為促進(jìn)金融企業(yè)數據管理和數據平臺智能化轉型，金科創(chuàng )新社主辦了“鑫智獎·第七屆金融數據智能優(yōu)秀解決方案評選”活動(dòng)。其中，乘云數字DataBuff平臺斬獲 “專(zhuān)家推薦TOP10優(yōu)秀解決方案” 獎項，彰顯了乘云數字在金融科技領(lǐng)域的創(chuàng )新實(shí)力。
圖：鑫智獎-專(zhuān)家推薦TOP10優(yōu)秀解決方案
“鑫智獎”作為金融數據智能領(lǐng)域的重要獎項，已連續舉辦七屆，致力于挖掘并推廣金融科技與數據智能深度融合的優(yōu)秀成果，彰顯數據智能在金融場(chǎng)景中的落地成效和未來(lái)潛力。2025年評選活動(dòng)共計收到來(lái)自70家企業(yè)的99個(gè)方案參評，經(jīng)過(guò)27位專(zhuān)家評審與答辯打分，評選出專(zhuān)家推薦TOP10優(yōu)秀解決方案。乘云數字此次獲獎的“專(zhuān)家推薦TOP10優(yōu)秀解決方案”，圍繞國內銀行新一代核心系統的復雜性面臨的全新運行穩定性挑戰，在快速的發(fā)現問(wèn)題、定位問(wèn)題、處理問(wèn)題及大模型新技術(shù)的應用等方面展現出專(zhuān)業(yè)、系統的技術(shù)優(yōu)勢，獲得專(zhuān)家組高度認可。
“通過(guò)DataBuff平臺，實(shí)現全棧監控與診斷。利用預測性AI和因果性AI技術(shù)，提前發(fā)現異常并精準定位故障，大幅降低故障率和處理時(shí)間。同時(shí)，自研存儲引擎有效降低成本并提升性能，助力降本增效。”
——吉林銀行首席信息官鄒幫山
“在數字化轉型的推動(dòng)下，銀行等金融機構紛紛轉向微服務(wù)、云原生技術(shù)體系，新一代核心系統面臨系統交易鏈路復雜、業(yè)務(wù)連續性保障壓力大、運維數據存儲成本高等痛點(diǎn)。該方案融合因果性AI和生成式AI的預測和定位能力，提升故障定位的準確率和覆蓋度；通過(guò)完全自研的時(shí)序與鏈路數據存儲引擎，實(shí)現降本提效。有效解決基于云原生技術(shù)平臺監控運維工作中的痛點(diǎn)。”
——國新國證基金首席信息官趙天智
一、解決方案概要
銀行新一代核心的復雜性帶來(lái)了全新的運行穩定性挑戰，傳統監控技術(shù)面臨嚴重瓶頸。DataBuff一體化觀(guān)測平臺，通過(guò)創(chuàng )新的方式將“業(yè)務(wù)觀(guān)測”、“因果AI”、“生成式AI” 三大領(lǐng)先技術(shù)深度融合，幫助銀行全面解決新一代核心系統的運行穩定性問(wèn)題。該平臺能夠深度感知新一代核心的業(yè)務(wù)運行狀態(tài)，全面梳理消費者的業(yè)務(wù)旅程，構建“以業(yè)務(wù)為中心”的新一代監控管理體系，提供端到端的交易級鏈路追蹤能力，快速發(fā)現問(wèn)題、定位問(wèn)題、處理問(wèn)題，實(shí)現故障定位的一鍵直達。
二、銀行新核心的特點(diǎn)和運維難點(diǎn)
隨著(zhù)新一代核心在銀行業(yè)的廣泛普及，業(yè)務(wù)系統的技術(shù)架構正在經(jīng)歷著(zhù)新舊交替。IT 系統在系統架構、開(kāi)發(fā)方式、部署方式、運行環(huán)境等方面經(jīng)歷了多次技術(shù)變革。系統架構方面，經(jīng)歷了從整體式、分層式、分布式到云原生的變化；開(kāi)發(fā)方式方面，經(jīng)歷了從瀑布模式、螺旋模式、敏捷模式到DevOps 的變遷；部署方式方面，由物理機、虛擬機、容器化到 Serverless；運行環(huán)境方面，由自建機房、托管機房、私有云、公共云到混合云。新核心系統要應對高并發(fā)交易處理的壓力，任何微小的故障都可能引發(fā)連鎖反應，導致業(yè)務(wù)中斷、客戶(hù)流失，甚至損害銀行的聲譽(yù)。
新一代核心系統具備業(yè)務(wù)高并發(fā)處理、系統彈性部署、IT自主可控等特點(diǎn)，這也為運維部門(mén)帶來(lái)了新的挑戰。為保障該系統的穩定運行，需要滿(mǎn)足極高的技術(shù)要求，具體表現在以下幾個(gè)方面：
新核心系統交易鏈路復雜
經(jīng)過(guò)微服務(wù)化的新核心系統服務(wù)調用鏈復雜，跨節點(diǎn)、跨集群?jiǎn)?wèn)題難以追蹤，故障排查依賴(lài)人工“逐層猜斷”。 如信貸申請和審批業(yè)務(wù)流程復雜，會(huì )涉及多個(gè)服務(wù)協(xié)作，服務(wù)間通信頻繁，故障排查具有很大難度。
業(yè)務(wù)連續性保障壓力大
7×24小時(shí)在線(xiàn)服務(wù)要求故障分鐘級響應。支付系統要求高可用性和低延遲，在高并發(fā)情況下可能面臨資源爭奪和響應時(shí)間延長(cháng)等問(wèn)題。
機器數據存儲成本高、價(jià)值密度低
云原生場(chǎng)景下，日志、指標、鏈路等機器數據量大且分散，缺乏關(guān)聯(lián)分析，無(wú)法快速支撐核心業(yè)務(wù)問(wèn)題優(yōu)化決策。運維數據噪音大，有效告警識別率低。
目前銀行迫切需要一套擁有創(chuàng )新技術(shù)和獨特優(yōu)勢的解決方案，方案須具備對新核心系統全維度的觀(guān)測、智能化的診斷和多平臺協(xié)同的能力，能夠滿(mǎn)足銀行的新核心系統監控管理需求。銀行迫切需要實(shí)現從“被動(dòng)應對”到“主動(dòng)預防”的轉變，從而更高效地推動(dòng)業(yè)務(wù)發(fā)展，滿(mǎn)足未來(lái)更復雜的運營(yíng)需求。
三、解決方案介紹
乘云數字 DataBuff 是一款業(yè)界領(lǐng)先的可觀(guān)測性技術(shù)平臺，采用業(yè)界最新水平的設計理念，只需在主機上安裝一個(gè)Agent，即可實(shí)現所有軟件堆棧的監控與診斷。其核心優(yōu)勢在于自動(dòng)化和智能化，能夠實(shí)時(shí)監控并分析復雜應用環(huán)境中的性能問(wèn)題，快速定位故障根因。
部署架構主要包括：
OneAgent 一體化探針：自動(dòng)部署在每臺主機上，負責數據采集和傳輸；
DataHub 遙測數據管道：開(kāi)放接入外部各種類(lèi)型的監控工具，各種類(lèi)型的監控數據，實(shí)現遙測數據的可視化編排治理；
OneCenter 一體化平臺：云端或本地部署，負責數據處理、存儲和分析。
圖：解決方案整體能力架構
DataBuff 新核心業(yè)務(wù)觀(guān)測與故障定位解決方案主要包括三個(gè)方面的功能：基于業(yè)務(wù)觀(guān)測的用戶(hù)旅程分析、基于因果AI的故障定位能力、基于生成式AI的運維自動(dòng)化能力，以下展開(kāi)詳細說(shuō)明：
3.1.基于業(yè)務(wù)觀(guān)測的用戶(hù)旅程分析
業(yè)務(wù)觀(guān)測(Business Observability)：面向銀行核心交易系統的業(yè)務(wù)級、用戶(hù)級旅程分析，通過(guò)整合技術(shù)性能數據與業(yè)務(wù)指標，幫助銀行實(shí)現從“代碼級故障定位” 到 “業(yè)務(wù)級影響評估” 的全鏈路洞察。其核心價(jià)值在于將系統可用性、交易效率等IT指標與客戶(hù)體驗、營(yíng)收轉化等業(yè)務(wù)目標深度關(guān)聯(lián)，為技術(shù)運維與業(yè)務(wù)決策提供統一數據支撐。
圖：業(yè)務(wù)地圖
可觀(guān)測性能力建設的一個(gè)關(guān)鍵性效益就是對業(yè)務(wù)支撐能力的提升。重點(diǎn)關(guān)注業(yè)務(wù)指標的提升是為保證企業(yè)在市場(chǎng)競爭中的領(lǐng)先地位，確?？蛻?hù)滿(mǎn)意度和市場(chǎng)份額的增長(cháng)，以及推動(dòng)持續的業(yè)務(wù)改進(jìn)和創(chuàng )新。領(lǐng)導者通過(guò)關(guān)注這些關(guān)鍵指標，能夠有效地制定戰略方向、作出數據驅動(dòng)的決策，并激勵團隊實(shí)現共同的業(yè)務(wù)目標，從而確保企業(yè)的長(cháng)期成功和可持續發(fā)展。在銀行核心交易系統場(chǎng)景中，業(yè)務(wù)觀(guān)測的主要功能包括：
1）業(yè)務(wù)KPI指標監控，動(dòng)態(tài)追蹤核心交易指標（如每秒交易量、成功率、響應時(shí)間），通過(guò)可視化儀表盤(pán)實(shí)時(shí)監控支付、清算等關(guān)鍵業(yè)務(wù)流狀態(tài)，異常時(shí)觸發(fā)告警（如交易量驟降50%），保障高并發(fā)場(chǎng)景下的業(yè)務(wù)連續性。
2）端到端交易鏈路透視，基于代碼級全鏈路追蹤，還原跨系統交易路徑（如客戶(hù)發(fā)起轉賬→風(fēng)控校驗→核心記賬→清算系統），精準定位業(yè)務(wù)瓶頸（如風(fēng)控規則引擎延遲或數據庫鎖爭用），加速故障修復，避免交易積壓。
3）轉化率漏斗分析，分析業(yè)務(wù)流程中用戶(hù)轉化漏斗（如開(kāi)戶(hù)、貸款申請），識別關(guān)鍵環(huán)節流失原因。定位業(yè)務(wù)流程中的流失點(diǎn)（如實(shí)名認證步驟失敗率超30%），優(yōu)化身份驗證邏輯。對比不同渠道（APP/網(wǎng)頁(yè)）的轉化率，指導資源傾斜與體驗優(yōu)化。
4）用戶(hù)體驗與業(yè)務(wù)關(guān)聯(lián)分析，將用戶(hù)行為（如手機銀行APP支付失敗率激增）與后端系統性能（如微服務(wù)超時(shí)、第三方接口異常）深度關(guān)聯(lián)，識別客戶(hù)流失的技術(shù)誘因（如身份驗證服務(wù)響應慢），針對性?xún)?yōu)化業(yè)務(wù)流程。
3.2.基于因果AI的故障定位能力
因果AI（Causal AI）：是通過(guò)構建動(dòng)態(tài)因果關(guān)系拓撲，將銀行核心交易系統中的上層異常（如交易延遲、失?。┡c底層根因（如代碼缺陷、資源瓶頸）自動(dòng)關(guān)聯(lián)，實(shí)現無(wú)需人工干預的精準問(wèn)題診斷。其核心邏輯是結合實(shí)時(shí)監控數據（指標、日志、拓撲）與歷史模式，推理出故障傳播路徑，例如從數據庫慢查詢(xún)追溯到微服務(wù)調用鏈異常，并進(jìn)一步評估對業(yè)務(wù)指標（如VIP客戶(hù)交易成功率）的影響。
圖：因果AI的類(lèi)比圖（人體系統的暈厥 vs IT系統的業(yè)務(wù)異常）
在銀行新一代核心交易系統中，因果性CausalAI 故障推理準確率高。能夠將通常的小時(shí)級問(wèn)題排查降低到分鐘級故障定位，實(shí)現1分鐘發(fā)現問(wèn)題、3分鐘定位問(wèn)題。能夠自動(dòng)識別和數字化映射新核心系統所在的整個(gè)IT環(huán)境，包括業(yè)務(wù)系統、服務(wù)、容器進(jìn)程、基礎設施等。通過(guò)三維空間拓撲，自動(dòng)分析整個(gè)核心系統各個(gè)組件之間的交互依賴(lài)以及影響關(guān)系，結合核心系統故障場(chǎng)景知識圖譜的AI推理能力，該方案精準定位影響核心系統業(yè)務(wù)性能的問(wèn)題根源。
因果AI通過(guò)動(dòng)態(tài)構建因果關(guān)系圖譜，自動(dòng)關(guān)聯(lián)交易異常（如延遲、失?。┡c底層根因（如數據庫鎖競爭、微服務(wù)調用鏈超時(shí)、第三方接口故障），實(shí)現秒級精準定位問(wèn)題。其功能涵蓋：
1）智能根因診斷，無(wú)需人工排查即可追溯至代碼方法或資源瓶頸（如CPU過(guò)載）；
2）業(yè)務(wù)影響量化，評估交易中斷對高價(jià)值業(yè)務(wù)（如大額轉賬、實(shí)時(shí)清算）的損失，優(yōu)先修復關(guān)鍵節點(diǎn)；
3）預測性風(fēng)險預警，基于歷史數據預判交易洪峰（如月末結算）或容量瓶頸，觸發(fā)擴容預案；
4）合規輔助，自動(dòng)生成故障與業(yè)務(wù)指標的關(guān)聯(lián)報告，滿(mǎn)足金融監管對交易可追溯性及SLA合規審計的要求，保障系統高可用與業(yè)務(wù)連續性。
圖：因果AI給出的故障定位結果展示
3.3.基于生成式AI的運維自動(dòng)化效率提升
生成式AI(Generative AI) 是基于DeepSeek 大語(yǔ)言模型的運維智能輔助引擎，專(zhuān)注于將復雜技術(shù)數據轉化為可操作的業(yè)務(wù)洞察，并自動(dòng)化生成解決方案。在銀行核心交易系統中，它通過(guò)自然語(yǔ)言交互與自動(dòng)化能力，幫助技術(shù)、運維及業(yè)務(wù)團隊快速理解系統問(wèn)題并驅動(dòng)決策，降低跨部門(mén)協(xié)作門(mén)檻。
圖：基于DeepSeek的自然語(yǔ)言故障診斷
在銀行新一代核心交易系統中，DataBuff 生成式AI基于自然語(yǔ)言交互與自進(jìn)化能力，提供多維度智能支持：
自然語(yǔ)言查詢(xún)：業(yè)務(wù)或運維人員可直接提問(wèn)（如“為何大額轉賬延遲？”），無(wú)需專(zhuān)業(yè)語(yǔ)法即可獲取根因分析；
自然語(yǔ)言可視化：自動(dòng)生成交易成功率趨勢、鏈路拓撲等圖表，直觀(guān)呈現問(wèn)題影響范圍；
自然語(yǔ)言診斷：將技術(shù)異常（如接口超時(shí)、風(fēng)控規則攔截）轉化為業(yè)務(wù)描述（例“支付失敗因第三方認證超時(shí)”），降低跨團隊溝通成本；
自進(jìn)化知識庫：持續學(xué)習歷史故障與處置方案，提升對新型問(wèn)題（如云原生資源爭用）的診斷準確性；
自動(dòng)化處置建議：結合上下文推薦修復動(dòng)作（如調整數據庫連接池、優(yōu)化微服務(wù)超時(shí)配置），加速故障恢復。通過(guò)上述能力，該AI驅動(dòng)技術(shù)數據向業(yè)務(wù)決策的高效轉化，保障核心交易高可用與合規性。
圖：基于DeepSeek的指標異常問(wèn)題分析
四、解決方案亮點(diǎn)
在銀行新一代核心交易系統中，DataBuff 平臺的核心亮點(diǎn)可概括為以下四方面：
4.1. 故障排查效率提升
通過(guò)全棧式代碼級監控與因果AI，實(shí)現分鐘級根因定位，將平均故障修復時(shí)間（MTTR）從小時(shí)級縮短至分鐘級，避免人工逐層排查的低效問(wèn)題。
4.2. 業(yè)務(wù)轉化率與用戶(hù)體驗優(yōu)化
基于端到端用戶(hù)旅程追蹤，分析交易鏈路中高流失環(huán)節，針對性?xún)?yōu)化關(guān)鍵路徑。同時(shí)，結合業(yè)務(wù)指標與性能數據，量化用戶(hù)體驗對營(yíng)收的影響，推動(dòng)轉化率提升10%-20%。
4.3. 數據接入開(kāi)放性
支持多源異構數據無(wú)縫集成，包括日志、指標、業(yè)務(wù)事件。通過(guò)DataHub 可視化編排靈活定義數據清洗、富化規則，將第三方系統數據統一納入分析，打破數據孤島，增強全局洞察力。
4.4. 高效數據庫技術(shù)與降本增效
底層采用完全自研的時(shí)序數據庫MoreDB與全量鏈路存儲TracingX，實(shí)現海量交易數據（PB級）的高效存儲與實(shí)時(shí)聚合查詢(xún)，成本較傳統關(guān)系型數據庫降低50%+。同時(shí)，自動(dòng)數據生命周期管理按策略歸檔非熱數據，減少冗余存儲開(kāi)銷(xiāo)，支撐高并發(fā)場(chǎng)景的穩定分析與審計回溯。
DataBuff 通過(guò)上述能力，為銀行新核心系統提供從故障診斷、業(yè)務(wù)價(jià)值挖掘到資源優(yōu)化的閉環(huán)支撐，成為數字化轉型的核心引擎。此次獲獎是對乘云數字在金融領(lǐng)域科技創(chuàng )新成果的肯定。未來(lái)，乘云數字將繼續秉承創(chuàng )新驅動(dòng)發(fā)展的理念，深化金融科技應用，推動(dòng)數字化轉型向更高水平邁進(jìn)，為金融行業(yè)的數字化轉型貢獻力量。
評論