企业级监管信息集中服务及报告平台建设实践
作者：张晓
来源：《中国金融电脑》 2018年第11期
    随着金融自由化、金融创新的蓬勃发展，金融套利等行为也与日俱增。为了响应国家去杠杆、补短板、防化风险、服务实体的政策，金融监管的要求日趋严格。近年来，人民银行、银保监会等监管部门对商业银行的监管要求也在不断提高。
耐用的小企业网站建设    为了满足新形势下的监管报送要求，及时、准确、全面地实现监管统计报表数据的集中加工处理，提升监管报送质量，农业银行经过不断的探索和实践，根据自身的整体战略目标和信息技术发展规划，在广泛汲取国内外同业成功经验的同时，结合自身的资源现况，搭建了企业级监管信息集中服务及报告平台。在大型商业银行中率先实现了监管报表全行集中，有效解决了监管报告信息分散加工、资源投入高、数据不一致、数据准确性不高及自动化加工率和报送效率低等监管信息报送领域存在的问题。
    一、企业级监管信息集中服务及报告平台概括
    企业级监管信息集中服务及报告平台以大数据平台为数据来源，提供一体化的报表配置、数据加工、填
报、集团并表、发布展现、监测预警、分析报告、组装报送等监管报送全流程管理功能，全面支撑农业银行面向人民银行、银保监会、各地银监局、统计局等外部监管单位的监管信息报送工作，陆续实现人民银行“金融统计数据集中”工程、“标准化存贷款综合抽样统计监测”“全球系统性重要银行通用数据模板信息”“精准扶贫贷款专项统计”、原银监会“1104 工程”“新资本协议”“监管标准化测试数据报送”及“流动性覆盖率信息披露”等监管领域，法人、集团各级报告信息的统一管理、集中加工、共享使用，确保各类监管数据的“同源同规同质”，实现监管信息“一口出”。
    该系统通过采用集式并行负载均衡处理、异步队列处理、高效可扩展的公式引擎、内存计算、可视化配置方式等技术，解决了监管领域全行集中带来的系统压力，不仅实现了企业级监管信息集中服务，同时还释放了大量原有生产设备及运维资源。数据方面涵盖了农业银行主要业务源系统，通过确定各系统可信数据项，将不同源系统信息拼接形成统一宽表数据源，使报表数据准确性及自动化率都得到大幅提升。此外，监管报表填报方式转变为“总行集中加工、逐级审查确认”的全新处理模式，有效减少各级统计岗位人员工作量和沟通填报成本，切实减轻基层负担，监管报送效率整体显著提升，促进农业银行数据管理与服务工作转型；通过该成果的应用系统建设，推进了农业银行数据监测和治理工作，通过基于数据检验机制和血缘分析，支持报表数据到基础数据的追溯，并定位报表缺口对应的问题明细数据，从而有效推动农业银行源头数据的治理工作。
    二、企业级监管信息集中服务及报告平台的技术特点
    1. 安全高效的计算框架
    采用集式并行处理，采用异步队列处理机制，SQL 转内存变量进行运算。
    （1）实现日间联机交易在各节点的动态分配和自动负载均衡，大幅缩短数据加工时间。此外，计算节点采用PC SERVER 虚拟机部署，成本低廉，可灵活扩展，线性提升系统处理能力。
    （2）异步队列处理：采用异步队列处理机制，将用户提交的高并发、大数据量、长交易的业务请求拆分为若干个队列并发处理，可以有效应对瞬时交易峰值，使系统既充分发挥最高处理能力，又确保始终处于在能力极限范围内，提高系统整体响应速度和处理效率。
    （3）内存计算：实现将造成系统压力最大的日间联机交易转移到计算节点的内存中进行处理，使原本需在数据库中运行的大量SQL 语句转换为内存变量进行运算，不仅提高了计算效率，还最大程度减轻了数据库压力，节省了昂贵的数据库资源消耗。
    （4）容错保障机制：实现对计算节点运行状态的实时监控，一旦节点发生宕机等异常情况，即时自动将交易FailOver（故障切换）到其他节点上继续处理，不影响业务使用，极大提升系统的高可用性。
    2. 高效可扩展的公式引擎
    为保障报表批量加工性能， 首次采用LEX 和YACC 技术以及PostgreSQL 开源数据库架构，设计了词法分析、语法分析、语义转换、语义分析以及目标代码生成等5 个功能模块，构建了一套高效、可扩展、易维护的全新公式解析引擎。采用分治算法、贪心算法等优秀算法及层次化拓扑排序的公式并行处理技术，全新研发表级复制、区域公式、伪SQL 公式、打标表公式、宏定义公式等高性能报表公式，报表批量处理效率提高数十倍，满足了全行监管报表集中加工的批量处理的性能要求。制定报表公式体系的建设标准，首次统一了数据分析类报表公式体系。
    3. 自动化分析报告
    针对监管分析报告处理逻辑复杂、涉及源数据量大、报送时间急迫的特点，结合监管分析报告的业务需求和报送自动化的技术需求，提出了一种可配置、模块化加工的金融监管分析报告的生成方法。该方法通过作业链批量完成数据源装载和转换，通过Antlr 实现了处理规则开发模块，通过JFreeChart 实现了复杂图片生成模块，通过FreeMarker 实现了报告文档生成模块。使用此方法不仅可以简化用户操作，提高用户便利性，还减少了报告生成时间，提高使用效率，并且实现异常数据、周期变化等分析信息，为后期报告的调整及校验争取了时间。
    4. 业务条线模型体系
    以客户为中心，以数据分类和定义为指导，以“债权债务信息以生产系统为准，管理分类信息以有人维
护的管理系统为准”为原则，整合各源系统数据，采用雪暴模型（雪花模型与星型模型的结合）构建了各业务条线的模型体系。
    三、企业级监管信息集中服务及报告平台的业务特点
    1. 企业级监管信息集中服务
    在大型商业银行中率先实现了监管报表全行集中，有效解决了监管报告信息分散加工、资源投入高、数据不一致、数据准确性不高以及自动化加工率和报送效率低等监管信息报送领域存在的问题，实现全行监管信息的统一管理、集中加工、共享使用，确保不同监管部门的监管数据一致性，实现数据“一口出”。
    2. 先进的填报流程
    提供一体化的报表配置、报表加工、数据填报、发布展现、监测预警、组装报送等整体流程和功能，将报表填报模式由传统的“自下而上、层层上报”，转变为“总行集中加工、逐级审查确认”，填报流程从原来的9 个环节简化为4 个环节，显著提高填报效率。
    3. 数据“同源同质同规”
    基于各源系统数据进行关联整合，确定可信数据源，采取跨系统拼接的思路，有效解决数据来源分散、数据不一致等问题，构建了包含贷款、存款、理财、表外、同业等各条线的大宽表体系。此外，在大宽表体系的基础上，采用雪暴模型构建了各业务条线的多维汇总层，推进了数据的“同源同质同规”。
    4. 有效推动数据治理
    基于整合后的基础数据开展数据质量监测，并通过血缘分析，支持报表数据到基础明细数据的追溯，使报表问题能定位到明细数据问题，在实现据实调整报表的同时，也为数据源头整改提供有力抓手。
    四、企业级监管信息集中服务及报告平台的社会经济效益
    1. 数据质量极大提升
    报表数据来源基本涵盖了农业银行主要业务源系统，完善数据拼接，使报表自动加工率由56% 提升至90%，通过“同源同质同规”，保障数据一致性，实现数据“一口出”。
    2. 填报效率显著提高，切实减轻基层负担采用全国集中的系统架构，将报表填报模式由传统的“自下而上、层层上报”，转变为“总行集中加工、逐级审查确认”，填报流程从原来的9 个环节简化为4个环节，加班不再是家常便饭。
    3. 促进数据管理与服务转型
    随着数据质量和填报效率的大幅提升，统计人员在做好监管报送的前提下，还能开展分析型应用，促进农业银行数据管理与服务工作转型。
    4. 有效推动数据治理
    支持报表数据到基础数据的追溯，分行能下载到因空值等原因导致的缺口对应的问题明细数据，从而推动源头整改，对报表手工干预进行留痕，使分行从原来的手工直接改报表，转变为依据问题明细数据据实纠错补录。
    5. 释放大量设备及资源
    采用集式并行处理、异步队列处理、应用级负载均衡、高效可扩展的公式引擎、内存计算、可视化配置方式等技术，解决了监管领域全行集中带来的系统压力，不仅实现了企业级监管信息集中服务，同时还释放大量原有生产设备及运维资源。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。