阿里云刘伟光:真正的数据中台是什么?

本文涉及的产品
阿里云百炼推荐规格 ADB PostgreSQL,4核16GB 100GB 1个月
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介: 阿里云刘伟光:真正的数据中台是什么?

image.png

金融机构从没有像今天这样需要把数据变成资产。

如果说过去数据没有被应用对金融机构影响还不大的话,那么在经济增速下行、疫情仍持续延烧的今天,在传统的靠投资、出口拉动的经济增长模式增长乏力的时候,金融机构没有理由不把这部分没有利用的数据价值充分挖掘。

具体到中国金融业,特别是近几年来,随着互联网贷款,开放金融等新型业务模式的兴起,众多金融机构意识到,自身所存储的数据可能产生巨大的价值,但是很多拥有“大数据平台”的机构,却没有办法真正利用好数据。

一家金融机构花费亿元购买了国外大型数据仓库之后,业务人员想立刻调用某城市一个区的数据时,却做不出来;不少银行数据平台上有上千张报表,但是真正有用仅占10%;一家银行信用卡部门想要给零售客户做授信额度时,无法调取该客户作为小微企业主的经营数据,因为这个数据存在该行其他部门的系统中;一家城商行在跟多家金融科技公司做贷款联营合作时,希望打通不同合作渠道的数据,建立一个统一的风控平台……

从2020年2月底开始,阿里巴巴副总裁,阿里云新金融事业部总经理刘伟光整整拜会了65个金融行业的客户,上面的那些痛点,都是客户亲口和他说的。

痛点就是机会。

2020年7月底,在杭州召开的数据中台高峰论坛上,阿里云宣布正式推出金融级数据中台。刘伟光表示,阿里的金融数据中台是集方法论、工具、组织于一体的智能大数据体系,能够帮助银行、保险、证券等金融机构把数据智能等能力嵌入到业务流程之中,赋能组织和员工,进而实现金融业务增长和创新,让数据以资产化的方式为业务的增长而赋能,从而加速整体数智化转型进程。

阿里云希望,他们能用真正的数据中台,帮助金融客户将数据变成资产!

一、让金融机构数据用起来!

疫情改变了很多行业,金融业也是其中之一。在疫情期间,金融机构的智能客服、智能运营以及线上贷款等数字化运营需求,以及无接触金融服务和线上交互式服务的需求,呈现井喷式增长。

疫情期间网点的瘫痪,让金融机构意识到,要想应对未来的竞争,就必须倒逼自己加强线上数字化能力,这种能力不仅是存在于柜台、手机APP和网银这些层面,也是让全链路的业务都能够通过线上数字化方式进行交互,所有的服务在线上不仅是自助式,更多是数字化的交互式服务。

金融机构不是没有IT化能力,在过去20多年中,金融机构几乎是信息化水平最高的行业。在十几年前的2003年-2005年间,中国最大的商业银行,工行、建行开始做数据仓库,掀起了一波为期十年的数据仓库建设的浪潮。

这些系统的建设基于当时的历史背景以及业务需求,形成了很多“烟囱式”数据平台,无法形成面向全局的客户视角,阻碍了数据价值发挥作用,造成了金融行业虽然是数据富矿,但仍有70%的数据价值未被利用的现状。

在数字经济时代,这是一个巨大的浪费。

在与银行客户接触时,刘伟光感觉到,在未来更多小微金融、农村金融爆发时代,银行经营更多需要的不是关系,而是真正“水到田头,数据全面嵌入到业务场景当中随需而动”的数据服务能力。

阿里云团队希望,通过数据中台的实践,未来金融机构的数据可以不再只是给数据分析师用,不再只是为领导生成报表,而是能让金融机构每一位员工都能使用,让他们能随时调用数据,为营销、反欺诈和风控等业务场景所用。通过帮助银行进行数据中台的构建,让未来业务团队就是数据团队,银行能彻底告别通过“提数单”来提取数据的现状。

在刘伟光眼中,金融机构目前的数据仓库、数据集市、管理驾驶舱、Hadoop大数据平台、MPP数据库,未来都属于数据中台的数据供给侧,它们的作用是为上层数据应用提供数据“石油”,就像输油管一样。而数据中台就是“炼油厂”,它的作用是根据业务和客户需求,将“石油”变成可以创造商业利润的石油产品,如汽油、煤油、燃料油等。

归根结底,数据中台一个根本性创新就是把“数据资产”作为一个基础要素独立出来,将成为资产的数据作为生产资料融入业务价值创造过程,提供推动企业发展源源不断的生产力。

因此,刘伟光判断,数据中台是继数据仓库之后,金融IT建设下一个浪潮之巅。未来,越来越多的银行将会先将数据进行整合,再形成“业务数据化、数据业务化”的有效循环,建立统一的数据化平台。

用刘伟光的话说,整个数据中台是一个高度强调数据高度能力复用、数据资产复用,自服务式的数据服务,全局全企业级视角,站在用户的视角为每个业务提供数据资产级别的决策支撑,这是整个数据中台建设的核心,它是一个真正的金融机构全局视角工程,并不是以科技部驱动的数据平台项目,这就是未来数据中台建设的精髓。

在过去的三年里面,阿里巴巴调整了19次组织架构。这些被称为“晴天补屋顶”的动作,与客户需求与市场变化密不可分,也正是发生在中台架构在阿里巴巴蓬勃发展的时期。普通公司可能根本无法承受这样的“折腾”。而实际上我们却看到阿里巴巴的组织架构调整为其带来了巨大的收益,而这背后也得益于数据中台带来的坚实根基。

二、破除数据中台迷思

关于数据中台,业界有很多迷思,网上有人发帖说它是玄学,有人认为这是新一波的厂商向甲方企业收“智商税”的概念泡沫,有人认为这是给予CIO影响力的权柄,还有人认为它会对现有技术人员产生替代,更有人认为这是企业应对“危”与“机”的快速创新利器。“到底是不是玄学,今天如果你有幸加盟阿里工作,你在每天使用数据的过程中,你就会知道到底是不是玄学,此外阿里曾经在几年前面临的数据问题跟今天金融机构是一模一样,所以我们真正把路走通过”,刘伟光这样说到。

在和客户接触时,刘伟光也发现,现在每家厂商和金融机构讲的数据中台故事都不一样。背后的逻辑是,厂商向客户卖的产品不一样,所以讲的故事也不一样。如果这家公司产品以营销为主,他的数据中台就与营销相关;如果是反欺诈的,他的中台概念就与反欺诈有关;如果有分析数据的工具,他的故事就与分析工具有关。

在发展数据中台过程中,单纯增大技术投入和人才投入无法保障企业经营效能的持续提升,只有站在数据价值观和方法论的高度,才可能系统性解决企业经营发展中关于数据的诸多问题。因此,谁能率先解决面向数字经济特征的全新数据价值观和方法论的问题,并在其指引下打造出平台级能力,谁就能真正意义上帮助企业把数据用起来。

一些创业者想把阿里中台的经验复制给更多的企业,比如,他们到了一家国内知名的酒企,手捧阿里巴巴的中台心得,以为能照猫画虎地搬进去,但很快他们发现,别说建系统,连电脑都带不进这家企业的仓库。这家企业的仓储的工人抗拒信息化,只接受用手写单据的形式记录货品。原来,管理仓库的人,每个月有一定比例的报损额。他们可以把酒报损后再拿去卖,但如果用电脑扫描进 ERP 的话,就没法操作了。也就说建设数据中台首先得有数据平台的技术体系,否则没法做空中楼阁。

所以,推动数据中台并不是只是技术层面的事情。它需要企业一把手真正从组织、文化、部门、基金、管理、流程等等多个角度去推动,这才是真正意义上的数字化,而不是说建两个项目,建一个大数据平台,全行的数据就都能用了。

那么,真正的数据中台是什么?

大数据的本质是数据的融合,数据中台把原本各自孤立的数据互相关联、融合,通过抽象、加工构建数据资产标签类目体系,从而赋予数据更深层次的语义和价值,洞察事物的本质。

“中台是一个庞杂系统,包含了技术、方法论、人才建设,以及打破部门墙的文化建设,包含‘一把手’驱动的文化,同时数据中台也包括了传统的数据仓库和大数据等技术体系,并叠加数据应用和数据分析预测以及数据和人工智能结合的应用,真正成为能够为金融机构每一个员工提供数据使用/分析/预测的智能化数据应用平台”,阿里巴巴副总裁刘伟光说,数据中台的建设不仅是个项目,是组织文化的变革,是真正把数据变为资产一种真正的变革。

“最重要的是领导要转变思想”,刘伟光建议金融机构从战略和组织角度考虑数据中台的实践,比如另设数智银行部、数字银行部并赋予权利,专门从事数据中台业务推进,只有这样才能保证中台能真正受到实效。

为了让人们更好的理解中台,刘伟光用了一个航空母舰的比喻,数据中台就是一个公司的航空母舰,它上面具有飞机维修、加油、供给等等很多职能,飞机是打仗用的,这就对应业务线的需求,等打完仗后,飞机可以回到航空母舰上进行维修、加油,再起飞,再回来加油。所以,航空母舰是输送炮弹、输送能力的平台。数据中台也起着同样的角色。

数据中台除了给金融机构带来降本增效的价值之外,也能真正推动业务的增长和组织的变革。这是阿里巴巴过去一路走来的经验,虽然不是那么容易直接借鉴,但是却能给每一个致力于转型的金融企业带来启示,这也是阿里云输出数据中台的底气所在。

刘伟光说,相比其他厂商,阿里云有两个优势:一是工具的丰富性,阿里云数据中台产品集合了市面上所有的工具,从工具层面,从数据处理层面,到上层应用层面,到数据的使用层面,到BI层面,到决策层面,可以说面面俱到。二是阿里是真正做过数据中台的企业,在这个实践的过程中,阿里踩过几乎所有的坑,掌握一套数据中台的方法论。

因此,数据中台,表面上看是技术架构,实际上蕴含着战略、业务与运营等内涵的理念。理解透、用得好,它有可能成为金融机构改革的一个切入口,起到牵一发而动全身的效应。但如果理解偏颇、盲目上马,则可能成为一笔见不到实效、劳民伤财的大额技术投入。

刘伟光和同事,希望能够正本清源,用正确的数据中台方法论和全面的技术工具,让金融机构的数据真正变成唾手可得随需所用的数据资产。

相关实践学习
阿里云百炼xAnalyticDB PostgreSQL构建AIGC应用
通过该实验体验在阿里云百炼中构建企业专属知识库构建及应用全流程。同时体验使用ADB-PG向量检索引擎提供专属安全存储,保障企业数据隐私安全。
AnalyticDB PostgreSQL 企业智能数据中台:一站式管理数据服务资产
企业在数据仓库之上可构建丰富的数据服务用以支持数据应用及业务场景;ADB PG推出全新企业智能数据平台,用以帮助用户一站式的管理企业数据服务资产,包括创建, 管理,探索, 监控等; 助力企业在现有平台之上快速构建起数据服务资产体系
相关文章
|
6月前
|
关系型数据库 MySQL Apache
**ADB MySQL湖仓版能够平滑迁移到湖仓**,阿里云提供了相应的迁移工具和服务来简化这一过程。
**ADB MySQL湖仓版能够平滑迁移到湖仓**,阿里云提供了相应的迁移工具和服务来简化这一过程。
333 2
|
3月前
|
存储 监控 安全
阿里云数据库(ADB)的多租户秘籍:资源隔离的魔法如何施展?
【8月更文挑战第27天】多租户系统在云计算与大数据领域日益重要,它让不同用户或组织能在共享基础设施上独立运行应用和服务,同时确保资源隔离与安全。ADB(如阿里云数据库)通过资源组及标签实现高效多租户隔离。资源组作为一种软隔离策略,允许为不同租户分配独立的计算和存储资源,并设置资源上限;资源标签则支持更细粒度的硬隔离,可为每个数据库表或查询指定特定标签,确保资源有效分配。此外,ADB还提供了资源监控与告警功能,帮助管理员实时监控并调整资源分配,避免性能瓶颈。这种灵活且高效的资源隔离方案为多租户环境下的数据处理提供了强大支持。
126 0
|
6月前
|
弹性计算 自然语言处理 开发工具
通过阿里云 Milvus 和 LangChain 快速构建 LLM 问答系统
本文介绍如何通过整合阿里云Milvus、阿里云DashScope Embedding模型与阿里云PAI(EAS)模型服务,构建一个由LLM(大型语言模型)驱动的问题解答应用,并着重演示了如何搭建基于这些技术的RAG对话系统。
通过阿里云 Milvus 和 LangChain 快速构建 LLM 问答系统
|
6月前
|
开发工具 git
阿里云部署 ChatGLM2-6B 与 langchain+chatGLM
阿里云部署 ChatGLM2-6B 与 langchain+chatGLM
479 1
|
12月前
|
存储 人工智能 关系型数据库
5倍性能提升,阿里云AnalyticDB PostgreSQL版新一代实时智能引擎重磅发布
2023 云栖大会上,AnalyticDB for PostgreSQL新一代实时智能引擎重磅发布,全自研计算和行列混存引擎较比开源Greenplum有5倍以上性能提升。AnalyticDB for PostgreSQL与通义大模型家族深度集成,推出一站式AIGC解决方案。阿里云新发布的行业模型及“百炼”平台,采用AnalyticDB for PostgreSQL作为内置向量检索引擎,性能较开源增强了2~5倍。大会上来自厦门国际银行、三七互娱等知名企业代表和瑶池数据库团队产品及技术资深专家们结合真实场景实践,深入分享了最新的技术进展和解析。
5倍性能提升,阿里云AnalyticDB PostgreSQL版新一代实时智能引擎重磅发布
|
6月前
|
分布式计算 关系型数据库 MySQL
阿里云ADB MySQL X Intel联合推出训练营,参营完成任务即可获100元话费卡!
AnalyticDB MySQL和Intel联合推出基于ADB Spark的训练营,ADB新用户参营完成任务即可获得价值100元的话费卡权益包!下图可扫码参加,也可直接点击链接前往 https://edu.aliyun.com/trainingcamp/355118
阿里云ADB MySQL X Intel联合推出训练营,参营完成任务即可获100元话费卡!
|
人工智能 Cloud Native 关系型数据库
阿里云数据库国际峰会首度在印尼召开,AnalyticDB向量引擎支持定制AIGC应用
阿里云瑶池数据库面向海外市场正式升级云原生一站式数据管理与服务平台
|
存储 机器学习/深度学习 人工智能
基于 阿里云 ACK 搭建开源向量数据库 Milvus
生成式 AI(Generative AI)引爆了向量数据库(Vector Database)市场,基于大模型的各种应用场景会需要使用到向量数据库。 其中,Milvus 是一个高度灵活、可靠且速度极快的云原生开源向量数据库。它为 embedding 相似性搜索和 AI 应用程序提供支持,并努力使每个组织都可以访问向量数据库。 Milvus 可以存储、索引和管理由深度神经网络和其他机器学习(ML)模型生成的十亿级别以上的 embedding 向量。 本文介绍在阿里云ACK上部署Milvus并且通过attu访问的步骤。
3340 0
|
SQL 存储 DataWorks
《阿里云认证的解析与实战-数据仓库ACP认证》——云原生数据仓库AnalyticDB PostgreSQL版解析与实践(上)——一、产品概述
《阿里云认证的解析与实战-数据仓库ACP认证》——云原生数据仓库AnalyticDB PostgreSQL版解析与实践(上)——一、产品概述
|
SQL 存储 Cloud Native
《阿里云认证的解析与实战-数据仓库ACP认证》——云原生数据仓库AnalyticDB PostgreSQL版解析与实践(上)——二、产品架构及原理
《阿里云认证的解析与实战-数据仓库ACP认证》——云原生数据仓库AnalyticDB PostgreSQL版解析与实践(上)——二、产品架构及原理