阿里云:金融机构需要的“航空母舰”,来了!

简介: “2020将是中国金融行业数字中台建设元年。”

2020年2月至今,作为阿里云新金融“一号位”,刘伟光一共拜访了65家客户,深刻感受到了疫情倒逼金融机构加速线上化和数字化进程。让他感触更加深刻的,是收到多家大型银行关于“数据中台建设”的沟通需求和邀请。


与以往不同的是,这次数据中台建设的需求发起部门是银行的业务部门;而在以前,银行上马此类科技型项目通常由科技部门发起。


“这是一个很大的变化,意味着银行想把数据变成资产,应用在所有的业务流程当中,打通各种业务。”身为阿里云智能新金融事业部总经理的刘伟光说。


“中台”是阿里巴巴在2015年率先提出来的概念,历经多年内部实践之后,沉淀成为集方法论、工具、组织于一体的智能大数据体系。阿里巴巴于2018年正式通过阿里云对外开放“中台”,助力金融、零售、政务、互联网等行业数字化转型。


过去两年,中台大热,很多公司效仿阿里推出了各类中台。在金融行业,关于中台的争议也有升温:银行已经搭建了数据仓库、数据集市、数据湖、大数据平台等,再建数据中台是否存在重复建设?


7月30日,阿里云“2020数据中台高峰论坛”在西子湖畔举办,给众说纷纭的数据中台一个清晰的答案。


“我坚信2020将是中国金融行业数字中台建设元年。”在刘伟光看来,不仅是银行,包括保险和券商等金融机构都迫切需要建设数据中台。


(一)待挖掘的数据宝藏

金融业流传着一种说法:金融机构之间的竞争越来越集中在数据上,即“数据为王”。但对于金融机构来说,该怎样才能把数据真正变成资产?


此前,包括银行在内的金融机构在数据挖掘上有过长时间探索。早在2001年3月,工行率先在银行业内建设数据仓库,以打破“信息孤岛”,掀起了一波为期十年的数据仓库建设的浪潮。


如今,数据中台已经成为了金融业的普遍共识。在银行业,包括农行、建行、招行等在内的大行都在向“数据”要生产力,沉淀数据、运营数据,使用数据;在保险行业,保险公司在寻找用人工智能等技术去简化与优化保险理赔、核保、出险过程;在资管行业,多家基金、信托、券商都寻求在数据中挖掘新机会,在新一轮的竞争当中破局。


事实上,银行、证券、保险等行业数据平台的建设周期和历史不比互联网行业时间短,在数据使用上,这些行业的机构基本上都积累了一定的经验。但由于历史原因,这些数据都分散在不同部门。


“数据宝藏在那儿,但却不知道如何挖掘。”一位银行科技部的高层对轻金融表示。

对各类金融机构来说,今天都面临这样一个挑战,即怎样把数据真正变成资产,因为数据资产是所有变革背后最重要的纽带。


金融机构该怎么办?答案是把数据进行打通,建立统一的数据中台。

1.JPG

“金融机构要通过中台把数据变成一个自由流动的资产,把数据智能等能力嵌入到业务流程之中,为每一位员工提供分析、预测和决策支持,而不是割裂在很多系统当中。”刘伟光表示。


也就是说,以后金融机构的业务团队也是数据科技团队。


(二)金融数据中台:让机构没有部门墙

一家位于上海的银行,零售业务非常突出,但是他们面临新的烦恼。这家银行发现,行里到处都在做风控。跟蚂蚁、跟其他互联网公司合作的人在做二次风控,信用卡团队在做风控,自建场景、开放银行等团队也在做风控,面临着很多重复建设。这家银行找到阿里云并提了一个需求,能不能全行建立一个统一的风控平台?


另一家大型的保险公司也发现,公司建了非常多的数据系统,也建了数据仓库,但却无法找到真正对寿险、财险交叉销售有帮助的真正数据资产。


其实,这样的例子非常多。重复性建设带来IT投资的浪潮,更严重是导致数据割裂、不能复用。有金融从业者估计,超过70%的数据价值没有被利用起来。用刘伟光的话说,今天的金融数据还没有像自来水一样,能够自由的流到每一个角落。


在这样的背景下,数据中台的价值就凸显出来了,通过数据让企业没有部门墙,所有的业务可以共享数据。


为什么金融数据中台很重要?


因为数据中台是一个真正的金融机构全局视角的工程,强调数据能力高度复用、资产复用,站在用户视角,为每个业务提供数据资产级别的决策支撑。在阿里云看来,中台是一个系统,包含了技术、方法论、组织建设,以及打破部门墙的文化建设,包含“一把手”驱动的文化。


“金融数据中台最重要的变化是把数据变成全行级,让所有的员工都能使用数据服务。这本身就是要打破机构的部门墙、数据墙。”刘伟光称。


但是在谈及数据中台的时候,与之对比甚至争议的是数据库、数据仓库、数据湖、数据集市等名词。


对此,阿里巴巴集团数据委员会委员长朋新宇告诉轻金融,从管理决策权方面来说,企业构建数据仓库、数据湖等,为管理层提供决策为主;而数据中台的建立,则能够快速为一线前台员工进行服务决策。数据中台能够激发出对业务需求的快速反应能力。当然,也必然意味着企业组织架构的调整,朝着敏捷时代进发。


那么,金融数据中台如何给金融机构带来业务价值?


有这样一个案例,可以更清晰的看到金融数据中台带来的价值。


某省级农信社以前信贷审批全靠人工,线上业务刚刚开展缺乏线上风控能力,营销筛选也靠人工,大数据平台则主要靠写代码操作,维护成本高,且存在指标口径不统一等难题。阿里云为其提供了智能决策平台,综合农信社的业务偏好,建设了线上业务风控体系;使用QuickDecision引擎部署信贷全流程风控策略、模型,实现统一数据规范、统一口径、统一管理。最终,该银行的智能贷款实现了实时信贷风控;信用卡刷卡消费实现实时营销,支持圈选目标客群进行定向营销。


(三)让数据像水电一样伸手可得

“随时看到我想看的所有数据,随时调取,没有任何时间的延迟,这是数据服务的力量。”


在今天,阿里巴巴每个员工对数据就像“水”一样伸手可得,未来数据中台的建设会成为继数据仓库之后新一轮的建设高峰。阿里云当前为金融机构提供的数据中台服务,正是阿里集团这些年沉淀下来的数据能力。


不过,阿里的数据中台建设也并非一蹴而就,有一个漫长的过程。


2013年,阿里实现数据存储计算平台统一,内部称为“登月”;

2012年~2014年这一阶段,阿里提出数据服务化,数据中台方法论这个时候被提出,并尝试落地;

2014年~2015年,阿里升级集团数据公共层,开启了集团数据建设与管理体系统一,这是基于电商体系的方法论升级与实践;

2015年~2017年,数据公共层升级到阿里系,更多多样业务的工具化升级实践;

2017年,基于阿里经济体,全面启动了集团中台战略,提出阿里经济体的数据中台建设。


目前,阿里数据中台具有两大优势,一是从工具到应用都更加全面;二是阿里真正做成过数据中台,一步步走过了跟银行、证券等金融机构一模一样的路,最后走到数据中台。

2.JPG

对于金融机构而言,阿里云金融数据中台核心价值有四个,其中两个是降本和提效,另外两个价值则是阿里云独有的——实现业务增长和组织升级。


朋新宇告诉轻金融,阿里云当前为金融机构提供的数据中台服务,正是阿里集团这些年沉淀下来的数据能力。阿里云把自身在数据中台建设过程中积累的好的方法、好的产品模块,最终沉淀成了多款产品,即“两横两纵”,构成了数据中台的核心组建能力。


一方面,数据采集、数据管理成为阿里云横向的数据平台的核心能力;另一方面,阿里云不仅把业界经常流行的问题研发成一套独特的分析方法、框架和模型,还较好兼顾了运营与洞察能力。


今年6月,阿里云宣布数据中台已经深度联合蚂蚁生态,为金融机构,提供理财业务“线上用户增长”、整体的数字化运营解决方案,这也是市场看重的优势。在沉淀上述能力之后,阿里云还在推动企业数字化升级,推出基于数据中台业务模式的解决方案和云上数据中台的赋能业务。


阿里云正在做的事情,是把中台项目背后的产品真正变成一个通用的商品,能让客户在阿里云的平台上快速地实现从1到N的复制。当然,金融机构在厘清数据中台的同时,更要理清自身的需求,如果简单跟风模仿,“为中台而中台”,那么中台的价值是难以实现的。


(四)结语

很多人问刘伟光,提到数据中台,在他脑海中会浮现什么形象?刘伟光想到的第一个形象就是超级航空母舰。“航空母舰上面有飞机维修、加油、供给等很多职能,数据中台就像航空母舰一样,是输送炮弹、输送能力的平台。”


当然,就像航空母舰需要不断维护与升级一样,中台建设也不能一劳永逸,而是需要不断迭代,提升与业务不断融合的能力。


最终,真正的中台不是一个外挂在核心系统之外的数据平台,而是将数据能力嵌入到每一个业务流程中的智能大数据体系。


相关实践学习
AnalyticDB PostgreSQL 企业智能数据中台:一站式管理数据服务资产
企业在数据仓库之上可构建丰富的数据服务用以支持数据应用及业务场景;ADB PG推出全新企业智能数据平台,用以帮助用户一站式的管理企业数据服务资产,包括创建, 管理,探索, 监控等; 助力企业在现有平台之上快速构建起数据服务资产体系
目录
相关文章
|
10月前
|
存储 人工智能 运维
企业级MLOps落地:基于PAI-Studio构建自动化模型迭代流水线
本文深入解析MLOps落地的核心挑战与解决方案,涵盖技术断层分析、PAI-Studio平台选型、自动化流水线设计及实战构建,全面提升模型迭代效率与稳定性。
432 6
|
存储 人工智能 大数据
TDengine 用户大会精彩回顾:AI+数据驱动汽车、能源、烟草、电力应用的未来
TDengine用户大会在京成功举办,聚焦“时序数据助你决胜AI时代”。涛思数据创始人陶建辉携手中科院院士王怀民等业界领袖,探讨时序数据最新进展及AI技术应用。会上发布了《时序大数据平台-TDengine核心原理与实战》一书,为企业与开发者提供宝贵指南。自2019年开源以来,TDengine已拥有57万用户实例,Star数达23.1k。王怀民赞赏TDengine全面创新,立足全球市场。大会还涉及数据库智能化运维、能源行业数字化转型等议题,并设有三大专场,深入讨论海量数据应用、智能制造新能源及新型电力系统,展示了TDengine在各领域的应用潜力与技术革新。
440 0
TDengine 用户大会精彩回顾:AI+数据驱动汽车、能源、烟草、电力应用的未来
|
机器学习/深度学习 人工智能 开发框架
【AI系统】AI 学习方法与算法现状
在人工智能的历史长河中,我们见证了从规则驱动系统到现代机器学习模型的转变。AI的学习方法基于深度神经网络,通过前向传播、反向传播和梯度更新不断优化权重,实现从训练到推理的过程。当前,AI算法如CNN、RNN、GNN和GAN等在各自领域取得突破,推动技术进步的同时也带来了更大的挑战,要求算法工程师与系统设计师紧密合作,共同拓展AI技术的边界。
817 1
|
5G vr&ar UED
载波聚合:赋能5G高速率通信的关键技术
载波聚合:赋能5G高速率通信的关键技术
3491 5
|
监控 数据库
neo4j数据插入操作有日志吗
【6月更文挑战第29天】neo4j数据插入操作有日志吗
356 1
|
存储 缓存 移动开发
详细介绍HTML5的离线储存(工作原理+使用场景+真实使用步骤)
详细介绍HTML5的离线储存(工作原理+使用场景+真实使用步骤)
|
机器学习/深度学习 监控 算法
|
Dart 监控 开发者
跨平台应用的选择:Flutter下电脑局域网控制软件开发
近年来,跨平台应用的需求不断增加,开发人员纷纷寻找适用于多种操作系统的解决方案。本文将探讨在Flutter框架下开发电脑局域网控制软件的过程,并提供一些实用的代码示例。
586 1
|
SQL 存储 数据库
艺术型轻量级数据库 --Sqlite
艺术型轻量级数据库 --Sqlite
381 0
无线通信中重传机制的策略有哪些?
无线通信中重传机制的策略有哪些?
506 0