京公网安备 11010802034615号
经营许可证编号:京B2-20210330
寻找大数据时代金融集中存储解决方案
银行是我国最早安防应用领域之一,在新时期,历经诸多技术变革后,必然在存储系统出现新变化。
银行监控现状
视频监控是安防行业中发展最快、空间最大的子门类。据悉,到十二五规划末期将实现产业规模翻一番的总体目标,年均增长率达到20%左右,2015年总产值将达到5000亿元,实现增加值1600亿元。金融监控市场约占中国视频监控市场6%左右,就此计算,到今年金融安防在激增,将达到300亿元。
此外,目前我国有各类金融营业网点超过35万个,仅邮政储蓄网点就接近4万个。据有关部门预计,2015年,我国ATM机超过40万台。从每百万人口拥有的ATM数量指标来看,中国ATM需求缺口依然很大。与此同时,更加便捷的ATM机和自助银行将成为下一步各银行发展的重点。目前我国银行安防设备应用已基本形成五年一更新的规律,再加上每年对安防系统必不可少的升级工作,就形成了金融行业几乎每年百亿规模的安防市场需求。因此,我们需要了解到,偌大的市场,我们面对的现实是银行传统监控方案是各银行营业网点采用的是数字图像监控体系。该图像监控体系通常是基于本地监控,即各营业网点各自组建一个完整的监控体系,分别配有监控主机、监视器、数字摄像头等设备。
新时期,这种监控方案已经跟不上时代的发展,出现许多弊端:
1、复杂,成本高昂:各网点均需配备专人负责图像监控、设备保养维护等繁琐工作。
2、安全性低:由于监控中心维护均设在各网点本地后台,极易被人恶意破坏销毁监控信息数据。
3、响应慢:由于网点和支行之间无法共享监控图像信息,一旦网点有事件发生,上级单位不能及时全面地掌握有关情况。
若能在总行统一构建集中监控管理中心,将大大减少维护投入、管理成本,提升安全性和响应速度。而现今各网点构建专线网络,以及网络摄像、网络存储技术的成熟,为实现集中监控提供了技术保证。
大数据时代银行监控存储方案选择
我们所说的新时期,是指大数据安防的到来。大数据是信息技术与互联网产业发展到特定阶段的产物,从互联网到物联网,从云计算到大数据,信息技术正在从产业基础走向产业核心。而银行业作为与信息技术深度结合的行业,互联网思维和决策数据化已开始嵌入经营管理的全流程。大数据安防实质是能够为银行提供全方位、精确化和实时的安全保护和决策信息支持。所以,在银行行业集中存储的需求极为明显。
大数据时代银行监控的集中存储是在网点监控分中心的基础上,在总行设立统一的监控中心进行集中存储,从而节省人手,建立网点-支行-总行间的应急快速反应体系。而集中存储在金融行业比较成熟的技术有NAS、SAN两种,而SAN又可分为FCSAN和IPSAN两种。
文件级数据存储。NAS设备最主要的应用就是银行企业或部门内部的文件共享。由于NAS本身就是一台服务器,有自己的操作系统和文件系统,可以直接与本地局域网连接,提供文件级的数据共享,但NAS设备无法成为服务器的本地硬盘,无法提供数据块的存储。NAS是在局域网中传输,且有自己的操作系统和文件系统,这些因素都会导致NAS设备的带宽降低,增加NAS设备的读写响应时间。由此来看,该存储方式对于分行或者小银行企业的信息管理还适用,要架构大数据安防还需要很多地方完善。
IPSAN存储架构。IPSAN中所采用iSCSI通信协议实际上是一个互联协议,是SAN结构的一种。通过将SCSI协议封装在IP包中,使得SCSI协议能够在LAN/WAN中进行传输。该种方案目前而言在是银行大数据监控集中存储应用的主流。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在实验检测、质量控制、科研验证等场景中,“方法验证”是确保检测/分析结果可靠、可复用的核心环节——无论是新开发的检测方法 ...
2026-03-04在数据分析、科研实验、办公统计等场景中,我们常常需要对比两组数据的整体差异——比如两种营销策略的销售额差异、两种实验方案 ...
2026-03-04在数字化转型进入深水区的今天,企业对数据的依赖程度日益加深,而数据治理体系则是企业实现数据规范化、高质量化、价值化的核心 ...
2026-03-04在深度学习,尤其是卷积神经网络(CNN)的实操中,转置卷积(Transposed Convolution)是一个高频应用的操作——它核心用于实现 ...
2026-03-03在日常办公、数据分析、金融理财、科研统计等场景中,我们经常需要计算“平均值”来概括一组数据的整体水平——比如计算月度平均 ...
2026-03-03在数字化转型的浪潮中,数据已成为企业最核心的战略资产,而数据治理则是激活这份资产价值的前提——没有规范、高质量的数据治理 ...
2026-03-03在Excel办公中,数据透视表是汇总、分析繁杂数据的核心工具,我们常常通过它快速得到销售额汇总、人员统计、业绩分析等关键结果 ...
2026-03-02在日常办公和数据分析中,我们常常需要探究两个或多个数据之间的关联关系——比如销售额与广告投入是否正相关、员工出勤率与绩效 ...
2026-03-02在数字化运营中,时间序列数据是CDA(Certified Data Analyst)数据分析师最常接触的数据类型之一——每日的营收、每小时的用户 ...
2026-03-02在日常办公中,数据透视表是Excel、WPS等表格工具中最常用的数据分析利器——它能快速汇总繁杂数据、挖掘数据关联、生成直观报表 ...
2026-02-28有限元法(Finite Element Method, FEM)作为工程数值模拟的核心工具,已广泛应用于机械制造、航空航天、土木工程、生物医学等多 ...
2026-02-28在数字化时代,“以用户为中心”已成为企业运营的核心逻辑,而用户画像则是企业读懂用户、精准服务用户的关键载体。CDA(Certifi ...
2026-02-28在Python面向对象编程(OOP)中,类方法是构建模块化、可复用代码的核心载体,也是实现封装、继承、多态特性的关键工具。无论是 ...
2026-02-27在MySQL数据库优化中,索引是提升查询效率的核心手段—— 面对千万级、亿级数据量,合理创建索引能将查询时间从秒级压缩到毫秒级 ...
2026-02-27在数字化时代,企业积累的海量数据如同散落的珍珠,若缺乏有效的梳理与分类,终将难以发挥实际价值。CDA(Certified Data Analys ...
2026-02-27在问卷调研中,我们常遇到这样的场景:针对同一批调查对象,在不同时间点(如干预前、干预后、随访期)发放相同或相似的问卷,收 ...
2026-02-26在销售管理的实操场景中,“销售机会”是核心抓手—— 从潜在客户接触到最终成交,每一个环节都藏着业绩增长的关键,也暗藏着客 ...
2026-02-26在CDA数据分析师的日常工作中,数据提取、整理、加工是所有分析工作的起点,而“创建表”与“创建视图”,则是数据库操作中最基 ...
2026-02-26在机器学习分析、数据决策的全流程中,“数据质量决定分析价值”早已成为行业共识—— 正如我们此前在运用机器学习进行分析时强 ...
2026-02-25在数字化时代,数据已成为企业决策、行业升级的核心资产,但海量杂乱的原始数据本身不具备价值—— 只有通过科学的分析方法,挖 ...
2026-02-25