企业数据中台战略:利用共享服务体系驱动业务创新

-回复 -浏览
楼主 2019-06-16 07:33:23
举报 只看此人 收藏本贴 楼主

“数据中台”的理念是伴随着阿里巴巴“大中台、小前台”的企业架构升级而来。通过整合数据、产品与技术,形成共享服务体系,为敏捷型前台业务部门提供支撑


转载请注明出处:微信公众号fintechview


前言


2015年末阿里巴巴提出了“大中台、小前台”企业架构战略,核心理念是构建创新、灵活的组织机制和业务机制,使一线业务更敏捷、快速的适应市场变化;而中台整合集团的数据运营能力、产品技术能力,对前台业务提供支撑。其中数据中台方法论,我认为是金融机构在企业IT架构设计中可以借鉴的理念。


虽然互联网公司和金融机构在组织文化、流程管理、企业架构、IT服务能力等方面均存在着较大的差异,但在互联网和大数据时代,金融机构面临着大数据治理与管理、企业数据架构优化与升级、数据资产与服务模式重构等诸多问题和难点。学习大型互联网公司的大数据观,探索其数据服务模式方法论的先进性,有助于金融机构依据自身条件来优化、创新企业数据架构。


数据中台的定义


数据中台旨在对内提供数据基础建设和统一的数据服务,对外提供服务商家的数据产品。也可以说,通过整合数据、产品和技术,形成强大的共享服务层,支持前台部门的业务发展。


阿里巴巴数据中台模式

全域数据采集:以需求驱动,体现数据多样性的全域思想,采集全业务、多终端、多形态的数据;


标准数据架构:提供统一基础层、公共中间层、多样化的应用层的分层架构模式,通过数据指标结构化、规范化的方式实现口径统一;


连接数据价值:以业务核心对象为中心的连接和标签体系,深度挖掘数据价值;


数据资产管理:通过资产分析、应用、优化、运营四方面管理数据资产、降低数据管理成本、追踪数据价值;


数据主题服务:通过构建服务元数据中心和数据服务查询引擎,面向业务统一数据出口与数据查询逻辑,屏蔽多数据源与多物理表。


在我看来,数据中台体现了企业IT服务资产化的理念——通过大量、可复用的资源赋能业务运营和创新。对于数据中台的定义,这里有几个关键术语需要解释:


一、数据资产企业中所有具备可复用的数据类目、物理表、指标、标签及视图。数据资产从业务视角出发,通过建设数据公共层,在设计、开发、部署和使用上确保数据口的规范和标准统一。数据中台是数据资产的载体,数据资产是企业数据标准的沉淀。


在金融机构中,传统数据治理方法论中数据标准往往通过公司制度、文件,自上而下推动落地,其实很难在组织中确立数据标准化的意识,也不易在各个割裂的数据系统中沉淀下来。而数据资产则落地于企业统一数据平台中,通过数据规范、模型规范、物理表规范等形式,成为可管理、可追溯、可规避重复建设的标准化管理体系。


二、数据平台:统一数据基础设施,为数据中台提供支撑。无论是采用开源大数据计算集群、MPP、还是基于公有云/私有云服务,技术架构有多种。目前主流数据管理平台包括集中式的数据仓库架构、混合式的数据湖架构、基于Hadoop/Spark分布式集群的架构等。


三、数据中台:统一数据采集、数据模型、数据科学、数据工具的共享服务体系。通过建设数据采集平台、数据模型设计工具、数据科学与工程平台(如机器学习建模平台)、在线与离线数据查询服务,向数据应用层输出服务。


我认为数据中台的价值体现在几方面:


首先,数据中台确保了整个企业的数据一致性和数据重用性。统一数据基础模型将业务领域的数据实现互通,避免了数据重复加工、维护带来的数据孤岛效应和成本浪费。因此,其解决了企业在数据治理中数据标准不一、数据架构混乱、数据质量难以统一管控等难点和痛点。


其次,数据中台是数据资产价值转化的基础。当前金融机构“烟囱式”的数据系统项目建设方式,像报表、标签和数据模型这些随着业务模式变化而变化的数据资产难以得到固化和重用,缺乏生命周期管理,带来了数据一致性差、业务经验难以沉淀、人力投入和管理成本高等问题,数据资产价值也难以沉淀和体现。


最后,数据中台能够推动金融科技创新。越来越多的企业意识到数据是连接业务和科技的纽带,也是科技推动业务创新的动能。数据中台具备强大的数据规整能力,能够极大的提高从数据准备、数据标签化、数据采集、数据工程到数据应用的工作效率,成为大数据、人工智能创新实验室的抓手。

数据中台架构设计


金融机构的数据存储与计算多是混合式数据架构,如基于Hadoop、Spark的分布式大数据计算集群,基于MPP架构的数据仓库,基于Kafka、Storm、Flink的实时计算架构,图数据库和图计算引擎、支撑核心业务系统的分布式NewSQL数据库等。


数据中台在企业IT架构中以共享服务层体现。其架设于统一的数据平台之上,以数据研发、数据处理、数据科学、数据服务和数据管理作为5大核心组件,提供计算框架能力、数据连接能力、ETL及同步能力、数据建模能力和数据资产管理能力。


由各组件形成的数据中台体现了业务数据化和数据资产化,实现了数据服务对前台应用的赋能。


 

借助数据中台驱动业务创新


在斯坦利·麦克里斯特尔的《赋能:打造应对不确定性的敏捷团队》一书中提到:"数据量越来越大,海量信息流入越来越专业化的部门里...流程越来越分散,各组成部门拼凑起来形成整体的方式也越来越无法直观的看清...要想在一个各因素高度关联的环境中平稳运作,就需要每一支团队全面地了解各个运动着的部分是如何互动的,每个人都必须能够看到整个体系的全貌"。


这意味着当组织变得越来越复杂时,需要强大的信息化协同机制来支撑前台业务部门。数据中台提供了高度统一、标准化的共享服务。前台业务部门作为敏捷、灵活的小型“作战部队”,通过数据中台这一“航母舰群”赋能,提升各一线团队之间的信息共享能力、业务协同能力和经验沉淀能力。


当前迅速变化的外部环境,要求金融机构能够迅速做出判断和响应,无论是组织架构调整还是策略或战术的转变。对于期望向互联网、数字化转型的银行、券商、保险机构来说,规划数据中台战略,建立敏捷型组织,就更具现实意义。


敏捷型组织的运营模式和数据中台的联动,能够解决数据管理成本高昂、数据应用低效、系统重复性建设、管理各自为政的问题。此外,“船小易掉头”,敏捷型组织对于外部环境的变化调整能力更强,而数据中台则是以不变应万变,将各前台团队提供丰富的知识经验固化、沉淀下来,并提供数据、产品、技术的资源整合。


我一直认为,金融机构发展金融科技,并不仅仅体现在大数据、人工智能、区块链、云计算(ABCD)等技术手段的运用能力,更应体现在从金融机构向金融科技公司转型的能力。技术本身的更新、迭代较快,未来数年内难保不出现ABCD之外新的技术突破;而创新的企业架构设计和研发服务模式,则能够为“科技引领业务"这一愿景提供持续驱动力。


当然,原生于互联网公司的数据中台战略也并非完全适用于金融机构的现实情况。显然,数据中台对服务框架的要求较高,如分布式和去中心化的计算框架;并且要求企业具备强大的数字化运营能力和平台稳定性。


另外,对金融机构来说,部门间博弈是数据中台落地的最大障碍。数据无法集中带来的弊端是数据采集、数据标准、数据开发等在多个部门各有一套方法;“烟囱式”的数据管理系统带来重复建设、协作成本高昂的问题,难以形成全公司数据标准统一。但如果做数据集中化,牵一发动全身,也会面临着系统改造、运营模式重构、平衡部门利益等诸多问题。


最后,在绩效管理、激励机制、利润及成本分配等方面,金融机构的前、中、后台,与互联网公司相比也可谓大相径庭。总之,数据中台战略提供了互联网公司在组织转型与企业架构创新中的思路。金融机构可由此获得启发,优化、改进其服务模式,实现数据价值变现,驱动业务创新。



金融科技精华文章

智能时代的金融机构转型升级:利用大数据与AI创造价值

金融科技的拐点:科技赋能的理想与现实

从金融到科技:券商FinTech之路应该如何走?

银行业“中年危机”来袭,金融科技战略之路如何走?

再谈数据治理 |《银行业金融机构数据治理指引(征求意见稿)》解读

为什么说人工智能在金融业的应用具有局限性?

2018年金融行业人工智能应用趋势展望

2018年银行业金融科技发展趋势展望

FinTech在资管行业的应用现状与趋势

大数据实时流计算在金融领域的应用

谈谈数据治理

浅析数据湖架构

证券业大数据与人工智能发展现状与应用趋势

从大类资产配置角度看智能投顾

金融科技时代:人工智能中的数据、模型和架构

企业级人工智能平台架构设计与应用服务

机器学习在金融领域的创新应用

关于作者

多年金融科技服务、金融业咨询经验,曾服务于平安集团、陆金所、蚂蚁金服,为多家商业银行、证券公司、保险机构提供战略规划与信息化解决方案,在金融科技、大数据与人工智能在金融业的应用、金融风险管理、数据治理和信息化战略等方面拥有丰富的经验。

@fintechview
长按,识别二维码,加关注
我要推荐
转发到