大数据与金融领域的融合，是一个彼此成就、实现更大价值的过程。从数据资源的角度看，经过多年沉淀，金融领域庞大的系统内积累了大量高价值的数据，拥有用于数据分析的基础资源，金融领域是大数据技术应用落地最早、也是最成熟的领域之一。从金融业发展的内在需求看，当前整个金融业的运作模式正在重构，行业竞争日益激烈，依托大数据开展精细化运营、创新金融产品的需求日益迫切，大数据是应用最早、效果最显著的金融科技之一。
在国家重视数据资源、部委强化大数据合规发展监管的整体态势下，金融机构对数据资产管理与治理也更为重视，加大在数据治理项目中的投入，高效地管控数据资产，从而提升自身的核心竞争力。同时，积极提升大数据实时计算能力，以数据中台战略提升大数据分析能力，更好地支撑精准营销、信贷风控、交易预警、反欺诈等金融大数据应用。
银行业在数据管理与治理方面开展了积极且有成效的探索。大数据在银行业细分领域有很多成功的应用案例，但在向着数字化快速转型的同时，银行业仍存在很多需要突破的瓶颈，如数据分布零散化、缺乏全口径和全生命周期性的管理数据挖掘与数据应用力度不足，未设置专门针对数据治理的专业队伍以及与之匹配的激励机制。据相关数据显示，目前超过85%的中小银行将数据治理纳入公司治理范畴（ 数据来源：中小银行互联网金融(深圳)联盟、金融壹账通，《中小银行数据治理研究报告》），但是中小银行数据治理正处于萌芽期，亟需提高数据的管理与治理能力、强化数据资产理念、构建数字化经营能力，这样才有可能盘活数据所具有巨大的潜在价值。在政府的引导下，国内银行业金融机构加快数据管理与治理的探索应用节奏。
一是建立数据治理架构。建立组织架构健全、职责边界清晰的数据治理架构，明确董事会、高级管理层、监事会和相关部门的职责分工，建立多层次、相互衔接的运行机制。中国银行建立了集团数据治理架构体系，制订并发布了数据治理框架政策、管理指引和操作流程，为全行数据管理和应用提供重要组织保障。华夏银行针对外部数据资源的引入，成立了专业的外部数据引入委员会，整合需求、集约采购，实现外部数据引入的共享与价值。
二是健全数据治理体系。围绕数据的全生命周期管理，从数据质量、数据流转、数据权属等方面入手，确立详细的数据标准，建立一套完整的、动态调整的数据治理体系，保证数据的统一性、完整性、真实性和可用性。中国工商银行建立了统一的企业级数据标准，覆盖当事人、产品、协议、账户、介质等十大标准主题，为大数据体系下的数据共享奠定基础，还建立了国内金融行业首个全行级信息标准管理服务平台，实现数据标准的建立、变更、发布、查询、废止等全生命周期管理。
三是形成企业级数据治理解决方案。已有金融科技服务商开始输出银行数据治理解决方案，面向中小银行提供全面服务。解决方案包括：“一行一策”，建立全行数据标准规范；开展元数据管理，梳理数据资产和数据关系；开展数据质量监控，全方位提升数据质量；制定数据安全管理策略，保障数据资源安全。企业级数据治理解决方案，全面提升银行业数据管理效率。
实时计算分析能力，正不断成为金融大数据应用性能高低的核心指标。目前，信贷风控、精准营销、交易预警和反欺诈等金融机构最常见的大数据应用都需要实时计算的强有力支撑。
以信贷风控为例，近几年随着金融监管力度不断加强，风控规则越来越多，风控计算复杂度也越来越高，对实时计算分析能力的要求也随之提高。信贷风控需要实时分析海量的用户行为数据，根据既定的规则计算出相应的指标，并与风险模型进行匹配，第一时间判断风险等级、发现异常事件，并作出相应的风险控制措施，自动告警通知、改变业务流程。在金融交易场景里，风控系统如果不能实时观察每一个账户的行为动态，就可能因为1秒的延迟遗漏风险，造成重大损失。
以精准营销和交易预警为例，精准营销要求在客户短暂的访问与咨询时间内发现客户的投资倾向，推荐适合的产品。交易预警场景要求大数据解决方案在秒级完成从事件发生、到感知变化、到输出计算结果的整个过程，识别出客户行为的异常，并做出交易预警。
当前实时计算大数据解决方案得到更广泛地应用，以满足低延时的复杂应用场景需求。从性能来看，实时计算大数据解决方案能够实时处理海量数据，打破传统数据库信息范围限制，为模型的精准计算提供强有力的数据支持；能够有效消除传统数据库对硬件资源的依赖，实现软硬件的松耦合、存储与计算等资源的在线灵活扩展；能够实现从采集到模型的全流程秒级实时响应，抵御超大规模行情的冲击。
数据中台已从互联网行业延展到金融领域。数据中台为金融领域数据体系注入新活力，正成为金融领域实现共享服务、支撑业务创新的有效举措，也是未来发展趋势。构建数据中台服务体系，对金融企业与金融科技企业都大有裨益。
对于金融企业，数据中台是链接前台业务系统和后台数据系统之间的一条数据和能力的快速通道。数据中台将前台中的共需求进行抽象，打造为平台化、组件化的技术能力，归并下沉到中台层，以接口、组件等形式共享给各前台业务单元使用，以“小前台”提供灵活多变的业务；同时，数据中台将后台中共用技术能力归并上浮到中台层，独立强化发展，实现对前端多业务服务线的灵活赋能。数据中台为前台的业务团队、客户经理、财富顾问与后台的数据专家、算法模型专家、人工智能专家之间形成了一条强有力的支撑纽带，基于这种模式，业务团队专注于产品的具体逻辑与业务管理流程，数据专家则专注于加速从数据到价值的过程，提高对业务的响应能力。
对于金融科技企业，数据中台是开发标准化产品的重要契机。金融科技企业一般以提供定制化解决方案为主，根据金融企业的实际业务需求，有针对性地开展合作。基于数据中台的模式，金融科技企业开始尝试输出包含标准化平台与个性化功能模块的成熟产品，既可有效降低企业边际开发成本、提升利润，同时还提升产品性能。
免责声明：
本文转载自一个CAICT大数据与数字经济，版权归原作者所有，如若侵权请联系我们进行删除！
金融大数据实践方案丨大数据技术应用系列分享（五） 
261
0
