股票
板块
用户
资讯
首页
天眼
自选
发现
开户
首页
天眼
自选
发现
我的

宇信观察|数据专题:数据中台在中小金融机构的实践分享

宇信观察|数据专题:数据中台在中小金融机构的实践分享 宇信科技 宇信科技 微信号 Yusys_Technologies 功能介绍 宇信科技集团官方订阅号。深耕金融科技领域24载,持续打造成熟领先的全域金融业务系统和全栈技术平台,致力于帮助客户实现基于信创和数字化转型的业务目标。宇信科技希望通过专业化能力,实现为客户创造价值,为金融行业高质量发展贡献科技力量! 发表于 收录于合集 以下内容来自数据资产产品部干从勇的分享从2012年大数据技术被引入中国,到2022年“数据二十条”正式发布,国内大数据行业经历了蓬勃发展的10年,正式迈入数据要素时代。金融行业作为数据应用价值最高、场景应用最多的行业之一,其实早在20多年前就开始了在数据管理建设上的投入。而在近10年,伴随着大数据技术的全面引入以及互联网产业的加速推动,金融大数据建设进程已经成为行业发展的一道缩影,在一定程度上代表着行业发展风向标。目前,无论是DCMM在银行业的应用、信通院每年发布《数据资产管理实践白皮书》,还是信标委的《2022数据要素流通标准化白皮书》、金标委的《金融数据安全分级指南》,亦或是《金融科技发展规划(2022-2025)》、《金融业数据能力建设指引》等诸多国家与地方发布的重要数据要素政策文件与法律法规,都标志着金融行业数据基础的建设正在向着标准化、合规化、体系化过渡。数据中台建设10个实用Tips宇信科技作为金融行业数据体系建设的深度参与者,能够为客户基础数据体系建设提供“咨询+产品+实施+运营“四位一体的伴随式服务,也期望为客户建设更多能用、好用、能解决问题的数据能力体系。公司拥有20年金融行业数据服务经验与积累,近年来与超过100+的客户在金融大数据场景上进行了深度合作。在合作的过程中,我们除切身感受到旺盛的市场需求外,也注意到很多客户在项目立项、落地、运营过程中存在一些问题。尤其是很多中小金融机构,数据体系建设起步稍晚、底子偏薄,但业务对数据的期望又很高,所以会存在很多快速上马的项目无法达到理想的预期,以及受到外部环境干扰目标偏离等问题。从行业实践经验上来看,我们认为基础数据能力的实施路径没有标准模式,也非一蹴而就,它应该根据不同机构的自身条件而确定,且是一个循序渐进的过程。这其中,关于数据中台的建设,我们根据过往的项目实施经验,总结了10个实用Tips,为中小金融机构“破局”提供参考。1、数据中台是一套体系与机制的建立,将会打破现有的组织架构与工作方式,所以数据中台项目的推进需要企业高管从组织战略层面上下定决心,坚定持久地往下推进。2、数据中台建设要充分考量内部资源环境,独立的组织管理架构、横向资源的调度能力、业务部门的支持力度、数据人才梯队的质量等都是评估是否上线数据中台项目的内因。我们建议可以适度降低预期,通过多期迭代完成中台体系目标的建立,不因同业而影响立项初心。3、数据中台需要考虑现有资产的整合,不做现有资产的“拆迁队”、推翻重构,而是充分考虑现有资产的衔接与过渡,进行轻度规划与设计、渐进评估,奠定实施路径和柔性过渡。4、数据中台并非业内最优产品的组合,中台体系要建立以数据资产为核心的数据服务能力与数据价值评估体系,需要落地工艺、制度、流程、管控等内容。我们建议不要过分追求在每个点上都先进,应把重点放在怎么柔和在一起产生价值,因为过于分散的产品体系整合难度不是所有客户都能承受的。5、数据中台在客户间不可复制,当前不同区域、不同类型的客户虽然业务大部分同质,但由于内部环境的发展程度各不同,所以同业成功的经验难以复制。我们建议可以在发展模式上进行对标,但需要做一定的增/减维的工作。6、数据中台的建设不要神话数据模型,无论是范式模型还是维度模型都有存在的价值与场景服务环境,最大的难度在于有没有能力把模型养好,共性数据能力沉淀是组织态的工作,任何模型设计时都很美好,但实施后很多达不到预期。所以我们的建议是提升模型设计管理的组织能力,实现稳态需求与敏态需求的转接。7、数据中台的前期应完成数据的整合,任何中台能力的沉淀都需要好的数据基础,如果满足不了,我们建议把数据中台进行分期建设,优先完成基础数据平台的搭建,同时配套完成DataOps落地,为后续向数据资产化建设奠定基础。8、数据中台不是重新构建大数据平台,无论是数据中台、湖仓一体化还是数据湖,目标都是为了解决业务问题,并非是采购某一个技术平台或数据中台工具就可以实现。因此,不要把中台的建设目标放在替换技术平台或重建大数据平台上。9、数据中台运营能力是好坏的分水岭,数据中台可以比喻成一个大而复杂的机器,需要通过不断的保养,来保证其更好地运转。所以对于用户而言,中台的上线仅是开始,建议设立独立的数据中台运营团队以及运营支撑制度,并配套建立绩效考核体系,以充分发挥数据中台的价值,而不是重新成为平台。10、数据中台的实施要注意组织的形式,当前很多客户的中台落地采用的是项目制或者外包服务制完成,部分项目在交付后容易出现甲乙双方衔接不太好的情况,建议在项目落地过程中甲乙双方按比例投入人员,目标一致、共同合作,保证项目交付完能够平稳过渡。需要明晰的4个逻辑概念基础数据平台是整个数据体系中最核心的建设内容,也是目前影响非常大的一部分。由于缺少标准化建设模式,叠加新技术、新概念的层出不穷,基础数据平台中关于大数据平台、数据中台、数据湖、湖仓一体化等概念常常被混淆不清。因此,我们从基础数据平台的实施经验出发,为大家明晰这几个概念与关系。1、大数据平台:利用大数据技术去解决数据问题的一种技术平台,它并不是为了解决某一种具体的业务问题,也不特指某项技术,而是通用技术平台,可以是MPP体系或HADOOP技术体系。比较常用的做法是通过大数据平台进行场景的组装形成为业务解决问题的能力。2、数据湖与数据仓库:数据湖是把散落在各处的数据集中在一起,提供一定的数据加工计算能力,并基于海量近源数据进行数据分析,为更多业务敏态的应用场景提供多类型数据服务;数据仓库更强调企业级数据建模,比较规整严格地按照一定的规范去预设数据模型,标准统一且计算查询效率可靠,更多地支撑企业内部的稳态场景。数据湖与数据仓库是互补关系,都是为了解决不同场景的业务问题,且都需要大数据平台进行承载。3、湖仓一体化:湖仓一体是融合数据湖和数据仓库这两种平台的技术与业务特点,提供一种体系化整体解决方案,从更高的维度去全局看待企业数据与业务场景服务。湖仓一体的目标也是为了解决业务问题,目前有事实湖仓一体化与逻辑湖仓一体化两种建设模式,金融机构更多地是采用后者。4、数据中台:数据中台是用来解决企业各类数据问题的数据业务平台,是将企业内部数据资源转化为数据资产的解决方案,更是一套数据价值变现的管理机制。数据中台体系的建立,核心目标是让企业的数据可持续用起来,快速响应及解决业务问题。数据中台的建设对数据仓库、数据湖平台提出了更高的要求,比如融入Dataops、企业数据资产管理、一站式数据服务、数据运营管理等。综合来说,大数据平台本身是不带业务属性的基础技术平台,当企业发展到一定程度后,需要通过数据湖或湖仓一体化来解决日益复杂的业务场景问题,充分发挥企业内部不同粒度的数据提供在线服务,并通过企业数据架构的规划,让数据湖具备业务属性,并整合数据仓库形成全栈数据服务能力,在这个过程中又对大数据技术平台提出更高的要求,涉及技术平台升级等。最后,无论是采用什么样的模式来建设企业级数据底座,目标都是为了搭建一套能解决业务问题的数据能力体系,外部同业好的落地案例或前沿技术固然能提供好的经验借鉴,但一定要正视企业内部的数据基础及文化环境发展现状,可以适度的下调目标渐进完成实施落地,提高投资产出比,不忘初心,以能用、好用、能解决业务问题为数据根本。
原文链接
多空观点 观点仅供交流,不构成投资建议
点赞
踩一踩
收藏
分享

评论 (0)

0/200
声明:社区内容仅代表用户个人观点,不构成任何投资建议。投资有风险,入市需谨慎。