开发者学堂课程【数智新金融解读：数智新金融线上课程（下）】学习笔记，与课程紧密联系，让用户快速学习知识。
课程地址：https://developer.aliyun.com/learning/course/941/detail/14744
数智新金融线上课程（下）
内容介绍
一、数据中台能力体系框架
二、数据能力建设可能需要可落地的顶层设计支撑
三、阿里云沉淀的金融行业数据中台能力框架
四、基于现状与能力框架进行数据能力评估，设计实施路径
五、核聚变
六、在核心关键领域如何应对
七、结合自身的实践与行业现况
数字化转型是时代浪潮最主要的趋势之一，作为属于第四次工业革命浪潮之中的金融机构，也在迅速跟进数字化转型趋势，积极探索业务创新，运营优化，改善客户体验的新金融商业模式。
一、数据中台能力体系框架
数据中台能力体系框架，这个主题也是切合了当前在大力发展数字经济的时代背景下，金融机构如何全面建立数据能力，如何更快更全面地进行数据赋能业务，持续释放数据价值，以这样一个目标为基础去构建整体的数据能力，我们会按照文化 why what how 来进行解读，也就是金融机构为什么需要数据中台能力框架，阿里云的数据中台能力框架核心内容以及金融机构如何去应用这套框架。
二、数据能力建设可能需要可落地的顶层设计支撑
金融机构为什么需要？数据中台的能力框架在此，直接给出了答案，金融机构在进行数据能力建设的过程中，是需要一套顶层设计的方法体系来进行支撑，而这套顶设计方法体系就是数据中台的能力框架体系，得到此结论，我们可以分别从宏观和微观两个视角来进行解读，
1、宏观视角
首先我们来看看宏观市场，在宏观视角上，我们分别从国家政策以及金融行业发展趋势来进行分析，首先在国家政策方面，党的十九届五中全会提出推进土地，劳动力，资本，技术，数据等要素市场化改革，确立了数据要素的市场地位，将构建数据要素市场上升为国家政策，由此我们可以看出数据建设从国家层面已经为我们指明了方向，同时我们再来去看金融行业的发展趋势，近日中国人民银行印发了金融科技发展规划 2022~2025 在规划中多次涉及与数据相关内容其中提出了相应的八方面的重点建设任务，与数据相关的任务包括全面加强数据能力建设以及搭建业务技术数据融合联动的一体化运营中台，通过人民银行的规划文件，可以清晰了解到金融行业的发展趋势过程当中数据的起到的核心的作用，同时我们可以清晰地看到，围绕着数据建设监管机构已经为我们指明了明确的发展道路，因此我们通过宏观的解读，认为数据建设是需要从顶层设计来进行统一的规划。
2、微观视角
微观层面我们就结合金融机构自身的业务发展的视角来进行分析，在数字经济的时代背景下，传统金融机构面临着很多挑战.这些挑战我们可以归纳为四个方面，分别是从经营理念，经营方式，科技应用，组织架构几个方面来看遇到的挑战，那经营理念上，传统的金融机构需要结合数字时代的背景以及业务发展客户的需求来进行连接，开放，敏捷，智能，利它的新的理念的建立，在经营方式上需要更多用活数据来推进业务数据化和数据业务化的大力发展，同时要去更多地去应用新的科学技术来推动我们整个数字化转型，并且在此过程当中组织上如何更敏捷的响应业务需求的变化，如何更快，更全面地响应地响应客户的需求需要组织上系统面对这些挑战，军机构需要采取相应的应对的措施，这些应对措施是构建我们整体能力的提升，这些能力总结为四个方面，分别是思维能力，应用能力，运营能力以及响应能在这些能力的建设的过程当中，数据在里面起到了非常关键的作用，在思维能力方面，我们需要去构建数字孪生社会下的经营管理模式，通过数据化的思维来进行我们经营理念的转变，同时去更多地把数据聚起来，用起来，火起来这样一个思路来去构建我们整个的数据应用体系，并且结合的不同的业务场景当中把数据和科技来进行双流的驱动，在此过程当中就形成敏捷的能力，更快速地快速地响应市场变化，更全面地去响应客户的需求，我们会看到很多金融机构已经在这些应对过程当中进行了不断地探索，在探索的具体措施当中，数据也是里面非常重要的关键，由此我们会看到站在金融机构自身的营发展视角，数据建设已经不是从某一个需求包括某一方面的需求来进行驱动的，数据建设是需要站在企业级的视角上来进行整体的规划，以企业架构的思路来进行整个数据体系的评测设计。
因此我们通过宏观以及微观层面的结合得出这样的结论，就是在数据能力建设上，我们是需要一套可落地的顶层设计来进行支撑，而这套顶层设计阿里云已经被金融机构准备好了。
三、阿里云沉淀的金融行业数据中台能力框架
1、阿里巴巴数据中台能力沉淀
阿里云所沉淀的面向金融行业的数据中台能力框架，阿里云在自身的数据中台建设过程当中不断地去提炼总结，不断地去进行试错，在此过程当中我们提炼了数据中台建设的核心的三要素，分别是方法论，工具以及相应的组织，方法论是作为我们统一思想关键，只有统一的方法体系来指导我们后续的建设，那么才能在未来的建设的方向，具体的内容上进行统一的规划建设，但是只有方法论是不足以数据圈中台的建设落地的，需要一套配套的工具体系来进行支撑，确保方法论当中的核心思想能够保证落地，以及在建设过程当中需要一套组织机制来进行协同，相应的组织的保证以及人才的建设，这样就构成了方法论、工具、组织这样数据中台建设的关键的要素，并且在这个关键要素当中阿里不断地不断地去沉淀数据中台的方法体系，并且在近几年我们与金融机构合作的过程当中，不断地将这套方法体系以金融行业的发展需求发展状况来进行充分的结合，去形成一套面金融行业的数据中台的能力框架体系。
2、数据中台定位：数据中台是企业数据级数据能力设计与落地的核心载体
首先需要对数据中台的定位形成一个统一的认知，在这里面我们归纳了面向金融行业数据中台建设的关键内容，核心能力以及主要价值，在关键内容方面，我们归纳为四个方面的建设，分别是规范化的数据体系建设，品牌化的数据产品建设，高质量的数据资产建设与管理，以及专业化的数据组织与人才建设，基于这四个方面的建设，我们来不断地沉淀数据中台的核心能力，包括敏捷、复用以及智能高质量的数据资产建设与管理，以及专业化的数据组织与人才建设，基于这四个方面的建设，我们来不断地沉淀数据中台的核心能力，包括敏捷复用以及智能敏捷是能够通过数据中台更高效快速地去响应业务的变化，更敏捷的产出我们数据的服务更快速地快速地推送到业务前台，复用是强调沉淀具有业务属性，能够被多场景多业态所复用的数据能力，智能是利用大数据，人工智能等新技术，通过数据算法来去形成我们更加具有前瞻性和准性的数据分析，通过这样的核心能力的发挥，我们最终只要通过价值来去体现，价值可以分别从降低成本，提升效率以及数据价值化几个方面得以体现，那最为关键的是我们希望数据价值化地提现业务当中持续地去发挥数据的价值，是数据的这种沉淀积累能够得到一个最大化的发挥，基于统一的共识，再去看数据中台的能力框架这些我们所展现的就是数据中台整体的能力体系框架。
3、数据中台能力体系框架大图－－采、建、管、用
上图是按照采建管用这条主链路来去建的，整个的能力体系框架才就涉及我们数据的采集，你看不仅仅是单纯地采集的技术，还包括相应的采集地规范，采集数据的内容的分析等等，这方面令建我们是分成数据平台建设和数据资产建设，数据平台建设比较好理解啊，也是过往我们在京机构数据建设当中，大家都会设计的内容涉及了数据的存储以及多长几个计算，如何把这些新技术更好的融为一个整体，而不是分散化地组建推进，这里面就需要从企业进入架构的视角上来进行统一的规划，数据资产建设是我们重点都是强调的数据资产建设的目的就是为了形成具有复用价值的数据资产，它的体现方式比较典型的就包括我们的指标和标签，通过去沉淀企业级的指标体系和标签体系来支持更多的业务场景，让更多的业务场景来使用我们的指标和标签，以及让更多的需求来沉淀在中台，这样就使得中台的能力不断地沉淀积累是中台不断地做后，这样才能够更敏捷响应不同类型的需求以及支持更广泛的需求场景，有了可复用的数据资产，我们就是要把这些数据资产通过服务化的方式来进行封装，来面向不同的数据应用场景来提供服务，这里面包含了我们 BI 类的数据服务 AI 类的数据以及相应的数据产品化的服务，通过这些服务不同形式的组合，我们来面讲营销，面向风控，面向客户分析，面向经营管理来提供多场景的数据能力的支撑，那在这套体系上数据研发来提供了相应的研发的保障，包括采集，模型设计，任务调度等等这些基础能力来提供这样一个保证，那数据资产管理是在整个链路当中形成我们企业的数据资产管理，通过从以前的数据这里面向更加量化管理的数据资产管理模式来进行转变，确保整个过程当中数据资产的质量，这样就构成了我们整体数据中台能力框架的大图。
下面我们分别从采，建，管，用维度去进行展开
（1）采：全域数据采集体系
采我们强调数据的全域的采集，之前我们可能企业也建立一个数仓，也建立了大数据平台，但是数据的范围呢也是并没有覆盖我们全量的数据，这里面的数据不仅仅是指我们业务系统当中的数据，这里面的数据我们强调的是凡是有利于业务分析业务使用的场景的数据，都是需要进行采集的，除了业务系统里面存的结构化数据之外，还有很多大量的非结构化的数据，还有很多的行为类的数据都是我们来进行分析，在业务场景使用当中体现价值的地方，这些都要纳入到采集的范围，但是这种采集我们是在安全合规的前提下进行的，采，涉及了采集的技术，采集的数据内容以及配套相应的管理规范，采集的技术过往我们金融机构更多的是以这种文件加载的方式来进行采集，后续在兼容这种模式的前提下，我们要更加采取主动化的采集方式，能够主动通过数据员来去拉取相应的数据，并且能够去实现很多时以及实时的这些业务场景需求，同时在国内规范方面数据的采集，不是单纯的一项技术类型技术工作，它需要管理进行配套，并且在采集的过程当中啊不断地去提升我们阅读业务的可读性，使我们的业务人员能够时了解到我们采集的数据，同时在采集的内容上仅仅是围绕我们要分析的这些业务场景数据，还有很多原数据的我们也都需要采集过来，形成企业级的原数据仓库，这样为我们后续数字产的建设来提供基础数据保障，就是采的核心内容。
（2）建：构建具有可复用能力的数据架构体系
强调构建具有业务价值可复用的数据价格问题一方面会体现在整个数据架构的模型构线上，在这方面我们要去强调面向业务更加友好的分析的视角来去构建模型，在友好性，复杂性以及成本方面形成一个有效平衡，让业务分析需求能够更好地跟我们模型设计来进行映射，在此基础之上去构建我们可复用的数据的执行，包括我们的阶级的指标体系和企业级的标签体系，之所以成为企业是强调他并不是基于某一类场景或某个特殊场景就形成的制造体系，他站在整个企业级的市场上去划分你的业务板块，在右板块当中去提炼的核心的业务过程，基于业务过程去体验出原子指标，在原子指标的基础上，结合我们的业务限定，结合统计口径等条件来去形成衍生指标，你这样一套体系来构建的指标体系，能够与我们的实际的业务来进行紧密地结合，业务持相对的稳定，我们的指标体系就能保持相对的，而且能够比较全面准确的去刻画我们业务的现状，同时在基于这套标准化的体系构建下来的指标能够有效地有效地消除指标化运行，确保我们的指标数据指标的质量不仅仅是可应用在监管以及我们面向管理层的管理决策上，市场也都可以应用这些地方，那标签体系也是我们在企业里去沉淀复用能力的一个核心体系。
基于统一的一套构建方法来去形成我们的标签体系，面向不同的场景来进行服用，同时基于我们分析对象的不断扩展而进行标签体系的扩展，去形成我们面向客户机构，业务对象务实体这样一个不断扩展的一个标签信息。
（3）管：忆管促用的数据资产管理体系
第三部分的管我们强调是以管促用，目的还是为了更好地去使用数据，清晰地分析出我们据资产管理的目标用户有哪几个人群在这里面我们可以分成两类工作人群，因为职业小数据的管理者，另一类是面向数据的使用者，具体来讲包括数据的生产者和数据的消费者，面向出去的管理者就需要通过数据资产管理来提供统一的数据资产的展现概要性的去展现出整个数据资产的现状，使用的情况以及相应的问题，是数据的管理者很清晰地了解到当前企业他的数据资产面向数据使用者，我们是需要提供一套更加便利，更加快速的方法，使它能够去找到他所需要数据，提升找到数据的准确性和及时性用处的人，能够快速地去找到他所需要的数据，并且开始去使用数据，因此要达到这样一个目标，我们就需要围绕着数据资产进行相应的资产的盘点，资产的评估，资产的智力以及资产的评估，场点努力是为了往往清晰地了解我们体内现有的数据资产到底可以有多少？到底的情况是怎么样？有哪些的分类有了一个盘点的基础之上，我们来进行相应的治理工作，那数据的资产的治理可以从存储，计算质量，安全，成本要多个维度来进行一个体积化的数据治理工作，有了这样一个智力目的是为我们更好地去应用，需要构建数据资产的，包括其成相应的数据资产专题，面向管理者和数据的使用者，为他们来提供数据使用数据的入口，这样体系是刚才出来使我们的数据能够更加快速，更加准确地让我们的用户能够找到，让他们能够很便捷地去使用这些数据。
（4）用：构建数据产品体系的完整闭环
第四部分是用 ，在用这个环节当中，我们强调构建数据产品的服务体系，注意，产品是作为数据与业务间连接的一个重要的抓手，通过数据产品，我们来去构建面向具体业务场景，解决具体业务问题的这样一个产品类的应用，因此它是可以作为数据团队与业务团队之间衔接的一个交流，通过数据团队与业务团队共建的数据产品来去持续地进行沉淀，不断地去发挥数据的价值，要想去构建一套数据产品体系，是需要相应的技术的框架力，能力总结成四个方面，分别是产品的研发，产品的货架，产品的运营以及相应的基础支撑，以此来形成一个闭环的数据产品体系，产品的研发是需要我们经营机构从以前项目制的研发机制向产品质量研发机制来进行改变，项目制是我们更多的是让业务来提需求，满足需求，既定的交付时间点去提供，交付就完成任务，但是产品不仅仅满足产品是需要产品团队，但在业务的视角主动去思考哪些数据对业务是有价值的，因此它的需求来源不仅仅是作为业务方面问题，只需要数据团队，产品团队主动去考虑有哪些产品的需求，通过产品的研发，在设计上他要考虑的要素也于以前的项目是完全不同的，基于这样的一套体系来去形成了产品研发的流程以及空间研发和产品之后，我们再企业内要相应地进行数据产品的管理，通过一种货架式的方式来去进行数据产品的展现任务，让用户能够快速地去找到对应的场景，找到之后进行使用，在使用过程当中，用户反馈产品的使用的情况，这些数据只要回流到数据产品团队，基于这些数据我们来进行产品的持续地运营，来进行产品的能力的不断升级，按照一个产品全生命周期的视角来去形成一个闭环的数据产品体系，通过数据产品我们会将以前被动响应需求的这种服务模式转变成主动将业务方案提供数据产品主动的模式，这种模式的转变也有利数据价值的进一步的发挥，我们在用这个环节非常重要的一个形态，当然除了产品，以外我们传统继续使用数据推送类的服务，包括 API 的服务，也是在我们用的这个体系框架范围之内的，以数据产品加数据服务这种相结合的模式来满足企业内不同场景把不同类型的需求。
（5）持续迭代：数据中台运营体系
刚才我们是按照采建管用对好链路那去进行了整个从数据采集，建设管理到产生价值占有地方，那使得这套闭环体系真正的发挥持续的一个效果，需要去构建一条数据中台的运营的机制，那么在这个机制里面最为核心的就是我们相应的组织的建设以及相应的数据类人才的培养，从这建设就涉及划分数据团队的职责打分数据团队的职责去规划它建设的内容，规划相应新的这种岗位以及岗位的能力的要求，比如比较典型的数据产品经理，交互设计师这些岗位在传统的机构当中，并没有顺利或者说设定，但并不是真实增长，那未来从数据中台建设的角度，我们希望进一步地去明确这些岗位的职责，让这些岗位真正发挥出作用啊，并且我们对于不同的岗位数据类的岗位会提供整个的人才发展的路径，通过组织和人才的建设去确保我们整个数据中台能够持续迭代建设持续地发挥价值。
