北京2022年9月7日 /美通社/ -- 2019年，Brett King在《Bank 4.0》一书中提出"金融服务无处不在，就是不在银行网点"的大胆预测。
现在看来，Brett King的预测已经逐渐成为现实。金融机构初步呈现出体验场景化、服务生态化、运营数字化、产品个性化、业务敏捷化等特征，传统线下网点走向收缩，业务线上化、移动化和智能化趋势明显，并涌现出像云柜台、智能客服、智能投顾等一批新业务、新场景。
金融行业发生显著变化的背后固然有疫情等因素的推动，但更加关键的是金融数字化的趋势不可阻挡，包括银行在内所有金融机构都在积极思考和利用数字化来重塑自身的商业模式与业务。
与此同时，金融机构基础设施也在面临着一次大的转型，过去秉承40年的传统IT基础架构已经"积重难返"。尤其是随着数字经济成为社会经济发展的新引擎，数据成为核心生产要素，以及AI、大数据、5G等数字化技术的融入，金融行业的数字化加速开启新阶段，"数据要素"成为业务创新的关键，使得数据基础设施的价值与作用日渐突出。
那么，金融行业的数据创新具备哪些重要特点？对于数据基础设施有哪些新要求？如何让金融数字化转型和数据创新做到"有底"和"有数"。近日，来自中国农业银行、中国银行、浪潮存储等多位专家深入探讨了金融科技创新和数据基础设施的方方面面。
金融创新与数据密不可分
利用大数据对贷款企业进行风险分析、节假日对客群进行数据分析和精准营销、银行卡换卡之后各种App的自动关联、疫情期间的云柜台让客户随时随地享受到金融服务……如今，金融行业的所有创新几乎都与数据密不可分。数据就像是金融机构的血液，流动到每个组织和业务之中，为其带来"养分"。
进入到数字化时代，金融行业的数字化转型始终离不开两个核心诉求：其一、用数据、数字化技术来破解金融普惠的难题，更好地服务实体经济；其二，通过数据和数字化技术来重塑核心竞争力，扩大服务人群和提升服务体验，实现可持续发展。而这两大核心诉求的基础恰恰就是数据。
正如央行金融科技委员会在《金融科技发展规划（2022—2025年）》所明确提出要"激活金融数据要素潜能"、"加强数据能力建设"等内容。如今，数据正在迅速改变金融全业务流程，如何基于数据进行创新成为所有金融机构的重要课题。"以银行为例，正在从全、深、准、快四个维度出发，以数据赋能产品创新、精准营销、风控和管理决策等。"中国农业银行研发中心北研四部处长赵存超如是说。
具体来看，首先是金融机构正在基于数据构建全面的产品或服务。以农行为例，为服务三农多样化的金融需求，其在数据产品打造方面已经今非昔比，3000多种数据产品涵盖了像遥感数据、动物面部识别、智慧耳标等多种、多类型数据，通过全面的数据产品去赋能三农金融服务。
其次是利用数据来推动精准服务，提升客户体验。以营销为例，过去银行的营销往往是依靠熟人、关系进行。如今，大部分银行都在做线上线下协同营销，把数据融入到精准营销之中，利用客户画像来推荐合适的金融产品与服务。
第三则是通过数据能力将业务与服务做深，比如贷款等核心业务，需要基于大量内外部数据，利用知识图谱等AI技术，进行深度分析，寻找到贷款客户的关联关系，从而为风险控制赋能，降低业务风险。
最后则是通过数据来支撑银行日常的管理决策，业务数字化可以让银行的日常运营更加清晰、直观，基于数据可以对业务变化进行提示、预警和监控，让银行各级管理层可以充分意识到业务的状态，从而进行更加科学与合理的决策。
事实上，正是数据和数字化技术的融入，使得银行等金融机构可以不断在业务上进行探索和自我革命，为客户提供更好的服务与体验，并且更好地参与到市场竞争之中。为了更好地从全、深、准、快四个维度赋能业务，银行等金融机构也在走向中台化，将数据进行汇聚、融合，形成数据中台，再基于数据中台提供的业务能力，通过业务中台为前台业务提供敏捷服务。
"数据中台类似‘生鲜超市'，汇聚了各种各样的数据供选择；而业务中台类似‘米其林大厨'，利用‘生鲜超市'提供的各种数据来支撑前台服务。"赵存超形象比喻道。也正是金融数字化带来的种种变化，使得金融数据创新对于数据基础设施的要求格外之高，推动了金融数据基础设施走向全新的变革。
金融数据基础设施挑战加剧
过去，在柜面业务为主的时代，金融行业的数据类型相对单一，数据量增长也较为稳定，基于IOE架构的传统IT基础设施尚能应对；现在，随着基于数据的业务场景、应用大量涌现，数据呈现出爆炸性的增长，对于数据基础设施则带来了全面的需求与挑战。
从金融机构基础设施现状来看，大批金融当前正处于稳态和敏态业务并行的复杂局面，不仅需要加速进行分布式架构改造，让基础设施层走向云化，还需要应对混合云、容器云、虚拟化云等对于数据基础设施带来的挑战。
另外，从金融业务数据呈现的特点来看，金融业务数据呈现出海量化、实时化、多样化、数据价值化等特征，PB级数据规模已经成为新常态，正在向更高数量级发展，对于金融数据基础设施带来了全新的需求。例如，金融机构像营销、风控等越来越多业务对于数据的实时性要求极高；而金融业务数据走向多样化也极为显著，结构化、非结构化、半结构化数据丰富多样，像农行出于业务需要采集遥感数据、动物数据等就是典型例子；而随着业务与数字化技术的深入融合，业务应用需要对数据进行加工、整合和分析，对于数据价值也极度渴望。
"过去，银行等金融机构还主要是利用已有数据和服务过程中产生的次生数据；现在像机器采集数据也在明显增加，从而更好地服务业务。"浪潮存储产品线总经理李辉介绍道。
中国银行数字资产运营中心处长李东亚也表示："以风控为例，除了银行已有的基础数据，银行会与外部机构进行合作，引入像工商、税务等机构的数据，对数据进行整合分析，从而产生价值。"
从新技术应用的趋势来看，金融行业正在加大大数据、AI、隐私计算、数据编织等新数字化技术与业务的融合，对于数据基础设施也产生了机器重要的影响。以隐私计算为例，随着《数据安全法》等两法一条例的陆续实施，数据的流通、共享和使用走向合法化和正规化，金融等行业对于隐私计算有着强需求。隐私计算不仅对上层算法创新有要求，对于基础设施层的处理能力也要求极高。
又如，数据编织（Data Fabric）技术逐步进入到金融机构的视野。随着业务的发展，金融机构除了需要数据大集中之外，很多数据分布在各个业务端，呈现出分布式的状态。在分布式环境下数据如何进行分开算、分开存和协同使用，数据编织（Data Fabric）技术正在发挥关键作用，并且对于数据基础设施带来了全新的挑战。
"银行正在努力打造‘产、采、建、用、管'的数据闭环。从数据的产生、数据采集，到数据的建设、数据的使用，再到数据的流转与管理，需要不断迭代、优化。"赵存超总结道。也正因为如此，为数据闭环处理打造的数据底座正在成为金融行业数据基础设施的发展趋势，通过数据底座有效支撑云、边、端等新兴技术架构下数据采集、传输、处理、使用和管理的整个业务流程。
金融数字化如何做到"有底"和"有数"
在传统IT基础设施环境中，"数据存不下、流不动、用不好"现象极为普遍。而数据基础设施的视角是围绕数据的"产、采、建、用、管"提供全生命周期的支撑能力，让数据存得了、流得动、用得好，将数据资源转变为数据资产。
在李辉看来，金融行业围绕数据基础设施打造的数据底座必须坚持安全、可靠、经济和高效的原则，从而更好地支撑起数据全业务流程操作和前台业务创新。"金融服务需要永远在线、数据永不丢失、性能永远满足、容量永远够用。"
以数据可靠性和业务连续性为例，虽然很多银行都在进行"主机下移"和"分布式架构改造"，但对于数据可靠性和业务连续性的要求一点都没有降低。像《银行业信息系统灾难恢复规划》规定，AB类业务灾难恢复要求在5级以上，业务中断需要低于15分钟，有些银行对于业务连续性的要求会更高。另外，在性能层面，像海量数据处理、AI应用等，带来极大的性能要求，推动了金融行业数据湖、存算分离架构的建设，在这种趋势下，如何更好地发挥数据基础设施的能力至关重要。
李辉认为，结合金融业务场景复杂化的情况以及基础设施的发展趋势，金融的数据底座需要走向场景化、平台化和专业化。
首先是场景化，集合金融业务场景的丰富化和多样化，围绕金融业务场景来构筑最符合的数据基础设施；其次是平台化，数据湖、数据仓库、数据编制、分布式数据处理和计算，以及围绕"产、采、建、用、管"的数据处理和汇聚过程，都需要平台化方案，让数据打通和流动；第三是在IaaS层走向专业化，不同场景、应用对于数据存储的要求各有特点，通过云化基础设施、弹性架构、两地三中心等来满足不同的需求。
"现在银行一直强调的数据能力和数据创新，都需要建立在良好的数据架构和强大的数据基础设施之上。‘有底'的数据基础设施才能保障数据处理的时效性、完整性和可用性，从而更好地服务业务和创造价值。"李东亚表示道。
总体来看，数据正在成为金融机构创新的基础，建设一个安全、可靠、经济和高效的数据基础设施底座已经成为大势所趋。面向未来，随着像数字孪生、元宇宙等技术的兴起，数字化技术将会推动金融产品、服务和商业模式持续变革，而数据基础设施在支撑金融行业数字化转型和智能化升级方面将会发挥更大的作用与价值。
