活动盒子运营社(ID:huodongheziyys)
一个“正经”的订阅号,专注于分享APP运营推广原创干货
本文为活动盒子原创内容,转载需注明来源
从互联网行业火到金融行业的概念不少,比如个性化、微服务,还有近几年的各大金融机构都在谈论的“数据中台”,一些走在数字化转型前列的金融机构开始搭建数据中台。
从最初的萌芽到实际应用,数据中台在金融领域已产生很多优秀的案例,但对于数据中台的理解许多人依旧一头雾水。
接下来,我们就来好好聊一聊,什么是数据中台?为什么金融机构都开始建设数据中台?怎么建设数据中台?以及金融行业中数据中台的应用实践案例。
一、什么是“数据中台”?
在国内,阿里最早提出了“数据中台”的概念。,马云率队参观了实力强大的游戏公司supercell,它的成功的游戏产品有很多,其独特优势是能够快速推出新产品,而依靠的就是中台系统。
马云深受启发,回到阿里后,便提出了“大中台、小前台”战略。其中“大中台”包含两部分,一个是业务中台,另一个是数据中台。
阿里巴巴中台示意图(图片来源于网络)
一般来说,数据中台是指通过数据技术对海量数据进行采集、计算、存储和处理,同时统一标准和口径,形成全域级、可复用的数据资产中心和数据存储能力中心,形成大数据资产层,进而为客户提供高效的服务。
形象地讲,数据中台构建的服务考虑了“可复用性”。每项服务都像一个积木,可以随意组合,灵活高效地解决前台的个性化需求。
从意义上讲,狭义的数据中台是一套实现数据资产化的工具;广义的数据中台是一套利用数据,进而帮助企业实现数字化转型的机制和方法;
从技术角度来看,数据中台是一种新型的IT架构;而从管理角度看,数据中台是一种新型的组织管理模式和理念;
从战略角度来看,数据中台是为了应对日益复杂的环境而构建的一种新型战略工具和竞争壁垒。
总之,数据中台的核心理念是“数据取之于业务,用之于业务”。与传统数据平台相比,数据中台着眼于业务的积累和沉淀,构建了从数据生产到消费、消费后数据返回到生产的闭环过程。
“让一切业务数据化,一切数据业务化”是对数据中台系统功能的精要概括。
二、金融机构为什么开始建设数据中台?
当前,全球经济已进入数字化转型期,传统金融机构必须将其付诸实践。数据驱动的数字化可以帮助传统金融机构充分了解用户需求的变化,在营销、产品、业务等方面为传统金融机构提供支持,进一步提高传统金融机构的运营效率。
但传统金融机构在数字化转型的过程中,通常会出现3个问题:
如何搜集和整合自己的数据?
如何建立数据运营团队?
如何在短期内快速展现成果,在机构内部建立信心?
因此,能够对数据进行标准化处理,能够进一步挖掘数据价值的数据中台,正成为越来越多传统金融机构数字化转型的最佳入口。
基于金融业务数字化要求,数据中台可以从三方面支撑传统金融机构的数字化转型:
1
打破数据孤岛
金融机构往往有多个信息部门和数据中心,随着业务的多元化发展,大量的系统、功能和应用被反复构建。数据资源、计算资源和人力资源都存在着巨大的浪费。同时,组织障碍导致数据孤岛的出现,使得内外部数据难以统筹规划。
在大数据技术的推动下,数据中台完成了多个数据库数据的采集和整合,形成了完整的跨越式的数据模型,突破了各渠道、各部门之间的数据壁垒,使大网数据充分融合,形成了各类客户专业的画像视图,实现精准营销,辅助决策和运营,最终提高客户运营效率。
2
快速响应业务需求
数据中台改变了金融行业数据的后台交付模式,形成了“薄前台、厚中台”的模式,将统一规范的数据资产输出到金融机构的业务线,以产品模式输出数据能力,为业务层和决策层提供高效的服务。
3
降本增效
随着金融机构业务的不断发展和用户需求的不断迭代,大量的业务数据被塞进前台系统,不仅导致重复性引入,使得前台系统不断扩展,增加负重,形成滚雪球的“烟囱式单体应用”。使得前台系统的“客户响应力”下降,客户满意度下降,金融机构竞争力也随之不断下降。
而中台是连接前台和后台的核心资源。通过数据中台的统一加工和处理,可以输出标准数据,形成数据资产,减少前台数据的重复建设,降低烟囱建设成本。通过为前台提供强大的“能力炮火”支持,可以将后台系统中需要频繁变化或前台需要直接使用的业务能力“提取”到中台层,赋予这些业务能力更高的灵活度和更低的变更成本。
三、可落地的数据中台建设方法论
如今很多金融机构开始认识到数据中台的战略意义和应用价值,然而由于缺乏方向和理念指导,实现起来困难重重。以下是关于数据中台的建设的4个方法论:
1
数据资源一体化
随着互联网经济的快速发展,金融机构的业务范围越来越广,在业务管理和功能上也存在一些交叉环节。如果这些重复的环节单独开发,就会浪费资源和时间。
所以构建数据中台的第一步就是整合机构自有的数据资源,对数据资源进行整合和完善,对业务流程中产生的市场情报、产品销售、用户行为、潜在风险等信息进行统一管理,加以监控、梳理和分析,向金融机构提供多角度全方位的业务支持、分析与决策,引导金融机构的内部资源向高价值领域倾斜,实现企业价值最大化。
另外,中台的数据量不断累积,也让机构数据业务化成为可能。通过融入用户画像、大数据分析和机器学习,金融机构可以根据客户的习惯和喜好提供定制化服务,促进服务的个性化,提升客户的服务体验,实现数据智能化。从中台的海量数据中,金融机构还可能发现新的客户需求和商机,拓展新业务,实现数据创新。
2
业务数据资产化
没有经过处理的数据不能称之为数据资产,因此我们需要围绕已有数据进行加工提纯,推动业务数据向数据资产的转化。但是传统的数字化建设往往局限于单一的业务流程,忽略了多个业务的关联数据,缺乏对数据的深入理解。
必须通过数据中台的建设,才能连通全域数据,通过统一的数据标准和质量体系,对数据资源进行整合,不断完善数据模型,不断补充数据,逐步形成为业务赋能和实现决策分析能力的数据资产体系,以满足金融业务对数据的需求。
具体来说,数据资产化包含两部分,一是数据资产建设,二是数据标准建设。
(1)数据资产建设
在数据资产建设中,数据分析模型是关键。
典型的数据分析模型包括aarrr模型分析、转换漏斗分析、商品分析、交易分析等,通过对用户数据的分析和挖掘,可以有效地识别和定义不同渠道的同一用户,有利于建立用户标签和客户全景图,匹配相关商品,实现个性化商品推荐、精准营销风险预测等功能。
(2)数据标准建设
金融机构需要承担相关法律责任。一方面,他们需要向监管机构提交各种各样信息;另一方面,他们需要向公众披露各种各样的信息。这两方面数据的统计口径需要保持一致,否则就会出现问题。这背后需要进行相应的数据标准制定。
制定数据标准是很重要的一点是“治”,通过数据治理提高数据质量,更好地体现和应用数据价值,为数据资产管理提供保障,保证数据平台的有序运行。
3
数据服务可视化
在这个阶段,我们需要以挖掘新的业务数据需求为重点,以业务价值和业务思维为驱动,中台的人员深入到各个业务线调研和交流,了解业务数据和业务场景需求,并将需求转换为数据服务能力。
数据中台的核心价值是为数据服务提供业务价值,将可复用的数据模型转化为乐高积木,使数据服务有效应用于业务开发。不同的业务开发项目组可以随时调用唯一的数据服务,以保证数据的质量和一致性,加快从数据到价值的转换过程。
金融机构数据的局限性将影响数据能力的发挥,跨部门数据协作也是现阶段的需要去尝试的事情。数据中台打通全域数据,解决跨部门、跨渠道的数据孤岛问题,将金融机构所有数据形成协同效应,使相关人员能够快速开发数据应用,支持数据资产场景化快速输出能力,响应客户动态需求。
4
数据运营体系构建
数据中台能够成功,对金融机构有着积极的影响,不仅取决于产品的能力和实施者的技术水平,还取决于后期的科学管理和操作。这就需要建立一个专业的运营数据中心团队来管理新增的数据需求、场景需求、权限变更等问题。
通过前面的数据集成、数据资产和数据服务,构建完整的数据中台,并在业务中发挥一定的价值。操作系统和安全系统是数据中台健康、持续运行的基础。如果没有它们,数据中台可能看起来像一个普通的项目。在搭建了一个平台,构建了部分数据,尝试了一两个应用场景后,就无法正常运行,无法持续发挥数据应用的价值。这不符合在数据中台建立的目标。
可见,整个数据中心的建设和使用并不是一下子完成。这是一个运营迭代的过程。为了保证整个数据中台的连续运行和迭代,需要形成一套闭环机制。通过多部门的合作与推广,逐步形成独特的数据文化和认知,这是传统金融机构数字化转型的一个重要难点。
四、数据中台在金融业的应用案例
(1)民生银行从科技视角制定了“技术+数据”双轮驱动的改革方案,构建由4大功能体系、12个子系统构成的金融数据中台体系。[1]