数据驱动与技术赋能 IBM支招金融数据中台建设

作者:李祥敬   【原创】   2020-06-16 16:43:43

关键字: IBM 金融 数据中台

IBM认为,金融行业的数据中台是以数据为中心,智能化、全链路地开展管理、应用和服务的平台化体系。数据中台使得金融机构的产品、客户、渠道、流程、风险不再割裂。它以数据为生产要素,建立了新型的生产力和生产关系。

未来是万物互联的社会,更深层次的含义则是数据的社会,数据洪流席卷各行各业。如何将数据转换为生产力,实现数据价值的最大化成为行业客户的最大诉求。特别是对于金融机构而言,其本身就是数据密集型的行业。在IBM看来,数据是金融机构的战略资源;只有得到有效地运用,数据才能转化为资产;而实现这种转化的关键就是数据中台。

说起数据中台,这个起源于中国互联网市场,最早由阿里巴巴提出的概念在过去一年成为企业的热门话题。IBM认为,金融行业的数据中台是以数据为中心,智能化、全链路地开展管理、应用和服务的平台化体系。数据中台使得金融机构的产品、客户、渠道、流程、风险不再割裂。它以数据为生产要素,建立了新型的生产力和生产关系。

银行为什么需要数据中台?

数据驱动与技术赋能 IBM支招金融数据中台建设

张玉明,IBM全球企业咨询服务部认知决策服务资深数据架构师

在数据利用方面,每家银行的情况是不同的。IBM全球企业咨询服务部认知决策服务资深数据架构师张玉明表示,现在银行正在从过去一个特别注重管控的文化,逐步演变成一个服务的文化。在数据方面,虽然银行的数据治理、数据管控等在逐渐完善中,但是我们要更具业务思维,让数据和用户场景充分融合在一起。

张玉明说,中国的金融行业,尤其是银行业,经历过数据大集中,他们已经意识到数据的重要性。银行逐步从数据仓库、数据集市起步,通过对银行内部的结构化数据进行汇集之后形成分析、洞察力和决策结果。虽然这个过程打通了银行的数据,但是数据存在各种各样的问题,具体表现在数据的缺失、不完整、不准确。“我们发现有些数据质量的问题也许只是技术上的问题,比如数据架构。但是还有相当一部分的数据问题反映的是企业治理存在问题。”

数据驱动与技术赋能 IBM支招金融数据中台建设

王保育,IBM大中华区金融行业事业部资深解决方案专家

IBM大中华区金融行业事业部资深解决方案专家王保育也表示,不管是大银行,还是小的金融机构,都不同程度地面临着数据不准、不全、不通的挑战,包括数据质量、数据变现、数据赋能的问题。“数据中台很重要的定位就是赋能业务,改变传统被动的供给模式,能够主动实现更好的业务融合。例如银行希望借助统一的平台,通过开放共享的方式实现数据互联互通,解决数据不通、数据难找的问题。”

如何实现“数以治用”?数据资产如何盘点和管理?如何真正从全生命周期角度对数据进行管理?如何实现平台化运营 ?如何衡量数据资产的价值?数据资产如何变现?

业务一线要的是“雪中送炭”型的数据服务,但数据分析团队却往往陷入“闭门造车”,难以成为一线的合作伙伴。数据如何真正赋能业务?数据资产如何沉淀和复用?数据中台建设的特殊使命主要在于解决这些问题。

数据中台建设,不是一个单纯的咨询或产品工具项目,本质上它是一个相互关联的系统工程。基于多年实践经验和本地化项目积累,IBM总结了金融机构建设好数据中台的五大关键成功要素——治理标准化、数据资产化、资产服务化、数据业务化、运营平台化。

数据驱动与技术赋能 IBM支招金融数据中台建设

金融行业数据中台的五大关键成功要素

金融行业数据中台的现代化

王保育认为,数据转化为资产的关键环节,就是数据中台发挥的一个重要作用。数据中台使得金融产品的客户、渠道、流程风险,不再割裂,实现更好的统一。就像建立了一个现代化的数据流水线,在数据中台里面一个非常重要的能力就是DataOps(数据运营),帮助金融机构打通数据大动脉,疏通服务微循环。

成功的数据治理,是数据中台建设的首要条件。张玉明说,数据治理是整个中台当中最基础的一个内容,通过治理标准化构造出来整个数据的标准化基础,最终形成可信的数据环境。

数据治理提供了一种全面的方法,帮助企业提升整体数据管理效率。在成熟的数据治理框架中,数据治理是协调人员、流程和技术工具,将数据视为企业的重要资产进行妥善管理,并能够加以良好利用。

外部数据是最近几年商业银行进行数据治理过程当中非常关注的一点,尤其外部数据的质量、安全性、合规性等等。企业不但需要考虑妥善管理企业自身由于业务发展所产生的数据,也要把眼光拓展到如何管理从外部环境攥取的数据。外部数据治理包括四个要素:识别、引入、应用和综合管理。“从外部数据的识别到引入到应用到评价,它是一个完整的过程。通过这样一个完整过程,建立起我们对外部数据的一个标准化、集中化的管理。”

虽然企业越来越认识到数据作为资产的重要性,但是,许多机构还不能很好地解决数据不全、不准、不通等难题。数据资产化强调充分融合业务、技术和管理,目的在于帮助企业摆脱数据孤岛和数据难找、难用以及数据一本糊涂账的困境,从而对数据进行有效控制、共享、保护、交付并提高数据资产的价值。

“数据资产化就是把它从原始状态加工成一个对我们有更大价值发挥状态的过程。这个过程IBM是用一个数据资产管理的框架,把它高度概括起来。这个框架分成五个部分,分别是采、析、用、治、运。”张玉明说。

“采”就是数据资产的采集过程; “析”是对数据资产的分布、活跃度、构成、价值等等开展一系列的分析活动; “用”是把数据资产运用到日常工作流程环节;“治”是通过治理改善整个数据资产的环境;“运”是数据资产的运营,形成长久的运营机制和态势。

数据驱动与技术赋能 IBM支招金融数据中台建设

刘胜利,IBM大中华区云计算与认知软件业务部数据与人工智能技术总监

数据资产是数据中台的核心资源和引擎,只有将数据资产进行更为彻底的服务化,才能实现赋能业务的终极目标。IBM大中华区云计算与认知软件业务部数据与人工智能技术总监刘胜利表示,在数据资产变现中,开放接口API已经成为企业扩展产品、获取客户、帮助合作伙伴提供高价值服务以及扩张生态系统的关键步骤。

就像云计算改变了整个IT交付模式一样,OpenAPI它改变了数据服务消费和应用程序的开发市场。API可以作为敏捷伸缩可消费的业务即服务的模式。在银行业,银行业架构网络 BIAN(Banking Industry Architecture Network)定义了一个通用、标准、灵活的业务体系结构,包括:银行业常见的服务域、业务场景、服务操作、业务对象、业务功能、API接口,从而促进了全球银行业协作和服务开放。

在激烈的市场竞争中,金融机构希望数据管理部门改变以往的被动供数模式,更加主动地参与全行业务创新,使数据服务嵌入到企业的业务中,并成为其中重要部分,即做到真正的数据业务化,实现数据驱动业务。

通常,原始数据并不能直接使用,单一模型也不能直接发挥作用,这就需要数据中台提供有价值的、可复用的、标准化的数据服务模块,IBM称为智库资产。数据业务化的关键是要静心沉淀数据资产化、资产服务化过程中的知识经验,同时正确地把握可复用工件的颗粒度(资产解决问题范围的程度)、可变度(资产可被修改程度)、实现度(资产提供的完备程度),并形成真正的可复用智库资产。

不管是治理标准化、数据资产化、资产服务化还是数据业务化,其实离不开运营平台化。数据中台的平台化运营是大运营的概念,既包括数据治理,也包括数据资产化和资产服务化运行所必需的支撑。它将数据访问、数据存储、数据搜索等公共职能平台化,将全行信息进行有效整合和组织分类,把管理、决策、分析等作为一种数据服务对外提供,并围绕平台与流程开展营销活动,根据治理策略控制信息库存,保证信息供给及正确流向,从而响应数据服务的千变万化。

在运营平台化方面,IBM Cloud Pak for Data提供了集成的一站式数据及人工智能平台,帮助金融机构更好地落地数据中台。IBM Cloud Pak for Data实现了数据中台三个关键要素:数据驱动数字化转型,AI解锁数据价值,混合云数据民主化。 这也是数据中台从数据和AI实现真正商业价值的总体战略。

“五大要素之间具有内在的关联性和整合性。从架构层面的集成到未来的扩展,我们报以一种更加开放态度,把相关技术的先进性和成熟性更好的结合。”王保育说。例如IBM提出“认知型数据治理”的理念并且应用于实践,使用机器学习技术,帮助数据治理顾问构建数据目录。

张玉明也表示,在数据中台中,包括数据业务化、资产服务化等,IBM大量应用了智能化技术。如果没有智能化的话,数据中台的效能会被大打折扣。这是数据中台在进化过程当中的一个必然选择。智能化已经全面融入数据中台的各个功能模块中。

IBM加速数据中台落地

金融数据中台以数据为生产要素,帮助建立新型的生产力和生产关系。实现统一、共享和管控之上的治理标准化、数据资产化、资产服务化、数据业务化和运营平台化,这五大成功要素综合了数据驱动业务的成功之道。但如何把对的事情做好?Do Right Things Right, 行业里还是遇到许多困难。

王保育表示,对于客户比较关心的落地问题,我们给出了参考路线图示意,帮助客户分析应该关注的领域和重视的问题,让客户看到一个全貌。千里之行始于足下,金融机构可以根据自身实际情况分阶段实现。

数据驱动与技术赋能 IBM支招金融数据中台建设

金融数据中台建设的参考路线图示意

大小不同的金融机构,以及金融机构的不同业务部门的需求是不同的,比如说信贷、信用卡对风控比较关注,数据业务化就比较侧重;科技部门则对数据资产化、运营平台化关注更多。需求驱动、业务优先,围绕业务优先级市场的需求一个个展开。总体上讲,在数据中台整体发展过程中,金融机构还是需要把五个要素的因素影响统一考虑。

张玉明说,每家金融机构的数据成熟度不同,他们的需求也不同。治理标准化出于监管的需求是大家都关注的,但是大型商业银行对于数据资产化和资产服务化的需求更为强烈。IBM数据中台的参考框架可以帮助金融机构找准准他自己的定位和发展方向。

数据中台建设是一个系统化工程,包括数据的连接、处理、应用的全生命周期管理,促进行内外数据发挥最大的业务价值,将数据转换为生产力。除了参考路线图,王保育认为,IBM总结的金融机构建设好数据中台的五大关键成功要素能够让业务和技术更好地结合,在未来银行数字化转型里面,数据中台的建设需要复合型人才和T型的知识结构,就是在整个知识的广度和深度方面能有一个非常好的结合。

对于数据中台的建设,IBM提供了一个全方位的能力,包括行业经验和平台化能力。从咨询到平台、软件、硬件服务,IBM可以更好地帮助金融机构把数据中台转型的愿景快速变为现实。

    扫一扫

    分享文章到微信


    北京第二十六维信息技术有限公司(至顶网)版权所有. 京ICP备15039648号-7 京ICP证161336号京公网安备 11010802021500号
    举报电话:13070156560 举报邮箱:jubao@zhiding.cn 安全联盟认证