金融市场数字化业务管理平台、通过实时采集数据 进行深度业务数据治理的基础之上，引入先进的技术架构实时驱动金融业务模型，完成对各项业务指标的实时计算，并以此实现数字化驱动赋能业务场景的应用落地，包括：本外币交易策略观测、债承可视化管理、流动性可视化、风险合规应用、实时风控、实时风险限额等。平台拥有公司实时风控视角、流动性监测视角、债承管理视角、本外币交易视角不同需求的驾驶舱，满足用户依托于数据进行动态管理决策的需求。
解决方案通过实时采集资金系统、行情平台、代客系统、头寸系统等，实现实时交易、行情数据接入。通过批量接入WIND等系统实现 批量接入各类参考数据，并进行金融市场数据标准层的建设建设，通过驱动公司自有的专业化业务处理引擎：风险计量引擎、余额引擎、限额引擎、流动性引擎、指标计算引擎等进行各类风险、头寸、管理指标计算。在此基础上建设各类数据驱动的应用场景。
解决方案价值：
1)提升数字化投资运营能力：
将数据实时洞察与业务管理相结合，实现投资数字化在数据管理、分析、应用方面的运营闭环。
2)提升数字化投资风控能力：
基于大数据及分布式缓存，实现留痕数据的快速存储，保证风险及限额管理的实时性。
3)提升数字化投资决策能力：
通过全域实时的数据收集，将数据价值转化为企业资产，实现数据驱动、实时响应、动态交易决策。
4)提升数字化监管合规能力：
构建出深度治理的金融数据标准体系以及覆盖全资产类型的金融原生数据模型，实现细粒度的海量数据存储，多维度的数据分析模型。
创新亮点：
一、先进性：
1)技术架构先进性
凯美瑞德在此案例中建设的“金融市场数字化业务管理平台”是基于Lambda架构技术理论，在原有的金融工程技术基础上，依托大数据存储及流计算技术，实现传统的批量处理金融业务计量模型创新性改造，具有极大的行业领先性和竞争优势。
2)金融模型先进性
凯美瑞德在此案例中建设的“金融市场数字化业务管理平台”应用先进的建模理念，在多年领域服务经验之上，构建出深度治理的金融数据标准体系以及覆盖全资产类型的金融原生数据模型。
二、创新性：
1)行情驱动的实时架构
通过CDC、Kafka等技术，实时监测市场行情变化与交易数据变化，实时触发风险限额计算，实现亚秒级的数据实时驱动计算；
2)秒级响应
传统的金融业务引擎如市场风险引擎的估值及市场风险限额监控如Summit、Calypso、Murex等基于关系型数据库，性能有限，无法实现实时的行情响应，本项目风险模型计算引擎基于Hadoop/Spark的分布式存储与计算架构，百万级存量交易的风险指标、限额计算秒内完成；
3)风险计量的一致性
从源端实时数据接入到风险限额计算过程，有多个Spark Structured Streaming /Flink程序协同计算，而数据是实时变化的，为了避免频繁读取数据库带来的性能问题，引用Ignite分布式缓存技术，使百万级中间计算结果在不同Spark Structured Streaming /Flink程序间快速共享，保证了风险限额模型计算整体的实时性；
4)海量的数据存储
模型计算结果留痕存储。风险限额计算过程留痕数据量非常大，基于Hadoop的分布存储能力，实现留痕数据的快速存储 ，同时将留痕数据存储程序与计算主线程序分离，保证风险限额计算的实时性。
金融市场业务驱动方式正在由传统的事件、流程驱动转化为数据驱动。凯美瑞德自主研发的“金融市场数字化业务管理平台”已在某头部城市商业银行试点上线，业务交易量已超1000亿元，实现金融市场业务数据资产化，为后期的投研分析、投资决策提供有力支持。
