金融行業中如何利用數據中臺的數據來有效的驅動業務決策呢？
前言
在金融行業中，利用數據中臺的數據來有效驅動業務決策是一個復雜而關鍵的過程。其實我們的核心就是幫助金融機構最大化數據中臺的價值，并推動業務決策的科學性和準確性。本文我從技術的角度來剖析一下這一過程。
什么是數據中臺？
數據中臺的概念最早是阿里巴巴提出的，是為了應對像雙十一這樣的業務高峰、應對大規模數據的線性可擴展問題、應對復雜業務系統的解耦問題，而在技術、組織、架構等方面采取的一些變革，其本質上還是一個平臺。阿里稱之為“共享服務平臺（SPAS）”。2015年，阿里巴巴啟動中臺戰略，目標是構建符合互聯網大數據時代的，具有創新性、靈活性的“大中臺，小前臺”的機制。2018年，數據中臺受到業界廣泛關注。
所謂的數據中臺，其實就是實現數據的分層與水平解耦，沉淀公共的數據能力。通俗講，數據中臺就是提取各個業務的數據，統一標準和口徑，通過數據計算和加工為用戶提供數據服務。
金融機構為什么要建立數據中臺？
金融機構建立數據中臺的原因有以下幾點：
- 應對數字化轉型需求：隨著全球經濟的數字化轉型，金融機構必須跟上這一趨勢，以提高運營效率和市場競爭力。
- 解決數據孤島問題：金融機構內部往往存在多個信息部門和數據中心，各系統間數據壁壘嚴重，形成數據孤島。數據中臺能夠打通這些壁壘，實現全域數據的整合與統一，為金融機構提供全面、準確、及時的數據支持。
- 提升數據管理和治理能力：數據中臺對整合后的數據進行有效的管理和治理，包括數據的分類、存儲、安全、備份等，確保數據資產的安全、可控和高效利用。
金融機構如何建立數據中臺？ 前面我們提到了，數據中臺就是實現數據的分層和水平解耦，那么我們建立數據中臺也要從這兩點出發。從數據的角度看，大致分為三個步驟分別是數據資產化、數據標準化和數據服務化。
數據資產化
數據資產化的意思就是理清金融機構自身的數據資產。金融機構的數據資產主要兩部分，一是機構內部數據，這部分數據容易梳理；另一部分是由不同業務部門引進的外部數據。這部分數據較難梳理，原因：存于不同業務部門、來源復雜，且數據量較大。
數據標準化
數據標準化就是使用前面梳理好的數據資產。首先，需要對數據的標準、口徑等進行統一。金融機構常見制定數據標準的方法：資產地圖和資產目錄。制定數據標準是數據治理過程中極為重要的一環，尤其是在金融機構。原因：金融機構對于數據口徑統一等負有相關法律責任。金融機構需要向兩方報送、披露數據。一是監管機構，二是公眾。制定數據標準過程類似于制定API規范，要求：穩定、符合最小化原則等。
數據服務化
金融機構完成數據資產梳理、口徑、標準制定后，就可以向相關部門提供數據服務啦。傳統的數據服務方式，比如數據倉庫，當下游公司或部門提出取數需求時，數倉這邊會告訴他們所需的表結構，讓他們自己直接連上來取數。但是這樣存在嚴重問題：數據中心的表暴露給了多少對象？有多少下游應用與你相關？中間過程難以控制。解決方式：中間增加數據服務層，以API、微服務的形式提供服務，從而實現對使用對象、頻率的控制。中間也會用到一些工具，比如輿情檢測、知識圖譜等。
數據中臺如何來驅動業務？
數據中臺如何來驅動業務呢？其實我們前面已經給出了答案，數據中臺將數據資產梳理好之后標準化，再將標準化的數據提供給相關服務。如下圖是一個數據中臺架構圖，圖中數據源將數據傳遞給貼源層，貼源層將數據梳理標準化之后傳遞給業務模型，這樣服務需要獲取什么數據只需調用對應業務模型即可。總而言之就是實現了數據的分層與水平解耦，沉淀公共的數據能力。
金融行業中如何利用數據中臺的數據來有效的驅動業務決策呢？_數據中心
總結
我們在做金融行業數據中臺時，內部分兩層：偏技術和偏業務。偏技術人員做數據的基本處理，比如打個標簽、關到圖數據庫里取，這對業務的要求貌似不高，對技術基礎的要求會高一點。數據結構化后，業務人員接著處理。比如，有些財務分析的模型。總之，金融工程人員做上層的模型，支撐下游場景。
