从运维视角谈理财系统建设 附理财产品推荐指导系统的研究与设计.docx

《从运维视角谈理财系统建设 附理财产品推荐指导系统的研究与设计.docx》由会员分享，可在线阅读，更多相关《从运维视角谈理财系统建设 附理财产品推荐指导系统的研究与设计.docx（7页珍藏版）》请在课桌文档上搜索。

1、【导读】商业银行理财产品素有品类多、信誉好、安全性高、流动性强等特 点，多年来深受广大客户的青睐。2018年4月随着“资管新规”的发布，银行理 财产品起售点由5万下调至1万，大大促进了银行资管理财业务的发展，更加激 发了客户购买理财产品的热情，部分明星热销产品，更是吸引了大量客户集中抢 购。传统理财业务系统集中式的IOE架构，缺乏灵活的水平扩展能力，面对大 规模、多渠道、高并发的业务场景时，系统容量支撑已无法适应未来理财业务的 发展需求。如何在资管理财业务蓬勃发展的当下，更好地助力资管理财业务发展, 满足新型业务需求的新一代理财系统建设迫在眉睫。传统理财系统面临的问题理财销售系统作为G行理财产

2、品销售平台于2003年上线。上线伊始，主要 承载基金代销业务，2007年新增行内理财销售业务模块。历年来虽经过多次优 化改造，但随着银行理财客户量的快速增长，以及资管理财业务的创新与发展， 传统理财销售系统受限于自身产品技术限制，仍停留在传统集中式架构，缺乏灵 活的水平扩展伸缩能力。特别在处理秒杀、促销等业务场景时，很难有效处理瞬 时爆发的海量客户交易请求，已无法适应未来理财业务的发展需求，主要问题总 结为以下4方面：1、架构陈旧，存在单点隐患，不支持横向扩展物理架构层，应用与数据库 部署在同一台物理主机，单点部署，不支持横向扩展，当出现软硬件故障或系统 升级均需要停止对外服务，严重影响业务连

3、续性。逻辑架构层，系统内部服务划 分为前台服务、中台服务、后台服务，重要业务处理全部集中在中台服务，交易 处理性能完全取决于单一服务处理效率和服务数量，大大制约应用处理性能。2、联机业务与非联机业务共享系统资源，存在资源争抢业务部门为促进理 财销售业绩，提高理财资金投资效率，总分行业务人员对实时流动性分析、实时 客户交易追踪、实时交易分析、未来流动性预测等业务报表统计实时性需求十分 迫切。但受限于联机业务与报表业务共享系统资源，为保障系统联机业务，只能 对总分行业务报表统计进行查询限流，在一定程度上制约了理财业务的开展。3、系统间批量交互多，路径长，处置窗口短传统客户理财交易模式采用日 间委托

4、，日终确认。即客户在购买理财时，仅受理客户委托交易，在系统闭市后， 将客户交易请求以文件形式发送理财注册登记系统。由理财注册登记系统日终批 量集中确认行内和行外代销商的客户交易请求，再以文件形式返回理财销售系 统，由理财销售系统更新客户交易状态、客户份额和资金清算，并将客户赎回和 分红款记录上传至核心业务系统。各系统间批量流程环环相扣，多次交互，耗时 较长，导致在业务量突增时系统批量运行窗口冗余度十分紧张。4、系统问题排查复杂度高，耗时长传统理财系统受限于产品设计机制，存 在私有交易码或交易前台流水号记录不全等问题，在系统间关联问题排查时，排 查复杂度高，耗时较长。以G行理财销售系统为例，理财

5、销售系统与外围系统 联机交易码采用X位编码规则（简称“外部交易码），应用系统内部业务处理采用 Y位交易码规则（简称“内部交易码）应用系统内部业务库表只记录内部交易码, 部分外部交易码与内部交易码之间存在一对多和多对一关系，不利于系统问题排 查和容量分析。新型理财系统的解决方案为快速适应理财业务发展，实现面向大资管的全行业渠道和客群，彻底解决 传统理财系统运维过程中发现的问题。2018年初，G行规划建立一套符合资管 新规的新一代财富管理平台系统，并于2019年1月成功上线。新一代财富管理平台主要从架构设计、逻辑拆分、业务融合、非功能需求四个方面进行重点优化 升级。1、架构优化，支持横向扩展，提升

6、系统处理能力新系统从业务功能上划分 为交易子系统、产品管理子系统、准实时查询子系统。交易子系统负责受理各渠 道发起的交易请求和确认，以及日终资金清算等功能。产品管理子系统负责理财 产品的创设、维护、发布等。准实时查询子系统负责客户交易数据的准实时查询 和业务资金报表统计等。在系统架构部署方面,应用服务采用多机负载均衡架构, 增强系统交易并发处理能力，同时应用发布支持热更新热部署，数据库服务器引 入RAC部署模式，提高系统可用性，减少单点故障对系统业务可用性的影响， 同时提升系统故障恢复能力。其次将产品额度信息加载到redis缓存数据库，减 少高频交易对数据库资源的访问，提升系统交易响应率。新一

7、代财富管理平台行内i ATUVTVM( J产品管理子系统准实时?子系2、交易库与报表库分离，降低系统资源争抢数据库按业务功能划分为交易 库、产品库、归集库。交易库可根据销售商、容量需求划分多个交易库，主要存 储客户信息、交易数据、业务批处理信息等。产品库存储产品创设、运营管理、 系统批量任务配置等信息。归集库负责同步交易库联机交易表，并汇总各交易库 交易信息、业务报表等统计数据，此种部署方式可有效解决业务人员准实时报表 查询对系统联机和批量业务的资源争抢问题。3、理财销售与登记确认业务融合，减少批量处理路径将理财销售和登记确 认相融合，全面支持交易实时处理，减少系统间多次文件交互，降低系统间批

8、量 关联耦合性，提升系统批量处理效率。同时将客户理财到期资金和分红下发由定 时批量文件处理方式改为联机批量处理，大幅前移客户资金到账时间，提升客户 交易体验的同时，又增大了系统批量运行窗口时长。4、非功能需求前移，降低问题排查复杂度在新系统建设初期，运维人员全 面参与系统建设，提出标准化的非功能需求，为后期降低系统维护成本，提高系 统故障处置效率打下坚实基础。例如统一系统间交易码规则，制定标准化的操作 流水表，记录客户交易渠道、交易码、交易开始时间、交易结束时间、前台流水 号、交易状态等信息，方便后续运维数据分析和问题排查。后续理财系统建设的思考伴随“资管新规发布，面对客户体量大、销售门槛低、

9、单笔交易金额小、业 务处理量大、实时性要求高的理财业务，采用传统的IOE架构成本高、扩展性 弱，难以低成本的应对海量的理财业务需求。与传统IOE架构形成鲜明对比的 分布式架构已经逐步发展成熟，并且在互联网大型应用服务场景中获得充分验 证。为适应未来理财业务的发展，各家银行也在积极探索、研究分布式架构在银 行业务中的应用。结合理财业务发展趋势和分布式架构的适用场景，G行新一代 财富管理平台二期项目建设将首次尝试分布式架构部署，以应对未来海量的客户 需求。从前期的产品调研和非功能测试结果分析，系统的扩展性和处理性能均大 幅提升。但由于同业间分布式架构应用案例较少，后续开发和运维过程中还将面 临不小

10、的挑战。在此，希望通过本文，能够与各位同业专家，加强在理财系统分 布式技术应用方面的经验交流和知识分享。理财产品推荐指导系统的研究与设计摘要：随着Intemet和银行理财业务的快速发展，信息技术在银行理财业务 中被广泛应用。针对银行理财交易信息存量的不断增长，以及传统营销中存在的 人为疏漏所导致的非必要错误的情况，提出适用于理财客户的RFM模型结合信 息技术对理财营销人员进行系统化管理，实现理财产品推荐指导系统的设计，从 而实现人力资源集中整合管理，并高效指导营销人员对客户进行有针对性推荐服 务的目的。关键词：信息技术；RFM模型；推荐指导Abstract： With the rapid de

11、velopment of Internet and bank wealth management services, information technology has been widely used in banking wealth management services. In view of the growth of bank financial transaction information stock and the non-essential error caused by the human omission in traditional marketing. Combi

12、ning information technology with the management of financial marketing personnel, the RFM model is presented. The design of financial product recommendation guidance system is realized. The purpose of the integrated management of human resources and the effective guidance of marketing personnel for

13、the targeted recommendation of customers is realizedKey words： information technology； RFM model； recommended guidance 背景我阈银行业的理财业务营销多为手工方式，操作环节多、流程长，经常因人 为因素导致不必要的疏漏，不仅浪费人力物力增加运营成本，还无法利用现有的 信息对客户进行准确有针对性的理财营销，使得很多客户无法保持活跃。同时因 日益发展的银行理财，增加的理财客户对理财交易量的递增，使得银行留存大量 的客户交易信息1。如何运用现有的数据对客户进行分析研究，并且通过分析 结果

14、对营销管理进行高效的管理，将量的递增转变为质的提升是银行理财对客户 营销的一大考验。信息技术的发展对银行业中客户营销服务质量的提升有极大的 帮助作用2。针对当前发展形势和银行业理财业务营销的缺陷，建立营销人员管理及产品 推荐指导的综合系统，不仅可以减少业务中的疏漏，还可以高效地对营销服务进 行跟踪，同时利用大数据分析技术对大量的信息进行整合处理，结合交易信息分 析出客户行为，从而达到对客户细分的目的。这样既可以减少运营成本，同时又 能提升客户服务的质量。2相关理论及技术2.1 理财客户细分中的RFM模型虽然RFM模型是客户细分的常用的方法，但是RFM的指标还需要根据具 体情况进行优化改进，以便

15、于适用银行理财客户的交易信息分析3。如果按照 传统RFM指标，仅以客户最后一个交易距离测试时间点的间隔天数进行统计， 那么无法对银行理财客户的交易时间跨度进行分析，也无法区分新老客户；如果 某客户在一定时期内频繁对开放式理财产品进行赎回再购买交易，交易频次将会 是一个很大的数，无法准确分析出客户的细分频度标准，同时由于投资金额是累 加值，在此情况下将会非常的大，明显不合理。所以银行理财客户细分中的RFM 模型无法适用传统RFM指标。为此，本文提出了对封闭式理财产品交易信息的 客户季度平均投资来考虑的理财客户细分的RFM模型，传统的RFM指标和理 财客户细分中的RFM指标对比如表1所示。2.2

16、相关技术系统主要采用SSHM技术，应用Struts+ Spring+ Hibernate三层体系架构， 结合Maven技术对项目jar包的版本进行统一管理并进行开发，这使得开发人员 可以清晰系统结构，并具有可复用性的优点，也使得运维人员从层次架构上可以 更清晰的理解减少运维成本45。系统利用Spark On Yarn大数据平台对客户交 易数据进行聚类分析,其中利用Sqoop数据同步传输技术进行关系型数据库与文件系统之间的数据互通6-8。系统应用上述开发架构和技术手段不仅实现了对应用层，业务逻辑层和数据 访问层的清晰化层次结构管理，同时还有效分离了数据持久层与逻辑层。与此同 时利用先进的大数据平

17、台加强了系统的运营效率，并减少了时间和空间成本，大 大提高了开发效率，使得系统的实现及后期对系统的运维变得简单高效。3理财产品推荐指导系统3.1 设计目的根据用户实际的业务流程和功能需求确定系统的整体架构由两大部分组成， 一方面是理财产品营销指导管理，其中包括系统管理、客户管理、风险管理、运 营管理和营销人员管理等功能。另一部分是数据分析推荐指导，其中包括理财产 品营销指导推荐管理功能，利用对改进的RFM模型分析并结合数据挖掘技术， 分析客户交易数据中隐含的信息，跟踪顾客的购买趋势，划分客户群体，为企业 经营提供决策性支持。实现理财产品营销指导中指导营销人员及数据信息管理的 整个过程，严格遵照

18、中国银监会印发商业银行理财产品销售管理办法的相关 条例，确保业内行为规范，保证客户信息安全。3.2 系统总体分析与设计通过对适合封闭式理财客户的RFM客户细分模型在系统内的建模，在 Oracle关系型数据库对模型所需数据进行处理。编写Linux脚本语言将OraCle 关系型数据库和HDFS分布式文件系统用Sqoop数据传输技术进行相互数据传 输。并利用SParkc）n Yarn平台结合K-means数据挖掘技术，对标准模型数据进 行封闭式理财产品的客户交易数据的RFM客户细分的聚类分析，挖掘有价值的 关联信息。最终对适合理财客户的RFM客户细分模型的结果进行解释，为传统 银行业带来更多潜在于客

19、户交易行为中的推荐指导机会。根据系统的业务需求， 对该系统进行总体分析，并设计出理财产品推荐指导系统的结构图，如图1所示。3.3 系统功能模块设计根据系统的需求分析与设计目的，可将理财产品推荐指导系统划分为以下六 个主要功能管理模块。主要功能管理模块包括：系统管理模块、客户管理模块、 风险管理模块、营销人员管理模块、营销推荐指导管理模块和运营管理模块。系 统功能管理模块示意图如图2所示。根据需求分析并结合实际的业务需求，将主要功能管理模块再进一步进行子 功能模块划分。3.3.1 系统管理模块系统管理模块：包括三部分的功能管理子模块，系统参数管理、用户管理和 系统操作管理。分别对系统内所需参数、

20、操作用户和系统操作信息进行系统化统 一管理。系统管理模块由科技管理人员负责进行配置维护，主要系统管理模块的 操作流程如图3所示。1）系统参数管理模块，包括机构管理、系统参数设置和数据字典管理三个 主要功能。2）用户管理模块，包括用户信息管理，角色菜单管理和在线用户管理三个 主要功能。3）系统操作管理子模块，包括操作日志管理和公告信息管理两个主要功能。3.3.2 运营管理模块运营管理模块：主要是通过批量信息管理子模块对前台系统和后台批量进行 操作和信息交互。运营管理模块由科技管理人员负责进行配置维护，操作流程如图4所示，其 中特别标明了模型数据处理的内部信息流程，以便获取主要的模型内部信息用以

21、查询展示。3.3.3 风险管理模块风险管理模块：主要通过风险管理子模块对风险评估信息进行统一管理维 护。风险管理模块由营销管理人员负责进行风险评估题目相关信息的配置维护， 主要风险管理模块操作流程如图5所示。3.3.4 客户管理模块客户管理模块：包括两个功能管理子模块，理财客户信息管理和风险承受能 力管理。通过对客户的相关信息查询及风险承受能力的管理进一步完善营销推荐 指导系统的功能。客户管理模块由营销人员负责进行客户信息查询，对客户进行 风险承受能力评估及相关评估信息查询，主要客户管理模块的操作流程如图6 所示。1）理财客户信息管理模块，包括客户资料查询和签约账号查询两个主要功 能。2）风险

22、承受能力管理模块，包括风险评估流水查询，客户风险等级查询， 风险承受能力评估三个主要功能。3.3.5 营销人员管理模块营销人员管理模块，包括三个功能管理子模块，基本信息管理、客户归属管 理、违规投诉信息管理。通过对营销人员相关信息录入操作，以便达到对营销人 员的规范化具体管理的目的。营销人员管理模块主要由营销管理人员负责对客户 归属、营销人员基本信息、培训信息进行变更和查询，同时包括对违规和投诉记 录进行录入处理；营销人员可对违规和投诉信息处理意见进行查询。营销人员管 理模块的操作流程如图7所示。1）基本信息管理模块，包括营销人员信息管理和培训信息管理两个主要功 能。2）客户归属管理模块，包括

23、客户归属变更和客户归属批量变更两个主要功 能。3）违规投诉信息管理模块，包括违规信息管理和投诉信息管理两个主要功 能。336营销推荐指导管理模块营销推荐指导管理模块，包括五个功能管理子模块，理财产品信息管理、营 销管理、RFM数据管理、客户分级信息管理和客户交易信息管理。通过对客户 交易信息进行改进的RFM模型构建以便达到客户细分模型建立，进而有效的指 导产品营销推荐的目的。营销推荐指导管理模块由营销管理人员根据模型构建后产生的相关信息对 营销人员进行营销指导，同时可根据客户聚类分级信息对客户分级信息进行了 解，从而更好地指定营销活动计划；营销人员可按照操作顺序对客户详细交易信 息、RFM汇总

24、交易信息、客户聚类分级信息进行查询，同时可以根据客户需求 输入客户编号为客户推荐适合产品或查询不适合产品。营销推荐指导管理模块的 操作流程如图8所示。1）理财产品信息管理模块，主要通过产品信息查询功能对在售或者已销售 的理财产品进行综合查询与条件筛查的功能。2）营销管理模块，包括营销活动管理和营销日志管理两个主要功能。3.3.6 RFM数据管理模块，包括RFM分析评分信息、近度基准分值查询、步真 度基准分值查询和值度基准分值查询四个主要功能信息。4)客户交易信息管理模块，包括RFM汇总信息查询和客户详细交易信息 查询两个主要功能。5)客户分级信息管理模块，包括客户聚类信息查询和产品推荐指导查询

25、两 个主要功能，对客户分级后的信息进行推荐指导。理财产品推荐指导查询界面如图9所示。当RFM模型建立后营销人员可以通过在产品推荐指导查询中的输入客户的 编号并选择赌赢的适合或者不适合的理财产品对客户进行营销推荐。具体产品推 荐流程图如图10所示。根据客户分级信息可以对对应聚类内的客户进行有针对性的营销推荐指导 并结合其风险等级进行合理的产品推荐，以便达到营销指导的目的。具体系统内 客户聚类分级信息展示如图H所示。4结束语根据客户细分在银行理财产品推荐指导的发展现状，同时还借鉴理财产品推 荐指导系统在实践中存在的问题，并结合真实项目需求，利用现代化技术来进一 步完善系统，从而设计出基于客户交易行

26、为细分的，适合于银行理财产品推荐指 导所需的系统，为此来提高人员管理质量，并可以有效增强客户评价体系，还可 以进一步提升客户对营销人员推荐的服务体验。卷进一步提升银行营销服务水 平，以及挖掘客户潜在能力作出了重要的贡献。参考文献：1林萌菲，张德鹏，薛东飞.感知风险与利益对顾客忠诚的影响以 银行理财顾客为例J.企业经济，2017 (5)： 86-93.12涂永红，黄健洋，刘娜.以客户为导向的商业银行信息管理研究J.现 代管理科学，2017 (1)： 3-5.引吴晓雪.基于RFM改进模型的互联网金融平台用户细分研究D.北京： 北京交通大学，2016.14董袁泉.基于MVC模式的StrUtS框架研究

27、与应用J.电脑编程技巧与维 护，2010 (22)： 25-26.5朱妙.基于SSH框架的银行内部办公自动化系统设计与开发D.长沙： 湖南大学，2016.16岑凯伦，于红岩，杨腾霄.大数据下基于Spark的电商实时推荐系统 的设计与实现J.现代计算机，2016 (24)： 61-69.3.3.7 Huang W, Meng L, Zhang D, et al. In-Memory Parallel Processing of Massive Remotely Sensed Data Using an Apache Spark on Hadoop YARN ModelJ. IEEE Journal of Selected Topics in Applied Earth Observations & Remote Sensing, 2017, 10 (1)： 3-1918于金良，朱志祥，梁小江. 一种基于Sqoop的数据交换系统J.物联 网技术，2016, 6 (3)： 35-37.9王强.基于CRM数据系统对电信客户细分的模型设计与实现D.成都： 电子科技大学，2011.10李斌.CMMl软件过程的低成本化研究与实践D.成都：电子科技， 2006.