随着我行业务的日益增长和数据应用建设逐步丰富，需接入数据和存储规模越来越大，各个系统的批处理和计划任务作业数量繁多，同时各个作业的计划时间段也各不相同，并且多个系统之间的作业调度需要整体协调，计划任务之间的关系错综复杂。无疑这将对我行系统运维管理工作带来极大的挑战，这种没有统一的批量调度管理将会带来以下问题。 大数据平台作业目前主要是后台部署，涉及系统较多，缺乏审计和跟踪； 数据文件交换目前主要使用kettle，开发规范和风格差异性较多，开发难度较大，性能无法保证； 目前大数据平台的每天增量较大，导致大数据平台性能和数据平台可用空间显著降低，运维成本增加，在众多数据中，大部分是非活动数据，清理并迁移出非活动数据和超过生命周期期限的数据到硬件成本更为低廉但可靠的文件集群，即形成：在线历史数据库。 目前在建和待建的应用系统繁多，业务测试环境跨系统数据缺乏一致性和数据完整性，需要从生产环境导出数据，需要对敏感信息进行漂白处理，目前是手工处理，工作量大而且未实现共享。 该类工作频度高、耗时长、易出错、缺乏规范。从节约成本与统一架构、统一规范考虑，拟在全行推行统一的数据服务平台BDPS，实现统一调度、数据交换、作业辅助部署、历史数据管理、数据漂白功能模块 。

java、oracle、gbase等近年来，随着金融科技飞速发展，大数据和AI人工智能被广泛应用于精准营销、风险控制、反洗钱等业务领域，促使各大传统银行纷纷探索业务转型和技术变革。“数据赋能，业务创新”，是中国银行针对当前市场环境提出的战略发展路线。新技术的普及，使得数据存取架构愈发注重效率且快速，应用架构愈发趋于简单化，技术则倾向于分布式水平扩展。同时，数据开发与应用快速融合，以微服务、微应用的方式进行数据服务集成，是快速响应业务需求的技术解决途径。 新技术驱动了业务条线创新需求不断增加，也驱动了信息技术平台的快速迭代，进一步推动分行IT部门对现有数据应用开发、应用部署及数据服务方式进行变革，以适应当前市场发展，为业务部门在大数据应用和创新发展等方面提供技术平台。

本人负责中国银行北京市分行*公众号后台管理平台的设计、开发、部署等工作，本系统实现了业务人员自主设计和开发*页面，配置*菜单等功能