科创中国

电子信息技术

简述项目建设背景和意义；项目建设目标（实施目的）和主要任务（达成目标）；不超过1000字； 在银行核心系统建设以及数字化转型等工作中，数字化经营、日常管理分析、营销服务、监管报送等业务场景，产出数十万数据项进行挖掘应用，建信金科根据各业务场景的数据使用进行总结提炼，形成具有业务使用价值的数据项清单，并从银行整体金融业务领域出发，基于业务流程挖掘业务对象，采用粒度建模方式对清单中的数据项进行去重建模，将数据项按业务领域、业务流程进行划分识别所属粒度的业务对象，并将相同业务对象的数据项挂接到同一个粒度的形成业务视角的金融数据模型，最后基于非功能需求进行物理化落地，确保数据使用时效。 金融数据模型的本质是银行活动的全面数据化，还原了银行金融各项活动路径，将金融活动链接资源和客户，并使活动数据化（包括结果、过程、行为和关系），从而支撑不同管理者视角的多维度分析，达成管理目标（包括营销、统计分析、监管报送等）。 金融数据模型准确地把握了数据中台模型与数仓模型的关键差异，合理选择最佳数据模型，以业务场景驱动，见效更快，使模型能够变化频繁。

简述通过基于技术方案的实施，项目所产生的社会价值或经济价值； 随着银行业务的快速发展和数字化转型需要，传统数据驱动的模型已无法满足需要，建立一套面向业务的金融数据模型，夯实数据应用的基础性工作可快速支撑业务需求落地，满足各业务视角场景的数字化需求。良好的数据建模设计与数据标准的制定才是实现数据共享，保证一致性、完整性与准确性的基础，有了这一基础，企业能通过信息系统应用深入，快速、准确实现基于数据的管理分析决策。 一、 数据整合模型使用业务语言描述数据中台的全域数据，包含数据仓库及数据集市的数据，方便业务人员和数据开发人员寻找数据、了解数据，保障各方对数据认知的一致性，提升数据复用性，避免重复加工建设，提升数据质量。 二、 数据整合模型涵盖了商业银行所有业务领域，覆盖了商业银行的主要应用场景，清晰地描述了数据如何产生、如何加工、如何应用。通过数据缺口比对，提前做好数据采集、数据加工，提升数据交付效率。通过数据应用场景借鉴，解决业务不知道用什么数、怎么用数的问题，加快应用场景创新。

建信金融科技有限责任公司于2018年4月18日在上海挂牌成立。作为国有大型商业银行中率先尝试内部科研力量整体市场化运作的金融科技子公司，建信金科传承建行三十余年科研能力积淀，践行建行“TOP+”金融科技战略蓝图，立足建行“新一代核心系统”基础，形成企业级、自主可控的“新金融操作系统”、数字化转型咨询服务和金融级云解决方案，以成为新金融科技生态体系建设引领者为战略愿景，致力于服务建行集团打造新金融生态，赋能金融行业高质量发展与高水平安全，让客户更精彩，让社会更美好，让金融科技尽其所能。