文思海辉杜啸争：业务数据化到数据业务化，业务场景与数据价值深度融合

2019年伴随着BATJ等互联网巨头相继构建或对外输出“数据中台”能力，“数据中台”的概念真正火了起来。技术创新可以使概念迅速走红，但市场热情持续多久还要看业务价值。数据中台概念的持续火热显示出数据赋能业务创新、实现业务价值的巨大潜力以及市场认可度，这一理念也在慢慢渗透进有着“数据宝库”之称的金融行业。

文思海辉金融事业部副总裁、大数据事业部总经理杜啸争认为，金融机构对于数据的态度应该从“业务数据化”到“数据业务化”转变，将“静态数据”变成“活数据”，以业务价值驱动数据运用，推动业务理解、洞察业务机会，真正让数据成为金融机构的重要资产。

杜啸争带领的文思海辉·金融大数据事业部拥有1300多名专业的咨询及交付人士，通过大数据技术帮助客户实现精准营销、客户360标签、实时风控、实时反欺诈、知识图谱、数据湖、外部数据平台、RWA等解决方案等。据悉，近日IDC发布的《中国银行业IT解决方案市场份额，2018》研究报告显示，文思海辉·金融以4.9%的市场占有率继续领跑中国银行业IT解决方案市场，并分别在支付与清算系统、呼叫中心/电话银行、客户关系管理、商业智能、风险管理方案5个细分领域市场份额排名第一。

金融数据体量快速增长，驱动传统银行数字化转型

相比于其他行业，商业银行数据体量庞大，且在发展过程中积累了海量数据，包括客户信息、交易信息、资产负债信息等等，数据体量呈现爆炸式增长。BCG曾有报告指出，银行业每创收100万美元，平均就会产生820GB的数据。

杜啸争向亿欧金融介绍，商业银行的数据仓库建设需求最初源于监管需求，数据仓库存储着全行重要的业务数据并对其进行了深度整合。但随着时间的变化，传统的数据仓库并不能完全发挥数据价值，因此，亟需改变其数据架构。

对于银行数据架构变化的驱动力，杜啸争表示，一方面，随着金融数据体量的不断增加，传统的数据仓库由于性能和技术的限制，无法很好的与第三方业务系统进行对接，也无法满足银行对内外数据整合的价值需求;另一方面，互联网金融公司、保理、信托以及基金等同业也在步步侵蚀银行的传统金融业务，使得银行需要从内部优化资金使用效率、从外部拓展业务范围和加强风险防控;再者，监管机构的监管要求也驱动了银行业数据架构的创新。总的来说，银行在“业务数据化”的过程中，对于数据的利用率和价值提取度不高，在新的大量外部数据涌现的情况下，银行需要在“数据业务化”的过程中，积累数据资产，深入探寻数据价值。

从金融机构的角度看，业务数据化是指企业将业务信息由传统的书面化转变为在线化、数据化，目的是为了让业务信息“有迹可循”。数据业务化是指在业务信息数据化的前提下，以具体业务目标为导向，对既有数据进行加工、分析、处理以辅助业务人员更精准、更高效的作出业务决策，数据业务化侧重于发挥数据自身价值，使数据服务于业务或产品本身。

目前许多银行已使用数据驱动其业务运营，杜啸争以通过知识图谱发现风险客户为例，向亿欧金融展示了“数据业务化”产生的巨大价值。

中小企业贷款难是目前国家关心的重点问题，国家要求大中小型银行全力支持中小企业发展，根据其风险情况对其进行信贷支持。不过同时，监管部门也要求银行加强自身风险体系建设，避免出现大规模坏账。在这样的背景下，很多银行利用行内外数据，利用社交网络分析和知识图谱等新的数据技术，通过各个客户之间的关系、客户和银行的关系以及客户和合作伙伴的关系等，搭建银行自身的客户关系知识图谱。通过这样的网络，能够快速发现一些潜在的风险客户，能够快速定位一些可能出现风险的客户，能够让银行提前发现风险并采取预防措施。这样既能更好的支持中小企业的发展，又能让银行避免潜在的风险。

内部数据+外部数据，助力银行提高资源使用效率

对于任何一个银行而言，其数据来源都是由结构化、半结构化与非结构化的内部数据与外部数据构成。具体来说，内部数据为银行内部产生的数据，是顾客在银行办理业务全过程的记录。外部数据则是银行基于自身数据应用场景及业务需求，通过爬取或者与外部数据服务商合作取得的海量数据，银行的外部数据来源非常广泛，可以是基础数据，也可以是整合加工后的数据。

随着金融产业结构与消费结构的不断升级，客户对银行的需求也日趋个性化、场景化、多样化和智能化，仅使用内部数据已经无法满足银行的决策需求，需要与外部数据服务商合作，获取更广泛的数据来源，补充客户的全画像信息。

外部数据经外部数据服务商引入，成为银行重要的资产。外部数据既包括商报、新闻、研究报告、分析报告等“硬信息”，也包括社交数据、地理位置数据、通信数据、行为信息、偏好信息等“软信息”。

外部数据不能自由导入，需要根据银行的统一管理规定，集中统一存储于外部数据平台中，然后再根据具体的需求，按需进入数据平台，在数据平台中完成数据的整合、实现完整的客户标签和画像信息。

在过去十多年来，银行在数据平台的建设过程中，数据平台架构经历了数据集市、ODS、数据仓库，再到今天流行的数据湖和大数据平台的发展。

数据仓库作为传统的数据平台架构，只能保存各种结构化数据，偏重于数据的一次存储与多次使用，更偏重于数据驱动方式的建设。数据加载到数据仓库之前，首先被进行某种格式和结构的处理，半结构化数据或非结构化数据转变为结构化数据，以供数据需求者或前台业务人员使用。

针对这种数据存储方式，杜啸争表示，国内银行的数据仓库投资花费虽较高，体量大的银行每年连续投资过亿，小行也超过千万，但业务角度产生的业务价值回报值得商榷。在技术驱动、监管驱动与业务竞争驱动的背景下，所有的银行都在寻求数据在业务层面的价值，优化运营效率，数据湖和大数据平台的概念先后兴起。数据湖和数据中台都更加强调从业务角度出发，更加强调业务的价值提取。

数据湖与大数据平台都可以保存各种结构化、半结构化和非结构化数据，都可直接被前台业务部门调用和处理。两者区别在于，数据湖中的数据为未被处理的原始数据，而大数据平台中的数据则经过一定处理，使其以业务为导向，贴合银行业务的实际应用。

对于数据湖的定位，杜啸争表示，相比于数据仓库的数据，数据湖更加强调技术部门和业务部门的职能分离，技术部门解决的是数据的快速接入，业务部门专注于数据的使用，数据湖中的数据可直接被前台业务部门所调用。从实际应用上看，直销银行、消费金融公司、银行信用卡中心等一线的前台业务部门，通过运用数据湖，可将原有决策时间由两至三周缩减为一至两天。这种数据处理手段大大节约了决策时间，也提升了数据使用效率。

金融科技公司机遇与挑战并存，构建银行服务立体生态体系

在银行数字化转型过程中，越来越多的银行开始拥抱金融科技，投入大量成本用于研发数据产品，使大数据和AI技术驱动银行进一步实现数字化目标，这为服务于银行的金融科技公司带来新的市场挑战和机遇。

杜啸争认为，金融科技公司目前面临的挑战主要有两点：一方面，数据的价值会被进一步强调与利用，即“业务数据化“转型”数据业务化“。在此过程中，企业需要从业务的视角重新梳理数据价值，不能单纯的就数据谈数据的方式来建设数据平台。由于未来金融科技公司的要求是以贴近业务，或者以应用场景出发，所以从业人员的综合素者要求会更高，需要人员进行跨界发展。在过去，人员分工较为明细，但在未来，他们需要更多地了解一整套数据分析业务流程。

另一方面，由于技术的发展，在未来技术应用的门槛会持续降低，但其为客户提供服务的侧重点会发生改变。在过去，金融科技公司为银行客户提供的三种服务(解决方案、产品与专业化服务)中，解决方案是最重要的，但在未来，数据产品会和解决方案同等重要，且输出越简单越好，客户希望能够有直接能够拿来即用的数据产品来提供支持。

从机会的角度，杜啸争表示，在互联网大数据时代，开放银行是银行未来重要发展趋势。银行为打造开放银行平台，可通过与金融科技公司合作，或依据自身构建开放银行平台。对于小型银行，前者实施可能性较高，因为前者可使银行着眼于其主营业务。对于大型银行，他们会和金融科技公司合作，通过吸收金融科技公司的技术优势来自身建设平台，不过这对于银行IT系统建设的能力要求非常高，需要银行具备一整套完整的技术体系专业能力。从长远来看，金融科技公司会和银行联系越来越紧密，他们能够各取所需，各自发挥各自的不同特点。这就要求金融科技公司除了能够构建底层的数据平台之外，还需要更重视应用场景，加强对于解决方案、产品与专业服务三维一体的生态体系建设。

文思海辉·金融以独特的“解决方案+服务模式”，为面向银行、证券、保险、信托、基金、租赁等金融企业提供先进的解决方案和金融咨询服务，并致力于以先进的解决方案和金融咨询服务助力金融企业的数字化建设，通过持续创新和不断研发，以金融行业应用为支撑，建立了基于分布式架构和云平台的数字化核心业务体系基础平台，提供涵盖零售银行、交易银行、国际结算和贸易融资、供应链金融、支付结算、信用卡业务、信贷业务、数字化营销、资管业务、数字化监管、私人银行及理财业务、数字化监管与合规，大数据风控、客户营销渠道、开放银行(OpenAPI)等全业务领域的超过200个自有知识产权的解决方案体系。凭借十年磨一剑的工匠精神，依托AI、大数据、云计算、移动互联、区块链等技术的支撑，其由数字化业务、数字化营销和数字化运营组成的数字化金融解决方案快速成长。文思海辉·金融现已与500余家国内外金融机构建立了长期合作关系。