国内头部券商，业务涵盖投资银行、财富管理、机构交易等。总部位于上海，拥有 5 家专业子公司，境内 37 家分公司、342 家证券营业部，业务网络遍布全国，连续多年保持行业领先地位，在创新能力和风险管理方面均处于行业前列。
项目背景：
该客户在运维数据治理方面面临以下挑战：
- 数据孤岛现象严重：证券交易、资产管理、投资银行等业务系统独立维护运维数据，缺乏统一管理，导致数据标准不一致
- 数据质量管控不足：运维数据采集、存储、处理等环节缺乏有效的数据质量管控机制，影响数据分析的准确性
- 数据关联性差：业务系统、基础设施、网络设备等运维数据缺乏有效关联，影响问题定位和根因分析效率
- 数据价值挖掘不足：海量运维数据缺乏有效的分析模型，难以转化为业务洞察和决策支持
- 数据安全风险高：证券行业对数据安全要求严格，现有运维数据管理机制难以满足监管合规要求
- 数据共享效率低：运维数据在业务部门、技术部门之间流转不畅，影响跨部门协作效率
- 数据治理体系不完善：缺乏统一的运维数据治理框架，难以实现运维数据的全生命周期管理
项目方案：
- 数据治理平台功能框架建设：
- 构建完整的运维数据治理平台，包含模型管理、接口服务、质量策略、门禁服务、异常告警、质量分析等核心模块
- 建立运维数据湖，实现海量运维数据的集中存储和管理
- 闭环数据治理机制：
- 定标准：通过模型管理模块，制定统一的运维数据标
- 设门禁：利用质量策略模块和门禁服务模块，建立数据质量管控机制
- 查数据：通过数据管理模块，实现运维数据的全面监控和分析
- 推治理：借助异常管理模块，推动数据问题的整改和优化
- 存量与增量数据治理：
- 存量数据治理：采用质量策略+自动门禁机制，自动识别数据实例异常，推动源端数据改造
- 增量数据治理：通过加工模型管控，自动识别数据加工模型异常，确保加工模型的准确性和有效性
- 数据治理成果：
- 已自动采集和纳管湖仓指标项2万+项，湖仓指标实例200万+项
- 集中纳管基准指标项、质量策略、指标映射等管控类信息
- 自动识别异常指标实例10万+项，并进行多维度统计分析
- 提供异常类型、指标项、所属应用、主机、行政组、负责人等多维度的统计分析和排名，为数据治理决策提供依据