“世界上最有價值的資源不再是石油,而是數據”。早在2017年,《經濟學人》雜志曾提出過“數據石油”的概念,形象描述了數據的重要性。如今,隨著數字經濟的高速發展,極大激發了數據資產作為生產要素的活力,數據在各行各業的潛在價值進一步提升。
當下的中國,數據要素正面臨千載難逢的機遇。2022年12月發布的“數據二十條”,提出了“充分發揮我國海量數據規模和豐富應用場景優勢,激活數據要素潛能,做強做優做大數字經濟”,數據要素被賦予了空前重要的地位。
作為天然的大數據企業,銀行業自誕生以來都處于全社會數據應用的核心。當前,銀行業對數據的價值挖掘,正在從“數據變資產”邁向“打造數據關鍵生產力”的新時期,如何讓數據資產創造更多價值,是一個亟待突破的課題。
我們認為,伴隨著銀行業數字化轉型正在進入深水區,構建數據智能化基礎設施是銀行未來發展的基石。讓“數據資產”向“價值創造”邁進的關鍵環節就是構建好數據服務體系,這個領域的創新與突破大有可為。
01、數據服務體系建設突圍關鍵點
如火如荼的數字化,改變了金融行業的生態體系和競爭格局。在數字化重塑行業格局的過程中,數據要素的運用正在成為做好產品與服務創新、提升運營效率和客戶體驗的一大利器。
未來,一家的銀行數字化轉型核心競爭力是否足夠強大,要看從數據中信息萃取、知識轉換、決策到行動的速度,而這往往取決于數據分析、挖掘和應用的水平??梢哉f,加強數據資產管理、最大化挖掘數據資產的價值具有很強的急迫性。
與此同時,雖然銀行數據服務體系建設已有多年時間,但業務與技術的融合依然是關鍵難題,面向數據的全生命周期建設和管理,仍然面臨“存、算、管、用”四個方面的挑戰。
一是存。傳統數據平臺煙囪式建設,系統多而繁雜,數據格式多且標準不一,缺乏統一數據平臺;二是算。一方面,數據量的暴增導致算力不足,擴容難,嚴重影響性能。另一方面當前依然以離線計算為主,缺乏實時能力,數據供應時效性不足,無法支撐實時業務開展;三是管。數據處理和分析腳本式開發,效率低下,數據資源共享程度低,AI建模耗時長,模型泛化能力弱,無法快速支撐業務發展;四是用。數據使用以靜態報表為主,場景智能化滲透率低,無法支撐多樣化業務的創新和發展。
這些短板很大程度上制約了銀行數字化轉型戰略的推進。在深刻洞察金融數據發展需求及趨勢背景下,華為針對性打造金融數據智能解決方案,提供金融級企業數智一體化平臺,助力客戶充分發揮數據價值,賦能業務實現增長??偨Y起來,華為的解決方案包括一個底座、兩條產線和三類業務場景,簡稱“1-2-3”。
“1”即一個數智一體化底座,通過數智平臺軟硬件的全面創新,確?;A設施安全可信。華為提出云-數-智-算全面融合架構,讓數據倉庫、數據湖、AI平臺、底層算力之間融合互通,在數據加工、匯總、分析時無需數據大搬家,數據處理效率大幅提升。
“2”是指數據產線和AI產線。華為通過與生態伙伴深度合作,實現數據一站式分析與處理,加速內部數據高效流轉;AI產線將開發周期從原來的月大幅縮短至周,并在風險和欺詐識別、OCR(光學字符識別)、智能客服等方面提供強大的AI能力。
“3”即三類典型業務場景。華為攜手生態伙伴,以技術賦能三大業務,一是數字化營銷。通過實時供數和智能模型,形成統一的客戶畫像,大幅提升營銷轉化率;二是數字化風控。通過內外部數據實時傳送、圖數據庫的6跳關聯秒級查詢,確保風險管控的全面、及時和準確;三是數字化運營。業界首次應用金融OCR大模型,大幅提升運營效率。
有了金融數據智能解決方案的支撐,通過集成像AI、BI、規則引擎、自主數據分析等技術的融合發展,數據服務體系建設也正走向更加智能化的未來。
02、數據要素時代,服務化是未來
當下,搭建完善的數據服務體系已經成為全行業共識,但什么是好的數據服務體系,如何提升數據服務體系的搭建效率,例如“誰用數?數據什么時候可用?數據該怎么用?”這些都是銀行傳統數據應用中權責難以厘清的問題,沒有統一的標準,導致數據使用效率低下。
深耕數據,平臺化、資產化,進而服務化是對金融機構決策與運營系統進行智能化升級三個重要步驟。首先,要打破傳統煙囪式數據系統的束縛,搭建企業級數據平臺,匯聚信貸、渠道、交易等源系統批量、實時數據以及統一的外部數據接入。其次將海量數據轉化為有價值的資產,形成不同的主題模型;再次將資產轉換面向零售、對公、金市、財務、運營等不同的集市或者數據服務API,驅動業務場景和服務模式創新。
近年來,頭部銀行通過數據中臺方式嘗試打通數據壁壘,充分發揮數據資產價值,進行了行之有效的探索。例如,農業銀行提出打造數據驅動、算法控制的數據服務體系,并將其作為數字化轉型的關鍵任務;工商銀行提出建設共享復用的標準化數據服務體系及數據展現工具;光大銀行組織研究如何將數據資產價值納入銀行資產負債表中。
在數據服務體系標準化的搭建與探索中,關鍵制約是數據架構短板,也自然成為銀行的破局方向。近年來,越來越多銀行希望華為作為戰略合作伙伴,幫助其規劃數據和技術架構,落地數字化轉型的目標。
我們認為,隨著數據倉庫的發展,公共訪問層(public service level)的架構模式成為重要破局點,有助于推動數據流的加速和標準化的數據治理能力,支撐業務條線的營銷支持、運營決策、風險管控等,發揮數字化轉型樞紐作用。
目前,銀行數倉主題模型劃分為三層,分別是FDS基礎主題區(明細表)、ADS匯總加工層(維度表)和PDS公共訪問層。在構建數據倉庫主題模型設計中重點考慮兩個因素,一是屏蔽底層的變動對上層應用的影響,二是通過復用沉淀的公共層來提升銀行應用支撐的效率,僅靠銀行自身建設是遠遠不夠的。
懂業務才能更好的理解如何賦能業務。目前,華為金融數據智能解決方案已在工商銀行、交通銀行、中信銀行、廣東農信、威海市商業銀行等多個銀行落地。華為持續攜手生態伙伴,深耕數據,提供架構規劃、數據遷移、集成設計、持續運營運維四階服務,實現金融企業級數據平臺的“開箱即用”,推動金融行業決策與運營系統智能化升級。
有這樣一個代表性案例。威海市商業銀行是一家城市商業銀行,全行推進數字化轉型中,將建立數據平臺視為核心。2021年該行成立數字銀行部,負責全行的數據管理工作,并以華為FusionInsight MRS 和 GaussDB(DWS)構建統一、高效、實時的“湖倉一體”基礎數據底座,實現全行數據統一管理和全鏈路數據治理。
數據顯示,新一代分布式數據倉庫構建,推動該行數字資源利用率顯著提升,日終批量時間縮短3小時,算力3倍提升;數據查詢時間大大縮短,報表查詢秒級響應,查詢速度3倍提升,數據查詢支持7*24小時,實現T+0應用場景;平臺性能大幅提升,集群故障率降低80%,資源利用率提升30%。
03、智能化,釋放數據價值的關鍵
回顧銀行數據建設歷程,主要經歷了數據大集中、數據驅動運營、數智融合三大階段。隨著大數據、AI、云計算、區塊鏈、5G等新興技術的創新變革,正在推動銀行數據建設從大集中走向一體化、智能化的發展新趨勢。
數據智能化,是釋放數據價值的關鍵。如今AI在銀行的各個領域已經深度滲透,業務端,財富管理、智能投顧、智能風控等都有AI技術的身影;運營端,業務流程自動化RPA、自動化運維等亦是AI能力的體現;數字化基礎設施建設中,更是離不開AI技術的深耕。
華為順勢而為,融合華為云-數-智-算全棧能力,發揮算力、算法、存儲、網絡等優勢,打造金融數據智能解決方案,旨在利用大數據、人工智能等新興技術對金融機構決策與運營系統進行升級,將海量數據轉化為數據資產,助力銀行加速數字化轉型。
在華為數據智能化解決方案中,AI產線包括營銷風控、OCR、語音、人臉識別等產線。數據和AI之間的融合,使得數據在人工智能之間實現數據的有效的無縫流轉,數據的流轉速度大幅度提升,使得AI建模效率提升到50%。華為金融OCR大模型,具備泛在化能力,擁有千億級參數去適配各類場景,包括銀行卡、手寫體、票據識別等。
04、深耕數據,實時化是大勢所趨
在金融行業,速度就是生命。
T+1與T+0相差不過一天,但對于數據服務而言,效率卻千差萬別。銀行各類數據復雜,實時數據并非簡單把業務數據流引進來就完成了,還需要做實時數據加工處理,通過模型預算以及對歷史批次數據結合,為客戶統一需求偏好畫像、風險畫像,才能更好業務快速反應。
伴隨著銀行對實時化的能力需求增加,特別是當銀行APP已成為發展的主戰場,按照T+1的數據反應能力,當分析完客戶的需求偏好,客戶已經離開APP,無法進行有效的營銷。實時數據服務體系,為銀行提供秒級數據畫像能力,實時推送客戶偏好內容,支撐更精準的營銷。
以交行為例,作為一家大型銀行,基于FusionInsight MRS的實時數據湖能力,交行拓展了實時采集、實時計算、批流融合等新的技術能力,構筑了從采集、計算、分析、再到消費的實時數據流,以全面支撐各類實時和準實時業務場景。
實時數據湖建設完成之后,在營銷場景,交行客戶轉化率較之前大幅提升164%;在風控場景,實時識別欺詐行為,風險案件降低52%;運營場景,實現了銀行業務實時報表查詢和分析,快速支撐業務決策等;當實時數據達到秒級內,銀行的客戶轉化率可以提升5~10倍。
華為的實時的數據庫、實時數倉能力通過相關的實施組件,包含實時采集的組件FLINK,在通過CDL-Kafka在傳向Clickhouse實現了智能駕駛艙,包括營銷的用戶畫像,可以進行實時的展現和實時的傳送。當前,華為還在與交行、招行共創“流批一體”相關的技術,促使客戶畫像和營銷運營更加精準。
05、結 語
數據服務體系建設不可逆轉,為銀行的數字化轉型帶來三大方面的提升,一是客戶體驗的提升;二是業務模式的創新;三是效率的提升。這也是華為數字化轉型之道。
未來,華為要做好三件事,一是共同定義未來的數字架構,定義數智融合、全面融合的架構;二是與合作伙伴共同繁榮數據產業生態,從底座層生態、應用層生態到工具層的生態;三是推進隱私計算、數據安全、災備可算不可見等技術的持續演進。
數智融合給我們打開了一個新的未來?!皵祿睆你y行業務流程的“后臺”走向“中臺和前臺”,不僅提升數據資產價值轉化的效率,也提升技術與業務團隊的融合質量與效率,從而發揮出更大價值。
責任編輯:王煊
免責聲明:
中國電子銀行網發布的專欄、投稿以及征文相關文章,其文字、圖片、視頻均來源于作者投稿或轉載自相關作品方;如涉及未經許可使用作品的問題,請您優先聯系我們(聯系郵箱:cebnet@cfca.com.cn,電話:400-880-9888),我們會第一時間核實,謝謝配合。