為什麼銀行業務離不開「IOE」？

02-19

先擺出觀點：

即便缺少BAT的技術優勢，傳統商業銀行去IOE，也可四兩撥千斤

商業銀行大數據之路三部曲1：去IOE

商業銀行大數據之路三部曲2：數據治理

商業銀行大數據之路三部曲3：智能化

IOE的成本

對銀行來說IOE的「I」指IBM的大型機，約幾百萬美元，每年維護費80萬，維護人員每天工資2萬。「O」為Oracle資料庫，按CPU收費，每個15萬，好點的資料庫伺服器隨便7，8個CPU，就要消耗近百把萬的license費用。「E」是EMC的存儲，按T(1024G)收費，一套方案下來，大概5萬/T左右。

前段時間參加了一個技術討論，會上有聽到某個中字頭銀行測試部門負責人談他們的架構和成本。他們是IOE的架構，幾千萬的賬戶，平均下來1台IBM的大型機，配套Oracle資料庫，配套EMC存儲，費用總支出近1億元，卻只能支持50萬個賬戶。也就是說，單一的賬戶，硬體的成本將近200元。

也許大家對這個數字存有疑慮， 50萬個賬戶，就算他們在1個小時之內，全部交易10次，算TPS（每秒事務5000000/3600）也才1400左右。普通的伺服器就能做到，根本用不上大型機。其實，這是對銀行系統的業務不太了解。

銀行的每一筆交易，普通理解分三層：信息流，資金流，和賬務流（會計分錄），涉及到存款系統，支付系統等。但其實，對於銀行來說，流程遠遠沒有結束，每筆交易都要被銀監系統監管，被人行系統監管，要處理徵信，要進行風險的評估，要進行財務指標的計算，要進行流動性和頭寸的計算，要算資金成本，要進行盈利的分析，要進行成本分攤，還要判斷是否是洗錢，進行歸檔處理，客戶信息管理，反欺詐，稅務處理等等，還有成千上萬的報表。因此，交易之後的計算量，數據存儲量，都非常巨大，但又必不可少。缺少任何一項都會有相當嚴重的後果，比如2012年滙豐銀行就因為沒有判斷出明顯的洗錢行為，被罰了19.2億美元。因此，從全流程角度看，1個大型機，跑50萬賬戶，單賬戶200元的成本是比較可信的。

如果銀行能夠擺脫對IOE的依賴，把成本降到十分之一達到20元，則平均每千萬的賬戶，能節省 180元 * 1千萬 = 18億的成本。

去IOE的艱難

願望是美好的，現實也是殘酷的，去IOE口號喊了很多年，真正做到了去IOE的，也只有依靠騰訊和阿里支持的兩家互聯網銀行，這兩者都以「分散式的IT架構」為基礎，構建了銀行體系。

而傳統銀行，由於多年的IT均是基於IOE而建設的，形成了巨大的依賴性。不管是技術的積累，人才的儲備，或是風險的承擔能力，都不足以支撐這個去IOE的艱巨任務。此外，他們還有互聯網銀行所不具備的歷史包袱，億級賬戶需要在保持穩定性的同時，平穩切換到去IOE的架構，中間任何的差錯風險，都足以讓一票人烏紗不保。

2015銀監發39號文，督促銀行去IOE，並規定了明確的量化指標：2019年去IOE達到不低於75％佔比，且安排年度不低於5%的預算。但總體上也是雷聲大，雨點小，不僅技術儲備有差距，意願上更是身不由己，困難重重。

那麼對於銀行來說，去IOE，是否就真的不可實現了呢？答案是否定的。

去IOE的可操作方案

二八原則

筆者曾經在「I」工作過4年，「O」也工作過4年，之後在「去IOE」的銀行又工作了3年。或多或少參加了不少系統的去IOE架構落地工作，深切的感受到了去IOE過程中的「二八原則」。

去IOE的癥結矛盾是，在可控的風險和技術能力下，減少銀行IT系統成本。而實際上，有些系統投入80%的精力，80%的難度，承擔80%的風險，卻只能減少20%的成本。而另外一些系統，投入20%的精力，20%的難度，承擔20%的風險，確能減少80%的成本。

因此，商業銀行在各種劣勢下去IOE的出路，就在於儘可能把那部分20%的投入，有80%產出的系統落地。

系統分類和對比

銀行的系統從去IOE的角度，可以分為2類，聯機系統和數據系統。

聯機系統主要代表有：存款核心系統，支付鏈路系統（如同城，超網，大小額，銀聯），貸款系統，資金交易系統等。凡是系統響應在秒級別或者毫秒級別的系統，都可以納入聯機系統的範疇。

數據系統主要代表有：監管系統，徵信系統，資金轉移定價系統，資產負債系統，成本分攤系統，盈利分析系統等。凡是可以隔日再計算的系統（俗稱T+1跑批），都可以納入數據系統的範疇。

那這兩類系統在去IOE的表現上有什麼區別呢？

1.技術角度

聯機系統去IOE對技術要求非常高，不僅需要分散式的IT架構，同時在穩定性，容錯性，可擴展性上都有非常高的要求。在過去的實踐中，也都是很多部門，近幾百號人協作，踩了無數的坑，嘔心瀝血花了幾年時間才基本成型。因此，對於傳統銀行來說，不是金剛鑽，就別攬瓷器活。

2.風險角度

聯機系統去IOE風險非常大，稍有不慎停機幾秒鐘，或者計算出錯，就能導致非常大的損失。畢竟銀行賬戶金額出錯，換在誰身上都是不可接受的。

3.計算量角度

銀行聯機系統的TPS，不比互聯網，目前最大也就在5000左右。業務邏輯也不是特別複雜，處理完信息流，資金流和賬務流基本就結束了，因此佔用的計算量並不是特別多。

4.數據量角度

數據系統的數據一般都是每日從聯機系統拷貝快照，然後按照不同的下游系統需求進行分別加工，這個過程後，數據會急劇膨脹，數據系統累計的數據量，是聯機系統的上千倍。

6.系統選擇

由於歷史的原因，基本上傳統銀行，這兩類銀行系統都是遵循了相同的IOE架構。因此，這就給了我們去IOE的可操作空間。把數據系統從IOE中剝離出來，是低難度，低風險，高收益的事情。大數據平台才是數據系統真正的家。

因此，依據二八原則，我們可操作的方案是：聯機系統繼續保持IOE的架構，數據系統遷往大數據平台。這樣做的好處顯而易見，以極小的風險代價，保障系統穩定的同時，極大降低成本。讓我們同樣算一筆賬：

1億的IOE大機方案，如果只處理聯機交易，能力平均至少提升10倍，算500萬賬戶，單賬戶的成本為20元。

而大數據平台，500萬賬戶，實際生產上，只需要200台5萬左右的伺服器建集群，就能支撐所有的數據系統需求，單賬戶成本為2元 = 1000萬元 / 500萬賬戶。

因此，IOE+大數據平台的方案，單賬戶總成本為22元，相比單賬戶200元的純IOE方案，已經極大地降低了成本，從節省成本的目的上看，去IOE可以算非常成功了。

總結

商業銀行去IOE，最經濟，最低風險，最小難度的方案，就是依據二八原則，把銀行系統中的數據系統從IOE剝離，遷移到自建的大數據平台，以20%的投入，降低80%的成本。自此，商業銀行大數據之路就真正開始了。

點贊的童鞋，可以加我微信聊聊——Tunky82

最後廣告安利一下，我的微信公眾號：Tunky的實用主義　（SHI_YONG_ZHU_YI）　對銀行大數據和人工智慧實踐有興趣的朋友，可以關注一下

本人銀行科技部程序員一名。實事求是地回答

1 銀行技術水平不高，技術地位不高，領導說了算。外包公司水平不高，所有的外包公司，水平都不怎麼高（得罪人也要說了，互聯網公司也有低的，但是BAT等的水平銀行加外包都趕不上）。除非BAT向銀行業技術輸出，自己增加銀行外包的業務。但是銀行外包真有那麼好做么。

2 壟斷行業，准入門檻高，買ioe解決，為什麼要去，我的重點是拉存款，放貸款，你存錢進來了，系統掛了，你不能等系統恢復再轉賬嗎？你能把我怎麼滴！BAT去IOE，估計最大原因不是成本，是IOE滿足不了他的業務量。這點在銀行壓根不是問題。

3 拍板的領導都是搞業務上來的，你讓我怎麼去領導大家去IOE，IOE是個啥都說不清楚。

目前電信行業現在正在在做去ioe，不知銀行未來發展趨勢是否也會如此

不想省錢，想找個第三方出事了擔責。記得ibm的人在哪個銀行丟數據以後被銀行員工毆打的

不是銀行業離不開IOE，是離開IOE需要時間，就跟阿里一樣，阿里也不是一下就離開的，至於時間長短就看他們自身的投入了。

銀行的首要是要穩定，，猛然去ioe有風險，先會在非核心的業務上去，，然後才會是核心業務，，再說ioe一般都有廠家支持，出了問題有人背鍋，，凡事要有背鍋的人，這個很重要

成本巨大，費時費錢費力。

需求並不迫切，沒有哪位領導願意大刀闊斧去承擔這個風險，多做多錯。

相對於效率我覺得現在銀行更看重安全與穩定性。

額，俺這樣業餘民工級別的IT業餘人士居然被人點歪了「邀請」。。。。。。不得不匿啊

先從大環境來說，目前說難聽點是社會上的「崇洋媚外」，客觀來說就是目前的國產壓根還頂不上去

如果忽略中間件、資料庫……大概劃分成為硬體、軟體、服務3方面，銀行看重的響應速度、災備時間……俺不懂，但是
硬體、軟體上，一方是大名鼎鼎的世界級大牌，一方是國產…………

前面有HDS泄密，後來有斯諾登同志爆料，國家會投入的，只是不可能一蹴而就

利益相關：國家認證第三方檢測機構職員

就說一句，國外的都不安全

我們要對自己要用的東西，尤其是核心關鍵位置，一定要知根知底，不只是伺服器，資料庫，操作系統，晶元也要上自己的了