金融运维大数据治理解决方案，是针对目前金融运维领域的现状，以数据为中心、为业务提供支撑并推动业务发展的一套综合性解决方案。 系统以数据管理为核心价值，以提升数据价值转化为目标，以实现数据可用、好用、易用和可控为原则，从以下几个方面进行了规划： 通过对海量历史数据进行挖掘分析发现问题； 通过对大数据资产进行深度分析挖掘发现潜在风险隐患； 基于大数据技术及人工智能技术实现应用场景中的智能发现、智能分析和智能预警。 系统具有“数据采集、存储、管理”三大核心能力：①运维过程中产生的大量业务数据通过运维服务平台的 API接口进行实时采集和集中存储；②所有业务系统运行产生的海量数据全部通过系统平台上传至大数据平台，由大数据平台进行统一管理；③对海量的异构信息数据进行挖掘与关联，实现对各类数据挖掘成果的可视化展示以及相关价值评价。

一、解决方案整体思路

该解决方案基于“数据管理”理念，通过从基础数据建设、治理到数据应用三个阶段，在确保数据资产安全的基础上有效提升数据价值，实现运维大数据平台建设的最终目标。 以“提升价值、保障安全”为总体思路，通过对运维业务系统进行全面梳理和分析，形成涵盖了业务服务、应用保障、性能支撑以及智能安全等四大模块的多层次、全方位运维大数据治理体系。 该整体方案按照“统一技术平台、统一工作标准、统一应用口径”的建设思路，在建立完善统一技术平台基础上搭建了一个大数据平台，并以此为基础对运维业务系统中产生的海量非结构化数据进行深度分析挖掘实现对业务系统潜在风险隐患的及时发现和智能预警。 从整体规划上来看，该解决方案分为四个阶段： 第一阶段（建设初期）：通过对基础数据进行梳理和完善，实现“以数统源”的目的。

二、系统特点

可扩展性 系统基于开源技术开发，采用开放标准，并与多种数据源、数据交换接口兼容，可支持多平台和不同存储设备数据的传输访问。 可扩展性 本系统对数据库资源无限制，并提供数据库表结构优化工具，可以根据需要调整各种表结构和存储结构。 通用性 支持不同领域、不同厂商的 IT系统平台的集成，以方便用户使用各企业自有应用软件。

三、典型案例

建设背景：某大型商业银行已经开展了近10年的运维大数据治理工作，在数据治理、安全防护及业务发展方面取得了一定的成绩，但仍然存在一些问题： “系统数据资产管理粗放，缺乏有效、合理的数据处理和存储机制； “数据资产沉淀不足，难以实现业务应用与数据挖掘的有机结合。 针对以上问题以及现状，我们制定了金融运维大数据治理解决方案，通过对海量历史数据进行深度挖掘与关联分析、建立业务预警模型等方式解决上述问题。 具体目标如下： 1.通过对海量历史数据库进行深度挖掘，建立起业务应用与数据挖掘的有机结合； 2.通过对业务系统运行产生的海量异构信息数据进行深度挖掘和关联分析，为后续应用场景提供支持。

更多数据治理相关资料请咨询客服获取，或者直接拨打电话：020-83342506