“文思海辉杜啸争：业务数据化到数据业务化，业务场景与数据价值深度融合”

本篇文章3177字，读完约8分钟

文思海辉金融事业部副总裁、大数据事业部总经理杜豪林表示，金融机构对数据的态度从业务数据化向数据业务化转变，将静态数据变为活数据，以业务价值推进数据运用，推动业务理解，发现内在业务机会，真正将数据转化为金融机构

杜豪林率领的文思海辉·； 金融大数据事业部拥有1300多名专业咨询和配送人员，通过大数据技术实现客户精准营销、客户360标签、实时风控、实时反欺诈、知识地图、数据湖、外部数据平台 最近idc发表的《中国银领域it处理方案市场份额、》研究报告显示，文思海辉·； 金融以4.9%的市场占有率继续引领中国银行领域的it处理方案市场，在支付和清算系统、呼叫中心/电话银行、客户关系管理、商业智能、风险管理方案5个细分行业市场份额分别排名第一。

金融数据量迅速增长，推动了先前流传的银行数字化转型

与其他领域相比，商业银行的数据量庞大，在快速发展的过程中积累了大量数据，包括客户新闻、交易新闻、资产负债新闻等，数据量呈爆炸性增长。 卡介苗报告说，银行领域每增加100万美元的收益，平均就会产生820gb的数据。

杜啸争向亿欧金融介绍说，商业银行的数据仓库建设诉求最初起源于监管诉求，数据仓库中存储了所有重要的业务数据，并进行了深入的整合。 但是，随着时间的推移，以前传递的数据仓库将无法充分发挥数据价值。 因此，有必要更改数据架构。

对于银行数据结构变化的动力，杜啸争，一方面是随着金融数据量的增加，以前流传的数据仓库由于性能和技术的限制，无法与第三方业务系统很好地对接，无法满足银行对内外数据整合的价值诉求； 另一方面，由于网络金融企业、保理、信托及基金等同业也在逐渐侵蚀银行之前传达了金融业务，银行需要从内部优化资金的采用效率，从外部扩大业务范围，加强风险防范，此外，监管机构的监管要求也推动了银领域数据架构的创新。 总结一下，银行在业务数据化的过程中，在数据利用率和价值提取度不高，出现新的大量外部数据的情况下，银行有必要在数据业务化的过程中积累数据资产，深入探索数据价值。

从金融机构的角度来看，业务数据化是指公司将业务新闻从以前传来的书面化变为在线化、数据化，其目的是为了能够追踪业务新闻。 数据业务化是指在业务新闻数据化的前提下，注重具体的业务目标，通过加工、分解、解决现有数据，帮助业务人员更准确、有效地进行业务决策，数据业务化是指发挥数据自身的价值，将数据服务于业务和产品本身

目前，许多银行已经采用数据推进业务运营，而杜啸争则以通过知识图谱发现风险客户为例，向亿欧金融展示了数据业务化带来的巨大价值。

中小企业融资难是当前国家关心的重要问题，国家要求大中小型银行全力支持中小企业的快速发展，并根据其风险状况提供融资支持。 另外，监管部门要求银行加强自身风险体系建设，不要出现大规模放贷。 在这种背景下，许多银行利用银行内外的数据，利用社会交流互联网拆解和知识图谱等新的数据技术，通过各客户之间的关系、客户与银行的关系、客户与合作伙伴的关系等，构建银行自身的客户关系知识图谱。 通过这样的互联网，可以尽可能迅速地发现潜在的风险顾客，可以迅速查明有可能发生风险的顾客，可以让银行尽早发现风险，采取防范措施。 这样既可以更好地支持中小企业的快速发展，又可以使银行不承担潜在的风险。

通过内部数据+外部数据，提高银行的资源招聘效率

对任何银行来说，数据源都由结构化、半结构化、非结构化的内部数据和外部数据组成。 具体来说，内部数据是银行内部生成的数据，是顾客在银行开展业务的全过程记录。 外部数据是指银行根据自身的数据应用场景和业务诉求，与外部数据运营商合作获取的海量数据，银行的外部数据来源可以是基础数据，也可以是整合加工的数据。

随着金融产业结构和成本结构的演变，客户对银行的诉求也越来越个性化、场景化、多元化、智能化，仅靠内部数据已无法满足银行的决策诉求，与外部数据运营商合作获得更广泛的数据源，补充客户的全部图像新闻。

外部数据由外部数据服务商引入，已成为银行的重要资产。 外部数据除商报、信息、研究报告、拆解报告等硬新闻外，还包括社会交流数据、地理位置数据、通信数据、行为新闻、偏好新闻等软新闻。

不能自由导入外部数据。 应根据银行统一管理规定，统一保存在外部数据平台，然后根据具体诉求，必要时进入数据平台，在数据平台完成数据整合，实现完美的客户标签和图像新闻。

在过去的十多年里，银行在数据平台的建设过程中，数据平台的结构经历了数据市场、ods、数据仓库以及当今流行的数据湖泊和大数据平台的快速发展。

数据仓库作为以前流传下来的数据平台架构，只能保存各种结构化数据，重点是数据的一次存储和多次采用，重点是数据驱动方法的建设。 在将数据加载到数据仓库之前，首先进行样式和结构解析，然后将半结构化或非结构化数据转换为结构化数据，供数据诉求者或前端业务人员使用。

与这种数据保存方法相比，杜啸之争显示，国内银行在数据仓库的投资消费较高，而体量较大的银行每年超过亿家，小银行也超过数千万家，但从业务角度产生的业务价值收益率值得商榷。 在技术主导、监管主导和业务竞争主导的背景下，所有银行都在追求业务层面的数据价值，优化运营效率，数据湖和大数据平台的概念层出不穷。 数据湖和数据中台越来越强调业务立场，越来越强调业务的价值提取。

数据湖和大数据平台保留结构化、半结构化、非结构化的各种数据，直接从前台业务部门调用和解决。 两者的区别在于，数据湖的数据是未解决的原始数据，而大数据平台的数据经过一定的解决，以业务为导向，符合银领域业务的实际应用。

关于数据湖的定位，杜啸争认为，与数据仓库的数据相比，数据湖越来越强调技术部门和业务部门的功能分离，技术部门处理数据的快速访问，业务部门集中于数据的采用，数据湖的数据由前台业务部门直接调用 实用方面，直销银行、支出金融企业、银行信用卡中心等一线前台业务部门，通过运用数据湖，可以将原有的决策时间从2~3周缩短到1~2天。 这样的数据解决方案可以大大节省决策时间，提高数据的采用效率。

金融科技企业机遇与挑战并存，构建银行服务立体生态系统

在银行数字化转型的过程中，越来越多的银行开始接受金融科技，投入大量价格开发数据产品，使大数据和ai技术驱动银行进一步实现数字化目标，这给为银行服务的金融科技企业带来了新的市场挑战和机遇

杜啸认为，金融科技企业目前面临的挑战主要有两点。 另一方面，数据的价值将得到进一步强调和利用。 也就是说，从业务数据化向数据业务化转变。 在这个过程中，公司需要从工作的角度重新梳理数据价值，不能单纯以数据谈数据的方式建设数据平台。 由于未来金融科技企业的要求与业务相近，或从应用场景出发，员工综合素质要求更高，需要员工跨界快速发展。 以前，人员分工更详细，但将来需要越来越了解观察业务流程的一系列数据。

另一方面，随着技术的迅速发展，未来技术应用的门槛将持续下降，但为用户服务的方面会有所改变。 过去，在金融科技企业向银行客户提供的三种服务(处理方案、产品和专业化服务)中，处理方案是最重要的，但未来数据产品与处理方案同等重要，且输出越简单越好。 顾客希望用直接拿来就能马上使用的数据产品来支持。

的立场上，杜啸争说，在互联网大数据时代，开放银行是银行未来重要的快速发展趋势。 银行要构建开放式银行平台，可以与金融科技企业合作，也可以在自身的基础上构建开放式银行平台。 小型银行的话，前者的实施可能性很高。 前者是因为银行可以着眼于主要业务。 对于大银行，他们通过与金融科技企业合作，吸收金融科技企业的技术特点来自身建设平台，但这要求银行对it系统建设的能力要求非常高，需要银行具备完善的技术体系专业能力。 从长远来看，金融科技企业与银行的联系越来越紧密，他们可以各得其所，发挥其不同的优势。 这不仅需要金融科技企业构建基础数据平台，更需要重视应用场景，加强对处理方案、产品和专业服务的三维一体化生态体系建设。

文思海辉·； 金融以独特的处理方案+服务模式，为银行、证券、保险、信托、基金、租赁等金融公司提供先进的处理方案和金融咨询服务，以先进的处理方案和金融咨询服务支持金融公司的数字化建设。 支撑金融领域的应用，建立了基于分布式架构和云平台的数字化核心业务体系的基础平台。 零售银行、交易银行、国际结算和贸易融资、供应链金融、支付结算、信用卡业务、信用卡业务、数字营销、资源管理业务、数字监管、民营银行和资产管理业务、数字监管和合规性、大数据风控、、 凭借十年磨练的工匠精神，在ai、大数据、云计算、移动互联、区块链等技术的支撑下，由数字商务、数字营销、数字运营组成的数字金融处理计划迅速成长， 文思海辉·； 金融目前已与500多个国内外金融机构建立了长期的合作关系。