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
逻辑回归是数据分析、机器学习、统计建模中应用最广泛的二分类预测模型,常用于风险判断、行为预测、归因分析等场景。在SPSS、Py ...
2026-06-02数字经济时代,市场竞争日趋同质化,用户消费需求愈发个性化、多元化,传统依托经验、粗放式、广撒网的营销模式弊端日益凸显。长 ...
2026-06-02 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-06-02在市场竞争日趋饱和、用户需求不断细分的当下,企业创业创新、产品迭代与市场拓展不再依赖经验决策,而是需要系统化、工具化的商 ...
2026-06-01【核心关键词】调度、岗位、数据库、企业、报表、培训、程序、数据分析、数据加工、业务部门、企业数据、调度工具、业务指标、 ...
2026-06-01 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-06-01在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25