业务挑战
-
数据急剧膨胀，扩容难度大
互联网金融时代，数据急剧膨胀，扩容需求强烈，同时随着数据量不断增大，数据来源逐渐丰富，基于数据的应用系统也在不断更新换代，对底层IT需求一直在快速增长，传统IT建设模式和架构无法满足需求
互联网金融时代，数据急剧膨胀，扩容需求强烈，同时随着数据量不断增大，数据来源逐渐丰富，基于数据的应用系统也在不断更新换代，对底层IT需求一直在快速增长，传统IT建设模式和架构无法满足需求
-
数据越来越多，性能越来越慢
随着数据量越来越大以及多源数据采集的不断完善，金融汇聚起海量结构化、半结构化和非结构化数据，已无法低成本地解决大规模分布式数据处理的挑战
随着数据量越来越大以及多源数据采集的不断完善，金融汇聚起海量结构化、半结构化和非结构化数据，以无法低成本地解决大规模分布式数据处理的挑战
-
数据类型多样，海量数据难以挖掘价值
金融行业有海量的结构化、半结构化及非结构化数据，半、非结构化数据汇聚到一起形成难以挖掘的“暗数据”，如何更有效的利用好这些数据是金融面临的一大难题
金融行业有海量的结构化、半结构化及非结构化数据，半、非结构化数据汇聚到一起形成难以挖掘的“暗数据”，如何更有效的利用好这些数据是金融面临的一大难题
-
金融业务合规要求严格，安全防护成本高
金融业务具有严格的保密要求和安全合规要求，需要云平台具备涵盖安全解决方案设计、安全评估、安全运维以及安全响应等全方位的安全保障能力
金融业务具有严格的保密要求和安全合规要求，需要云平台具备涵盖安全解决方案设计、安全评估、安全运维以及安全响应等全方位的安全保障能力
解决方案场景
金融业交互式BI分析
数据仓库在整个BI系统中起到了支柱的角色，更是海量数据收集、存储、分析的核心。对于金融服务机构来说，创建一个完全整合的、企业级的数据仓库环境是一项很大的挑战。华为云数据仓库作为云上企业级数据仓库，具备高性能、低成本、易扩展等特性，满足大数据时代金融行业数据仓库业务诉求。为金融行业提供强大的商业决策分析支撑，最终使得他们很难从BI解决方案中获益
数据迁移
多数据源，高效批量、实时数据导入
高性能
PB级数据低成本的存储与万亿级数据关联分析秒级响应
实时
业务数据流实时整合，及时对经营决策进行优化与调整
安全可靠
支持数据透明加密，保证系统的高可靠性和数据的安全；与数据库安全防护服务深度整合；基于网络隔离及安全组规则，保护系统和用户隐私及数据安全
实时数据分析
移动互联网时代，金融业务会产生大量实时数据，为了快速获取数据价值，需要对数据进行实时分析，华为云DWS的快速入库和查询能力可支持实时数据分析
流式数据实时入库
IoT、互联网等数据经过流计算及AI服务处理后，可实时写入DWS。
实时监控与预测
围绕数据进行分析和预测，对设备进行监控，对行为进行预测，实现控制和优化。
AI融合分析
AI服务对图像、文本等数据的分析结果可在DWS中与其他业务数据进行关联分析，实现融合数据分析。
实时交互分析
针对即时的分析需求，分析人员可实时从大数据平台中获取信息。
解决方案架构
金融数据仓库应用架构
助力金融行业实现云化架构转型，从容应对未来持续猛增的数据洪水，完整的数据链路服务和产品体系，能够整合金融复杂的数据来源，将各种原始数据汇聚至数据湖，通过数仓+数据湖融合分析，形成金融业端到端的数据仓库解决方案
方案优势
方案优势
DWS采用全并行的MPP架构数据库，业务数据被分散存储在多个节点上，数据分析任务被推送到数据所在位置就近执行，并行地完成大规模的数据处理工作，实现对数据处理的快速响应。按需弹性扩容，可持续扩容至PB级数据规模，从容应对数据爆炸式增长
DWS后台还通过算子多线程并行执行、向量化计算引擎实现指令在寄存器并行执行，助力数据查询性能提升。DWS支持行列混合存储，可以同时为用户提供更优的数据压缩比（列存）、更好的索引性能（列存）、更好的点更新和点查询（行存）性能
DWS提供配套的迁移工具，可支持从TeraData、Oracle、MySQL、SQL Server、PostgreSQL、Greenplum、Impala等海量的结构化、半结构化及非结构化数据源数据分析系统的平滑迁移
软件进程、逻辑组件均有主备保证，能够保证在任意单点物理故障的情况下系统依然能够保证数据可靠、一致；支持分布式事务ACID，数据强一致保证；DWS支持数据透明加密，可与数据库安全服务对接；DWS还支持自动数据全量、增量备份，提升数据可靠性
