尊敬的用户，您的IE浏览器版本过低，为获取更好的浏览体验，请升级您的IE浏览器。
企业业务网站
选择区域/语言
我的空间
华为坤灵系列
畅享数字体验，共创亿万商机
华为商业市场
数智世界一触即达
朱并队
华为数字金融军团智慧数据业务总经理
让银行“数据资产”向“价值创造”迈进的关键环节，就是构建好数据服务体系，这需要行业领先机构共建。
“世界上最有价值的资源不再是石油，而是数据”。早在2017年，《经济学人》杂志曾提出过“数据石油”的概念，形象描述了数据的重要性。如今，随着数字经济的高速发展，极大激发了数据资产作为生产要素的活力，数据在各行各业的潜在价值进一步提升。
当下的中国，数据要素正面临千载难逢的机遇。2022年12月发布的“数据二十条”，提出了“充分发挥我国海量数据规模和丰富应用场景优势，激活数据要素潜能，做强做优做大数字经济”，数据要素被赋予了空前重要的地位。
作为天然的大数据企业，银行业自诞生以来都处于全社会数据应用的核心。当前，银行业对数据的价值挖掘，正在从“数据变资产”迈向“打造数据关键生产力”的新时期，如何让数据资产创造更多价值，是一个亟待突破的课题。
我们认为，伴随着银行业数字化转型正在进入深水区，构建数据智能化基础设施是银行未来发展的基石。让“数据资产”向“价值创造”迈进的关键环节就是构建好数据服务体系，这个领域的创新与突破大有可为。
如火如荼的数字化，改变了金融行业的生态体系和竞争格局。在数字化重塑行业格局的过程中，数据要素的运用正在成为做好产品与服务创新、提升运营效率和客户体验的一大利器。
未来，一家的银行数字化转型核心竞争力是否足够强大，要看从数据中信息萃取、知识转换、决策到行动的速度，而这往往取决于数据分析、挖掘和应用的水平。可以说，加强数据资产管理、最大化挖掘数据资产的价值具有很强的急迫性。
一是存。传统数据平台烟囱式建设，系统多而繁杂，数据格式多且标准不一，缺乏统一数据平台；二是算。一方面，数据量的暴增导致算力不足，扩容难，严重影响性能。另一方面当前依然以离线计算为主，缺乏实时能力，数据供应时效性不足，无法支撑实时业务开展；三是管。数据处理和分析脚本式开发，效率低下，数据资源共享程度低，AI建模耗时长，模型泛化能力弱，无法快速支撑业务发展；四是用。数据使用以静态报表为主，场景智能化渗透率低，无法支撑多样化业务的创新和发展。
这些短板很大程度上制约了银行数字化转型战略的推进。在深刻洞察金融数据发展需求及趋势背景下，华为针对性打造金融数据智能解决方案，提供金融级企业数智一体化平台，助力客户充分发挥数据价值，赋能业务实现增长。总结起来，华为的解决方案包括一个底座、两条产线和三类业务场景，简称“1-2-3”。
“1”即一个数智一体化底座，通过数智平台软硬件的全面创新，确保基础设施安全可信。华为提出云-数-智-算全面融合架构，让数据仓库、数据湖、AI平台、底层算力之间融合互通，在数据加工、汇总、分析时无需数据大搬家，数据处理效率大幅提升。
“2”是指数据产线和AI产线。华为通过与生态伙伴深度合作，实现数据一站式分析与处理，加速内部数据高效流转；AI产线将开发周期从原来的月大幅缩短至周，并在风险和欺诈识别、OCR（光学字符识别）、智能客服等方面提供强大的AI能力。
“3”即三类典型业务场景。华为携手生态伙伴，以技术赋能三大业务，一是数字化营销。通过实时供数和智能模型，形成统一的客户画像，大幅提升营销转化率；二是数字化风控。通过内外部数据实时传送、图数据库的6跳关联秒级查询，确保风险管控的全面、及时和准确；三是数字化运营。业界首次应用金融OCR大模型，大幅提升运营效率。
有了金融数据智能解决方案的支撑，通过集成像AI、BI、规则引擎、自主数据分析等技术的融合发展，数据服务体系建设也正走向更加智能化的未来。
当下，搭建完善的数据服务体系已经成为全行业共识，但什么是好的数据服务体系，如何提升数据服务体系的搭建效率，例如“谁用数？数据什么时候可用？数据该怎么用？”这些都是银行传统数据应用中权责难以厘清的问题，没有统一的标准，导致数据使用效率低下。
深耕数据，平台化、资产化，进而服务化是对金融机构决策与运营系统进行智能化升级三个重要步骤。首先，要打破传统烟囱式数据系统的束缚，搭建企业级数据平台，汇聚信贷、渠道、交易等源系统批量、实时数据以及统一的外部数据接入。其次将海量数据转化为有价值的资产，形成不同的主题模型；再次将资产转换面向零售、对公、金市、财务、运营等不同的集市或者数据服务API，驱动业务场景和服务模式创新。
近年来，头部银行通过数据中台方式尝试打通数据壁垒，充分发挥数据资产价值，进行了行之有效的探索。例如，农业银行提出打造数据驱动、算法控制的数据服务体系，并将其作为数字化转型的关键任务；工商银行提出建设共享复用的标准化数据服务体系及数据展现工具；光大银行组织研究如何将数据资产价值纳入银行资产负债表中。
在数据服务体系标准化的搭建与探索中，关键制约是数据架构短板，也自然成为银行的破局方向。近年来，越来越多银行希望华为作为战略合作伙伴，帮助其规划数据和技术架构，落地数字化转型的目标。
我们认为，随着数据仓库的发展，公共访问层（publicservicelevel）的架构模式成为重要破局点，有助于推动数据流的加速和标准化的数据治理能力，支撑业务条线的营销支持、运营决策、风险管控等，发挥数字化转型枢纽作用。
目前，银行数仓主题模型划分为三层，分别是FDS基础主题区（明细表）、ADS汇总加工层（维度表）和PDS公共访问层。在构建数据仓库主题模型设计中重点考虑两个因素，一是屏蔽底层的变动对上层应用的影响，二是通过复用沉淀的公共层来提升银行应用支撑的效率，仅靠银行自身建设是远远不够的。
懂业务才能更好的理解如何赋能业务。目前，华为金融数据智能解决方案已在工商银行、交通银行、中信银行、广东农信、威海市商业银行等多个银行落地。华为持续携手生态伙伴，深耕数据，提供架构规划、数据迁移、集成设计、持续运营运维四阶服务，实现金融企业级数据平台的“开箱即用”，推动金融行业决策与运营系统智能化升级。
有这样一个代表性案例。威海市商业银行是一家城市商业银行，全行推进数字化转型中，将建立数据平台视为核心。2021年该行成立数字银行部，负责全行的数据管理工作，并以华为FusionInsightMRS和GaussDB(DWS)构建统一、高效、实时的“湖仓一体”基础数据底座，实现全行数据统一管理和全链路数据治理。
回顾银行数据建设历程，主要经历了数据大集中、数据驱动运营、数智融合三大阶段。随着大数据、AI、云计算、区块链、5G等新兴技术的创新变革，正在推动银行数据建设从大集中走向一体化、智能化的发展新趋势。
数据智能化，是释放数据价值的关键。如今AI在银行的各个领域已经深度渗透，业务端，财富管理、智能投顾、智能风控等都有AI技术的身影；运营端，业务流程自动化RPA、自动化运维等亦是AI能力的体现；数字化基础设施建设中，更是离不开AI技术的深耕。
华为顺势而为，融合华为云-数-智-算全栈能力，发挥算力、算法、存储、网络等优势，打造金融数据智能解决方案，旨在利用大数据、人工智能等新兴技术对金融机构决策与运营系统进行升级，将海量数据转化为数据资产，助力银行加速数字化转型。
在华为数据智能化解决方案中，AI产线包括营销风控、OCR、语音、人脸识别等产线。数据和AI之间的融合，使得数据在人工智能之间实现数据的有效的无缝流转，数据的流转速度大幅度提升，使得AI建模效率提升到50%。华为金融OCR大模型，具备泛在化能力，拥有千亿级参数去适配各类场景，包括银行卡、手写体、票据识别等。
在金融行业，速度就是生命。
T+1与T+0相差不过一天，但对于数据服务而言，效率却千差万别。银行各类数据复杂，实时数据并非简单把业务数据流引进来就完成了，还需要做实时数据加工处理，通过模型预算以及对历史批次数据结合，为客户统一需求偏好画像、风险画像，才能更好业务快速反应。
伴随着银行对实时化的能力需求增加，特别是当银行APP已成为发展的主战场，按照T+1的数据反应能力，当分析完客户的需求偏好，客户已经离开APP，无法进行有效的营销。实时数据服务体系，为银行提供秒级数据画像能力，实时推送客户偏好内容，支撑更精准的营销。
以交行为例，作为一家大型银行，基于FusionInsightMRS的实时数据湖能力，交行拓展了实时采集、实时计算、批流融合等新的技术能力，构筑了从采集、计算、分析、再到消费的实时数据流，以全面支撑各类实时和准实时业务场景。
实时数据湖建设完成之后，在营销场景，交行客户转化率较之前大幅提升164%；在风控场景，实时识别欺诈行为，风险案件降低52%；运营场景，实现了银行业务实时报表查询和分析，快速支撑业务决策等；当实时数据达到秒级内，银行的客户转化率可以提升5～10倍。
数据服务体系建设不可逆转，为银行的数字化转型带来三大方面的提升，一是客户体验的提升；二是业务模式的创新；三是效率的提升。这也是华为数字化转型之道。
未来，华为要做好三件事，一是共同定义未来的数字架构，定义数智融合、全面融合的架构；二是与合作伙伴共同繁荣数据产业生态，从底座层生态、应用层生态到工具层的生态；三是推进隐私计算、数据安全、灾备可算不可见等技术的持续演进。
数智融合给我们打开了一个新的未来。“数据”从银行业务流程的“后台”走向“中台和前台”，不仅提升数据资产价值转化的效率，也提升技术与业务团队的融合质量与效率，从而发挥出更大价值。
要抓住这片蓝海，也面向海外，MWC23巴塞罗那将于2月27日至3月2日在西班牙巴塞罗那举行，华为金融数据智能解决方案将以云数智算融合架构的数据及AI平台、产线，助力全球金融机构加速数字化转型。