來源：鑫智獎·2025第六屆金融機構數智化轉型優秀案例評選

獲獎單位：石嘴山銀行

榮獲獎項：數據管理優秀案例獎

一、項目背景及目標

1.項目背景

為深入貫徹中央金融工作會議關于“科技金融、綠色金融、普惠金融、養老金融、數字金融”五大領域協同推進的戰略部署，深化金融供給側結構性改革，本行將數字化轉型作為核心引擎，以數據要素為核心驅動力，構建全場景覆蓋、全鏈路協同的“數字普惠金融服務體系”，旨在提升金融服務包容性與精準性，實現金融資源的高效配置與可持續發展。

此外，本行目前在業務發展與技術能力之間的矛盾愈發明顯：技術上，傳統架構過時、供應鏈風險累積、數據冗余和孤島效應導致存儲成本與規模失衡，缺乏高效存儲和分析多模態數據的能力；業務上，報表查詢效率低下、監管報送滯后、數據處理周期過長、數據獲取和使用流程復雜等問題，限制了普惠金融服務的精準覆蓋和業務創新。

2.項目目標

本項目旨在通過架構重塑與技術突破雙輪驅動，構建“數據湖（海量存儲）+數據倉庫（高效治理）+數據集市（場景建模）”的統一融合架構，實現全量金融數據（結構化/半結構化/非結構化）的統一納管與分層治理，打破傳統架構的存儲孤島與計算性能瓶頸，全面整合與優化數據資產；在此基礎上，強化對業務的高效支撐能力，快速響應取數用數需求、縮短數據處理周期，同步創新數據應用模式，推動普惠金融服務的精準觸達與價值提升，最終形成技術驅動、業務協同的數字化能力閉環。

二、創新點

1.融合創新的一體化數據架構

本行基于前瞻性技術布局與行業深度洞察，在數據架構領域實現了核心突破，采用“統一收斂、物理融合、統一分層、邏輯隔離”的架構設計思想，突破傳統Hadoop+MPP技術棧限制，創新性的實現了整體數據架構集群的統一規劃、集中部署和統一管理。通過構建五層數據湖（緩沖/貼源/歷史/實時/非結構化數據區）與四層數據服務（模型/匯總/接口/集市），實現全域數據的物理集中與邏輯分層治理。

在業內，本行較早地將此方案落地并應用，此舉有效減少了行內數據類集群的數量和規模，縮減率超60%以上。顯著降低了硬件設備、軟件許可、學習管理和人力資源等方面成本，年均節省成本超百萬。

2.全模態數據統一管理

本行借助國產領先的大數據基礎平臺與金融級分布式分析型數據庫，采用分布式數據管理系統，統一管理多個數據模型，突破傳統數據整合限制，避免數據跨庫導入導出，實現原始數據、加工中間態數據與模型化數據在統一物理空間的邏輯分層共存。在湖倉集統一數據平臺中構建動態可擴展的混合存儲池，依托分布式存儲底座實現冷熱溫數據的智能分層壓縮（壓縮率提升75%），結合跨域數據血緣分析與處理，使數據全局冗余度降低70%。

通過統一的資源管理系統進行存儲與元數據管理，實現多模數據（結構化/半結構化/非結構化）的集中存儲，在金融同業中，較早實現“湖、倉、集”數據加工流水線"零搬遷"運行。相較于多集群模式，可減少跨集群數據搬運量80%。

3.自主可控的安全管理體系

本行構建的全國產化湖倉集一體數據融合平臺，基于ARM架構服務器集群、麒麟操作系統、國產分布式數據庫與大數據平臺，打造從芯片、操作系統到數據庫的100%自主可控技術體系。在金融同業中較早實現數據平臺“國芯國魂”國產化替代，關鍵組件國產化率達100%，避免了核心技術"卡脖子"風險。該平臺利用字段級權限控制與動態數據脫敏技術，基于SQL語義解析的實時風險攔截機制，實現敏感數據有效遮蔽（支持身份證/銀行卡等28種敏感模式識別），使得數據泄露風險進一步下降，滿足金融行業等保三級與《數據安全法》雙重合規要求，形成覆蓋硬件設施、數據流通、應用訪問的全棧安全防護閉環。

三、項目技術方案

1.系統業務架構

整體業務架構劃分為三大層級，各層級之間緊密協作，共同構成了一個高效、穩定的業務支撐體系。

數據源層：是業務數據產生的源頭，匯聚了如核心業務系統、信貸管理系統、支付清算系統、第三方數據等多種業務系統，為后續數據處理和分析的源泉。

數據平臺層：負責數據的整合與管理，將海量數據有序歸納，并構建了客戶、財務、產品、渠道、資產等多個主題模型。

應用層：是業務架構的“前沿陣地”，支持日常業務操作和決策，讓數據真正轉化為業務價值，包含了風險預警、監管報送、反洗錢、自助分析、反欺詐、報表分析、流水查詢、客戶畫像、精準營銷和駕駛艙等豐富多樣的應用功能。

圖1 湖倉集一體數據平臺系統業務架構圖

2.系統應用架構

該平臺整體應用架構，涵蓋了湖倉集一體數據融合平臺本身、數據資產管理、數據治理、數據開發以及數據交換等系統，為數據使用者，包括業務人員、開發人員、運維人員和管理人員，提供固定報表、自助分析、監管報送、風險預警、客戶畫像和精準營銷等功能，幫助管理層進行決策和優化運營。

圖2 湖倉集一體數據平臺系統應用架構圖

3.系統技術架構

該平臺是多模型技術架構，支持 10 種存儲引擎、 11 種存儲模型。通過分布式數據管理系統 TDDMS，統一管理多個數據模型，避免數據跨庫導入導出，減少數據冗余，保障多個模型使用數據的高度一致。平臺實現了存儲和計算完全解耦，可按需申請計算和存儲資源。平臺所使用的工具組件讓系統的安裝部署、擴容升級、安全防衛、風險告警、權限管理等工作變得更便捷。

圖3 湖倉集一體數據平臺系統技術架構圖

4.系統數據架構

數據湖存放全行83個業務系統2400+張貼源表及1200張歷史數據表；數據倉庫共有銀行卡、票據、信貸、資金、公共、客戶、存款、理財、財務、渠道10大主題86個模型以及報表模型等；數據集市目前已接入零售集市有零售集市、監管集市及風險集市。整體湖倉集平臺通過JDBC、API及文本數據推動等方式對外統一提供數據服務。

圖4 湖倉集一體數據平臺系統數據架構圖

四、項目過程管理

1.2023年9月，完成可行性研究、分析及立項工作。

2.2023年12月，完成需求調研及分析工作。

3.2024年2月，完成技術選型和軟硬件采購工作。

4.2024年4月，完成系統詳細設計工作。

5.2024年10月，完成系統編碼、測試及上線前準備工作。

6.2024年11月，系統正式上線。

五、運營情況

1.數據架構革新，助力本行IT水平躍遷

創新性將數據湖、數據倉庫、數據集市等集群的統一規劃、集中部署和統一管理，實現了深度融合，縮短了數據流轉鏈路，從而顯著提升了數據處理與分析的效率。湖倉集一體數據融合平臺是多模型技術架構，支持 10 種存儲引擎、 11 種存儲模型。通過分布式數據管理系統，統一管理多個數據模型，避免數據跨庫導入導出，減少數據冗余，保障多個模型使用數據的高度一致。平臺實現了存儲和計算完全解耦，系統上線后，批處理時間從原來的16小時以上縮短至9小時左右，效率提升了約一倍，報表查詢效率提升了90%。

獨特的混合列存分析型數據庫技術與多源異構數據的存儲管理技術，解決了原數據平臺諸多痛點。數據遷移至該平臺后，數據壓縮率提升75%。

2.數據資產釋放，助力本行業務提質增效

通過構建"數據-模型-決策"三級價值釋放體系，使得數據資產運營實現業務質效雙升。目前已承載1200余張報表，80余個應用系統數據處理，全面覆蓋本行19個核心業務部門、5家直屬分行，71家支行以及7家村鎮銀行數據分析與應用，工作日日均查詢量20000余次，日均會話數1000余次。通過多模數據協同，為業務部門在營銷與管理短信渠道方面，實現了多維分析與優化，年均降低短信成本48%。通過多源數據整合，構建客戶風險預警模型并嵌入信貸系統全流程，有效實現了客戶預警的精準識別、及時反饋和全程跟蹤管理，風險管理效率提升20%?；诹闶奂袑嵤┚珳薁I銷，營銷觸達率67%，帶動兒童家庭客群增長15%。

六、項目成效

該平臺的建設落地在多個方面展現了其深遠且廣泛的社會效益。

一是積極推動普惠金融的發展，通過高效的數據分析能力，顯著提升了金融服務的效率。通過精準觸達小微客戶、農戶等群體，提升金融服務效率、降低服務成本，推動普惠金融發展，實現了新增普惠小微貸款3.75億元，普惠涉農貸款較年初增加1.87億元，增速7.21%。

二是在增強區域經濟韌性方面發揮了重要作用，通過優化資源配置，提供了及時的風險預警與紓困服務，并大力支持綠色金融的發展，為實體經濟的穩健增長提供了強有力的支撐。

三是在金融風險防控方面，基于大數據建模及規則引擎，實現了個人授信審批的自動化，通過人行征信、第三方征信數據與行內數據的綜合評估，制定出完善的風控模型，為每位申請人提供快速而準確的信用評估結果，減少了人為干預，確保了審批流程的公平與透明。

四是積極推動數字人才的培養，深化“高校科研+金融機構場景落地”模式，通過產學研用和東西部科技合作，聯合天津大學、寧夏大學成功獲批寧夏首個金融領域自治區重點研發計劃重點項目《面向金融實時風控場景的數據與知識混合驅動高級認知模型研究及應用》，搭建金融與人工智能交叉學科實踐平臺，培養既懂金融業務邏輯又掌握大數據分析、知識圖譜技術的復合型人才，填補寧夏金融科技高端人才缺口。

總之，該平臺不僅僅是技術架構上的重大革新，更成為了城市商業銀行連接政府、企業、居民等多方主體的協作樞紐。其產生的社會效益已經遠遠超越了單一金融機構的范疇，通過數據的順暢流動，促進了資源的優化配置、風險的共同治理和服務的均等化，最終有力推動了區域經濟的高質量發展和社會治理的現代化進程。

七、經驗總結

本項目建設經驗表明，區域性銀行的數字化轉型需堅持"技術自主可控、架構前瞻設計、業務價值閉環"三位一體策略。通過湖倉集架構實現數據要素的高效配置，不僅解決了傳統金融機構的系統性痛點，更創造了"降本、增效、合規、創新"的復合價值，為中小銀行探索差異化的數字金融發展路徑提供了可復制的案例。

更多金融科技案例和金融數據智能優秀解決方案，請在數字金融創新知識服務平臺-金科創新社案例庫、選型庫查看。