業務背景分析
資管行業企業通過外部採購、自建、合作開發等多種方式構建了自身的信息系統生態體系，實現了TA、直銷、CRM、客服、投資交易、估值、產品管理、投資研究、風控、信用評級、財務、OA等多個業務系統，有效支撐着企業各項業務活動和工作。但由於業務需求、建設優先級在逐步變化，同時信息技術也在不斷髮展，因此各個業務系統均是在公司的發展不同階段、爲了不同的業務目標建設而成。這必然導致系統建設相對獨立，在系統不斷的運行過程中，形成數據孤島，而由於這些數據孤島的存在，就必然會導致產品、客戶、賬戶、交易和財務等企業數據缺乏一致性和完整性，導致數據獲取複雜，這些因素共同導致了數據應用的困難，難以充分利用信息數據的價值，無法發揮數據對業務與管理、決策的支撐作用。
從業務層面看，隨着大資管行業業務的不斷髮展以及業務的不斷多樣化，業務部門需要手工編寫的各類工作也成倍增加，業務數據本身的問題已經影響到業務的開展，並埋下了業務差錯的隱患。從技術層面看，以整合數據、應用數據爲目的的數據倉庫平臺技術近年來，日趨成熟，並不斷的實現出一個又一個成功案例，具有了完整的技術體系與實施體系，可確保從多個業務系統數據源抽取、清理、整合數據，數據建模乃至對數據應用的支撐，可以成功完成。在此背景下，大資管行業企業越來越希望可以構建數據中心繫統，解決數據處理及數據應用問題。
BOBTY综合軟件方案實現
BOBTY综合軟件大資管行業數據中心解決方案面向基金管理公司、證券資管公司、保險資管公司、銀行資管公司等大資管行業各類企業提供了完整的數據中心建設藍圖，數據中心由源系統、源數據治理、ETL處理、數據存儲、數據應用、數據管控六個層次構成，整合公司的業務數據，對數據進行準確、及時、有效地管理，建立起行之有效的數據管理流程，構建數據分析主題，滿足企業內外部各類數據需求和報表加工需求。
源系統
源系統層包括企業內外部各類業務系統及手工來源數據，涉及TA、直銷、客服、CRM、估值、投資交易、網站、金融資訊等各類源系統。
源數據治理
源數據治理層解決源端數據標準不統一、業務數據缺失及源端數據修正等問題，涉及主數據管理、通用數據維護兩個模塊，其中主數據整合管理實現各類業務當事人、產品、投資品種的統一編碼和信息整合，通用數據維護實現業務數據補錄及業務數據校正。
ETL處理
ETL處理層用於實現數據中心源數據採集、ETL整合處理、數據彙總、數據推送等數據加工處理，設計ETL工具、指標計算引擎、大數據處理以及其他數據處理工具。
數據存儲
數據存儲層解決了數據中心業務數據的存儲平臺問題，涉及關係型數據庫、大數據平臺多種數據平臺，其內部數據分爲基礎數據層和集市數據層，集市數據層又細分爲對內的經營分析集市、對外的監管報送集市。
數據應用
數據應用層主要解決了報表分析、指標分析、對外報送、數據服務等方面的應用需要，並通過信息門戶統一向用戶傳遞。
數據管控
數據管控層主要用於支撐數據中心的穩定、可靠、高效運行，包括任務調度、數據標準、數據質量管理、元數據管理、數據服務管理等功能模塊，用於數據中心統一數據標準，實現數據質量監控和校驗管理，在此基礎上推動企業數據治理，並完成數據中心平臺所有信息資產的知識管理和對外服務安全控制。
方案優勢
領先的數據中心架構
按照數據倉庫體系架構，解決方案提供了行業領先的數據中心平臺架構，涉及數據源、源數據治理、數據處理、數據存儲、數據應用、數據管控六個層面的完整體系結構。
標準化的數據模型體系
根據大資管行業多家企業數據中心項目的實踐經驗積累，解決方案提供了標準化的基礎數據模型和數據集市模型，完整覆蓋了大資管行業各方面的業務過程和數據應用需要。
開放的技術工具體系
根據各行業業務狀況，解決方案在數據平臺、ETL工具、信息應用工具等方面支持各種主流工具。
主數據管理技術的引入
基於大資管行業信息化發展現狀，解決方案提供了當事人、產品、投資品種主數據整合和管理方案，有效解決企業主數據缺乏統一編碼、信息缺乏整合以及主數據信息不一致的問題。
大數據技術的綜合運用
爲有效應對大資管行業業務快速發展、數據規模增長迅速、業務分析複雜度越來越高、新的業務需求不斷增加等情況，引入了大數據平臺系列技術，可不斷線性提升數據中心數據計算、存儲、應用擴展能力，有效降低數據中心軟硬件投入大幅度增長。
全面支撐大資管行業業務需要
通過資管行業多家企業數據中心項目實施業務積累，解決方案可有效支撐大資管行業企業各種共性、個性業務需要。
完善的數據管控體系支撐
爲滿足企業數據中心穩定、高效、可靠運行，提供了完善的數據管控體系，保障數據中心持續運行和持續建設需要，降低數據中心運營複雜度和工作量。
項目實踐中不斷持續發展
解決方案源於大資管行業衆多數據中心成功案例，又在新的企業數據中心項目應用過程中持續發展，解決方案始終在持續發展和優化。
