中国建设银行数据治理最佳实践之工具篇
为体现大行担当，高质量完成监管任务，为金融改革提供数据基础。高质量完成人民银行、银监会和外汇管理局等外部监管部门要求的信息报送任务，为金融改革提供准确的基础信息，监管报送工作多次得到监管部门的肯定和表彰，体现了国有大行的责任担当。2009年被人民银行评为全国“金融统计数据集中先进集体”；2013年被银监会评为“夯实统计信息基础，提升银行业数据质量”突出贡献集体；连续四年获得人民银行“企业征信数据质量优秀机构”和“个人征信数据质量优秀机构”称号。
建行于2005年启动了GMIS数据清洗和补录工作，为提高建行内部评级工程的数据质量打下良好的基础。建设银行建立了企业级数据模型及规范体系，统一了数据标准。建成包括企业级数据模型、数据标准、业务术语、指标体系和衍生数据在内的较为完整的数据规范体系，通过数据规范，统一全行数据基础，为打破数据孤岛实现数据互联互通、实施大数据战略创造了条件。建设银行启动数据大集中工程后，制定了数据的规范和符合国际标准的统一编码。
为了更好地利用主机资源，建设银行提出“主机+开放”的融合架构，确保“好钢用在刀刃上”。主机资源用于核心账务系统，利用开放平台处理查询业务或者普通维护性交易，采用削峰填谷的方法优化主机资源使用，确保账务交易的资源。通过6个方面对大数据平台的数据进行了全生命周期的管理，包括建模、验证、清理、准入、数据地图和一些规范。建设BI应用在总行数据平台上进行元数据管理。“多层水闸式”防范体系保障安全，标准的池化存储架构提高数据安全及可用性。
中国建设银行数据逻辑模型采用面向主题的设计方法，组织来源于多样的业务数据，使用统一的逻辑语言描述银行业务，以保证数据的一致性，所遵循的设计原则主要包括：
01
中性与共享性
该模型选择了语义关系建模的设计方法，结合了业务角度建模方法和关系建模方法，以一种清晰的表达方式记录跟踪金融机构的重要数据元素以及变动，它们之间的各种可能的限制条件和关系能够表达重要的业务规则，如父子关系（团体和个人团体）、排他分类（事件的分类）、多对多（团体和协议的关系）等。
02
模型的统一性
作为基础数据平台设计基础的逻辑数据模型在设计过程中保持了一个统一的业务定义。如果是从第三方购买的客户信用等级和银行内部信用等级数据，必须依照一套相同的存放规则进行处理，它们和其他数据的关联以及刷新的频率等都应该保持同步。
03
模型的灵活性
如果有新的需要，逻辑数据模型的这种结构能够进行简单、自然的扩充。比如，可以从一个客户的基本信息资料、持有产品、账户信息入手进行简单的分析，然后补充客户和其他机构、客户的关系，并记录和银行的往来历史，延伸至全面的客户关系管理。
04
粒度性
为了满足将来不同的应用分析需要，该模型能够提供最小粒度的详细数据以支持各种可能的分析查询。
05
历史性
CCB-LDM（中国建设银行逻辑数据模型）作为数据仓库系统基础平台的逻辑数据模型，利用各种不同的时间戳保留大量的历史数据信息。处理客户现在的特征外，为了得到保留该客户、销售新产品的可能性，或客户是否会有欺诈行为，可能还需要分析客户在过去一段时间内的各种行为，包括所持有的产品的变化以及交易的次数。
中国建设银行于2010年制定了8项信息技术标准，涵盖了全行IT规划管控、专业领域总体规划及数据安全等方面。修订了《中国建设银行Oracle数据库规范》、《中国建设银行信息技术（产品）分类目录》，其中《中国建设银行Oracle数据库规范》加强了标准符合性检测，通过借助TOAD检查工具来保证规范的贯彻执行。中国建设银行主要从“完善标准质量管理体系”和“强化一体化管控”着手，持续改进和支持企业级IT建设中存在的安全稳定问题。从2006年起，中国建设银行陆续研发了系列IT标准，推进架构统一、支持安全运行；2005年探索建立基于TOGAF的架构管控体系，2006年实施了技术产品目录管理，2006年和2009年分别启动数据中心ITIL和ISO20001认证。标准推进实施显著提高了全行IT运行水平，2005年至今，没有发生一次影响全行业务的信息系统生产事故。
中国建设银行是股份制商业银行，国有五大商业银行之一，拥有广泛的客户基础，与多个大型企业集团及中国经济战略性行业的主导企业保持着银行业务联系，营销网络覆盖全国的主要地区。规模庞大的体系让建行在数据治理方面下了很大的功夫，其数据治理措施落实了政策、流程、组织和技术也符合高标准、高质量和高安全，其中包括数据集中工程、赛门铁克数据管理和ITIL管理方法。
一、数据集中工程
从2002年股改说起。得益于股改的契机，建设信息化发展趋势发生了巨大的改变，首先是以数据大集中为标志的建行新一轮信息化建设开始。建行的数据大集中工程主要目的是达到全行单一法人的经营结构，在全行建立起一套核心业务系统，以支撑业务的正常运作，而核心业务系统的运行则是依托了北京和上海两地的数据中心。
在5、6年的时间里，建行总行数据中心部署的设备快速增加，数据中心规模急剧膨胀。机房面积也由股改前的1千平米扩展到1万平米。在此同时，一级分行数据中心的发展则更加趋于平稳。而这正是印证了建行将更多IT资源应用于总行数据中心的发展策略。与此同时，总行系统的高度集中也为数据中心安全可靠运行，特别是数据中心运维管理的理念、流程和制度等方面提出了更高的要求。
建行的数据集中工程主要包括：“贯穿南北”的数据集中工程和“行之有效”的集中构架。根据建行的规划，数据集中的工程的总目标是在全国建立以北京（北）和上海（南）为中心两大数据中心，并以这两大中心为基础，为建行辖内分支机构提供银行核心业务处理服务，进而实现建行全国的数据集中。
较早建立企业级数据仓库，整合数据视图。开发企业级数据仓库、企业级信息应用平台、监管统计系统、员工业绩指标系统，建立企业级多维度统一的数据视图，支持跨层级、多渠道、灵活多样的信息应用；在数据仓库中探索引进大数据管理技术，建立大数据应用基础环境。在中国建设银行总行之下，有数据中心、参数中心、六个开发中心和三十八家一级分行。
建行的数据大集中是落实到政策的一项工程，为了保证其庞大的数据体系能够正常运转，在多年的发展与探索中，建设银行已经建立起了一套拥有高标准的数据治理体系。
二、ITIL管理方法
谈到建行总行数据中心的运维理管理念，建行运维部门主管张志深说：
现在的管理理念是基于ITIL但是又不仅仅局限于ITIL，而是更好地把ITIL理念和建行实际情况结合起来，发展创新出的一套独有的运营管理体系、流程和制度。
而这套有特色的管理流程正是基于张志深和他的团队根据前期建行总行数据中心运维管理的经验和教训总结而来。
现在，建行拥有北京、上海、武汉三个数据中心。而其中的北京数据中心是全行的生产中心，武汉数据中心是灾备中心，从而一方面解决了生产中心现有容量不足的问题，同时建立了完善灾备系统以满足监管部门对银行业务连续性的要求。
考虑到发生事故时的数据处理办法，建行武汉数据中心的建立和ITIL的运营管理方式符合高质量的要求，落实到了组织层面。
三、赛门铁克数据管理
对于世界第二大银行中国建设银行来说，“时间就是金钱”这句格言被赋予了全新的含义。即使发生两秒钟的中断，也会对该银行的业务造成严重的负面影响，而其10分钟的恢复时间目标则会导致不可接受的风险。为了规避这种风险，该银行求助于赛门铁克的高可用性和灾难恢复解决方案，并且凭借几乎瞬时的故障转移，同时实现了零恢复时间目标和零恢复点目标，甚至没有一秒钟的延迟。
对于中国建设银行的IT工作人员来说，实现瞬时故障转移是切换到Veritas Storage Foundation for Oracle RAC的最重要优势，该产品利用了赛门铁克业界领先的Veritas Storage Foundation、Veritas™ Cluster File System 和 Veritas™ Cluster Server解决方案，并且与Oracle RAC紧密集成，可以提供易于使用的可靠存储和集群管理解决方案。利用Veritas Storage Foundation，能够同时实现零恢复点目标和零恢复时间目标。自从实施了Veritas Storage Foundation for Oracle RAC，中国建设银行就再也没有发生过计划外停机。此外，由于Storage Foundation将文件系统的便利性与原始磁盘存储的速度相结合，因此该银行的关键业务金融期货交易软件的性能也有所提高。
全面实施赛门铁克数据管理后，建设银行的运营效率大大提高，存储利用率提高50%，能够在几分钟内（而不是几小时）更改存储分配，容纳的数据量每年提高50%，而没有增加存储管理的开销。赛门铁克技术的应用，使建行的数据治理落实到了技术上，并且符合高质量、高安全的要求。
结语
股改十多年以来，建行的数据管理部积极面对不断变化的金融环境，主动适应，以银监会监管数据良好标准对全行数据管理的要求为基本，依托新一代核心系统建设，高质量地满足外部监管和内部管理各类数据要求，全面提升数据管理能力，并逐渐培养了一支适应业务发展需要的专业数据管理队伍。目前，建设银行已基本建立了数据管控体系，建立了企业级数据仓库、数据应用平台及各类管理信息系统，数据管理能力在国内同业中处于领先地位。
下方查看 历史文章
资料素材来源：
《中国建设银行数据安全解决方案》
《中国建设银行数据集中工程项目方案》
《中国建设银行数据存储管理解决方案-数据存储解决方案》
《建设银行全面提升数据管理能力》
《ITIL管理方法在中国建设银行数据中心的应用研究》
《建行张志深：数据中心运维管理经验分享》
《构建银行数据治理体系提升塞巴尔风险管理能力的研究》
《数据仓库中的逻辑数据模型设计》（中国建设银行信息技术管理部门厦门开发中心林谊）
《商业银行内部评级问题研析》
《建行、农行、工行：IT新架构详解》
《四大行如何看待大数据》
IT GreenFuture
Global Mindsets
China Perspectives