為促進金融企業(yè)數(shù)據(jù)管理和數(shù)據(jù)平臺智能化轉(zhuǎn)型，金科創(chuàng)新社主辦了“鑫智獎·第七屆金融數(shù)據(jù)智能優(yōu)秀解決方案評選”活動。其中，乘云數(shù)字DataBuff平臺斬獲 “專家推薦TOP10優(yōu)秀解決方案” 獎項，彰顯了乘云數(shù)字在金融科技領(lǐng)域的創(chuàng)新實力。
圖：鑫智獎-專家推薦TOP10優(yōu)秀解決方案
“鑫智獎”作為金融數(shù)據(jù)智能領(lǐng)域的重要獎項，已連續(xù)舉辦七屆，致力于挖掘并推廣金融科技與數(shù)據(jù)智能深度融合的優(yōu)秀成果，彰顯數(shù)據(jù)智能在金融場景中的落地成效和未來潛力。2025年評選活動共計收到來自70家企業(yè)的99個方案參評，經(jīng)過27位專家評審與答辯打分，評選出專家推薦TOP10優(yōu)秀解決方案。乘云數(shù)字此次獲獎的“專家推薦TOP10優(yōu)秀解決方案”，圍繞國內(nèi)銀行新一代核心系統(tǒng)的復雜性面臨的全新運行穩(wěn)定性挑戰(zhàn)，在快速的發(fā)現(xiàn)問題、定位問題、處理問題及大模型新技術(shù)的應(yīng)用等方面展現(xiàn)出專業(yè)、系統(tǒng)的技術(shù)優(yōu)勢，獲得專家組高度認可。
“通過DataBuff平臺，實現(xiàn)全棧監(jiān)控與診斷。利用預測性AI和因果性AI技術(shù)，提前發(fā)現(xiàn)異常并精準定位故障，大幅降低故障率和處理時間。同時，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(shù)字化轉(zhuǎn)型的推動下，銀行等金融機構(gòu)紛紛轉(zhuǎn)向微服務(wù)、云原生技術(shù)體系，新一代核心系統(tǒng)面臨系統(tǒng)交易鏈路復雜、業(yè)務(wù)連續(xù)性保障壓力大、運維數(shù)據(jù)存儲成本高等痛點。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；通過完全自研的時序與鏈路數(shù)據(jù)存儲引擎，實現(xiàn)降本提效。有效解決基于云原生技術(shù)平臺監(jiān)控運維工作中的痛點。”
——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了全新的運行穩(wěn)定性挑戰(zhàn)，傳統(tǒng)監(jiān)控技術(shù)面臨嚴重瓶頸。DataBuff一體化觀測平臺，通過創(chuàng)新的方式將“業(yè)務(wù)觀測”、“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(tǒng)的運行穩(wěn)定性問題。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(gòu)建“以業(yè)務(wù)為中心”的新一代監(jiān)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(xiàn)問題、定位問題、處理問題，實現(xiàn)故障定位的一鍵直達。
二、銀行新核心的特點和運維難點
隨著新一代核心在銀行業(yè)的廣泛普及，業(yè)務(wù)系統(tǒng)的技術(shù)架構(gòu)正在經(jīng)歷著新舊交替。IT 系統(tǒng)在系統(tǒng)架構(gòu)、開發(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(tǒng)架構(gòu)方面，經(jīng)歷了從整體式、分層式、分布式到云原生的變化；開發(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(tǒng)要應(yīng)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(yīng)，導致業(yè)務(wù)中斷、客戶流失，甚至損害銀行的聲譽。
新一代核心系統(tǒng)具備業(yè)務(wù)高并發(fā)處理、系統(tǒng)彈性部署、IT自主可控等特點，這也為運維部門帶來了新的挑戰(zhàn)。為保障該系統(tǒng)的穩(wěn)定運行，需要滿足極高的技術(shù)要求，具體表現(xiàn)在以下幾個方面：
新核心系統(tǒng)交易鏈路復雜
經(jīng)過微服務(wù)化的新核心系統(tǒng)服務(wù)調(diào)用鏈復雜，跨節(jié)點、跨集群問題難以追蹤，故障排查依賴人工“逐層猜斷”。 如信貸申請和審批業(yè)務(wù)流程復雜，會涉及多個服務(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(xù)性保障壓力大
7×24小時在線服務(wù)要求故障分鐘級響應(yīng)。支付系統(tǒng)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(yīng)時間延長等問題。
機器數(shù)據(jù)存儲成本高、價值密度低
云原生場景下，日志、指標、鏈路等機器數(shù)據(jù)量大且分散，缺乏關(guān)聯(lián)分析，無法快速支撐核心業(yè)務(wù)問題優(yōu)化決策。運維數(shù)據(jù)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(tǒng)全維度的觀測、智能化的診斷和多平臺協(xié)同的能力，能夠滿足銀行的新核心系統(tǒng)監(jiān)控管理需求。銀行迫切需要實現(xiàn)從“被動應(yīng)對”到“主動預防”的轉(zhuǎn)變，從而更高效地推動業(yè)務(wù)發(fā)展，滿足未來更復雜的運營需求。
三、解決方案介紹
乘云數(shù)字 DataBuff 是一款業(yè)界領(lǐng)先的可觀測性技術(shù)平臺，采用業(yè)界最新水平的設(shè)計理念，只需在主機上安裝一個Agent，即可實現(xiàn)所有軟件堆棧的監(jiān)控與診斷。其核心優(yōu)勢在于自動化和智能化，能夠?qū)崟r監(jiān)控并分析復雜應(yīng)用環(huán)境中的性能問題，快速定位故障根因。
部署架構(gòu)主要包括：
OneAgent 一體化探針：自動部署在每臺主機上，負責數(shù)據(jù)采集和傳輸；
DataHub 遙測數(shù)據(jù)管道：開放接入外部各種類型的監(jiān)控工具，各種類型的監(jiān)控數(shù)據(jù)，實現(xiàn)遙測數(shù)據(jù)的可視化編排治理；
OneCenter 一體化平臺：云端或本地部署，負責數(shù)據(jù)處理、存儲和分析。
圖：解決方案整體能力架構(gòu)
DataBuff 新核心業(yè)務(wù)觀測與故障定位解決方案主要包括三個方面的功能：基于業(yè)務(wù)觀測的用戶旅程分析、基于因果AI的故障定位能力、基于生成式AI的運維自動化能力，以下展開詳細說明：
3.1.基于業(yè)務(wù)觀測的用戶旅程分析
業(yè)務(wù)觀測(Business Observability)：面向銀行核心交易系統(tǒng)的業(yè)務(wù)級、用戶級旅程分析，通過整合技術(shù)性能數(shù)據(jù)與業(yè)務(wù)指標，幫助銀行實現(xiàn)從“代碼級故障定位” 到 “業(yè)務(wù)級影響評估” 的全鏈路洞察。其核心價值在于將系統(tǒng)可用性、交易效率等IT指標與客戶體驗、營收轉(zhuǎn)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(tǒng)一數(shù)據(jù)支撐。
圖：業(yè)務(wù)地圖
可觀測性能力建設(shè)的一個關(guān)鍵性效益就是對業(yè)務(wù)支撐能力的提升。重點關(guān)注業(yè)務(wù)指標的提升是為保證企業(yè)在市場競爭中的領(lǐng)先地位，確?？蛻魸M意度和市場份額的增長，以及推動持續(xù)的業(yè)務(wù)改進和創(chuàng)新。領(lǐng)導者通過關(guān)注這些關(guān)鍵指標，能夠有效地制定戰(zhàn)略方向、作出數(shù)據(jù)驅(qū)動的決策，并激勵團隊實現(xiàn)共同的業(yè)務(wù)目標，從而確保企業(yè)的長期成功和可持續(xù)發(fā)展。在銀行核心交易系統(tǒng)場景中，業(yè)務(wù)觀測的主要功能包括：
1）業(yè)務(wù)KPI指標監(jiān)控，動態(tài)追蹤核心交易指標（如每秒交易量、成功率、響應(yīng)時間），通過可視化儀表盤實時監(jiān)控支付、清算等關(guān)鍵業(yè)務(wù)流狀態(tài)，異常時觸發(fā)告警（如交易量驟降50%），保障高并發(fā)場景下的業(yè)務(wù)連續(xù)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(tǒng)交易路徑（如客戶發(fā)起轉(zhuǎn)賬→風控校驗→核心記賬→清算系統(tǒng)），精準定位業(yè)務(wù)瓶頸（如風控規(guī)則引擎延遲或數(shù)據(jù)庫鎖爭用），加速故障修復，避免交易積壓。
3）轉(zhuǎn)化率漏斗分析，分析業(yè)務(wù)流程中用戶轉(zhuǎn)化漏斗（如開戶、貸款申請），識別關(guān)鍵環(huán)節(jié)流失原因。定位業(yè)務(wù)流程中的流失點（如實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）的轉(zhuǎn)化率，指導資源傾斜與體驗優(yōu)化。
4）用戶體驗與業(yè)務(wù)關(guān)聯(lián)分析，將用戶行為（如手機銀行APP支付失敗率激增）與后端系統(tǒng)性能（如微服務(wù)超時、第三方接口異常）深度關(guān)聯(lián)，識別客戶流失的技術(shù)誘因（如身份驗證服務(wù)響應(yīng)慢），針對性優(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）：是通過構(gòu)建動態(tài)因果關(guān)系拓撲，將銀行核心交易系統(tǒng)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）自動關(guān)聯(lián)，實現(xiàn)無需人工干預的精準問題診斷。其核心邏輯是結(jié)合實時監(jiān)控數(shù)據(jù)（指標、日志、拓撲）與歷史模式，推理出故障傳播路徑，例如從數(shù)據(jù)庫慢查詢追溯到微服務(wù)調(diào)用鏈異常，并進一步評估對業(yè)務(wù)指標（如VIP客戶交易成功率）的影響。
圖：因果AI的類比圖（人體系統(tǒng)的暈厥 vs IT系統(tǒng)的業(yè)務(wù)異常）
在銀行新一代核心交易系統(tǒng)中，因果性CausalAI 故障推理準確率高。能夠?qū)⑼ǔ５?strong>小時級問題排查降低到分鐘級故障定位，實現(xiàn)1分鐘發(fā)現(xiàn)問題、3分鐘定位問題。能夠自動識別和數(shù)字化映射新核心系統(tǒng)所在的整個IT環(huán)境，包括業(yè)務(wù)系統(tǒng)、服務(wù)、容器進程、基礎(chǔ)設(shè)施等。通過三維空間拓撲，自動分析整個核心系統(tǒng)各個組件之間的交互依賴以及影響關(guān)系，結(jié)合核心系統(tǒng)故障場景知識圖譜的AI推理能力，該方案精準定位影響核心系統(tǒng)業(yè)務(wù)性能的問題根源。
因果AI通過動態(tài)構(gòu)建因果關(guān)系圖譜，自動關(guān)聯(lián)交易異常（如延遲、失?。┡c底層根因（如數(shù)據(jù)庫鎖競爭、微服務(wù)調(diào)用鏈超時、第三方接口故障），實現(xiàn)秒級精準定位問題。其功能涵蓋：
1）智能根因診斷，無需人工排查即可追溯至代碼方法或資源瓶頸（如CPU過載）；
2）業(yè)務(wù)影響量化，評估交易中斷對高價值業(yè)務(wù)（如大額轉(zhuǎn)賬、實時清算）的損失，優(yōu)先修復關(guān)鍵節(jié)點；
3）預測性風險預警，基于歷史數(shù)據(jù)預判交易洪峰（如月末結(jié)算）或容量瓶頸，觸發(fā)擴容預案；
4）合規(guī)輔助，自動生成故障與業(yè)務(wù)指標的關(guān)聯(lián)報告，滿足金融監(jiān)管對交易可追溯性及SLA合規(guī)審計的要求，保障系統(tǒng)高可用與業(yè)務(wù)連續(xù)性。
圖：因果AI給出的故障定位結(jié)果展示
3.3.基于生成式AI的運維自動化效率提升
生成式AI(Generative AI) 是基于DeepSeek 大語言模型的運維智能輔助引擎，專注于將復雜技術(shù)數(shù)據(jù)轉(zhuǎn)化為可操作的業(yè)務(wù)洞察，并自動化生成解決方案。在銀行核心交易系統(tǒng)中，它通過自然語言交互與自動化能力，幫助技術(shù)、運維及業(yè)務(wù)團隊快速理解系統(tǒng)問題并驅(qū)動決策，降低跨部門協(xié)作門檻。
圖：基于DeepSeek的自然語言故障診斷
在銀行新一代核心交易系統(tǒng)中，DataBuff 生成式AI基于自然語言交互與自進化能力，提供多維度智能支持：
自然語言查詢：業(yè)務(wù)或運維人員可直接提問（如“為何大額轉(zhuǎn)賬延遲？”），無需專業(yè)語法即可獲取根因分析；
自然語言可視化：自動生成交易成功率趨勢、鏈路拓撲等圖表，直觀呈現(xiàn)問題影響范圍；
自然語言診斷：將技術(shù)異常（如接口超時、風控規(guī)則攔截）轉(zhuǎn)化為業(yè)務(wù)描述（例“支付失敗因第三方認證超時”），降低跨團隊溝通成本；
自進化知識庫：持續(xù)學習歷史故障與處置方案，提升對新型問題（如云原生資源爭用）的診斷準確性；
自動化處置建議：結(jié)合上下文推薦修復動作（如調(diào)整數(shù)據(jù)庫連接池、優(yōu)化微服務(wù)超時配置），加速故障恢復。通過上述能力，該AI驅(qū)動技術(shù)數(shù)據(jù)向業(yè)務(wù)決策的高效轉(zhuǎn)化，保障核心交易高可用與合規(guī)性。
圖：基于DeepSeek的指標異常問題分析
四、解決方案亮點
在銀行新一代核心交易系統(tǒng)中，DataBuff 平臺的核心亮點可概括為以下四方面：
4.1. 故障排查效率提升
通過全棧式代碼級監(jiān)控與因果AI，實現(xiàn)分鐘級根因定位，將平均故障修復時間（MTTR）從小時級縮短至分鐘級，避免人工逐層排查的低效問題。
4.2. 業(yè)務(wù)轉(zhuǎn)化率與用戶體驗優(yōu)化
基于端到端用戶旅程追蹤，分析交易鏈路中高流失環(huán)節(jié)，針對性優(yōu)化關(guān)鍵路徑。同時，結(jié)合業(yè)務(wù)指標與性能數(shù)據(jù)，量化用戶體驗對營收的影響，推動轉(zhuǎn)化率提升10%-20%。
4.3. 數(shù)據(jù)接入開放性
支持多源異構(gòu)數(shù)據(jù)無縫集成，包括日志、指標、業(yè)務(wù)事件。通過DataHub 可視化編排靈活定義數(shù)據(jù)清洗、富化規(guī)則，將第三方系統(tǒng)數(shù)據(jù)統(tǒng)一納入分析，打破數(shù)據(jù)孤島，增強全局洞察力。
4.4. 高效數(shù)據(jù)庫技術(shù)與降本增效
底層采用完全自研的時序數(shù)據(jù)庫MoreDB與全量鏈路存儲TracingX，實現(xiàn)海量交易數(shù)據(jù)（PB級）的高效存儲與實時聚合查詢，成本較傳統(tǒng)關(guān)系型數(shù)據(jù)庫降低50%+。同時，自動數(shù)據(jù)生命周期管理按策略歸檔非熱數(shù)據(jù)，減少冗余存儲開銷，支撐高并發(fā)場景的穩(wěn)定分析與審計回溯。
DataBuff 通過上述能力，為銀行新核心系統(tǒng)提供從故障診斷、業(yè)務(wù)價值挖掘到資源優(yōu)化的閉環(huán)支撐，成為數(shù)字化轉(zhuǎn)型的核心引擎。此次獲獎是對乘云數(shù)字在金融領(lǐng)域科技創(chuàng)新成果的肯定。未來，乘云數(shù)字將繼續(xù)秉承創(chuàng)新驅(qū)動發(fā)展的理念，深化金融科技應(yīng)用，推動數(shù)字化轉(zhuǎn)型向更高水平邁進，為金融行業(yè)的數(shù)字化轉(zhuǎn)型貢獻力量。
評論