京公网安备 11010802034615号
经营许可证编号:京B2-20210330
让数据发挥价值 金融保险需建数据生态体系
数据是保险业经营、管理和决策的重要基础,数据综合利用是近年来保险行业信息化建设的核心。保险业持续发展的数据业务建设提速,给保险行业运营中心对数据进行集中处理提出了更高的要求,这也成为保险公司发展规划中的重要内容。
大信息量亟需数据保护
据有关数据,近五年间,中国保险业信息化整体投资规模的年复合增长率大约为10.53%.目前,大部分的保险公司已经实现业务数据大集中,建立起各自的大后援。然而,在这片看上去宁静清新的风景后面,却有数百条繁忙的热线电话和一刻也不能停止的数据处理中心。如何充分利用数据大集中的成果,建立完善科学的保险数据体系,逐步强化数据挖掘和数据资产利用的能力,准确掌握保险市场需求变化,改善客户服务质量,推进保险创新发展,促进保险业增长方式转变。
如何通过信息化建设促进经营现代化和管理精细化,降低保险经营成本,通过信息化建设促进保险电子商务、跨地区保险服务等新型业务模式,加快保险创新。如何通过信息化建设加强前台服务资源整合和后台资源集中,促进资源利用高效化,有效支持保险综合经营和集团化发展的需要。这三个如何都是保险行业目前亟需要解决的问题。
价值保护闪存助力
数据价值对于金融保险行业至关重要,HDS副总裁兼中国大陆及台湾地区总经理庄国光曾接受记者采访时就表示:“金融行业客户如今对存储数据的要求有着独特的看法,客户多以价值创造为导向,成本意识强,他们如今更注重数据来为其提高价值创造的能力。”
确实,目前来看,中国平安、中国人保、中国人寿等大型保险集团均已建立或正在建立自己的大型后援中心,对数据保护建设的投入明显加快。中国平安早在2003年就启动了后援管理中心的立项工作,是国内最早采用后援集中管理模式的金融机构,进一步发挥数据对其发展的引领和支撑作用,是中国平安面临的一项重要而艰巨的任务。这也是中国平安保险(集团)股份有限公司决定部署HDS企业级加速闪存模块(HDS Accelerated Flash,简称HAF)的分层存储解决方案实现了核心结构化的数据生态体系的原因。
管理+可控是关键
庄国光表示:“闪存存储系统最大优势是提供远超磁盘存储系统的性能,HDS的分层存储方案在提供了强大的存储性能基础支持,又提供了业界企业级存储所具有的高可靠性和丰富的管理功能性,而且混合部署方式可以大大提升存储服务总体性价比,分层解决方案以相同的成本提供不同业务需要的性能,这非常适应了当前金融行业OLTP应用场景存储服务持续发展的要求。”
HAF是HDS针对企业级应用设计的闪存技术,配合存储系统上的HAF闪存访问加速软件和HDS Dynamic Tiering动态分层软件,能优化对闪存模块的访问,实现自动化的数据和文件分层,让大容量低功耗的闪存盘真正融入基础架构中。
方案优势分析
为了应对在业务高峰期会出现爆炸性的访问增长,HDS在不改变平安现阶段的存储体系架构的同时,最大化地发挥闪存优势,建立了高性能、高扩展和高可靠的分层数据存储平台。HAF在设计时规避了传统SSD的一些缺陷,在持续性能方面,它是传统MLC SSD的五倍;在单位容量和存储密度方面,HAF是传统SSD的四倍,可以有效降低闪存的单位成本。同时,HAF解决了很多闪存固有的生命周期和访问性能下降问题:
首先,普通的 MLC寿命有限,在重复擦写一段时间之后闪存颗粒和闪存控制器都会无法使用。HAF利用专有闪存控制器,可以保证数据被写到更多的芯片上,减少对少数闪存芯片进行大量擦写的操作;另外,HAF还增加冗余的闪存芯片,以替换磨损较严重的芯片。
其次,闪存颗粒在重复擦写一定次数之后性能会骤降,这个缺点使得闪存很难在企业级存储中进行大规模的推广。HAF的闪存控制器可以有效的对多余空间进行回收,芯片数据的整理以及数据的在线压缩等等;此外,HAF增加闪存总线和eMLC的芯片,32条闪存总线和128个eMLC闪存芯片都有利于减少对单一闪存芯片进行过多的擦写,而且可以提升闪存的读写性能。
另外,借助HDS加速软件Flash acceleration和动态分层软件HDT (HDS Dynamic Tiering),能够更充分发挥HAF的性能。尤其HDT利用调用最频繁的分页对最高存储层进行完全分配,可以最大限度提高其利用率,从而提供最佳性能。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据驱动决策的体系中,数据分析按照分析目的可分为描述性分析、诊断性分析、预测性分析与指导性分析四大类型。其中,诊断性分 ...
2026-09-01网络请求是Python爬虫开发、接口测试、数据拉取的核心基础功能,Python生态中主要依靠 urllib 和 requests 两大库实现HTTP请求操 ...
2026-09-01 很多数据分析师面对业务问题时,常常感到“知道要分析,却不知道用什么方法”。其实,数据分析并非无章可循——从三大基础范 ...
2026-09-01在数据库设计与业务数据维护中,自增ID是数据表最常用的主键字段,用于唯一标识每一条业务数据,正常状态下ID应保持连续递增。但 ...
2026-08-31在数理统计、数据分析、经济测算与日常量化评估中,平均值是刻画数据集中趋势、反映整体水平的基础核心指标。在实际应用中,最常 ...
2026-08-31在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-08-31在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24