烟台银行：智能数据中枢项目

来源：鑫智奖·2025第六届金融机构数智化转型优秀案例评选

获奖单位：烟台银行

荣获奖项：数据管理优秀案例奖

一、项目背景及目标

伴随信息技术的迅猛发展，数据已成为核心生产要素，其规范化管理与价值挖掘能力已成为推动各行业业务发展的关键基础保障。商业银行作为数据驱动型行业，对数据要素的依赖性尤为显著，数据不仅是业务运营的支撑核心，更是战略决策与服务创新的关键驱动力。当前，银行业正加速推进“线上化、智能化、数据化”转型进程，服务覆盖范围向长尾客群延伸，数据资产的高效管理与深度挖掘能力成为行业竞争的关键变量。

烟台银行已有的数据仓库于2016年进行建设，2022年进行国产化迁移，沿用了以前的逻辑和模型设计，但在信息化进程不断加速的同时，烟台银行在数据能力建设方面也暴露出了一些短板，如数据管理机制不全、缺乏统一的数据家谱、数据结构不一致、数据标准不统一导致的问题、用数效率低下以及数据价值发挥不足等。

在此背景下，烟台银行亟需通过智能数据中枢建设打破“数据孤岛”，构建“业务 + 数据 + 技术”协同发展的新生态。烟台银行智能数据中枢建设目标：

构建企业级数据资产体系：通过湖仓一体架构整合全行数据资源，深度融合业务模型，构建指标体系，形成标准化数据资产目录，实现数据资产的统一管理和服务化，支撑业务人员自助式数据探索。

完善数据治理与研发体系：搭建企业级一体化数据开发运营平台，贯通数据全生命周期管理流程，提升研发效率与交付质量。

打造智能化数据应用场景：建立智能决策支持系统，通过实时数据分析支撑管理层科学决策；构建全景风控体系，利用大数据分析技术提升风险识别与防控能力；重塑精准营销服务模式，基于客户画像推送定制化产品与服务。

培育数字化转型人才队伍：建立数据分析师团队，开展数据分析技能认证，构建复合型人才梯队；营造全员数据文化，开展数据思维培训，建立数据创新激励机制，提升全行数字化素养与创新能力。

二、创新点

本项目建设创新点概括为以下四个方面：

1.技术创新性

采用湖仓一体+MPP混合架构，结合数据湖的海量存储能力和数据仓库的高性能分析优势，同时利用Hadoop的成本优势和生态丰富性，以及MPP技术处理关系型数据的优势，实现技术上的突破。

2.管理创新性

通过"四统一"框架，即统一数据底座、统一数据资产、统一数据应用、统一数据研运，实现数据从资源到资产的全生命周期管控，提升数据治理能力。

3.服务创新性

构建数据资产超市，通过数据门户直观展示全行数据资产信息，降低业务人员使用数据的门槛。同时，搭建DataOps一体化研运平台，打通数据全生命周期管理流程，提升研发效率与交付质量，实现数据服务的透明化与便捷化。

4.业务导向性

以数字化大屏、指标体系等应用为抓手，直接赋能一线经营决策。同时，借鉴同业先进的数据建模方法，完成多个数据模型建设，有效支撑标签中台、报表平台等多个应用建设，实现业务与数据的深度融合。

三、项目技术方案

1.项目规划

烟台银行于2024年初开始进行同业调研，参考多家银行的数据中台建设理念，并与多家实施厂商深入论证，规划智能数据中枢项目的系统架构。系统架构如下图所示：

系统架构说明如下：

1）数字基建层（底层支持）

采用Hadoop与MPP混搭架构，结合两者在数据处理、存储及查询分析方面的优势，构建全行数据集中管理与高效处理的技术底座。

2）湖仓一体数据底座（数据采集、存储、处理）

融合数据湖与数据仓库优势，构建三层架构（数据接入层、全局共享层、数据服务层），采用先进粒度建模方式，确保数据标准化与复用性。

3）数据应用层（业务应用）

面向业务用户，提供客户画像、管理驾驶舱、报表平台等数据应用，直接解决业务问题，提升业务价值。

4）管理机制（贯穿全流程）

建立企业级管理规范流程及自动化平台，确保数据质量、安全、合规，并有效支持数据资产管理、研发运营及组织保障。

2.项目实施

结合行内实际情况，烟台银行于2024年5月开始着手准备湖仓一体智能数据中枢的立项工作，并于8月正式启动项目，项目整体采用敏捷开发模式，经过多轮的迭代开发与阶段性投产，项目整体于2025年3月底完成全面投产。

1）数字基建层（底层支持）

GBase核心数仓存储和计算：高效处理结构化数据，为企业提供强大的数据分析能力。

TDH大数据平台存储和计算：处理海量结构化、半结构化和非结构化数据。支持多种大数据处理框架，如Hadoop、Spark等，为烟台银行提供灵活的大数据处理方案。

实时数据存储和计算：专注于实时数据的处理，采用流处理技术，如Apache Kafka、Apache Flink等，实现对实时数据的快速采集、处理和分析，满足烟台银行对实时数据应用的需求。

2）湖仓一体

数据接入层：负责从各种数据源采集数据，并将其传输到上层进行处理，确保数据的完整性和准确性，为上层提供高质量的数据输入。

全局共享层：这一层存储了企业全局共享的数据，包括主数据、业务经营数据、业务管理数据三个区域；

数据服务层：中台服务层基于湖仓一体层的数据，提供各种数据服务，支撑上层的数据应用。包含数据API、标签引擎、指标引擎、规则引擎、AI引擎、可视化引擎等。中台服务层将数据能力封装成服务，降低了上层应用的数据使用门槛，提高了数据应用的开发效率。

湖仓一体层实现了数据的统一存储、管理和分析，打破了数据孤岛，提高了数据共享和利用效率；

3）数据应用

数据门户实施围绕关键功能与技术流程展开。关键功能包括：提供数据检索、场景导航、我的资产等服务的首页；根据业务需求定制的数字化大屏；汇总展示各类数据资产的资产中心；实现数据资产统一检索的资产检索功能；集成报表平台的报表中心；以及为场景导航提供支撑的卡片池。实施步骤则遵循环形流程图，依次为首页、数字化大屏、资产中心、卡片池、报表中心、资产检索，确保功能完整性与用户体验流畅性；

4）一体化数据开发运营平台

遵循业界DataOps的建设理念，我们依托长亮星云一体化平台产品，成功构建了企业级一体化数据开发运营平台。该平台旨在全面打通数据从需求提出、集成处理、模型设计、开发实施、测试验证、投产上线、任务调度到最终数据服务的整个生命周期链路。作为全行统一的数据服务平台，它目前已经成功接入多个应用系统。

3.项目支撑

烟台银行智能数据中枢项目的项目支撑体系完善，涵盖了技术、平台、数据、应用和人才五大核心领域，为项目的成功实施提供了坚实保障。

技术层面，项目采用了业界领先的大数据技术和MPP数据库，构建了高效稳定的湖仓一体底座，确保了数据的高效处理和存储。

平台方面，项目打造了一体化数据开发运营平台，实现了数据全链路的打通，提供了一站式的数据服务，极大地提升了数据处理的效率和便捷性。

数据层面，项目完成了大量数据模型、报表口径和指标的建设和梳理工作，确保了数据的准确性和可用性，为银行的数据分析和决策提供了有力支持。

应用层面，项目通过数据门户连接了多个数据应用系统，整合了数据资源，提供了个性化的定制工作台，满足了银行各项业务的数据需求。

人才层面，项目积极推进数据分析人才队伍建设，为银行的数字化转型提供了坚实的人才保障。

这些支撑措施共同构成了烟台银行智能数据中枢项目的强大支撑体系，推动了项目的成功实施，显著提升了银行的数据能力和数字化水平。

四、项目过程管理

1.规划阶段（2024年08月 - 2024年10月）

目标：明确项目整体方向，制定规范和计划。

主要任务：

●项目计划制定：明确项目目标、里程碑、资源分配和风险评估。

●模型设计规范制定：统一数据模型设计的标准和原则。

●模型设计平台选型：评估并选择适合的建模工具和平台。

●ETL开发规范制定：制定数据抽取、转换和加载的开发标准。

输出成果：《项目任务计划书》、《模型设计规范文档》、《ETL开发规范文档》

2.需求阶段（2024年09月 - 2024年11月）

目标：全面梳理需求，确保后续设计和开发方向清晰。

主要任务：

●智能数据中枢数据范围搜集：明确智能数据中枢覆盖的数据范围和业务场景。

●数据门户需求分析及确认：与业务部门沟通，确认数据门户的功能需求。

●资产中心需求分析及确认：明确数据资产的管理需求和功能要求。

输出成果：《详细需求规格说明书》、《数据范围清单》、《需求确认会议纪要》

3.设计阶段（2024年08月 - 2025年01月）

1)目标：完成整体架构和功能设计，为开发提供详细蓝图。

2)主要任务：

●智能数据中枢整体架构设计：设计智能数据中枢的技术架构，包括数据存储、计算和接口设计。

●数据模型设计：基于需求设计数据模型，确保数据的完整性和一致性。

●数据门户整体功能设计：设计数据门户的界面、交互和功能模块。

输出成果：《智能数据中枢架构设计文档》、《数据模型设计文档》、《数据门户功能设计文档》

4.开发阶段（2024年09月 - 2025年01月）

目标：按照设计文档完成开发工作，确保功能实现。

主要任务：

●数据模型开发：基于设计文档实现数据模型的开发。

●数据门户开发：实现数据门户的界面和功能模块。

●数据资产盘点：对现有数据资产进行梳理和分类。

输出成果：数据模型开发代码、数据门户开发代码、数据资产盘点报告

5.测试阶段（2024年10月 - 2025年03月）

目标：通过多轮测试确保系统的功能、性能和稳定性。

主要任务：

●业务测试：验证系统是否满足业务需求。

●技术测试：测试系统的性能、安全性和兼容性。

●优化调整：根据测试结果优化数据模型、系统功能和性能。

●业务验证：选择典型案例进行业务验证，确保系统可用性。

输出成果：《测试报告》、《业务验证报告》

6.投产阶段（2025年03月底）

目标：全面上线系统，确保平稳过渡。

主要任务：

●系统部署：完成系统上线前的部署和配置。

●用户培训：对相关用户进行系统使用培训。

●上线监控：上线后持续监控系统运行状态，确保稳定。

输出成果：《系统上线步骤》、《用户培训材料》、《上线监控记录》

五、运营情况

1.推广应用情况

一体化开发运营平台上线800多个作业，平均作业跑批时长47.41秒，总体耗时约2-3小时，已经开始全面推广使用，确保全行数据处理时效。

湖仓一体底座每日加载数据量达 1TB，目前已经支撑标签体系（500多个标签）、指标体系（400多个指标）、报表平台（200多个报表）、管理驾驶舱、数据门户等应用的数据使用，数据资产已经盘点全行4000多项数据资产。

数据门户已在全行3家分行、16家管辖行得到了全面推广应用,每日触达客户 1万+人次。

2.系统运行情况

系统的运行情况如下图所示:

作业详情

作业各时段运营情况

日志监控

六、项目成效

1.数据治理体系初步构建

统一数据标准与质量管控：完成 10+类数据质量测试场景覆盖，通过技术性测试（如记录数一致性、主键重复检查）和业务性测试（如抽样检查、总分核对），保障了模型数据质量，数据准确性和一致性显著提升。

数据资产沉淀与管理：整合全行数据资源，形成主数据、业务经营、业务管理三大板块共 180+ 个数据模型，支撑标签中台、报表平台等多类应用，累计沉淀指标资产 1500+、标签数据 400+、报表资产 800+，实现数据资产的可复用与集中管理。

２.数据服务能力显著提升

一体化开发运营平台落地：基于DataOps理念搭建平台，打通数据需求到服务全链路，接入多个系统，支持任务驱动开发、多源数据交换（文件/实时/库对库）及全流程管理，提升开发效率与系统迭代能力。

数据门户整合与可视化：构建统一数据访问渠道，覆盖2000+用户、200+机构，集成1200+报表，开发16张经营看板卡片及4类数字化大屏（含实时数据展示），实现“千人千面”个性化界面，提升数据服务便捷性与决策效率。

３.业务场景赋能成效显现

经营管理数字化升级：实时展示资产、负债、盈利等核心指标，支持机构排名与趋势分析，辅助管理层科学决策；报表中心统一管理全行报表，提升经营分析效率。

４.技术底座与架构优化

湖仓一体底座搭建：采用MPP数据库等技术构建湖仓一体架构，涵盖贴源数据区、实时数据区等多类数据存储模块，支持批量、实时数据处理，为智能数据中枢提供稳定底层支撑。

架构分层与应用扩展：数据架构分为接入层、全局共享层、服务层，为后续接入更多数据分析系统（如风控集市、管会集市）预留扩展空间，推动数据、科技、业务深度融合。

七、经验总结

智能数据中枢的建设遵循“统一数据、统一平台、统一治理、统一服务”的四大核心原则，通过系统化推进数据能力建设，构建高质量的数据资产体系，充分释放数据要素的价值，加速推动数据要素驱动的新质生产力发展，为全行数字化转型提供有力支撑。在系统建设和推广过程中，主要积累了以下关键经验：

1.加强数据治理：通过完善数据治理体系，强化数据质量管控，确保数据的准确性、一致性和完整性，为数据资产化奠定基础。

2.夯实数据底座：构建稳健的数据基础设施，整合多源异构数据，形成统一的数据资源池，为全行数据应用提供坚实支撑。

3.发挥数据驱动：以数据为核心驱动力，推动业务流程优化和创新，实现数据价值的高效转化，助力业务增长和管理提升。

4.加速数据运营：通过构建敏捷的数据运营机制，提升数据流通和共享效率，促进数据资产的快速变现和价值释放。

5.坚持创新引领：以技术创新为引领，持续探索智能数据中枢的前沿应用，推动“业技融合”，为数字化转型注入持续动力。

更多金融科技案例和金融数据智能优秀解决方案，请在数字金融创新知识服务平台-金科创新社案例库、选型库查看。