业务背景分析
资管行业企业通过外部采购、自建、合作开发等多种方式构建了自身的信息系统生态体系，实现了TA、直销、CRM、客服、投资交易、估值、产品管理、投资研究、风控、信用评级、财务、OA等多个业务系统，有效支撑着企业各项业务活动和工作。但由于业务需求、建设优先级在逐步变化，同时信息技术也在不断发展，因此各个业务系统均是在公司的发展不同阶段、为了不同的业务目标建设而成。这必然导致系统建设相对独立，在系统不断的运行︽过程中，形成数据孤岛，而由于这些数据孤岛的存在，就必然会导致产品、客户、账户、交易和财务等企业数据缺乏一致性和完整性，导致数据获取复杂，这些因素共同导致了数据应用的困难，难以充分利用信息数据的价值，无法发挥数据对业务与管理、决策的支撑作用。
从业务层面看，随着大资管行业业务的不断发展以及业务的不断多样化①，业务部门需要手工编写的各类工作也成倍增加，业务数据本身的问题已经影响到业务的开展，并埋下了业务差错的隐患。从技术层面看，以整合数据、应用数据为目的的数据仓库平台技术近年来，日趋成熟，并不断的实现出一个又一个成功案例，具有了完整的技术体系与实施体系，可确保从多个业务系统数据源抽取、清理、整合数据，数据建模乃至对数据应用的支撑，可以成功完成。在此背景下，大资管行业企业越来越希望可以构建数据中心系统，解决数据︾处理及数据应用问题。
安正软件方案实现
安正软件大资管行业数据中心解决方案面向基金管理公司、证券々资管公司、保险资管公司、银行资管公司等大资管行业各类企业提供了完整的数据中心建设蓝图，数据中心由源系统、源数据治理♂∏、ETL处理、数据存储、数据应用、数据管控六个层次构成，整合公司的业务数据，对数据进行准确、及时、有效地管理，建立起行之有效的数据管理流程，构建数据分析主题，满足企业内外部各类数据需□求和报表加工需求。
源系统
源系统层包括企业内外部各类业务系统及手工来源数据，涉及TA、直销、客服、CRM、估值、投资交易、网站、金融资讯等←各类源系统。
源数据治理
源数据治理层解决源端数据标准不统一、业务数据缺失及源端数据修正等问题，涉及主数据管理、通用数据维护两个模块，其中主数据整合管理实现各类业务当事人、产品、投资品种的统一编码和信息整合，通用数据维护实现业务数据补录及业务数据校正。
ETL处理
ETL处理层用于实现数据中心源数据采集、ETL整合处理、数据汇总、数据推送等数据加工处理，设计ETL工具、指标计算引擎、大数据处理以及其他数据处理工具。
数据存储
数据存储层解决了数据中心业务数据的存储平台问题，涉及关系型数〖据库、大数据平台多种数据平台，其内部数据分为基础数据层和集市数据层，集市数据层又细分为对内的经营分析集市、对外的监管报送集市。
数据应用
数据应用层主要解决了报表分析、指标分析、对外报送、数据服务等方面的应用需要，并通过信息门户统一向用户传递。
数据管控
数据管控层主要用于支撑数据中心的稳定、可靠、高效运行，包括任务调度、数据标准、数据质量管理、元数据管理、数据服务■管理等功能模块，用于数据中心统一数据标准，实现数据质量监控和校验管理，在此基础上推动企业数据治理，并完成数据中心平台所有信息资产的知识管理和对外服务安全控制。
方案优势
领ㄨ先的数据中心架构
按照数据仓库体系架构，解决方案提供了行业领先的数据中心平台架构，涉及数据源、源数据治理、数据处理、数据存储、数据应用、数据管控六个层面的完整体系结构。
标准化的数据模型体系
根据大资管行业多家企业数据中心项目的实践经验积累，解决方案提供了标准化的基础数据模型和数据集市模型，完整覆盖了大资管行业各方面的业务过程和数据应用需要。
开放的技术工具体系
根据各行业业务状况，解决方案在数据平台、ETL工具、信息应用工具等方面支持各种主流工具。
主数据管理技术的引入
基于大资管行业信息化发展现状，解决方案提供了当事人、产品、投资品种主数据整合和管理方案，有效解决企业主数据缺乏统一编码、信息缺乏整合以及主数据信息不一致的问题。
大数据技术的综合运用
为有效应对大资管行业业务快速发展、数据规模增长迅速、业务分析复杂度越来越高、新的业务需求不断增加等情况，引入了大数据平台系列技术，可不断线性提升数据中心数据计算、存储、应用扩展能力，有效降低数据中心软硬件投入大幅度增长。
全面支撑大资管行业业务需要
通过资管行业多家企业数据中心■项目实施业务积累，解决方案可有效支撑大资管行业企业各种共性、个性业务需要。
完善的数据管〇控体系支撑
为满足企业数据中心稳定、高效、可靠运行，提供了完善的数据管控体系，保障数据中心持续运行和持续建设需要，降低数据中心运营复杂度和工作量。
项目实践中不断持续发展
解决方案源于大资管行业众多数据中心成功案例，又在新的企业数据中心项目应用过程中持续发展，解决方案始终在持续发展和优化。
