文思海輝杜嘯爭：從業務數據化到數據業務化，數據價值加速迸發

2019年伴隨著BATJ等互聯網巨頭相繼構建或對外輸出「數據中台」能力，「數據中台」的概念真正火了起來。技術創新可以使概念迅速走紅，但市場熱情持續多久還要看業務價值。數據中台概念的持續火熱顯示出數據賦能業務創新、實現業務價值的巨大潛力以及市場認可度，這一理念也在慢慢滲透進有著「數據寶庫」之稱的金融行業。

文思海輝金融事業部副總裁、大數據事業部總經理杜嘯爭認為，金融機構對於數據的態度應該從「業務數據化」到「數據業務化」轉變，將「靜態數據」變成「活數據」，以業務價值驅動數據運用，推動業務理解、洞察業務機會，真正讓數據成為金融機構的重要資產。

金融數據體量快速增長，驅動傳統銀行數字化轉型

相比於其他行業，商業銀行數據體量龐大，且在發展過程中積累了海量數據，包括客戶信息、交易信息、資產負債信息等等，數據體量呈現爆炸式增長。BCG曾有報告指出，銀行業每創收100萬美元，平均就會產生820GB的數據。

杜嘯爭向億歐金融介紹，商業銀行的數據倉庫建設需求最初源於監管需求，數據倉庫存儲著全行重要的業務數據並對其進行了深度整合。但隨著時間的變化，傳統的數據倉庫並不能完全發揮數據價值，因此，亟需改變其數據架構。

對於銀行數據架構變化的驅動力，杜嘯爭表示，一方面，隨著金融數據體量的不斷增加，傳統的數據倉庫由於性能和技術的限制，無法很好的與第三方業務系統進行對接，也無法滿足銀行對內外數據整合的價值需求；另一方面，互聯網金融公司、保理、信託以及基金等同業也在步步侵蝕銀行的傳統金融業務，使得銀行需要從內部優化資金使用效率、從外部拓展業務範圍和加強風險防控；再者，監管機構的監管要求也驅動了銀行業數據架構的創新。總的來說，銀行在「業務數據化」的過程中，對於數據的利用率和價值提取度不高，在新的大量外部數據湧現的情況下，銀行需要在「數據業務化」的過程中，積累數據資產，深入探尋數據價值。

從金融機構的角度看，業務數據化是指企業將業務信息由傳統的書面化轉變為在線化、數據化，目的是為了讓業務信息「有跡可循」。數據業務化是指在業務信息數據化的前提下，以具體業務目標為導向，對既有數據進行加工、分析、處理以輔助業務人員更精準、更高效的作出業務決策，數據業務化側重於發揮數據自身價值，使數據服務於業務或產品本身。

目前許多銀行已使用數據驅動其業務運營，杜嘯爭以通過知識圖譜發現風險客戶為例，向億歐金融展示了「數據業務化」產生的巨大價值。

中小企業貸款難是目前國家關心的重點問題，國家要求大中小型銀行全力支持中小企業發展，根據其風險情況對其進行信貸支持。不過同時，監管部門也要求銀行加強自身風險體系建設，避免出現大規模壞賬。

在這樣的背景下，很多銀行利用行內外數據，利用社交網路分析和知識圖譜等新的數據技術，通過各個客戶之間的關係、客戶和銀行的關係以及客戶和合作夥伴的關係等，搭建銀行自身的客戶關係知識圖譜。通過這樣的網路，能夠快速發現一些潛在的風險客戶，能夠快速定位一些可能出現風險的客戶，能夠讓銀行提前發現風險並採取預防措施。這樣既能更好的支持中小企業的發展，又能讓銀行避免潛在的風險。

內部數據 外部數據，助力銀行提高資源使用效率

對於任何一個銀行而言，其數據來源都是由結構化、半結構化與非結構化的內部數據與外部數據構成。具體來說，內部數據為銀行內部產生的數據，是顧客在銀行辦理業務全過程的記錄。外部數據則是銀行基於自身數據應用場景及業務需求，通過爬取或者與外部數據服務商合作取得的海量數據，銀行的外部數據來源非常廣泛，可以是基礎數據，也可以是整合加工後的數據。

隨著金融產業結構與消費結構的不斷升級，客戶對銀行的需求也日趨個性化、場景化、多樣化和智能化，僅使用內部數據已經無法滿足銀行的決策需求，需要與外部數據服務商合作，獲取更廣泛的數據來源，補充客戶的全畫像信息。

外部數據經外部數據服務商引入，成為銀行重要的資產。外部數據既包括商報、新聞、研究報告、分析報告等「硬信息」，也包括社交數據、地理位置數據、通信數據、行為信息、偏好信息等「軟信息」。

外部數據不能自由導入，需要根據銀行的統一管理規定，集中統一存儲於外部數據平台中，然後再根據具體的需求，按需進入數據平台，在數據平台中完成數據的整合、實現完整的客戶標籤和畫像信息。

在過去十多年來，銀行在數據平台的建設過程中，數據平台架構經歷了數據集市、ODS、數據倉庫，再到今天流行的數據湖和大數據平台的發展。

數據倉庫作為傳統的數據平台架構，只能保存各種結構化數據，偏重於數據的一次存儲與多次使用，更偏重於數據驅動方式的建設。數據載入到數據倉庫之前，首先被進行某種格式和結構的處理，半結構化數據或非結構化數據轉變為結構化數據，以供數據需求者或前台業務人員使用。

針對這種數據存儲方式，杜嘯爭表示，國內銀行的數據倉庫投資花費雖較高，體量大的銀行每年連續投資過億，小行也超過千萬，但業務角度產生的業務價值回報值得商榷。在技術驅動、監管驅動與業務競爭驅動的背景下，所有的銀行都在尋求數據在業務層面的價值，優化運營效率，數據湖和大數據平台的概念先後興起。數據湖和數據中台都更加強調從業務角度出發，更加強調業務的價值提取。

數據湖與大數據平台都可以保存各種結構化、半結構化和非結構化數據，都可直接被前台業務部門調用和處理。兩者區別在於，數據湖中的數據為未被處理的原始數據，而大數據平台中的數據則經過一定處理，使其以業務為導向，貼合銀行業務的實際應用。

對於數據湖的定位，杜嘯爭表示，相比於數據倉庫的數據，數據湖更加強調技術部門和業務部門的職能分離，技術部門解決的是數據的快速接入，業務部門專註於數據的使用，數據湖中的數據可直接被前台業務部門所調用。

從實際應用上看，直銷銀行、消費金融公司、銀行信用卡中心等一線的前台業務部門，通過運用數據湖，可將原有決策時間由兩至三周縮減為一至兩天。這種數據處理手段大大節約了決策時間，也提升了數據使用效率。

金融科技公司機遇與挑戰並存，構建銀行服務立體生態體系

在銀行數字化轉型過程中，越來越多的銀行開始擁抱金融科技，投入大量成本用於研發數據產品，使大數據和AI技術驅動銀行進一步實現數字化目標，這為服務於銀行的金融科技公司帶來新的市場挑戰和機遇。

杜嘯爭認為，金融科技公司目前面臨的挑戰主要有兩點：一方面，數據的價值會被進一步強調與利用，即「業務數據化「轉型」數據業務化「。在此過程中，企業需要從業務的視角重新梳理數據價值，不能單純的就數據談數據的方式來建設數據平台。由於未來金融科技公司的要求是以貼近業務，或者以應用場景出發，所以從業人員的綜合素者要求會更高，需要人員進行跨界發展。在過去，人員分工較為明細，但在未來，他們需要更多地了解一整套數據分析業務流程。

另一方面，由於技術的發展，在未來技術應用的門檻會持續降低，但其為客戶提供服務的側重點會發生改變。在過去，金融科技公司為銀行客戶提供的三種服務（解決方案、產品與專業化服務）中，解決方案是最重要的，但在未來，數據產品會和解決方案同等重要，且輸出越簡單越好，客戶希望能夠有直接能夠拿來即用的數據產品來提供支持。

從機會的角度，杜嘯爭表示，在互聯網大數據時代，開放銀行是銀行未來重要發展趨勢。銀行為打造開放銀行平台，可通過與金融科技公司合作，或依據自身構建開放銀行平台。對於小型銀行，前者實施可能性較高，因為前者可使銀行著眼於其主營業務。對於大型銀行，他們會和金融科技公司合作，通過吸收金融科技公司的技術優勢來自身建設平台，不過這對於銀行IT系統建設的能力要求非常高，需要銀行具備一整套完整的技術體系專業能力。

從長遠來看，金融科技公司會和銀行聯繫越來越緊密，他們能夠各取所需，各自發揮各自的不同特點。這就要求金融科技公司除了能夠構建底層的數據平台之外，還需要更重視應用場景，加強對於解決方案、產品與專業服務三維一體的生態體系建設。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！