保险数字化转型经历的几个阶段
生态化互链互通融合数据化数据采集沉淀1.客户生态2.泛金融生态3.生态互链信息化传统烟囱式架构1.响应慢2.成本高1.数据采集2.数据沉淀3.数据清洗智能化数据分析整理数字化链接渠道互通业务中台传统核心1.数据治理2.用户画像3.精准营销1.渠道互通2.产品互通3.用户互通IT模式的变迁
传统业务模式数字化业务模式?实现数据打通，每个环节都产生价值?用户至上，数据驱动业务，快速上线和迭代?产品互联网化，自动化，智能化业务演进
?封闭、单向、缺乏复用?基于企业内部资源单体应用云应用?混合应用（以新开发的云应用为主，包括少量遗留的单体应用）?混合数据库（Mysql等支持新型应用，辅助Oracle RAC等）云原生应用?应用采用微服务架构?使用分布式数据库?采用DevOps开发模式应用模式
?集中式应用?大型数据库（Oracle RAC，etc）独立数据库数据统一模式?构建大数据和AI平台，统一汇总数据和计算资源?满足大数据业务为主要目标，如数仓、画像，独立的硬件部署大数据3.0模式????构建数据交换与共享服务融合大数据与AI能力提供数据资产与服务层支持共享能力，以云华模式为主数据模式
?大型数据库（Oracle RAC，etc）?应用驱动+垂直建设，满足业务需求为主，数据孤岛化IT模式
虚拟化阶段?物理机+虚拟机+SAN存储?烟囱式架构基础云阶段?采用IaaS平台+大数据平台?开源、虚拟机为主，少量物理机?采用分布式存储云原生阶段?包含容器平台+大数据平台+AI平台?容器为应用主要载体，虚拟机辅助?采用分布式存储传统IT模式基础云IT模式云原生IT模式数据应用演进过程
此阶段业务系统单一，经营模式直接，需求为交易的事务处理（OLTP），强调高并发、单条数据简单提取和展示，通过数据库（DataBase）实现。随着经营管理模式转变，逐渐产生了新的通过停机分析报表（OLAP）支持管理决策分析的需求，由管理一个或多个主题数据的数据仓（DataWareHouse）提供数据服务。整合客户的行为数据、历史数据，从中挖掘数据价值，为前台业务提供智能和实时的数据参考。通过工具和标准最大化利用数据资产，为前台业务提供快速灵活的数据服务，通过数据来支撑企业的运营。支撑交易辅助决策挖掘数据价值快速支撑灵活多变的业务应用初级应用阶段统计分析阶段大数据智能分析阶段数字化运营阶段
传统数据仓库的局限性–数据仓库≠数据中台
?如何统一数据采集、存储、计算与服务？
业务系统数据
数据仓库/分析平台
抽取
?如何兼顾历史数据、实时数据，离线批
处理业务，实时处理业务
?统一数据指标，业务部门如何保证数据口径一致？
?数据资产如何管理与复用？数据与模型的共享和服务如何统一提供？
?数据和应用分离，如何监控与管理应用，如何保证数据安全？
?数据如何快速适应业务变化的需要？
其他数据
转换装载
ETL
外部数据
数据中台定义与建设目标
数据中台是整合和治理跨集群、跨平台数据，将数据封装成服务，提供给前台，进而创造业务价值
■痛点与问题:
■数据中台建设目标
?数据多份存储、能力重复建设；
?数据不一致、建设成本高、响应数据慢、体验不一致
1、资源共享能力
?实现数据的统一采集、存储和加工，制定标准统一的数据规范，对数据资产进行统一管理?提供自助式的数据分析、AI建模开发与共享服务、大数据平台开发等服务。打通数据与应用的链路。
?实现应用的敏捷开发与微服务转型，提供容器化的应用平台
?在“中台”模式下，前端业务部门可以调用平台上的产品技术模块，从而快速实现新业务场景。
2、开放服务能力
由数据中台提供平台共享能力，减少数据的下发和本地化存储；可以提供BI工具、大数据开发服务、AI建模工具、中间件等服通过容器化与大数据结合，实现计算资源、存储资源、网络资务。提供开放应用和工具、计算、存储服务，能够实现即开即源和应用的隔离与共享。避免各个应用间抢占资源造成相互影用，提供数据资产的查询、获取与分析应用服务。响；应用间保证完整的安全管控机制。3、数据资产管理能力
提供数据资产管理工具。可以实现元数据管理、数据质量、安全管控等服务。整合源业务系统、数据仓库、大数据平台的数据资产，通过数据资产管理与配套工具开放数据的使用。
4、自助分析能力
对数据资产提供地图式搜索，工具层面的全流程串联，更快速灵活的进行数据探索和开发。让业务更快速、敏捷的搜索数据、获取数据、使用数据。
数据中台解决方案V1.2
