金融行业数据中台的现代化

时间：2022-03-05 11:58:01 | 来源：行业动态

时间：2022-03-05 11:58:01 来源：行业动态

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。



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。