足金融数据分析业务需求

• 小型机方案不能知足低成本趋势：传统方案每TB数据成本较高，须要低成本的集群方案。

• 关系型数据库不能知足非结构化数据处理要求：传统关系型数据库技术没法挖掘非结构化数据的价值。

• Scale-Up扩展能力已到极限：传统IT架构依靠Scale-up提高性能，不能知足大数据处理须要的扩展能力

• 离线数据分析方式不能知足海量数据实时分析趋势：依赖于数据仓库进行的TB级数据统计分析，向海量流式数据的实时分析演进。

数据决定商业银行将来转型发展方向

• 持续加大投入：大数据投入快速增加，每一年在大数据上的投入都以超过20%的比例快速增加；大数据投入规模大，2017年总体投入超过110亿元，在2021年达到231亿元。

• 数据发展战略：充分发挥银行的数据优点：在持续不断丰富结构化和非结构化数据的基础上，加快提升数据增值应用能力

• 发挥数据竞争力：加大对各种数据深层次、多维度挖掘分析，数据将真正成为提升竞争力和经济价值的生产因素

• 经营管理数据化：使整个经营决策和战略制定从经验依赖向数据依据转变，经营管理将呈现'数据化'趋势。

全球银行业都在进入数字化银行时代：

• 第1、整个银行业的活动全是数据为基础，包括帐户处理；

• 第2、整个银行业采用金融科技的步伐，采用现代科技的步伐比任何行业都快；

• 第3、整个银行业电子化、互联网化慢慢达到智能化。

传统数据仓库架构每每是主机和各类数据库数据平台的混合妥协架构

• Teradata：专用硬件，成本高，一体机封闭架构；软硬件绑定，开放性差，只能处理结构化数据，不一样集群之间没法打通。扩容须要停机，没法知足频繁扩容

• Oracle：没法进行并发计算，性能严重不符合发展；传统共享存储架构，没法线性扩容

面对互联网化+移动金融的大发展，银行数据爆发式的增加，华为新一代融合数据仓库可以支持复杂业务场景下的高性能高时效性数据计算要求。在3-9点的银行夜间短期窗口内，完成全部的数据计算，知足银行业务对数据的需求，极大的提升其竞争力。

华为融合数据仓库，在新的数据分析型业务（用户画像、征信服务、反欺诈等）场景下，对结构化和非结构化数据的实现高效精准的处理。

贴合客户需求，以传统架构继承发展和新架构创新变革相结合，实现大数据分布式改造，知足客户总体IT架构云化改造的目标。