业务中台如何赋能银行实现数据资产变现?

鲍忠铁
Kyligence 副总裁,二十多年金融行业科技开发和业务工作经验,致力利用大数据帮助企业提升业务收入,降低运营成本,推动数字银行建设。
2021年 1月 08日

12月4日,由工信部信息技术发展司、上海市经信委、上海市科委共同指导,上海大数据联盟主办的2020中国(上海)大数据产业创新峰会在上海隆重举行。Kyligence VP 鲍忠铁荣幸受邀在大会作了主旨发言,以下是此次演讲的主要内容。

在过去的 20 年,银行完成了信息化建设,实现业务系统的线上化,移动化,智能化。信息化建设完成之后给银行带来了大量的数据孤岛,数据沉淀在银行内部,看上去是数据金矿,但是缺少从数据中挖掘出金子的能力,这是银行进行数据资产变现的的烦恼。

成本收益催生新技术架构

从成本收益角度来看:基于传统数仓的分析,需要升级到新的技术架构


数据资产变现要经历 4 个阶段,分别是数据(Data)、信息(Information)、认知(Knowledge)——洞察(Insight),从数据分析投资曲线图上可以看出,海量数据如果长期依赖传统的关系型数据库或是传统数仓, IT 成本支出呈现指数级上升趋势,当数据量达到 PB 级别,每年可能就有几千万的投入,企业无法承受其成本支出。


传统数仓无法支撑大量业务人员利用数据进行分析的高并发需求,企业需要用另一种技术来代替已有的数据分析架构“数据仓库 + BI。传统关系型数据库有20 个 TB容量的限制 ,无法进行海量数据分析。

新的数据分析架构 BI + Kyligence,可以支持几百 TB 到几个 PB 的数据分析,可以支持上百人的并发分析,用户可以达到千人以上的规模。数据分析报表的成本从万元级别降到百元级别。某个金融客户,通过基于 Kyligence 平台将报表的成本从一万元降低到了五百元,每年分析成本可以下降 30% 左右。

数据分析决策趋势:人人都是分析师

在银行业,随着数字化转型的深入, 数据分析习惯同以往相比,从数据分析师转向了业务人员,称为智据分析平民化。银行数据分析发展趋势是能基于实时的数据做出决策,要求数据分析的响应速度快,高并发,可以支撑全行业务人员的分析需求,挖掘更细粒度的分析结果。

数字化时代,不再是只有领导在看公司运营指标,而是能让更多的业务人员获取实时数据指标,在第一时间利用数据做决策,形成数据应用的闭环,推动业务发展。基于 Kyligence 的数据分析平台正在推动国内几家大型银行实现数据分析实时化、业务化、指标化。

数据资产变现需要强大的业务中台支撑

从数据资产变现角度,业务中台承载数据分析和数字资产变现重要角色。

中台可以分为技术中台,数据中台和业务中台。其中技术中台是大数据平台,解决了海量数据集中处理和计算的问题;数据中台解决数据孤岛和数据应用的问题;业务中台承接数据分析和数据资产变现的问题。


国内几家大的银行更强调数据资产变现,也就是业务中台的能力建设。业务中台也成为很多银行数据分析平台建设的重点,从客户价值角度看,一个好的业务中台需要基于以下三个维度:

  • 是否可以推动业务和服务的创新?
  • 是否可以带来更好的用户体验?
  • 是否可以提升数据洞察能力?

数据仓库和数据湖(PaaS层),帮助企业解决海量数据存和管的问题。业务中台解决的数据用的问题。其目标是利用数据去发现商业机会,赋能业务决策。

业务中台:Kyligence 支撑银行数据资产变现

许多银行在全员数据分析时,都会面临以下三大痛点:


1. 交付时间长

  • 传统报表开发从业务需求提出到正式交付上线投产,最快得两周
  • 从提出到数据交付,最快也得两到三天,交付的时效性响应限制业务的敏捷性
  • 传统的报表的交付时间无法满足业务用户对数据分析的需求

2. 灵活性差

  • 传统报表固化的方式较难满足业务灵活变化用数需要
  • 用户随业务调整分析思路,需要针对原有数据灵活进行多维分析
  • 开发流程无法满足类似双十一,等营销节日数据分析的时效性和灵活性的要求

3. 分析效率低

  • 处理数据效率上较难满足日益增长用数需要
  • 百万条以上的数据,一年或者几个月的历史数据的环比和同比计算很难实现

基于 Kyligence 技术和产品打造的国内某股份制商业银行的业务,完全融入 IT 平台,解决高并发、高延迟、分析效率低的问题。作为全行统一数据分析入口和统一数据分析报告平台,为不同的 BI 用户提供了友好的 SQL 或 MDX 标准接口,可以无缝集成大多数主流 BI ,如 Tableau、PowerBI、Excel 等。提供统一的基于大数据的业务语义层,实现企业级IT的大数据安全管控,助力业务实现数据驱动的价值。

基于业务需求,总行 IT 部门在建立各主题领域的源数据模型,通过数据交换中心把数据数据仓库同步到大数据离线平台。设计基于业务主题的 OLAP 模型,包含该主题中用到的指标和维度,自动生成和发布 TDS 文件,分行报表开发人员可以基于这些数据源进行报表开发,业务分析人员就可以查看报表数据或者自助多维分析。

价值角度:利用业务中台进行数据资产变现

金融业务场景1:产业明星客户挖掘

形成产业金融优势2019年度半导体行业排名前10名企业,汇总后收款方前30名企业名单(产业链的下游),分析企业列表,选出需要开拓的客户清单。

如何来选出这些目标客户?


例如需要需要快速了解在过去2019年半导体产业里面,有哪些客户是收入前十位的?再汇总他们的支出,再针对汇总支出的收款方进行排名,比如排名前30名就是半导体产业的主要的生产原料和技术、设备的供应商,这些都是这个产业金融里面最值得授信和开发的客户。


后续再把这些客户列出来,与已有客户群做比对,区分哪些是已有客户,哪些在银行的存、贷款占比比较多,后续就可以告知业务经理去开拓这些客户,或者提高这些客户的授信额度和授信渗透率。

金融业务场景2:潜力中小企业挖掘分析,提供普惠金融服务

如何去精准判断哪些中小企业是“潜力股”?或者如何快速甄别企业经营风险及资金需求?以及如何去识别潜在财务管理客户?这些都是普惠金融需要分析的场景。

例如来看下 2020 年上海地区,客户支出 Top 10 企业里面,收款方 Top 50 客户。考核两个关键的数字,同比和环比,如果一年或者连续几个月的同比、环比都有较大增长,这些中小企业又是大客户的收款方,那这些企业就是好客户,可以适当增加授信额度。反之,如果同比、环比都有较大的下降,就说明企业经营有较大风险,这时候可以降低企业的信用额度,甚至提前收回贷款。

基于 Kyligence 的业务中台建设思路

某大型股份银行利用 Kyligence 的产品,搭建了全行的数据分析平台,承载了全行大部分的数据分析工作,同时实现业务中台的能力。该数据分析平台基于 华为的FusionInsight 大数据平台,通过 Kyligence 产品来构建统一的数据分析服务,为客户带来以下业务价值:

  • BI 即服务,面向全行各部室提供数据访问、自助分析及数据开发能力
  • 统一分析平台,支持几千名了客户使用和开发,支持数据隔离,资源隔离,动态扩展
  • 统一查询分析入口,应对实时、多维、明细等多种查询场分析场景,对接传统数仓和大数据平台已有分析应用系统,兼容各部门 BI 工具
  • 集成全行 IT 架构,统一全行数据标准、数据定义、继承权限管理体系,形成统一的BI分析平台开发、上线流程及管理规范

Kyligence 提供的 AI 自动建模可以帮助用户识别哪些数据需要被分析,除此之外还能识别数据查询习惯和指标并生成推荐指标分析。

例如,业务经理 A 和业务经理 B 都在分行工作,业务经理A在 5个月内就能完成全年的销售指标,业务经理 B 需要11个月才能完成。系统可以记录下业务经理A的查询行为并生成推荐模板,当业务经理B或者其他业务经理登录系统时,系统就会推荐业务经理A经常看的数据指标给大家,协助其他业务人员数据分析能力和数据分析的商业敏感度。

基于 Kyligence 技术的大数据智能分析平台可以有效帮助客户解决海量数据分析的三大痛点:实时、灵活、低成本。90% 以上的分析报告在3秒钟内呈现,支持日均百万级以上用户的查询。国内顶尖金融机构和高科技产业客户正在利用 Kyligence 技术释放数据生产力,提高数据洞察能力,实现数据资产变现。