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。
CDA学员免费下载查看报告全文:2026全球数智化人才指数报告【CDA数据科学研究院】.pdf
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14在Python网络编程、接口测试、爬虫开发等场景中,HTTP请求的发送与响应处理是核心需求。Requests库作为Python生态中最流行的HTTP ...
2026-04-14 很多新人学完Python、SQL,拿到一张Excel表还是不知从何下手。 其实,90%的商业分析问题,都藏在表格的结构里。 ” 引言:为 ...
2026-04-14在回归分析中,因子(即自变量)的筛选是构建高效、可靠回归模型的核心步骤——实际分析场景中,往往存在多个候选因子,其中部分 ...
2026-04-13在机器学习模型开发过程中,过拟合是制约模型泛化能力的核心痛点——模型过度学习训练数据中的噪声与偶然细节,导致在训练集上表 ...
2026-04-13在数据驱动商业升级的今天,商业数据分析已成为企业精细化运营、科学决策的核心手段,而一套规范、高效的商业数据分析总体流程, ...
2026-04-13主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-13在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-13在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09