阿里云推出金融数据中台 助力金融机构数智化转型

本文涉及的产品
智能数据建设与治理Dataphin,200数据处理单元
数据可视化DataV,5个大屏 1个月
可视分析地图(DataV-Atlas),3 个项目,100M 存储空间
简介: 7月30日,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数据中台,帮助金融机构构建围绕数据资产的整体方案,加速数字化转型升级。

前言:
-更多关于数智化转型、数据中台内容请加入阿里云数据中台交流群—数智俱乐部 和关注官方微信公总号(文末扫描二维码或点此加入

-阿里云数据中台官网 https://dp.alibaba.com/index

来源:轻金融

2020年2月至今,作为阿里云新金融“一号位”,刘伟光一共拜访了65家客户,深刻感受到了疫情倒逼金融机构加速线上化和数字化进程。让他感触更加深刻的,是收到多家大型银行关于“数据中台建设”的沟通需求和邀请。

与以往不同的是,这次数据中台建设的需求发起部门是银行的业务部门;而在以前,银行上马此类科技型项目通常由科技部门发起。

“这是一个很大的变化,意味着银行想把数据变成资产,应用在所有的业务流程当中,打通各种业务。”身为阿里云智能新金融事业部总经理的刘伟光说。

“中台”是阿里巴巴在2015年率先提出来的概念,历经多年内部实践之后,沉淀成为集方法论、工具、组织于一体的智能大数据体系。阿里巴巴于2018年正式通过阿里云对外开放“中台”,助力金融、零售、政务、互联网等行业数字化转型。

过去两年,中台大热,很多公司效仿阿里推出了各类中台。在金融行业,关于中台的争议也有升温:银行已经搭建了数据仓库、数据集市、数据湖、大数据平台等,再建数据中台是否存在重复建设?

7月30日,阿里云“2020数据中台高峰论坛”在西子湖畔举办,给众说纷纭的数据中台一个清晰的答案。

“我坚信2020将是中国金融行业数字中台建设元年。”在刘伟光看来,不仅是银行,包括保险和券商等金融机构都迫切需要建设数据中台。

1、待挖掘的数据宝藏

金融业流传着一种说法:金融机构之间的竞争越来越集中在数据上,即“数据为王”。但对于金融机构来说,该怎样才能把数据真正变成资产?

此前,包括银行在内的金融机构在数据挖掘上有过长时间探索。早在2001年3月,工行率先在银行业内建设数据仓库,以打破“信息孤岛”,掀起了一波为期十年的数据仓库建设的浪潮。

如今,数据中台已经成为了金融业的普遍共识。在银行业,包括农行、建行、招行等在内的大行都在向“数据”要生产力,沉淀数据、运营数据,使用数据;在保险行业,保险公司在寻找用人工智能等技术去简化与优化保险理赔、核保、出险过程;在资管行业,多家基金、信托、券商都寻求在数据中挖掘新机会,在新一轮的竞争当中破局。

事实上,银行、证券、保险等行业数据平台的建设周期和历史不比互联网行业时间短,在数据使用上,这些行业的机构基本上都积累了一定的经验。但由于历史原因,这些数据都分散在不同部门。

**“数据宝藏在那儿,但却不知道如何挖掘。”一位银行科技部的高层对轻金融表示。
**
对各类金融机构来说,今天都面临这样一个挑战,即怎样把数据真正变成资产,因为数据资产是所有变革背后最重要的纽带。

金融机构该怎么办?答案是把数据进行打通,建立统一的数据中台
image.jpeg
“金融机构要通过中台把数据变成一个自由流动的资产,把数据智能等能力嵌入到业务流程之中,为每一位员工提供分析、预测和决策支持,而不是割裂在很多系统当中。”刘伟光表示。

也就是说,以后金融机构的业务团队也是数据科技团队。

2、金融数据中台:让机构没有部门墙

一家位于上海的银行,零售业务非常突出,但是他们面临新的烦恼。

这家银行发现,行里到处都在做风控。跟蚂蚁、跟其他互联网公司合作的人在做二次风控,信用卡团队在做风控,自建场景、开放银行等团队也在做风控,面临着很多重复建设。

这家银行找到阿里云并提了一个需求,能不能全行建立一个统一的风控平台?

另一家大型的保险公司也发现,公司建了非常多的数据系统,也建了数据仓库,但却无法找到真正对寿险、财险交叉销售有帮助的真正数据资产。

其实,这样的例子非常多。重复性建设带来IT投资的浪潮,更严重是导致数据割裂、不能复用。有金融从业者估计,超过70%的数据价值没有被利用起来。

用刘伟光的话说,今天的金融数据还没有像自来水一样,能够自由的流到每一个角落。

在这样的背景下,数据中台的价值就凸显出来了,通过数据让企业没有部门墙,所有的业务可以共享数据。

为什么金融数据中台很重要?

因为数据中台是一个真正的金融机构全局视角的工程,强调数据能力高度复用、资产复用,站在用户视角,为每个业务提供数据资产级别的决策支撑。

在阿里云看来,中台是一个系统,包含了技术、方法论、组织建设,以及打破部门墙的文化建设,包含“一把手”驱动的文化。

“金融数据中台最重要的变化是把数据变成全行级,让所有的员工都能使用数据服务。这本身就是要打破机构的部门墙、数据墙。”刘伟光称。

但是在谈及数据中台的时候,与之对比甚至争议的是数据库、数据仓库、数据湖、数据集市等名词。

对此,阿里巴巴数字经济体数据专业委员会委员长朋新宇告诉轻金融,从管理决策权方面来说,企业构建数据仓库、数据湖等,为管理层提供决策为主;而数据中台的建立,则能够快速为一线前台员工进行服务决策。

数据中台能够激发出对业务需求的快速反应能力。当然,也必然意味着企业组织架构的调整,朝着敏捷时代进发。

那么,金融数据中台如何给金融机构带来业务价值?
有这样一个案例,可以更清晰的看到金融数据中台带来的价值。

某省级农信社以前信贷审批全靠人工,线上业务刚刚开展缺乏线上风控能力,营销筛选也靠人工,大数据平台则主要靠写代码操作,维护成本高,且存在指标口径不统一等难题。

阿里云为其提供了智能决策平台,综合农信社的业务偏好,建设了线上业务风控体系;使用阿里巴巴智能决策平台部署信贷全流程风控策略、模型,实现统一数据规范、统一口径、统一管理。

最终,该银行的智能贷款实现了实时信贷风控;信用卡刷卡消费实现实时营销,支持圈选目标客群进行定向营销。

3、让数据像水电一样伸手可得

“随时看到我想看的所有数据,随时调取,没有任何时间的延迟,这是数据服务的力量。”

在今天,阿里巴巴每个员工对数据就像“水”一样伸手可得,未来数据中台的建设会成为继数据仓库之后新一轮的建设高峰。

阿里云当前为金融机构提供的数据中台服务,正是阿里集团这些年沉淀下来的数据能力。

不过,阿里的数据中台建设也并非一蹴而就,有一个漫长的过程。

2013年,阿里实现数据存储计算平台统一,内部称为“登月”;
2012年~2014年这一阶段,阿里提出数据服务化,数据中台方法论这个时候被提出,并尝试落地;

2014年~2015年,阿里升级集团数据公共层,开启了集团数据建设与管理体系统一,这是基于电商体系的方法论升级与实践;
2015年~2017年,数据公共层升级到阿里系,更多多样业务的工具化升级实践;
2017年,基于阿里经济体,全面践行集团中台战略

目前,阿里数据中台具有两大优势,一是从工具到应用都更加全面;二是阿里真正做成过数据中台,一步步走过了跟银行、证券等金融机构一模一样的路,最后走到数据中台。
image.png
对于金融机构而言,阿里云金融数据中台核心价值有四个,其中两个是降本和提效,另外两个价值则是阿里云独有的——实现业务增长和组织升级。

朋新宇告诉轻金融,阿里云当前为金融机构提供的数据中台服务,正是阿里集团这些年沉淀下来的数据能力。阿里云把自身在数据中台建设过程中积累的好的方法、好的产品模块,最终沉淀成了多款产品,即“两横两纵”,构成了数据中台的核心组建能力。

一方面,数据采集、数据管理成为阿里云横向的数据平台的核心能力;另一方面,阿里云不仅把业界经常流行的问题研发成一套独特的分析方法、框架和模型,还较好兼顾了运营与洞察能力。

今年6月,阿里云宣布数据中台已经深度联合蚂蚁生态,为金融机构,提供理财业务“线上用户增长”、整体的数字化运营解决方案,这也是市场看重的优势。

在沉淀上述能力之后,阿里云还在推动企业数字化升级,推出基于数据中台业务模式的解决方案和云上数据中台的赋能业务。

阿里云正在做的事情,是把中台项目背后的产品真正变成一个通用的商品,能让客户在阿里云的平台上快速地实现从1到N的复制。

当然,金融机构在厘清数据中台的同时,更要理清自身的需求,如果简单跟风模仿,“为中台而中台”,那么中台的价值是难以实现的。

4、最后

很多人问刘伟光,提到数据中台,在他脑海中会浮现什么形象?刘伟光想到的第一个形象就是超级航空母舰。

“航空母舰上面有飞机维修、加油、供给等很多职能,数据中台就像航空母舰一样,是输送炮弹、输送能力的平台。”

当然,就像航空母舰需要不断维护与升级一样,中台建设也不能一劳永逸,而是需要不断迭代,提升与业务不断融合的能力。

最终,真正的中台不是一个外挂在核心系统之外的数据平台,而是将数据能力嵌入到每一个业务流程中的智能大数据体系。


数据中台是企业数智化的新基建,阿里巴巴认为数据中台是集方法论、工具、组织于一体的,“快”、“准”、“全”、“统”、“通”的智能大数据体系。目前正通过阿里云数据中台解决方案对外输出,包括零售金融互联网政务等领域,其中核心产品有:

官方站点:
数据中台官网 https://dp.alibaba.com
数据中台钉钉群二维码2.jpg


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。
337 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。
146 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
|
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
|
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
484 1
|
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。
3368 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