证券公司数据中台建设

近年来,随着金融科技的快速发展以及互联网机构不断加大数字金融布局,大数据平台建设和数据治理逐渐成为证券公司建设现代化投资银行面临的重要挑战。基于大数据技术，整合现有数据，接入外部数据，构建高性能大数据平台，能够满足证券企业高计算、高存储、高负载的要求；通过数据治理，建设组织级标准体系、健全数据质量控制机制、加强数据内部协同、规范外部数据合作,提升数据管理水平来保障公司数据化战略的落地，保证数据的真实、准确、连续、完整，有利于提升公司的经营管理能力、改进管理效率，为投资银行业务高效发展保驾护航。为了提高数据治理水平，进一步探索挖掘大数据价值，有效赋能前端应用，恒泰证券与星环科技合作，利用星环大数据基础平台TranswarpDataHub（TDH）和大数据开发工具TranswarpDataStudio（TDS）进行大数据平台建设和数据治理，并在部署后的运行期间，数据资产规模突破120TB，数据库采集超过50个，采集表规模突破7000+，全年完成的开发需求超过200个，涉及部门数量10+，在大数据平台的支撑下开发了安全微管家、日志数据上链、埋点管理系统等，数据治理体系进一步完善，全年完成数据模型超过20个，大数据内外价值实践获得不断突破。

近年来,随着金融科技的快速发展以及互联网机构不断加大数字金融布局,大数据平台建设和数据治理逐渐成为证券公司建设现代化投资银行面临的重要挑战。基于大数据技术，整合现有数据，接入外部数据，构建高性能大数据平台，能够满足证券企业高计算、高存储、高负载的要求；通过数据治理，建设组织级标准体系、健全数据质量控制机制、加强数据内部协同、规范外部数据合作,提升数据管理水平来保障公司数据化战略的落地，保证数据的真实、准确、连续、完整，有利于提升公司的经营管理能力、改进管理效率，为投资银行业务高效发展保驾护航。为了提高数据治理水平，进一步探索挖掘大数据价值，有效赋能前端应用，恒泰证券与星环科技合作，利用星环大数据基础平台TranswarpDataHub（TDH）和大数据开发工具TranswarpDataStudio（TDS）进行大数据平台建设和数据治理，并在部署后的运行期间，数据资产规模突破120TB，数据库采集超过50个，采集表规模突破7000+，全年完成的开发需求超过200个，涉及部门数量10+，在大数据平台的支撑下开发了安全微管家、日志数据上链、埋点管理系统等，数据治理体系进一步完善，全年完成数据模型超过20个，大数据内外价值实践获得不断突破。

近年来,随着金融科技的快速发展以及互联网机构不断加大数字金融布局,大数据平台建设和数据治理逐渐成为证券公司建设现代化投资银行面临的重要挑战。基于大数据技术，整合现有数据，接入外部数据，构建高性能大数据平台，能够满足证券企业高计算、高存储、高负载的要求；通过数据治理，建设组织级标准体系、健全数据质量控制机制、加强数据内部协同、规范外部数据合作,提升数据管理水平来保障公司数据化战略的落地，保证数据的真实、准确、连续、完整，有利于提升公司的经营管理能力、改进管理效率，为投资银行业务高效发展保驾护航。为了提高数据治理水平，进一步探索挖掘大数据价值，有效赋能前端应用，恒泰证券与星环科技合作，利用星环大数据基础平台TranswarpDataHub（TDH）和大数据开发工具TranswarpDataStudio（TDS）进行大数据平台建设和数据治理，并在部署后的运行期间，数据资产规模突破120TB，数据库采集超过50个，采集表规模突破7000+，全年完成的开发需求超过200个，涉及部门数量10+，在大数据平台的支撑下开发了安全微管家、日志数据上链、埋点管理系统等，数据治理体系进一步完善，全年完成数据模型超过20个，大数据内外价值实践获得不断突破。

快速构建知识图谱应用。某证券公司在使用开源图数据库过程中遇到了不少问题，结合国产化背景，决定启动国产图数据库项目，并在图数据库选型方面并设置了准入条件和一系列功能要求。StellarDB是星环科技自主星环科技分布式图数据库StellarDB脱颖而出，结合星环科技的知识图谱平台SophonKG助力该证券公司打造了全新的一站式国产化企业图谱，满足了企业级的系统建设需要，支撑集团客户画像、风险事件报告近日，国内知名数字化产品点评咨询机构字母点评举办了《沙丘大会》数据库专场直播活动，星环科技受邀参加演讲，产品市场经理李昆分享了证券公司基于星环科技分布式图数据库StellarDB实现国产化替代，并，具备数据2D和3D展示能力，助力企业用户轻松挖掘海量数据互联价值。此外，星环科技StellarDB还获得了多项行业权威认可：通过了中国信通院图数据库和图计算平台基础能力两项专项测评；入选著名咨询机构Gartner《中国数据库市场指南》、《工具：中国数据库管理系统供应商甄选》和《图数据库管理系统市场指南》报告等，并被中国信通院评为图计算平台代表厂商，彰显了其产品技术领先性。通过严格的筛选和论证，终

快速构建知识图谱应用。某证券公司在使用开源图数据库过程中遇到了不少问题，结合国产化背景，决定启动国产图数据库项目，并在图数据库选型方面并设置了准入条件和一系列功能要求。StellarDB是星环科技自主星环科技分布式图数据库StellarDB脱颖而出，结合星环科技的知识图谱平台SophonKG助力该证券公司打造了全新的一站式国产化企业图谱，满足了企业级的系统建设需要，支撑集团客户画像、风险事件报告近日，国内知名数字化产品点评咨询机构字母点评举办了《沙丘大会》数据库专场直播活动，星环科技受邀参加演讲，产品市场经理李昆分享了证券公司基于星环科技分布式图数据库StellarDB实现国产化替代，并，具备数据2D和3D展示能力，助力企业用户轻松挖掘海量数据互联价值。此外，星环科技StellarDB还获得了多项行业权威认可：通过了中国信通院图数据库和图计算平台基础能力两项专项测评；入选著名咨询机构Gartner《中国数据库市场指南》、《工具：中国数据库管理系统供应商甄选》和《图数据库管理系统市场指南》报告等，并被中国信通院评为图计算平台代表厂商，彰显了其产品技术领先性。通过严格的筛选和论证，终

、降低成本，并实现精准营销的目标。通过与星环科技的合作，该证券公司将能利用先进的机器学习算法，从海量数据中挖掘出有价值的信息和模式。这些算法将能够根据客户的历史行为和偏好，预测对不同基金产品的兴趣和需求(如客户App行为数据)在建模过程中无法得到充分利用，给模型训练和应用效果造成了一定的影响。星环科技与该证券公司确定，通过模型预测，定期将给定的基金推荐给目标客户，达到精准营销的目的，效果较现有证券公司展开了一项令人瞩目的合作——机器学习基金推荐的精准营销项目。项目目标：一是旨在通过分析公司的历史销售数据、客户交易行为数据以及客户基本信息等，为客户提供个性化的基金推荐，从而提高营销转化率，从而为他们提供相关的推荐。二是该证券公司为扩展精准营销场景覆盖的深度、实时性及范围，需要利用成熟的AI算法能力，针对私募及资管产品、服务等场景进一步深化应用。项目利用公司沉淀的大量基础数据资源优势模型已经在该证券公司的一些分公司的精准营销中开始应用。在历次营销活动中，客户金额命中率提升了3%至10%，高提升比率达到23.22%。第二，这一项目的成功实施将为该证券公司带来多方面的好处。首先，它将

、降低成本，并实现精准营销的目标。通过与星环科技的合作，该证券公司将能利用先进的机器学习算法，从海量数据中挖掘出有价值的信息和模式。这些算法将能够根据客户的历史行为和偏好，预测对不同基金产品的兴趣和需求(如客户App行为数据)在建模过程中无法得到充分利用，给模型训练和应用效果造成了一定的影响。星环科技与该证券公司确定，通过模型预测，定期将给定的基金推荐给目标客户，达到精准营销的目的，效果较现有证券公司展开了一项令人瞩目的合作——机器学习基金推荐的精准营销项目。项目目标：一是旨在通过分析公司的历史销售数据、客户交易行为数据以及客户基本信息等，为客户提供个性化的基金推荐，从而提高营销转化率，从而为他们提供相关的推荐。二是该证券公司为扩展精准营销场景覆盖的深度、实时性及范围，需要利用成熟的AI算法能力，针对私募及资管产品、服务等场景进一步深化应用。项目利用公司沉淀的大量基础数据资源优势模型已经在该证券公司的一些分公司的精准营销中开始应用。在历次营销活动中，客户金额命中率提升了3%至10%，高提升比率达到23.22%。第二，这一项目的成功实施将为该证券公司带来多方面的好处。首先，它将

案例背景广发证券成立于1991年9月，是国内首批综合类证券公司，自1994年开始一直稳居全国十大券商行列，是市场上具有较高影响力的证券公司之一，也是业内早一批建设AI平台的企业。广发证券营业部共计152.70亿元，资本实力及盈利能力在国内证券行业持续领先。问题与需求1、工具碎片化广发证券以往在营销、风控、投研的人工智能化方面已经有了一定的积累，但各类数据挖掘工具均为单机搭建，导致无法提供分布式进行特征抽取和模型建立，而原有的日志数据/非结构化数据在DB难以保存和使用。之前构建的特征信息无法积累、模型无法分享，大大地增加了数据探索、数据预处理、重复建模的工作成本。3、平台封闭化广发证券现有的传统数据挖掘未融合大数据平台，无法形成数据+模型+服务的完整生态体系，无法实现团队协作，如模型管理、模型分享等功能。企业的智能化建设流程比较复杂，业务的创新成本非常高。4、数据时效性差2018年是银交易监管的通知》等配套文件，对于证券机构的实时风控要求不管提高。现有的平台无法满足海量数据的实时处理需求，以应对监管机构要求的结合实时交易数据进行准确的交易风控、集团风控等。解决方案广发智能平台的整体

一、背景近年来,随着金融科技的快速发展以及互联网机构不断加大数字金融布局,大数据平台建设和数据治理逐渐成为证券公司建设现代化投资银行面临的重要挑战。基于大数据技术，整合现有数据，接入外部数据，构建高性能大数据平台，能够满足证券企业高计算、高存储、高负载的要求；通过数据治理，建设组织级标准体系、健全数据质量控制机制、加强数据内部协同、规范外部数据合作,提升数据管理水平来保障公司数据化战略的落地，保证数据的真实、准确、连续、完整，有利于提升公司的经营管理能力、改进管理效率，为投资银行业务高效发展保驾护航。为了提高数据治理水平，进一步探索挖掘大数据价值，有效赋能前端应用，恒泰证券与星环科技合作，实现血缘表、影响表的影响排查，可到字段级别追踪，并自动绘制血缘影响分析图。三、创新亮点星环TDH产品在此案例中构建的大数据平台，帮助恒泰证券提高了数据实时计算和高性能分析能力，产品的先进性具体体现在如下Oracle、IBMDB2、TeraData方言，兼容Oracle和DB2的存储过程，可以平滑迁移应用；支持分布式事务处理，保障数据强一致性。四、应用落地基于恒泰证券的大数据平台建设和数据治理，赋能了许多创新

本节介绍Hippo表写入相关操作。Hippo会返回写入成功数据的下标以及总共写入成功的数据条数，如果出现行级错误（比如主键冲突），Hippo会返回具体的行级错误。插入本节介绍如何向Hippo中插入数据。curl-ushiva:shiva-XPUT'localhost:8902/hippo/v1/{table}/_bulk?database_name={database_name}&pretty'-H'Content-Type:application/json'-d'{"fields_data":[{"field_name":"book_id","field":[1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24,25,26,27,28,29,30,31,32,33,34,35,36,37,38,39,40,41,42,43,44,45,46,47,48,49,50,51,52,53,54,55,56,57,58,59,60,61,62,63,64,65,66,67,68,69,70,71,72,73,74...

OverviewAclusterisaHippoCloudinstanceassociatedwithspecificcomputingresources.Youcancreaterelatedtables,insertcorrespondingdata,andcompleteproductexperiencewithinacluster.Beforeyouusethedemoenvironment,youneedtocreateacluster.CreateClusterYouneedtogotothespecificproject.Iftherearenoclustersunderthecurrentproject,youcanclickthe'Createcluster'buttonbelowtheclustercreationguidancepagetoentertheclustercreation.Ifthereareclustersunderthecurrentproject,youcanclickthe'+Cluster'buttonabovetheclusterlist...

OverviewUnstructureddatamanagementismoreimportantthaneverduetotheriseofbigdata.Managingandgleaningbusinessvaluefromunstructureddataisofutmostimportancetoenterprisestoday.Advancementsinmachinelearning,aswellasdeeplearning,technologiesnowenableorganizationstoefficientlyaddressunstructureddataandimprovequalityassuranceefforts.Inthefieldofartificialintelligenceormachinelearning,embeddingsandvectordatabaseshavebecomeincreasinglyimportantfortacklingawiderangeofproblems.Thesetechniquesareusedtorepresen...

过滤条件表达式Hippo当前支持如下表达式，可用于标量或向量查询。表46.过滤条件表达式表达式描述and当前版本支持and，不支持or/not==等值<小于⇐小于等于>大于>=大于等于inin[1,2,3]notinnot_in[1,2,3]like'_'表示匹配任一字符，'%'表示匹配任意字符，'\'为转义符向量相似性检索本节描述如何进行向量相似度搜索。Hippo中的向量相似性搜索计算查询向量与表中向量的距离，返回最相似的结果集。通过指定标量过滤条件，用户可以进行向量与标量的混合搜索。curl-ushiva:shiva-XGET'localhost:8902/hippo/v1/{table}/_search?pretty'-H'Content-Type:application/json'-d'{"output_fields":["book_id"],"search_params":{"anns_field":"book_intro","topk":2,"params":{"nprobe":10},"embedding_index":"ivf_flat_index"}...

运维管理界面WebserverWebserver是Hippo提供运维监控的界面。默认访问地址为:4567"class="bare">http://<webserver_ip>:4567。或者在Manager管理界面我们可以通过下图所示的查看链接这里进行跳转。图15.登录HippoWebserverWebserver主要由下面几个部分构成。概况图16.概况该页面展示了Hippo集群的基本信息，包括：Masterstatus：当前的ActiveMaster，MasterGroup，MasterAddress，Master的健康状态TabletServerStatus：TabletServerAddress，健康状态，逻辑机架和数据中心信息，容量使用以及Tablet个数TabletNum：当前集群表的个数Version：Hippo版本信息库表图17.库表页面以库和表的概念集群存储的各类数据信息。库信息：库名库创建时间库内各类表的信息：点击某个库，可以看到库下所有表的信息，主要包括：••表的ID••表的名字••表的状态••表的Tablet数量••表的Engine类型••表的副本数•...

本节测试主要描述了Hippo1.0在关键测试上的一些性能表现，该份测试同样也是Hippo的基准测试，后续版本发布也会在不同版本上进行该测试进行对比分析。术语表142.Hippo性能测试术语TermDescriptionnq一次搜索请求中搜索的向量个数topk一次请求中对于要检索的每个向量(依赖nq)，所能检索到最近距离的向量个数RT一次请求从发起到接受响应的时间]QPS请求在每秒内成功执行的次数dataset测试所用数据集，不同数据集表示不同的业务场景测试集群配置硬件配置表143.性能测试硬件配置硬件规范Nodes3CPUIntel®Xeon®Gold5218RCPU@2.10GHzMemory16*\16GBRDIMM,3200MT/sDISKNVMeSSD2T*4GPUNONE软件配置表144.性能测试软件配置软件版本Hippov1.2TranswarpManagerTDH9.3.0测试集表145.性能测试数据集数据集名称数据集介绍向量维度向量总数查询数量数据总量距离类型Sift-128-euclidean该数据集是基于Texmex的数据集整理，使用SIFT算法得到的图片特征向量。...

Hippo在1.2版本提供了全文索引能力，兼容ElasticSearch6.7.2语法，在底层架构上复用了公司产品TranswarpScope的一部分特性，支持以Java/HTTPRestful的形式通过Hippo的HTTPServer接口进行全文索引的创建、查询、使用等各类需求，通过该能力的支持，可以更好的实现向量与全文的混合检索。通过将向量检索加全文检索的联合召回，可以降低漏检和误检的概率，能够实现比单独使用向量或全文更高的精度。同时，一套数据库系统可避免部署多套系统带来的架构复杂、开发运维成本高等问题。具体的使用方法除了访问端口需要将端口从8902调整为9200外，均可参考《TranswarpScope手册》4.TranswarpScopeAPI介绍。

ThistutorialwillguideyouthroughthefollowingtaskswithinHippoCloud:EstablishingatablePerusingthetableIncorporatingdataExecutingsearchoperationsEliminatingrowsDissolvingthetableBeforeyoustartInthisguide,wewillbeutilizingthePythonAPI.Priortocommencement,ensurethatyouhave:RegisteredforaHippoCloudaccount.SubscribedtothecomplimentaryplanandestablishedatrialclusterwithinHippoCloud,orsubscribedtothestandard/enterpriseplansandconstructedadedicatedcluster.IfyouanticipateemployingPythonfordevelopment,ascert...

在Hippo中，比较耗时的操作如激活、加载向量索引实际上是一个分布式任务，用户可以通过任务相关接口查看、删除任务。查看任务curl-ushiva:shiva-XGET"localhost:8902/hippo/v1/_jobs?pretty"-H'Content-Type:application/json'-d'{"job_ids":["fc6feff4f303455a9347f9aab323dfc8"],"action_patterns":["hippo*"]}';返回结果：{"jobs":[{"job_id":"810935a1d91a46b7af2ec35013454fed","job_status":"SHIVA_JOB_SUCCESS","embedding_number":100,"task_results":[{"id":"54ab52493dfb4bab9fb7742d850c64c4","status":"TASK_SUCCESS","server":"172.29.40.26:27841","embedding_number":100,"execute_time":...

查看Master节点通过以下命令，查看集群Master节点信息：curl-ushiva:shiva-XGET'localhost:8902/hippo/v1/_cat/master?v'返回结果：epochtimestampactive.master.hostactive.master.portmaster.group169079683909:47:19172.29.203.18926841172.29.203.189:26841,172.29.203.189:26851,172.29.203.189:26861查看数据节点curl-ushiva:shiva-XGET'localhost:8902/hippo/v1/_cat/nodes?v'//查看所有节点curl-ushiva:shiva-XGET'localhost:8902/hippo/v1/_cat/nodes/{node}?v'//{node}表示待匹配的节点地址，支持以*通配，支持指定多个pattern，多个pattern以逗号分割返回结果：