為促進金融企業(yè)數據管理和數據平臺智能化轉型，金科創(chuàng)新社主辦了“鑫智獎·第七屆金融數據智能優(yōu)秀解決方案評選”活動。其中，乘云數字DataBuff平臺斬獲 “專家推薦TOP10優(yōu)秀解決方案” 獎項，彰顯了乘云數字在金融科技領域的創(chuàng)新實力。
圖：鑫智獎-專家推薦TOP10優(yōu)秀解決方案
“鑫智獎”作為金融數據智能領域的重要獎項，已連續(xù)舉辦七屆，致力于挖掘并推廣金融科技與數據智能深度融合的優(yōu)秀成果，彰顯數據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。乘云數字此次獲獎的“專家推薦TOP10優(yōu)秀解決方案”，圍繞國內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)現問題、定位問題、處理問題及大模型新技術的應用等方面展現出專業(yè)、系統(tǒng)的技術優(yōu)勢，獲得專家組高度認可。
“通過DataBuff平臺，實現全棧監(jiān)控與診斷。利用預測性AI和因果性AI技術，提前發(fā)現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
“在數字化轉型的推動下，銀行等金融機構紛紛轉向微服務、云原生技術體系，新一代核心系統(tǒng)面臨系統(tǒng)交易鏈路復雜、業(yè)務連續(xù)性保障壓力大、運維數據存儲成本高等痛點。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據存儲引擎，實現降本提效。有效解決基于云原生技術平臺監(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)務觀測”、“因果AI”、“生成式AI” 三大領先技術深度融合，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)務運行狀態(tài)，全面梳理消費者的業(yè)務旅程，構建“以業(yè)務為中心”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)現問題、定位問題、處理問題，實現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)務系統(tǒng)的技術架構正在經歷著新舊交替。IT 系統(tǒng)在系統(tǒng)架構、開發(fā)方式、部署方式、運行環(huán)境等方面經歷了多次技術變革。系統(tǒng)架構方面，經歷了從整體式、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，導致業(yè)務中斷、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要求，具體表現在以下幾個方面：
新核心系統(tǒng)交易鏈路復雜
經過微服務化的新核心系統(tǒng)服務調用鏈復雜，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)務流程復雜，會涉及多個服務協作，服務間通信頻繁，故障排查具有很大難度。
業(yè)務連續(xù)性保障壓力大
7×24小時在線服務要求故障分鐘級響應。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時間延長等問題。
機器數據存儲成本高、價值密度低
云原生場景下，日志、指標、鏈路等機器數據量大且分散，缺乏關聯分析，無法快速支撐核心業(yè)務問題優(yōu)化決策。運維數據噪音大，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。銀行迫切需要實現從“被動應對”到“主動預防”的轉變，從而更高效地推動業(yè)務發(fā)展，滿足未來更復雜的運營需求。
三、解決方案介紹
乘云數字 DataBuff 是一款業(yè)界領先的可觀測性技術平臺，采用業(yè)界最新水平的設計理念，只需在主機上安裝一個Agent，即可實現所有軟件堆棧的監(jiān)控與診斷。其核心優(yōu)勢在于自動化和智能化，能夠實時監(jiān)控并分析復雜應用環(huán)境中的性能問題，快速定位故障根因。
部署架構主要包括：
OneAgent 一體化探針：自動部署在每臺主機上，負責數據采集和傳輸；
DataHub 遙測數據管道：開放接入外部各種類型的監(jiān)控工具，各種類型的監(jiān)控數據，實現遙測數據的可視化編排治理；
OneCenter 一體化平臺：云端或本地部署，負責數據處理、存儲和分析。
圖：解決方案整體能力架構
DataBuff 新核心業(yè)務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)務觀測的用戶旅程分析
業(yè)務觀測(Business Observability)：面向銀行核心交易系統(tǒng)的業(yè)務級、用戶級旅程分析，通過整合技術性能數據與業(yè)務指標，幫助銀行實現從“代碼級故障定位” 到 “業(yè)務級影響評估” 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、營收轉化等業(yè)務目標深度關聯，為技術運維與業(yè)務決策提供統(tǒng)一數據支撐。
圖：業(yè)務地圖
可觀測性能力建設的一個關鍵性效益就是對業(yè)務支撐能力的提升。重點關注業(yè)務指標的提升是為保證企業(yè)在市場競爭中的領先地位，確?？蛻魸M意度和市場份額的增長，以及推動持續(xù)的業(yè)務改進和創(chuàng)新。領導者通過關注這些關鍵指標，能夠有效地制定戰(zhàn)略方向、作出數據驅動的決策，并激勵團隊實現共同的業(yè)務目標，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)務觀測的主要功能包括：
1）業(yè)務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、響應時間），通過可視化儀表盤實時監(jiān)控支付、清算等關鍵業(yè)務流狀態(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)起轉賬→風控校驗→核心記賬→清算系統(tǒng)），精準定位業(yè)務瓶頸（如風控規(guī)則引擎延遲或數據庫鎖爭用），加速故障修復，避免交易積壓。
3）轉化率漏斗分析，分析業(yè)務流程中用戶轉化漏斗（如開戶、貸款申請），識別關鍵環(huán)節(jié)流失原因。定位業(yè)務流程中的流失點（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/網頁）的轉化率，指導資源傾斜與體驗優(yōu)化。
4）用戶體驗與業(yè)務關聯分析，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（如微服務超時、第三方接口異常）深度關聯，識別客戶流失的技術誘因（如身份驗證服務響應慢），針對性優(yōu)化業(yè)務流程。
3.2.基于因果AI的故障定位能力
因果AI（Causal AI）：是通過構建動態(tài)因果關系拓撲，將銀行核心交易系統(tǒng)中的上層異常（如交易延遲、失敗）與底層根因（如代碼缺陷、資源瓶頸）自動關聯，實現無需人工干預的精準問題診斷。其核心邏輯是結合實時監(jiān)控數據（指標、日志、拓撲）與歷史模式，推理出故障傳播路徑，例如從數據庫慢查詢追溯到微服務調用鏈異常，并進一步評估對業(yè)務指標（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。能夠將通常的小時級問題排查降低到分鐘級故障定位，實現1分鐘發(fā)現問題、3分鐘定位問題。能夠自動識別和數字化映射新核心系統(tǒng)所在的整個IT環(huán)境，包括業(yè)務系統(tǒng)、服務、容器進程、基礎設施等。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系，結合核心系統(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)務性能的問題根源。
因果AI通過動態(tài)構建因果關系圖譜，自動關聯交易異常（如延遲、失敗）與底層根因（如數據庫鎖競爭、微服務調用鏈超時、第三方接口故障），實現秒級精準定位問題。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)務影響量化，評估交易中斷對高價值業(yè)務（如大額轉賬、實時清算）的損失，優(yōu)先修復關鍵節(jié)點；
3）預測性風險預警，基于歷史數據預判交易洪峰（如月末結算）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)務指標的關聯報告，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)務連續(xù)性。
圖：因果AI給出的故障定位結果展示
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，專注于將復雜技術數據轉化為可操作的業(yè)務洞察，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、運維及業(yè)務團隊快速理解系統(tǒng)問題并驅動決策，降低跨部門協作門檻。
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)務或運維人員可直接提問（如“為何大額轉賬延遲？”），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，直觀呈現問題影響范圍；
自然語言診斷：將技術異常（如接口超時、風控規(guī)則攔截）轉化為業(yè)務描述（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：結合上下文推薦修復動作（如調整數據庫連接池、優(yōu)化微服務超時配置），加速故障恢復。通過上述能力，該AI驅動技術數據向業(yè)務決策的高效轉化，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)務轉化率與用戶體驗優(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)化關鍵路徑。同時，結合業(yè)務指標與性能數據，量化用戶體驗對營收的影響，推動轉化率提升10%-20%。
4.3. 數據接入開放性
支持多源異構數據無縫集成，包括日志、指標、業(yè)務事件。通過DataHub 可視化編排靈活定義數據清洗、富化規(guī)則，將第三方系統(tǒng)數據統(tǒng)一納入分析，打破數據孤島，增強全局洞察力。
4.4. 高效數據庫技術與降本增效
底層采用完全自研的時序數據庫MoreDB與全量鏈路存儲TracingX，實現海量交易數據（PB級）的高效存儲與實時聚合查詢，成本較傳統(tǒng)關系型數據庫降低50%+。同時，自動數據生命周期管理按策略歸檔非熱數據，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)務價值挖掘到資源優(yōu)化的閉環(huán)支撐，成為數字化轉型的核心引擎。此次獲獎是對乘云數字在金融領域科技創(chuàng)新成果的肯定。未來，乘云數字將繼續(xù)秉承創(chuàng)新驅動發(fā)展的理念，深化金融科技應用，推動數字化轉型向更高水平邁進，為金融行業(yè)的數字化轉型貢獻力量。
作者：
評論