|
作者：申太祥、李庆莉、刘祯宇 为了更加全面了解大数据技术在金融行业的应用现状、面临问题、发展趋势和未来需求，推动数据驱动金融发展，助力金融企业提升数据资产的应用价值，金科创新社从现状、工作进程、发展方向等维度，面向银行、保险、证券、基金等金融机构信息科技部门负责人调查大数据应用情况，希望通过报告的呈现，能让更多的金融机构了解目前金融大数据发展现状。 金融机构对大数据建设的认识与基础设施建设水平 当前，国内金融机构对大数据建设的认识水平不一，与之对应的大数据基础设施建设水平也参差不齐。首先，金融机构要拓展大数据应用理念，不能将大数据应用局限在企业信息决策的狭窄领域中，而要看到智能大数据应用更广泛的空间，如将智能大数据应用与发挥员工主观能动性结合起来，将企业产品与服务的智能化、精细化等一切智能化应用都归入大数据应用的范围，通过更好的落地应用使客户提升获得感，使大数据概念有着更广阔的应用空间。 从调查数据来看（调查表1），国内金融机构对大数据建设认识水平处于起步阶段。在数据治理环节，已经通过数据仓库和数据集市，形成了初步的数据治理体系，但仅限于关系型数据的金融企业占据主体，达到64.21%；具备较完善的数据治理体系，能够管理结构化和非结构化的数据，制定相关的数据标准的金融企业仅占15.79%；与没有考虑数据治理，没有统一的数据治理规范和框架的企业占比相同, 只有4.21%的金融企业已经建设成完善的数据治理体系，设有数据管理委员会，能够保证所有使用数据的可信性、有效性、统一性。从中可以看出，非结构化数据治理仍然是金融企业的难点，少数领先企业已经达到数据治理的高水平。 调查表1：贵公司数据治理是否已经成为重要的数据建设内容？
其次，金融机构为大数据应用创造良好的基础环境。对大数据应用最给力的推动是提供优良的运营环境和完善的基础设施。大数据应用的基础是统一的数据分析平台，整个企业数据分析平台的应用成本，包括企业的开发运维成本与用户的时间成本，降低应用成本是对大数据应用创新极大的支持，土壤肥沃庄稼才能茂盛。金融机构建立统一的数据分析平台是推动大数据应用的决定性措施之一，可为整个企业的大数据应用带来强大的标杆效应。 从调查数据来看（调查表2），国内金融机构对大数据基础设施的投入已经达到了较高水平。其中，超过40%的金融企业已经建设了独立的数据分析平台，主要采用关系型数据库技术以及传统的BI工具；已经构建完整的数据分析平台，兼有各种技术包括关系型数据库、Hadoop、Spark和流数据等的金融企业将近30%；已经开始着手建设数据分析平台，以企业常规运营分析为主，并具备初步的数据自服务功能的金融企业超过20%；只有不到10%(7.37%)的金融机构还没有独立的数据分析平台，采用Excel等工具进行手工分析，仍停留在较为原始的管理阶段。 调查表2：贵公司是否已经建设统一的数据分析平台
金科创新社认为，金融机构发展大数据要树立新思维，并且要从认识水平上进行质的转变，发展大数据不仅仅是趋势、资源，其还是企业发展的新机遇、新动力。深刻认识大数据的巨大价值、作用和潜力，大力推动大数据与经济社会融合发展，对于保持企业竞争力、提升企业综合实力意义重大。鼓励社会大数据应用的自组织创新，通过大数据融合应用，加快了创新发展步伐。 金融机构开展大数据建设工作的进展情况 解决大数据问题的核心是大数据技术，尤其是数据架构、数据范畴以及数据挖掘能力三个方面，同时也是国内金融机构需要面对的重点问题。首先，在不少公司的数据框架体系中，大数据生态里的各种主流组件一样不少，数据规模虽小，框架五脏俱全，框架组件基本趋同，但其实际应用水平和所提供的服务能力差别巨大。因此，在数据架构建设过程中，框架内部组件的横向联通能力和业务数据上纵向贯穿打通上下游链路的能力，才是数据平台建设的根本目标和衡量平台成熟度水平的评估标准。 从调查数据来看（调查表3），国内金融企业的数据架构建设工作大多处于爬升阶段。有超过半数（51.58%）的金融企业已经完成了初步的数据架构，制定了相关的数据规范和数据模型，能够支撑企业运营分析；但还有将近20%(17.89%)的金融企业没有独立的数据架构设计，没有形成统一的数据仓库分析模型。此外，已经开始设计统一的企业级数据架构，能够清晰的定位各数据平台的功能和数据范围，具有数据湖的雏形的金融企业达到24.21%；6.32%的金融企业具有完备的企业级数据架构，数据已经成为企业的重要资产。 调查表3：贵公司数据架构的建设达到了哪个阶段？
金融机构能够处理的数据范畴，也是大数据工作进展的重要体现。如今的数据表现方式多样化，数据来源渠道众多，面对众多的传感器、社交媒体、事务记录、手机及更多数据源，如果企业的IT基础设施架构上缺乏弹性的、快速的处理数据、提供实时洞察力的能力，将会影响关键的业务决策，单纯的大数据分析工具并不能满足大多数企业需求，数据架构规划建设从某种意义上来说决定了金融机构数据处理的差距。 从调查数据来看（调查表4），大部分金融企业还未能统一内部数据，而在应用外部数据的采用和创新方面还处在起步阶段。整体来讲，目前金融企业数据分析呈现参差不齐的状态；其中， 能够把企业内部各个业务系统的数据通过统一模型整合起来，实现跨系统的企业级数据分析，数据内容都是传统的结构化数据达到31.58%；能够结合社交媒体数据、电商信息、气象数据、行业景气数据等，通过内外数据的关联，实现新的业务创新的金融企业还非常少，只有4.21%；超过四分之一（25.26%）的金融企业只是针对各个业务系统内部，做简单的报表分析，没有跨系统的数据分析，数据内容都是传统的结构化数据。 图表4：贵机构数据分析的现状是怎样的?
第三，国内金融机构需要逐步建立起服务于自身经营管理提升的数据挖掘能力，即能够将数据转化为各层级经营管理人员也能够清楚理解的有意义的见解。一般来讲，按照四维分析法，即描述型分析（发生了什么？）、诊断型分析（为什么会发生？）、预测型分析（可能发生什么？）、指令型分析（需要做什么？），企业对各类业务分析在上述四个维度可以回答的问题多少，一定程度上说明了其数据挖掘能力的高低。 从调查数据来看（调查表5），目前国内金融机构的数据挖掘能力处于爬升阶段。其中，60%的金融已经形成一定规模的分析主题，能够满足企业初步的分析需求，实现企业运营分析，基本可满足描述型分析需求；能够整合企业内结构化和非结构化数据，构建统一的数据分析模型，包括多维分析、数据挖掘模型、自定义分析和仪表盘等等的金融企业占比为23.16%，对诊断型分析、预测型分析会有一定进展；能够把企业内外各类数据整合在一起，使用各种分析方法进行全面分析的金融企业占比不足5%，只有3.16%；此外，仍有将近14%的金融企业没有形成独立的分析方法，主要基于业务的需求，定制固定的报表，主要以Excel或者手工制表方式为主。 调查表5：贵公司主要使用哪些分析方法，对数据进行分析？
金科创新社认为，大多数国内金融机构均在努力开展大数据实践工作，除了技术框架、组件等硬性指标外，企业应同时注重其在产品和服务形态这些看起来偏软性工作的作用与价值，其不仅仅是大数据平台成熟度水平最核心的因素，也是大数据建设工作进展的重要体现。从实践出发，坚持客户导向、应用导向，相信国内金融机构在大数据建设工作进展方面将持续扩大战果。 金融机构对大数据建设的资源投入及应用方向 大数据是机器与机器对话的语言，也只有通过机器与机器的高速对话才能产生、管理、应用如此规模的大数据。随着物联网、云平台、宽带网、移动终端等设施对传统行业与业务场景的深度融入，“数据爆炸”的大数据指数级发展态势仍将持续，因此对其管理与应用重要性将越发突出。首先，随着机器与机器的对话速度越来越快、范围越来越广、规模越来越大，系统也越来越智能化，对大数据采集、大数据预处理、大数据存储及管理、大数据分析及挖掘、大数据展现和应用（大数据检索、大数据可视化、大数据应用、大数据安全等）等方面的资源投入提出了持续性要求。 从调查数据来看（调查表6），国内金融机构在大数据能力建设方面需求旺盛。在21个细分应用中，数据治理成为2019年各金融机构排名第一的投入项目，有超过45%的金融企业将着手数据治理项目，大数据分析平台 (Hadoop)的投入紧随其后，占比达到42.11%。超过30%的需求项目还包括：数据挖掘(36.84%)、数据集市（33.68%）、实时数据分析平台(流数据)（32.63%）、数据仓库（31.58%）、多维分析（30.53%）。 调查表6： 贵公司规划2019年会建设哪些系统或项目来满足分析需求？
其次，信息技术革命浪潮中，计算机系统的作用大多是使规范性、可重复的工作做的更快；而对于需要创造性的、非重复性的工作信息技术依然无能为力的，人们发现几十年来计算机对于人脑决策能力的提高始终不大。在大数据技术条件下，尤其是金融企业的智能化应用机会将不仅仅集中在对规范业务的改进、以及规范业务是确定性的服务方面，其在提高执行效果、改进决策等方面将逐步发挥突破性作用。 从调查数据来看（调查表7），国内金融机构普遍希望在智能化决策方面取得突破。从数据应用方面来看，智能营销和智能风控占据着较高比例，分别达到62.11%和53.68%；而在与AI相关的智能数据分析应用发展也非常快，接近半数的金融机构将智能产品推荐和智能客服列入项目规划中；此外，对于高度智能化的智能投顾和智能运维的相关项目，其也分别超过24%和35%。 调查表7：贵公司2019年大数据应用相关项目规划包括哪些？
金科创新社认为，随着信息技术的深度发展，尤其是AI等新兴技术的突破性发展，传统条件下以提高执行效率为目标的大数据应用将出现从“量变”走向“质变”的过程，从而走向智能化发展阶段。以互联网为基层的现代信息技术发展背景已经为大数据服务的智能化创造了良好的条件，排除了人脑参与的大数据应用进入智能化服务已经没有不可逾越的鸿沟，大数据应用智能化将成为必然趋势，仅仅是时间的问题。 结束语 作为数字化程度较高的企业，国内金融机构已经能够自主生成大量鲜活的数据，并有能力对接不断变化、不断更新的外部大数据环境，从而建立稳固的大数据资源库；同时，通过持续的技术投入和应用场景的不断磨合和丰富，其大数据建设路径将日渐清晰。国内金融机构依托丰富的数据资源、逐步释放的大数据能力以及众多天然的应用场景，其大数据建设将持续散发活力。 关于金科创新社 金科创新社（www.fintechinchina.com），是由北京金科同创管理咨询有限公司创办，旨在通过挖掘金融机构科技创新成功经验，组织线上线下会议活动、企业内部培训、在线培训等方式搭建金融业数字化创新知识服务平台。自成立以来，与中国金融集中采购网、农信银资金清算中心、中国互联网金融协会、国家互联网金融安全技术专家委员会、山东省支付清算协会等金融机构联合，立足于银行、保险、证券、基金、互金等金融行业，为金融科技从业者共同构建金融科技知识平台。 金科创新社作为英国Fintech Circle在中国的重要合作伙伴，将联合中国众多的金融科技创新型企业，共建金融科技生态，共同促进金融科技在中国的落地和发展。 |
|
|
