1. 保險公司要和醫療機構進行數據對接，搭建大數據平台，有好的方法嗎
討論幾種針對各種軟體系統的數據採集的方式方法。重點關注它們的實現過程、各自的優缺點。
軟體介面對接方式
開放資料庫方式
基於底層數據交換的數據直接採集方式
1、軟體介面對接方式
各個軟體廠商提供數據介面，實現數據匯集，為客戶構建出自己的業務大數據平台；
介面對接方式的數據可靠性較高，一般不存在數據重復的情況，且都是客戶業務大數據平台需要的有價值的數據；同時數據是通過介面實時傳遞過來，完全滿足了大數據平台對於實時性的要求。
但是介面對接方式需花費大量人力和時間協調各個軟體廠商做數據介面對接；同時其擴展性不高，比如：由於業務需要各軟體系統開發出新的業務模塊，其和大數據平台之間的數據介面也需要做相應的修改和變動，甚至要推翻以前的所有數據介面編碼，工作量很大且耗時長。
2、開放資料庫方式
一般情況，來自不同公司的系統，不太會開放自己的資料庫給對方連接，因為這樣會有安全性的問題。為實現數據的採集和匯聚，開放資料庫是最直接的一種方式。
不同類型的資料庫之間的連接就比較麻煩，需要做很多設置才能生效，這里不做詳細說明。
開放資料庫方式可以直接從目標資料庫中獲取需要的數據，准確性很高，是最直接、便捷的一種方式；同時實時性也有保證；
開放資料庫方式需要協調各個軟體廠商開放資料庫，其難度很大；一個平台如果要同時連接很多個軟體廠商的資料庫，並且實時都在獲取數據，這對平台本身的性能也是個巨大的挑戰。
3、基於底層數據交換的數據直接採集方式
101異構數據採集的原理是通過獲取軟體系統的底層數據交換、軟體客戶端和資料庫之間的網路流量包，進行包流量分析採集到應用數據，同時還可以利用模擬技術模擬客戶端請求，實現數據的自動寫入。
實現過程如下：使用數據採集引擎對目標軟體的內部數據交換（網路流量、內存）進行偵聽，再把其中所需的數據分析出來，經過一系列處理和封裝，保證數據的唯一性和准確性，並且輸出結構化數據。經過相應配置，實現數據採集的自動化。
基於底層數據交換的數據直接採集方式的技術特點如下：
1）獨立抓取，不需要軟體廠家配合；
2）實時數據採集；
數據端到端的延遲在數秒之內；
3）兼容Windows平台的幾乎所有軟體（C/S,B/S）；
作為數據挖掘，大數據分析的基礎；
4）自動建立數據間關聯；
5）配置簡單、實施周期短；
6）支持自動導入歷史數據。
目前，由於數據採集融合技術的缺失，往往依靠各軟體原廠商研發數據介面才能實現數據互通，不僅需要投入大量的時間、精力與資金，還可能因為系統開發團隊解體、源代碼丟失等原因出現的死局，導致了數據採集融合實現難度極大。在如此急迫的需求環境下基於底層數據交換的數據直接採集方式應運而生，從各式各樣的軟體系統中開采數據，源源不斷獲取所需的精準、實時的數據，自動建立數據關聯，輸出利用率極高的結構化數據，讓數據有序、安全、可控的流動到所需要的企業和用戶當中，讓不同系統的數據源實現聯動流通，為客戶提供決策支持、提高運營效率、產生經濟價值。
擴展閱讀：【保險】怎麼買，哪個好，手把手教你避開保險的這些"坑"
2. 信息整合方式
數據整合作為信息的基礎，是組織機構業務開展的底層支撐。企業通過不斷積累和集中各種原始數據，尤其是由各種應用系統生成的結構化數據，為數據整合提供基礎。數據整合的目的是實現對分散異構數據源的統一訪問，實時、智能地將有價值的數據傳遞給分析系統或其他應用系統，進行信息的進一步加工。這一過程旨在將不同資料庫集成，形成單一的虛擬資料庫，確保應用軟體數據與企業實際情況一致，避免出現與核心業務不一致的多個資料庫。
內容整合涉及對非結構化信息的管理，這類信息占企業信息總量的80%左右，包括電子表格、文本文件、圖像、圖表、報告、音頻文件和視頻文件等。企業可通過建立內容管理平台，實現對非結構化信息的高效管理。各類辦公信息，如公司文件、圖片、多媒體等，以及由搜索軟體整理、翻譯系統翻譯的信息，均可納入內容管理系統。系統通過編審校、分類管理和許可權控制等步驟，確保信息的有效管理。
在數據整合和內容整合的基礎上，企業可以追求業務過程的整合。通過將企業規則和過程轉移到企業應用軟體之外，形成一種外在的過程和規則引擎，實現過程的靈活性提升，對過程改善或新商業機會做出更加有效的響應。最終，通過提高內外部過程的自動化水平，實現過程執行的整體效率提升，達到優化過程的目的。
源於信息集成的信息整合及其重要性已被越來越多的人所認識，信息技術的不斷飛躍以及應用領域的不斷拓展，信息整合在應用范圍、視角、目標、層級以及涉及的要素等方面早已超出信息集成的范疇。信息整合是依據信息化發展趨勢，在一定組織的領導下，實現對信息資源序潔化、共享化、調化，進而實現信息資源配置最優化、拓寬信息資源應用領域和最大化挖掘信息價值的管理過程。從信息系統所涵蓋的要素來看，信息整合的源於眾多原因，可以從不同視角來審視。
3. 什麼是銀行的數據大集中，為什麼要數據大集中呢
簡單地講，大集中就是將分布在各個分支機構和營業網點的業務數據及其他一些相關的數據實現集中。事實上，大集中是依靠科技手段，實現數據的集中和數據的整合，並通過對數據深層次的挖掘，對銀行的客戶數據、業務數據進行系統分析和評價，推動商業銀行向決策科學化方向邁進，提高銀行的管理水平和工作效率。
60年代，自IBM發明了第一台商業計算機系統後，IT開始從無到有，以一種置於玻璃房的主機掛終端的形式起步發展。從80年末期到90年代初期，由於較低的附加開銷、較低的勞工費用，使整個工業界的趨勢走向分布式及部門式管理。為了加快對市場的響應時間，對IT應用系統開發的速度提出了更快的要求，因此IT的體系結構從原來單一集中式模式，走向分布式模式。並且逐步演變成難以控制的分散式架構。經過幾年實踐證明，在這種分散式模式下，帶來許多負面效果：
1)降低了IT的效率
＊分散的數據
＊分散的技術力量
＊機器，軟體系統資源不可共享
＊管理水平的不平衡
2)支持及管理人員的增加
＊艱難的整體規劃
＊艱難的整體管理
3)缺乏標准化
4)增加數據安全性、完整性的風險
5)軟體需要分散的重復投資，軟體及維護費用急劇上升
6)計算機硬體資源利用率低，眾多的計算中心均需自備備份主機及相應設備，無法公用機器的「白色空間」(及空置的CPU資源)
7)更困難的財政及固定資產管理
8)企業內部無法形成數據集中及應用集中，因此無法快速有效地為企業整體的經營管理者提供管理輔助信息。
9)無法承受災難備份的投資，在眾多的分散中心的條件下，實施相互災難備份的費用非常龐大，其管理及運作是及其艱難的。
面對這些挑戰，IT的管理者自然要問：
＊怎樣更好地支持、管理網路、軟體及伺服器？
＊怎樣更好地控制投資回報？
＊怎樣有效快速地分析業務數據？
＊怎樣集成分布式應用及數據？
＊怎樣將傳統的應用面向電子商務的同時，又能保證關鍵應用的高可用性及安全性？
大集中就是在這種背景下產生的。總結國外IT業的集中方式，無非可以分為以下四種形式的集中：
1)管理運作的集中：即將分散式的IT體系結構，用集中式管理模式進行運作。
2)物理集中：即不改變任何應用體系結構，僅僅將運作在多個伺服器上的應用集中在一台或多台集群式系統內，從而減少了伺服器的數量及種類，可共享系統資源，但客戶數據可能依然是分散的。
3)數據集中：可以使用存儲技術，實施數據的集中存儲及管理；或通過一定的共享軟體機制，實施數據的集中共享。
4)應用的集中：真正可以做到與業務集中相匹配的應用集中，及客戶關鍵業務信息的數據集中。
不同程度的集中，會產生不同的效果，投入及工程的復雜程度也不盡相同。在大集中項目中要考慮許多技術因素，但最最關鍵的是高層領導的重視及支持，及業務部門的介入。
大集中可能會引進對當前IT體系結構的重組(reengineering)，因此需從以下幾個方面考量其系統的設計：
首先集中決不是單純IT的技術問題，為IT集中而集中是無效之舉。集中必源於業務的改革，必帶來業務流程的改變。其最終目的是提高企業整體的運作及管理效率並帶來最大利潤。
次之，集中必帶來對應用體系結構的重新評估，可能帶來應用的調整甚至結構重組。
在設計大中心系統時，要有端到端的全局體系結構設計觀念。即從客戶端經由底層網路到前端機，經由骨幹網路到大中心伺服器，其整體結構要具有端到端的高可用性及可管理性。
大中心的整體設計考量因素為以下幾個方面：
1)應用的考量：
在多層次的系統架構中，各類應用在何層伺服器上運行，應用的功能如何分布。要不斷評估何種應用要進行集中，何種應用具有地區的特性，需要分布式運作。
2)企業核心信息資料庫的考量：
核心企業信息如何存放。只有形成了一個邏輯的統一的企業信息資料庫，才可以充分享受到集中的優勢。
3)整體系統性能考量：
由於集中將所有的核心業務運行在一個集中的系統上，客戶的服務業務量呈爆炸式增長，雖著電子商務的發展，BTB、BTC系統的建立，將每天都需要面對大量來自外界的數據訪問和互動式操作，所有這些需要大中心系統具有持續且穩定的響應性能。
4)系統的可擴展性的考量：
大中心系統必須具有很好的可擴展性及成長的能力。中國是一個人口眾多的國家，因此大型企業的客戶數量是驚人的。中國許多大型企業所服務的客戶數大於任何一個北美或歐洲的大型企業。以銀行為例，中國四大商業銀行的客戶帳號數均達上億，因此其企業客戶核心信息數據量將達到幾十個GB甚至為幾十個TB的數據量。因此資料庫、中間件、伺服器及存儲系統均需要具有優秀的可擴展性。除了應付爆發式的數據存儲需求，基礎設施還需要應付短時間內訪問高峰的沖擊，並提供足夠的靈活性對信息有效的管理。
5)高可靠性及高可恢復性的考量：
企業需要考慮為客戶提供每周7天、每天24小時的不間斷服務。同時，基礎設施必須為以不同方式接入的用戶提供同樣的易用性，以及在異構系統之間進行快速的信息查找和交換的應用靈活性，並保持系統能夠以很快的速度得到擴展。
6)冗災備份及恢復能力考量：
災難備份方案絕不是一個單純的技術方案，並且災難備份也決不是一個數據遠程拷貝的方案。它必須基於應用的考量，並外加業務備份規劃。從技術角度考慮，級別越高則備份的能力越高。方案的選擇必須立足於業務的需求，級別越高的備份方案，其項目實施總成本則越高，因此必須基於商務的承受能力進行方案的選擇。
7)端到端的系統管理：
集中後的系統管理將比分布式小中心的運作顯得尤其重要。在小型中心中，通常靠個體的手工管理，當實施大集中後，手工的、無系統化的管理將無法提供所需要的服務水準。因此必須建立可以集中觀測、集中管理的系統，但同時又可以分級進行控制、維護的體系結構。由於應用的集中運作，因此建立幫助平台及嚴格的變更管理體系尤為重要。
8)系統安全性考量：
企業需要保證系統和數據的安全性。需要考慮安全性的不僅是系統設備，還有設備提供商的實際能力。企業需要選擇可信賴的合作夥伴和供應商，在基礎設施系統的管理能力和數據安全方面都要有出色表現。安全可靠的系統不僅能保證前端與後端的系統安全，還需要確保伺服器與應用程序的防攻擊能力。
9)投資保護及降低業務風險：
大集中體系結構是在現有的IT體系結構之上進行再造的過程。體系結構方案必須考慮對現有的IT技術、設備的投資加以保護。甚至包括對應用投資及技術人員投資的保護。在設計和構建基礎設施的過程中，大中心方案不僅僅要著眼於當前的需求，更要放眼於未來的業務發展需求，本著節約成本、保護投資的原則，優化、整合和利用舊系統的資源，使大中心體系結構具有前瞻性。
大集中項目是一個逐步演變的過程，我們不可能在一日之間廢棄舊的體系結構，建立新的體系結構。在建設過程中需要保證與原有系統的成功整合，保證公司和顧客數據的安全性，降低整體風險。在由多種平台和技術組成的異構環境中，大集中項目必須實現新系統結構與原有系統的平滑轉換，這要求有嚴格的項目規劃和項目管理。
10)總體成本考量：
成本效益永遠是要考量的因素之一。與分布式環境相比，數據中心集中可以節省總體IT成本。但是要注意的是，在向集中過渡的過程中，必須重視新型應用的投資。所有IT的投資都不應偏離未來集中的大方向，以避免投資浪費。
分布式的信息技術結構是歷史的原因造成的，它在當時是最佳的選擇，並且也是中國IT發展必經之路。面對未來WTO的挑戰，許多企業開始重視規模化經營。為了在競爭中生存並超越對手，IT也必然需要採用高度的集中和可管理的結構。它也是內部業務集中管理的必然要求，大集中不只是一個技術上的項目，除了它的高科技含量外，它是一個強有力的、策略性的業務項目，它是中國銀行業發展所面臨的一個挑戰。