Kyligence 2024 数智论坛暨春季发布会:以 AI 构建数智竞争力 即刻报名

新一代数据仓库助推金融机构数字转型

2019年 9月 05日

近年来,金融企业纷纷拥抱金融科技,寻求大数据技术与金融的深度结合,用科技驱动金融业务,为用户带来更加智能化的体验,打造行业竞争力,提升金融服务效率。银行、证券等金融机构希望结合多源数据进行自助式、细粒度多维运营分析,抓取更精准的客户画像,实现消费轨迹及预测等,赋能精细化营销。还希望可以通过数据筛查,对所关心行业的相关行业的风险做出预判、尽早发现并规避风险,实现更全面的风控等。

而实现这一切的基石是数据,因而数据仓库的选择对金融该机构来说就格外重要。

面临的挑战

当前金融机构所使用的传统数据仓库存在如下诸多问题,影响了业务拓展。

  • 数据孤岛与日益增长的维护成本
    各个应用系统多为不同厂商提供、系统整合度低带来的数据孤岛问题,导致数据使用时效性差,使得各IT技术部门需要针对不同业务部门的需求提供不同的数据方案,造成人力资源浪费。传统架构实施和软硬件扩容成本高昂,给企业带来了巨大的成本负担。
  • 响应周期长和低易用性
    业务人员依赖于技术部门提供的方案,缺乏自助分析能力,且新需求开发周期长,无法快速应对业务变化,难以支持来自经营分析、客户管理、精准营销、风险防控等多业务的灵活跨领域分析需求,无法高效应对大数据带来的多维分析挑战。
  • 受限的业务分析能力
    随着企业向互联网+金融科技的转型带来的数据量和数据分析需求的爆发式增长,传统数据仓库在数据量、维度数量、分析粒度、查询速度、构建性能、并发能力等方面也已趋显不足,由于其本身技术架构的局限性,无法满足企业对海量数据中细粒度维度和指标进行灵活高效分析的需求,存在分析时效滞后,分析预见性差以及回溯分析困难等痛点,使得管理者难以从整体上掌控关键问题和分析原因。
下一代数仓

全球最大的银行卡组织中国银联曾经使用的传统数据仓库方案是DB2+ Cognos,系统优化已达极致,但随着数据量激增,数据处理能力上的瓶颈愈发明显,例如灵活性差、时效性低、可扩展性不强等痛点,无法进行一站式数据访问,满足企业在向金融科技公司转型的要求。中国银联希望可以通过搭建企业级统一的数据仓库,满足数据融合需求,丰富业务数据应用,利用技术驱动业务发展。

新型的数据仓库需要具备如下能力:

  • 从容应对数据量暴增,快速支持多源数据接入
    面对大数据时代下的数据激增,新型数据仓库需要打破传统数仓的随数据量增长、硬件成本也随之增长的魔咒,提供海量数据存储/计算/分析需要的可扩展平台。

    新型数据仓库需要打破数据孤岛壁垒,快速整合所有业务条线数据,进行集中式管理,统一数据口径,提升数据整合度,支持业务高效的跨领域的综合分析。

    以银行为例,在开放银行时代,通过打通线上线下多种场景,提供商家商业智能的分析服务,面向行业重点大商户,提供经营概况、客群分析、竞合态势等数据服务功能,辅助商户经营决策,开展精准营销的商户智能决策等,为不同的客户群提供有针对性的服务。
  • 快速的业务响应,赋能长尾开拓能力
    新型数据仓库需要支持超大数据集下的快速查询响应,实现业务数据分析的透明加速,带来用户体验和价值感的全面升级。
    新型数据仓库需要支持从业人员可以从海量大数据的成百上千个不同类型的可分析维度和指标中(例如商户、渠道、地区、消费状况等)自由筛选进行分析,助力“互联网+”新业务的精细化营销分析,让企业更清晰了解用户,洞悉消费趋向,明确商业目标,帮助企业做出更准确的商业决策,助力业务低成本甚至零成本利用技术开拓长尾市场,收获成功。
  • 加速数据平民化,高效带动业务创新新型数据仓库需要让业务人员抛开只能使用已有方案的束缚,让“零基础”的业务人员也能轻松进行数据分析,从容应对大数据带来的多维分析挑战,实现真正的数据平民化。
    例如,业务人员通过结合内外部数据,建立对核心客户的全方位、细粒度的认知,进行商业决策洞察;还可以为客户自身提供数据服务,与其它合作伙伴(银行、电信、第三方)开创新的应用模式,带动业务创新。
  • 下一代的可能性
    未来,伴随人工智能的发展,数仓平台势必会持续变迁,新型数据仓库需要支持业务与科技更深度的融合,赋能业务未知领域、实时数据探索能力,持续促进行业变革。
添加企微

kyligence
关注我们

kyligence