2019年伴隨著BATJ等互聯網巨頭相繼構建或對外輸出“數據中臺”能力,“數據中臺”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。數據中臺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,金融機構對于數據的態度應該從“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。

杜嘯爭帶領的文思海輝·金融大數據事業部擁有1300多名專業的咨詢及交付人士,通過大數據技術幫助客戶實現精準營銷、客戶360標簽、實時風控、實時反欺詐、知識圖譜、數據湖、外部數據平臺、RWA等解決方案等據悉,近日IDC發布的《中國銀行業IT解決方案市場份額,2018》研究報告顯示,文思海輝·金融以4.9%的市場占有率繼續領跑中國銀行業IT解決方案市場,并分別在支付與清算系統、呼叫中心/電話銀行、客戶關系管理、商業智能、風險管理方案5個細分領域市場份額排名第一。

金融數據體量快速增長,驅動傳統銀行數字化轉型

相比于其他行業,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于監管需求,數據倉庫存儲著全行重要的業務數據并對其進行了深度整合。但隨著時間的變化,傳統的數據倉庫并不能完全發揮數據價值,因此,亟需改變其數據架構。

對于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,傳統的數據倉庫由于性能和技術的限制,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、信托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、從外部拓展業務范圍和加強風險防控;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,對于數據的利用率和價值提取度不高,在新的大量外部數據涌現的情況下,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,數據業務化側重于發揮數據自身價值,使數據服務于業務或產品本身。

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,利用社交網絡分析和知識圖譜等新的數據技術,通過各個客戶之間的關系、客戶和銀行的關系以及客戶和合作伙伴的關系等,搭建銀行自身的客戶關系知識圖譜。通過這樣的網絡,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并采取預防措施。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

對于任何一個銀行而言,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于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,也可以是整合加工后的數據。

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,集中統一存儲于外部數據平臺中,然后再根據具體的需求,按需進入數據平臺,在數據平臺中完成數據的整合、實現完整的客戶標簽和畫像信息。

在過去十多年來,銀行在數據平臺的建設過程中,數據平臺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臺的發展。

數據倉庫作為傳統的數據平臺架構,只能保存各種結構化數據,偏重于數據的一次存儲與多次使用,更偏重于數據驅動方式的建設。數據加載到數據倉庫之前,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臺業務人員使用。

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,數據湖和大數據平臺的概念先后興起。數據湖和數據中臺都更加強調從業務角度出發,更加強調業務的價值提取。

數據湖與大數據平臺都可以保存各種結構化、半結構化和非結構化數據,都可直接被前臺業務部門調用和處理。兩者區別在于,數據湖中的數據為未被處理的原始數據,而大數據平臺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。

對于數據湖的定位,杜嘯爭表示,相比于數據倉庫的數據,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,業務部門專注于數據的使用,數據湖中的數據可直接被前臺業務部門所調用。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臺業務部門,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并存,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,投入大量成本用于研發數據產品,使大數據和AI技術驅動銀行進一步實現數字化目標,這為服務于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臺。由于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,由于技術的發展,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臺,可通過與金融科技公司合作,或依據自身構建開放銀行平臺。對于小型銀行,前者實施可能性較高,因為前者可使銀行著眼于其主營業務。對于大型銀行,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臺,不過這對于銀行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系越來越緊密,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臺之外,還需要更重視應用場景,加強對于解決方案、產品與專業服務三維一體的生態體系建設。

文思海輝·金融以獨特的“解決方案+服務模式”,為面向銀行、證券、保險、信托、基金、租賃等金融企業提供先進的解決方案和金融咨詢服務,并致力于以先進的解決方案和金融咨詢服務助力金融企業的數字化建設,通過持續創新和不斷研發,以金融行業應用為支撐,建立了基于分布式架構和云平臺的數字化核心業務體系基礎平臺,提供涵蓋零售銀行、交易銀行、國際結算和貿易融資、供應鏈金融、支付結算、信用卡業務、信貸業務、數字化營銷、資管業務、數字化監管、私人銀行及理財業務、數字化監管與合規,大數據風控、客戶營銷渠道、開放銀行(OpenAPI)等全業務領域的超過200個自有知識產權的解決方案體系。憑借十年磨一劍的工匠精神,依托AI、大數據、云計算、移動互聯、區塊鏈等技術的支撐,其由數字化業務、數字化營銷和數字化運營組成的數字化金融解決方案快速成長。文思海輝·金融現已與500余家國內外金融機構建立了長期合作關系。