最近，在研究国外的金融科技公司，他们如何构建他们的平台战略？机缘巧合之间，刚好看到一篇关于Bank Python 相关的文章《An oral history of Bank Python》。在这篇文章里，介绍了 Bank Python 的四种基础构建块：

• Barbara, the great key value store
• Dagger, a directed, acyclic graph of financial instruments
• Walpole, a bank-wide job runner
• MnTable, the ubiquitous table library

而围绕于这四个构建块创建的其中一类系统，则构建成了「金融 Python 即服务」的平台模式，即让金融从业人员能实现自助式的数据分析与处理。为此，我想编写一篇文章来介绍一下这种模式，方便于未来查阅。

问题

如何提供一种快速的大数据分析模式，以供金融从业者使用？

对于这个现代化的分析工具来说，它需要：

• 融合银行内部的风险管理等一系列特色的金融服务。
• 提供自助式的基础设施，以实现数据自助。
• 实时的海量事件数据处理机制，以实时响应市场的变化。
• 提供一种易于学习语言作为接口，以粘合内部的一系列服务。

只是呢，与通常的数据服务不一样的事，传统的分析模式，可能由开发人员导出报表进行分析，又或者是由拖拉拽的方式（低代码）来让业务人员操作。现代化的分析模式，则是围绕于 DSL 来构建数据自助服务。

解决方案

在参考了国外主流的一些金融科技公司的模式，以及他们背后的 Bank Python，也有诸如高盛一类 Bank Slang 的机制。基于他们的一些经验，以及系统现代化的趋势，便提炼了「金融 Python 即服务」模式 —— 让业务人员能自助对金融数据分析，以及快速扩展的分析能力，即实现数据自助服务。

在这个机制下，便是业务人员编写 Python 代码来完成数据自助服务，查询、交互、分析、可视化等。而为了支撑业务人员使用 Python，又对公司的人才策略提出了挑战，金融公司所需要的是金融工程人才，才能将创新发挥到极致。当然了，这个解决方案并不简单，需要融合三个领域的专家：金融工程、数学科学、人工智能，除此，我们还需要关注于如何构建快速交付的基础设施。

于是乎，在这个模式中，它主要由如下的三层所组件：

• 交互层 —— 组件丰富的可交互式分析工作台。
• 领域层 —— 持续丰富的金融服务与中间件平台。
• 数据层 ——自服务分布式数据基础设施。

当然了，为了实现上面的目标数据平台、服务组件化等等，一个都不可缺少。除此，更有意思的是这三层的每个层都是可扩展的：组件化、插件化等，诸如于 UI 层，可以通过插件化来快速实施。

交互层：组件丰富的可交互式分析工作台

在这一层时，便是金融 Python 的核心交互所在，它需要提供这么一些能力。

• 可交互工作台。诸如于 Jupyter、Zeppelin 等工具提供这样的工作台能力。
• 交互式 DSL。与其他脚本语言相比，Python 语言具有非常好的交互性。并且作为一个开源的语言，也不会遇到 Slang 这一类的遗留基础设施的问题。
• 金融组件集。提供交互式分析和数据可视化组件，并封装这些组件，提供快速嵌入的能力。
• 金融可视化算法集。封装金融领域特有的数据算法。当然了，如何让构建的算法性能更高？也是一个非常有意思的问题。

Jupyter 已经成为了今天的可交互式分析代表性的工具，诸如于 Goldman Sachs 等金融科技公司也采用了这样的平台。值得一提的是，诸如于 Perspective 提供了一系列金融相关组件集，并内置了一个快速、内存高效的流式查询引擎，还基于 WebAssembly 和 Web Components 技术来提供高性能的前端组件，还有 Jupyter 等一系列的插件。而像 ExprTK 则能提供一个简单易用、易于集成且极其高效的运行时数学表达式解析器和评估引擎，也是一个非常不错的工具。

所以，对于这个工作台来说，在特定的场景下，它还需要具备这么三个属性：低延迟组件（流式数据）、高性能快速计算（WASM）、快速查询 DSL。

领域层：持续丰富的金融服务与中间件平台

从国内对于中台的喜爱来说，人们似乎喜欢把它称之为金融中台。但是，我更喜欢称之为领域层，毕竟面向的是金融与数据分析领域的，而且它还是一个领域驱动的事件架构。

我们需要围绕于交互层的交互指令，对数据进行一系列的操作。于是乎，我们关注于：

• 金融与数据处理工具包。诸如于经典的 NumPy、SciPy、Pandas 等，又或者是高盛提供的 GS Quant 便是一个非常不错的工具集。
• 金融服务。诸如于常见的风控系统等，我们还要考虑，如何将投资组合风险分析和保险的合规性检查、欺诈检测、自动化交易等问题集成到系统中。
• 计算引擎与任务调度。对于计算引擎来说，我们还得考虑对于 DAG 任务的支持，跟踪计算状态以及它们之间的依赖关系，允许完全和部分重新计算。

从系统的实现层面来说，其实我们应该关注的是：围绕 DAG 去实现任务编排，诸如于 Apache Airflow 便是一个非常不错的工具。

数据层：自服务分布式数据基础设施

从某种意义上来说，这一层在今天可能会被称为 DATA AI，因为它们由 AI 和数据两层所构成

• 在数据侧，我们并不考虑使用 Python 来构建，主流的大数据相关的工具都围绕于 Java 语言所设计。从结果来看，就是构建一个数据湖，而与数据湖相比，构建 Dash Mesh 架构更适合这里的场景。
• 在 AI 侧，有大量的 Machine Learning 相关的工作，需要去训练模型，采用 CD4ML 来为机制学习构建持续学习。

所以，同样也是这么几个维度：

• 低延时数据库。与其他领域相比，接入低延时数据库是诸如高频交易等领域所需要的。
• 实时处理交易数据。则需要围绕于交易事件构建 Flink 集群，以及对应的集群处理机制。
• AI 服务。诸如于 NLP 对于各类文档、报表等进行自动化分析，以将这些非结构化的数据进行结构化。

在比较懒的情况下，采用诸如于 Trino（Presto ）这一类的 SQL-On-Anything 查询引擎作为 wrapper 也是一个非常不错的解决方案。

问题

在细节上，我们还要考虑的是：

• 治理、风险管理和合规检查等等。
• 数据安全。对应数据的权限安全等。
• 混合云架构。

当然了，这些都可以算是基础设施。

类似用法

其它相似的模式，还有：

• 基于 Lambda 架构的数据应用分析。采用 Serverless 平台来快速部署应用和分析功能。
• 低代码金融服务平台。采用低代码的分析，在线构建应用，并实时部署。
• BI（Business Intelligence）分析工具。使用 BI 作为基础设施，将数据处理集成到 BI 中。

当然，这些都是 "传统" 的方式。

已知应用

• 高盛的 SecDB 及其 Slang。约 1.5 亿行 Slang 代码
• 摩根大通的 Athena。约 5 千万行 Python 代码
• 美银证券的 Quartz
• Beacon 平台

其它

参考资源：

• Best Python Libraries/Packages for Finance and Financial Data Scientists
• An oral history of Bank Python
• How to build a DAG based Task Scheduling tool for Multiprocessor systems using python