AI 前线导读： 中邮消费金融有限公司（以下简称“中邮消费金融”）是一家通过线上和线下场景相结合，为用户提供便捷的消费金融服务的持牌金融机构，目前服务客户达数千万。过去一段时间，我们一直在通过构建中台的方式解决传统金融核心系统产品存在的问题。
长期以来，传统的金融核心系统存在产品创新困难、难以适应多样化的额度体系和会计核算体系、无法提供 7*24 小时还款服务等问题，在中邮消费金融的金融核心账务系统的中台服务化过程中，通过构建灵活的额度架构和服务中心、基于产品建模工厂快速装配和创新金融产品的分布式账务核心、以及灵活适配多种核算规则的会计核算中心解决了上述问题。同时，基于业务中台沉淀的数据模型和大数据技术构建数据中台，通过决策中心拉通业务中台，实现了利用数据来驱动营销获客、风险控制和营运管理领域的创新。
一、重新理解中台
“大中台、小前台”是阿里巴巴在 2015 年时提出的企业架构战略转型的思路和概念，其灵感来源于芬兰的一家号称世界上最成功的移动游戏公司 Supercell，一家以小团队模式进行游戏开发的公司，团队自己决定做什么样的产品，然后以最快的时间推出产品公测，具备强大的业务快速迭代和试错能力，Supercell 的模式给阿里的高管们带来了很大的震撼，并决定在阿里巴巴集团内部开始组织架构转型，正式启动中台战略。
目前，中台已经成为各家企业 IT 架构转型的主流方法，传统的金融行业、新兴的互联网金融行业， 都在实施“大中台、小前台”的转型之道，“大中台”已经成为高度热门的话题。事实上，从计算机应用架构演进的发展史来看，“大中台”并不新鲜，只要能沉淀公共服务组件，实现业务组件的复用，支持前台快速组合和灵活调整，让新业务可以更低成本完成构建，就是一种中台架构。
中台架构的演进经历了传统的基于构件的软件开发方法时期，其代表包括 CORBA、DCOM 和 EJB，由于复杂度过高，没有被大规模运用；SOA 时期，通过 ESB 打通各单体系统，实现单体系统之间的互通和集成，但 ESB 的模式比较重，ESB 容易形成瓶颈，难以适应互联网化的发展；分布式微服务时期，真正实现了细粒度的服务重用，以及组织架构的优化。在《企业 IT 架构转型之道（阿里巴巴中台战略思想与架构实战）》一书中对中台的概念有如下诠释：
中台的概念来自于美军的作战策略。二战时以军为作战单位；越战时以营为作战单位；中东战争，以 7 人或 11 人的极小班排作战，它是至今全世界范围内最灵活的作战组织，也是核心竞争力和打击能力最强的组织。美军之所以敢派这么小的作战团队到前线作战，是因为有非常强的导弹指挥系统、有非常强的中后台能力，能支持这样的小团队进行快速判断，并且引领整个进攻完成。小规模作战团队具有协同效率高、把握战机敏锐、调整方向迅速等特点，也是目前各家企业开展 IT 系统建设所期望具备的能力。
中台的实质，是提炼共性需求，沉淀公共服务组件，实现业务组件的复用，支持前台快速组合和灵活调整，让新业务可以以更低的成本完成构建。
思考： 这样的中台加前端小团队的形式能真正实现业务的灵活迭代吗？中台和前端小团队之间似乎还缺了点什么，是不是还应该有一个指挥部？指挥部负责统一调度中台的力量，才能快速支持前端的作战，这个指挥部，就是目前很多企业在进行中台建设时很容易忽略的一层——应用层，或者服务编排、整合层。
从 2015 年开始，阿里巴巴的中台转型战略开始进入大家的视野，阿里的成功转型使得中台架构逐渐被大家所接受，越来越多的企业开始尝试中台转型，金融行业也逐渐参照中台的架构实施系统重构和转型。金融行业进行中台转型一般都会选择从外围系统、互联网端的业务系统开始进行服务化演进，账务核心的服务化和分布式改造难度较大，如何通过中台实现快速的产品创新是金融账务核心中台转型的难点之一。另外，在大数据技术发展迅猛的今天，金融行业的中台建设面临着数据中台应该如何建设，如何才能发挥数据的价值的问题，中台要能够实现数据驱动业务创新，实现业务和数据可复用、形成闭环，以产生更大的业务价值。
在本届ArchSummit 全球架构师峰会（北京站）现场，我将会介绍消费金融的中台建设和演进实践，在中台能够快速支撑业务迭代和创新的基础上，结合数据中台、决策中心的建设，实现数据驱动，逐步实现系统的自动化和智能化。
二、消费金融大中台服务化演进
消费金融行业的特点是面向 C 端用户为主，客群通常比大型银行下沉，信用风险较高，另外，近年来市场竞争激烈，监管政策变化较大，因此要求系统架构要足够灵活可靠，能够迅速调整、快速迭代。为了应对变幻莫测的市场环境，消费金融公司的系统架构通常会先经历单体系统架构为主的快速展业阶段，到大规模服务化拆分和分布式重构的敏捷灵活阶段。为了提升获客和用户运营能力，提供更优质的服务体验，提升核心竞争力，消费金融公司在敏捷灵活的基础上，需要通过大数据、人工智能等技术进入全面提升、数据驱动和智能化的阶段。
本次在 ArchSummit 全球架构师峰会（北京站）上的演讲，我将聚焦在敏捷灵活阶段已经构建了灵活的业务中台基础上，如何实现数据驱动业务创新？
在业务中台服务化的过程中，各业务领域的数据独立集中存储，数据标准程度和数据质量有所提升，沉淀出来的数据通过数据中台的处理能力，可以实现数据驱动业务创新，以及自动化、智能化运营。数据中台将大数据从传统的数据仓库后端模式转变为中台的一部分，通过大数据技术、流计算技术、机器学习等构建具有实时处理大规模运算能力的平台，搭建标签体系、风控和反欺诈体系、精准营销体系等，并且将数据能力服务化，为业务中台提供实时的数据服务，提升业务处理能力，具备数据驱动业务创新和迭代的条件。
数据中台基于大数据平台提供数据采集、大数据处理和计算能力，在统一主题层、统一指标层之上建立全域标签体系，按营销、风控、营运三大领域提供数据服务，通过决策中心拉通业务中台和数据中台，从而实现数据驱动；在业务中台层面，除了沉淀共享服务中心以外，还需要建立业务中台的统一运营中心，作为中台的“指挥部”，提供微服务编排和数据稽查，以及智能业务监控，实现快速应用构建。
三、消费金融账务核心系统服务化实践
消费金融的核心账务系统初期通常会采用成熟的银行核心系统，功能齐全，体系庞大，包含了客户管理、额度管理、会计核算、账务处理、征信报送、报表等功能，属于单体架构，通常运行非常稳定，但是灵活性差，产品研发周期长，无法适应互联网和市场的快速变化和发展。
单体架构的金融核心系统主要存在以下问题，需要通过服务化来解决：
1、用户数据不统一，各系统间的用户数据冗余存储，没有标准的用户视图，难以实现以用户为中心的业务运营；
2、 额度架构不灵活，不能适应各种差异和个性化需求，不能支持多层级、多维度的额度架构，缺乏人层额度预授信、调额等功能；
3、会计核算规则固化，适应多种合作方差异化核算规则难度大，数据存储分散，业绩统计困难，营销引流等成本无法通过系统核算。
4、最关键的账务处理方面，账号体量的快速膨胀，传统的金融核心系统账户体系难以支撑，批处理时间长。另外，金融产品配置不灵活，产品创新和迭代周期长，无法适应多样化的互联网环境。
基于以上业务痛点以及系统问题，我们需要按照用户、额度、核算、账务领域分别对核心账务系统进行服务化的拆分重构，逐步将核心系统功能解耦。以账务中心为例，将原有的账务核心计息结息等功能划分为产品建模管理模块、查询中心、第三方管理、贷款账务管理、账户中心、批量处理六大模块，对外通过账务中心前置系统提供服务，包括交易前置和文件处理前置，分别提供联机服务和文件批量服务。
实现产品的快速创新和迭代是核心账务服务化的最主要目标，消费金融的产品形态十分丰富，除了自营的多种产品以外，还需要支持大量第三方合作的产品，合作产品主要以第三方记账为准，产品的形态差异较大。为了实现灵活的产品创新和迭代，兼容各种产品的差异化，我们按照贷款的生命周期设计了产品规则建模器，实现产品的快速创新，峰会上我们将作详细介绍。
在批量处理方面，传统的金融核心系统日终以批量的形式执行，一方面批量操作数据库导致数据库负载增大，数据库形成热点，影响其他联机交易的性能；另一方面，批量无法多机并行处理，难以实现高可用，批量出错中断时断点续跑困难；另一方面由于批量计结息的过程当中账户余额会发生变动，为了避免数据出错，通常需要封锁账务类交易，系统不能提供连续服务。
因此，我们将日终批量服务化，将计息结息、形态转移等日终批量处理过程重构为微服务的方式，日终批量以微服务的方式调用联机计结息服务接口进行处理，实现日终批量的高并发、高可用和高可靠性，在此基础上，可以解决金融核心系统中难以支持 7*24 小时还款的问题。
四、全流程数据驱动及智能决策实践
数据中台是实现数据驱动的核心基础平台，数据中台的核心作用是基于大数据基础平台的数据收集、离线和在线计算能力实现统一的数据中心，包装离线和实时数据源，建立统一的主题层，形成统一的指标，并构建全域标签系统，提供面向应用、开放的数据出口，以及跨容器跨系统的数据服务中间件，进而实现数据化运营，包括业务增长、风险控制、业务营运指标闭环体系，以及数据模型开发闭环工具等。通过决策中心拉通数据中台和业务中台，实现数据服务植入业务中台，驱动业务中台和前端业务创新。
通过业务增长指标闭环体系，可以构建用户增长实验，通过行为分析和客户画像分析，抽离出可能造成用户流失的原因，并且输出多个解决方案，通过 A/B 测试组成多个实验数据组，对用户合理分流，通过实验对比监控解决方案的效果并找到最优解，形成数据服务闭环，加快产品迭代的速度，实现用户增长。
为了实现更加实时的响应，可以通过决策中心拉通数据中台的标签服务，在决策中心配置标签对应的页面元素和风格，在用户登录时，APP 应用访问决策中心，由决策中心获取数据中台的标签，从而预测用户的需求点，展示不同的页面。同样地，在用户申请过程中，也可以通过决策中心获取数据中台的用户标签，根据用户标签决定用户需要填写的字段，确保信息录入时的体验最优。
在风险控制方面，我们通过决策中心与数据中台的紧密结合，实现静态模型和动态模型的融合，其中静态模型由决策中心通过评分卡、决策树等方式由风险人员配置，动态模型由数据中台实现数据处理、特征工程、模型训练等计算环节，输出变量至决策中心的执行引擎，再由执行引擎向数据中台反馈模型的执行情况，快速实现模型迭代。在峰会演讲中，我们将详细介绍数据中台的架构，以及决策中心的实现。
五、总结
中台的本质：沉淀公共服务组件，实现业务组件的复用，支持前台快速组合和灵活调整，让新业务可以以更低的成本完成构建；
数据驱动的中台架构：业务中台和数据中台通过决策中心拉通，实现数据驱动前端界面个性化展示、全流程风控模型迭代、贷后催收智能化策略等；
金融核心账务系统服务化：灵活的产品建模工厂实现快速创新、日终批量联机服务化提升效率和健壮性、7*24 小时还款支持；
数据驱动的基础：数据中台，核心模块包含全域标签、BGS、BRS、BOS、DataIDE 拉通。
除此之外，“金融技术方向”专题还邀请到蚂蚁金服以及腾讯的专家分享他们的技术实践，详情可查看下图：
