民生銀行數據中臺體系的構建與實踐
在大數據、人工智能、區塊鏈等新興技術的驅動下，各家銀行紛紛利用新技術制定數字轉型改革戰略，尋找差異化經營的可行模式。
民生銀行積極推進改革轉型，2018年在“民營企業的銀行、科技金融的銀行、綜合服務的銀行”戰略指導下，民生銀行從科技視角制定了“技術+數據”雙輪驅動的改革方案，全力打造以客戶為中心的數字化智能銀行，為廣大客戶提供科技+金融的綜合生態服務。
如何真正將“數據驅動”的這個輪子落地，扎扎實實地支撐民生銀行數字化改革轉型，是大數據建設需要攻克的難題。
一、民生銀行數據體系演進歷程
我行數據體系演進經歷了三個階段：信息分散階段、數據倉庫階段和大數據平臺化階段，受到經營模式、組織架構、技術條件等諸多因素影響，不同階段在數據層面會表現出不同的應用模式：
1、信息分散階段
在早期經營模式直接，產品簡單，這個時期的數據應用主要體現在業務系統內的簡單數據統計報表，零碎化特質明顯，數據統計分散在獨立的系統中。
2、數據倉庫階段
隨著經營管理模式進一步細化，加上事業部混合經營的組織架構調整，產品系統逐步增多，形成復雜的產品矩陣，在管理端，需要通過集中整合多個系統的業務經營數據來到達對全局經營效果的跟蹤以及結構調整的決策支撐，在數據上出現數據集中建設的必然性，技術面上表現為數據倉庫實現核心業務產品系統的數據大集中，應用上形成了具備體系化和平臺化特質的數據統計報表、經營管理駕駛艙等能力平臺。
3、大數據平臺化階段
隨著社會和技術進一步發展，銀行業的經營模式同質化特質越來越重，各家銀行努力探索差異化經營發展的模式，這個階段如何圍繞客戶為中心的數據驅動成了各家深入耕耘的模式。集技術與理念的數據中臺新模式，承擔起這個階段的使命走上了數據的舞臺，為數據驅動業務奠定基礎。
二、數據中臺意義
“中臺概念”早期是由美軍的作戰體系演化而來的，技術上說的“中臺”主要是指學習這種高效、靈活和強大的指揮作戰體系。國內阿里巴巴約2017年左右對外率先提出數據中臺的概念，在技術層面指通過數據技術統一標準和口徑，對全域數據進行采集、計算、存儲、加工和服務。
數據中臺把數據統一之后，形成標準數據，形成數據資產層，進而為業務層和決策層提供高效服務，包括模型服務、算法服務，以及數據產品。這些服務和產品是企業業務和數據的沉淀，通過數據中臺統一服務管理與云化資源部署，降低數據重復性建設、減少煙囪式建設成本。
銀行業的數據中臺建設，在前臺業務系統和后臺數據系統之間構建了一條數據和能力的通道，為前臺的業務團隊、客戶經理、財富顧問與后臺的數據專家、算法模型專家、人工智能專家的工作銜接形成一條強有力的支撐紐帶，業務團隊專注于產品的具體邏輯與業務管理流程，數據專家專注于加速從數據到價值的過程，提高對業務的響應能力。這樣一個快速通道、紐帶，為商業銀行的數據體系注入了新的活力。
1、模式創新
改變數據后臺交付模式，形成以橫向平臺加縱向業務領域的模式形成矩陣式交付組織結構，對各領域打造數據產品，以產品化模式輸出數據能力，為“Open Bank”理念積累數據產品內容。
2、降本增效
將業務策略作為應用場景沉淀到數據中臺，通過人工智能模型應用，解放操作崗，審批崗，流程崗等人力工作。
3、服務方式創新
口徑統一，實現標準化的數據服務內容和數據服務模式。
三、構建數據中臺體系，打造場景金融服務
數據中臺自身和業務結合緊密度高，結合現階段金融業務經營的迫切訴求，在戰略上對數據中臺建設從技術平臺和數據交付內容兩個層面制定如下圖的建設目標。
1、數據中臺體系技術方案
數據中臺在金融領域的落地應用屬于前沿技術，民生銀行經過自主探索、自主研發，形成由4大功能體系、12個子系統構成的金融數據中臺體系,如表1所示。
數據中臺核心運轉模式由Engine引擎體系、Service服務體系、Open路由體系、Plus管理體系核心組件協同運轉完成。首先，由Engine引擎體系完成對數據能力、模型能力的抽象封裝，以應對不同場景的智能數據需求。
進而，Service服務體系完成引擎抽象能力與實際業務數據的結合應用，通過靈活搭配，打造具備業務屬性的數據服務產品，目前已構建智能客戶信息中心、數字化決策中心、標簽洞察等多項智能數據產品。
最終，通過Open體系(OpenAPI、OpenFILE、OpenMSG、OpenCFG)完成對業務系統與業務人員的快速賦能。Plus管理體系則完成數據資產目錄、數據可視化、云化管理等統一管理功能，并通過DevOPS、容器、高性能數據訪問緩存等前沿技術組件完成數據服務高并發、高可用、彈性部署等技術能力的提升。
引擎、服務、路由協同運轉，統籌管理，共同打造了場景化金融數據服務能力。從數據指標、數據決策、智能推薦、智能模型等多個層面提供了立體化的快速支持，直面客戶，賦能場景，為金融業務數字化、智能化轉型升級的重要支撐。
2、場景金融服務管理方案
銀行的金融業務場景門類齊全，經營的客群多樣，圍繞客戶為中心、差異化經營的場景金融服務模式逐漸成為主流。場景金融服務模式在沉淀共性數據服務的同時，具備面向特定業務領域、特定客群的個性數據服務，不同業務領域、客群間的金融數據口徑、服務級別等都存在一定差異。
數據中臺作為統一的數據服務平臺，支撐各業務領域的場景金融服務，就需要制定指導性規范，對數據中臺服務集、服務組件，從業務場景、是否對客、組件多租戶使用等角度進行管控，保證數據中臺服務可管理、可控制，能夠長期有序的運行。
民生銀行在建設銀行數據中臺過程中，結合自身經營現狀，提出了一套“場景分區+技術分級”的數據中臺場景服務管理方案，形成由11項業務場景、4級服務、18組管控域組成的數據服務管理矩陣。
場景分區標準主要依據業務領域及服務客群，劃分為以下11個業務場景：
根據服務與用戶觸達類型對服務進行分類，包括對客服務類、客戶經理類、內部管理類、監控查控類，制定不同界別的響應和應急策略。
通過技術平臺的技術分區和數據內容的服務分級建設思路，數據中臺在為各業務場景快速提供在線數據價值輸出的同時也能夠做到數據使用的管控和跟蹤，為數據應用長期優化奠定一個良好的支撐基礎。
四、助力改革轉型，數據中臺典型案例實踐
1、支撐小微新模式探索，全流程數據驅動
小微3.0新模式是民生銀行積極推進改革轉型戰略級項目，全技術架構實現中臺化，借助業務中臺和數據中臺提供的能力，完成常態化產品推薦、場景化產品推薦、廳堂服務、收單結算、大額流入與流出營銷、在線抵押貸款、小微紅包、小微賬單、有貸戶綜合營銷等多項業務領域創新性應用的落地，做輕業務前臺、做強中臺的中臺體系架構試點取得成功。
2、助力網金數字化運營和轉型落地
▲ 圖6 支撐網金數字化運營平臺
在數據中臺的支撐下，網金數字化運營平臺打通了管理駕駛艙和線上服務平臺的數據鏈路，使經營管理決策、策略投放執行、效果評估反饋、迭代完善優化等環節能夠閉環執行。
通過內容運營、產品運營、客戶運營、服務運營幾個領域，提升外部獲客能力、轉化提升能力、產品銷售能力、粘性服務能力，構成流量導入、激活轉化、資產提升、粘性服務、決策支持閉環的線上流量經營體系。首家試點行一季度實現理財資產增長二十余億元，代發目標客群資金留存率顯著提升，累計帶來近五十億元行外資產。
3、助力零售風險，探索量化評分
在零售“天眼”預警系列模型投產取得較好的業務效果之后，大數據管理部進一步的投入專業人才對消貸A卡評分進行量化研究探索，通過中臺模型引擎進行灰度發布，能夠對機器學習模型的專業評估指標進行在線跟蹤，加速機器學習模型的監控迭代。
五、結語
“求木之長者，必固其根本;欲流之遠者，必浚其源泉。”當前商業銀行正在從“規模化”、“速度化”向“輕型化”、“價值化”進一步深化轉型，數據與技術的廣泛深度應用是推動這次轉型的不竭動力，從數據視角，我們一直在思考并實踐如何真正將“數據驅動”的這個輪子落地。
民生銀行數據中臺是一次執行層的數據建設探索，把長期以來“藏在”后臺的數據能力(數據、模型、算法)快速輸送到對客系統、業務流程中，直面客戶、快速迭代、數據賦能，借助新技術組件提供的強大服務能力，將過去主流的面向宏觀決策統計及分析的數據應用模式，提升到面向微觀的個體的預測決策數據應用模式。
在沉淀共性數據服務的同時，也具備面向領域的個性數據服務，以客戶為中心，差異化服務，深化數據應用價值。
