
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
如何考取数据分析师证书:以 CDA 为例 在数字化浪潮席卷各行各业的当下,数据分析师已然成为企业挖掘数据价值、驱动决策的 ...
2025-07-15CDA 精益业务数据分析:驱动企业高效决策的核心引擎 在数字经济时代,企业面临着前所未有的数据洪流,如何从海量数据中提取有 ...
2025-07-15MySQL 无外键关联表的 JOIN 实战:数据整合的灵活之道 在 MySQL 数据库的日常操作中,我们经常会遇到需要整合多张表数据的场景 ...
2025-07-15Python Pandas:数据科学的瑞士军刀 在数据驱动的时代,面对海量、复杂的数据,如何高效地进行处理、分析和挖掘成为关键。 ...
2025-07-15用 SQL 生成逆向回滚 SQL:数据操作的 “后悔药” 指南 在数据库操作中,误删数据、错改字段或误执行批量更新等问题时有发生。 ...
2025-07-14t检验与Wilcoxon检验的选择:何时用t.test,何时用wilcox.test? t 检验与 Wilcoxon 检验的选择:何时用 t.test,何时用 wilcox. ...
2025-07-14AI 浪潮下的生存与进阶: CDA数据分析师—开启新时代职业生涯的钥匙(深度研究报告、发展指导白皮书) 发布机构:CDA数据科 ...
2025-07-13LSTM 模型输入长度选择技巧:提升序列建模效能的关键 在循环神经网络(RNN)家族中,长短期记忆网络(LSTM)凭借其解决长序列 ...
2025-07-11CDA 数据分析师报考条件详解与准备指南 在数据驱动决策的时代浪潮下,CDA 数据分析师认证愈发受到瞩目,成为众多有志投身数 ...
2025-07-11数据透视表中两列相乘合计的实用指南 在数据分析的日常工作中,数据透视表凭借其强大的数据汇总和分析功能,成为了 Excel 用户 ...
2025-07-11尊敬的考生: 您好! 我们诚挚通知您,CDA Level I和 Level II考试大纲将于 2025年7月25日 实施重大更新。 此次更新旨在确保认 ...
2025-07-10BI 大数据分析师:连接数据与业务的价值转化者 在大数据与商业智能(Business Intelligence,简称 BI)深度融合的时代,BI ...
2025-07-10SQL 在预测分析中的应用:从数据查询到趋势预判 在数据驱动决策的时代,预测分析作为挖掘数据潜在价值的核心手段,正被广泛 ...
2025-07-10数据查询结束后:分析师的收尾工作与价值深化 在数据分析的全流程中,“query end”(查询结束)并非工作的终点,而是将数 ...
2025-07-10CDA 数据分析师考试:从报考到取证的全攻略 在数字经济蓬勃发展的今天,数据分析师已成为各行业争抢的核心人才,而 CDA(Certi ...
2025-07-09【CDA干货】单样本趋势性检验:捕捉数据背后的时间轨迹 在数据分析的版图中,单样本趋势性检验如同一位耐心的侦探,专注于从单 ...
2025-07-09year_month数据类型:时间维度的精准切片 在数据的世界里,时间是最不可或缺的维度之一,而year_month数据类型就像一把精准 ...
2025-07-09CDA 备考干货:Python 在数据分析中的核心应用与实战技巧 在 CDA 数据分析师认证考试中,Python 作为数据处理与分析的核心 ...
2025-07-08SPSS 中的 Mann-Kendall 检验:数据趋势与突变分析的有力工具 在数据分析的广袤领域中,准确捕捉数据的趋势变化以及识别 ...
2025-07-08备战 CDA 数据分析师考试:需要多久?如何规划? CDA(Certified Data Analyst)数据分析师认证作为国内权威的数据分析能力认证 ...
2025-07-08