金融业数据应用发展具有哪些特点？

下面从数据要素化、数据服务化、 能力平台化三个方面对金融业大数据应用发展特点展开介 绍。

1. 数据价值要素化

（1） 数据多元化。金融业大数据应用呈现多元融合态 势，形成金融数据应用融合新格局。一方面，数据要素展现 出多元化特点。在数据类型方面，数据应用需求从传统的关 系型数据表等结构化数据，逐步扩展到用户埋点等半结构化 数据和图像语音等非结构化数据，有力支撑了人工智能（AI）、 商业智能（BI）等金融智能应用场景；在数据来源渠道方面， 数据应用场景不但涉及金融机构内部多元化数据，更广泛涉 及银证保等不同细分领域及工商、海关、税务、电力乃至医疗系统等不同行业的外部数据，面临不同行业及领域数据多 样化、差异化的挑战。另一方面，数据应用呈现出融合化趋 势。通过对多元化数据源进行拼接、汇总、关联分析，能够 形成更全面的客户、机构、产品统一视图，能够有效贯通多 种类型、多种渠道数据应用壁垒，金融业大数据应用迈入多 元融合新阶段。

（2） 数据资产化。数据通常是指对客观事物进行记录、 未被加工的原始素材，是基础生产资料。互联网时代下，具 有价值的数据通常具有数据量大、类型多样、更新频繁、价 值密度低等特点。随着金融企业数据化战略的推进，数据被 运用在众多业务条线，但同时也面临着落地链路长、重复建 设、口径差异大等问题，造成了效率低下、资源浪费且很难 将数据价值充分发挥出来。为了充分利用数据的价值，企业 内部本着业务需求统筹、数据加工路径明确、加工流程准确、 数据更新快等原则，从企业级视角出发，协同业务和技术， 共同构建企业级数据资产，如辅助企业经营的指标体系、描 述客户画像的标签体系、用于多维度分析的多维数据模型、 用于关联分析的知识图谱等。数据资产化能够提升数据的价 值密度，提高数据共享复用能力，从而能更好地服务公司自 身经营决策、优化业务流程，提升公司运营效能，还能形成 对外服务的数据商品。

（3） 数据要素化。大数据应用在金融领域的蓬勃发展， 给数据安全治理带来了前所未有的挑战。首先，大数据应用 安全重要性越来越高。2020 年 4 月 10 日，《中共中央国务院关于构建更加完善的要素市场化配置体制机制的意见》中， 首次将数据定位为新型生产要素，与土地、劳动力、资本、 技术并列；2021 年 6 月 10 日，《中华人民共和国数据安全 法》的颁布，标志我国在数据安全领域有法可依。各种法规、 行业标准的密集出台，给大数据应用安全治理提出了越来越 高的要求。其次，大数据应用安全风险越来越高。由于大数 据应用的特点，数据存储更为集中，价值密度更高，更易被 作为攻击对象。此外由于应用形式更多样化，容易造成数据 的误用、滥用，甚至泄漏关键敏感数据。再次，大数据应用 安全涉及面越来越广。内容和工具方面，从对传统结构化数 据的保护，到对非结构化数据的保护，从关系型数据库到各 式各样的非关系型数据库，保护的数据形态和数据工具范围 在逐渐扩展；流程方面，对数据安全的设计从系统设计阶段， 逐渐前移到需求研制阶段，从源头对数据进行分级分类，按 需保护。最后，对个人信息的隐私保护越来越完善。保护范 围从直接采集的个人数据，逐步拓展到由推断性信息生成的 “数字化人格”，此外“隐私计算”等多方安全计算技术的 发展，可以对个人隐私提供更完善的保护。

2. 数据运营服务化

（1） 服务智能化。在传统 BI 应用的基础上，人工智 能技术在金融业有广泛的应用，赋能金融业智能风控、智能 营销、智能客服、智能投顾等多个领域，实现领域应用的产 品创新、突出成效以及服务升级。在智能风控领域，运用流计算、知识图谱、OCR 与设备指纹等多种人工智能技术，结 合信贷、反欺诈与异常交易监测等业务领域，支撑线上信贷 风险防控、贷后实时风险监测与智能反欺诈等场景，全面提 升风控的效率与精度；在智能营销领域，基于用户画像，利 用强化学习、深度学习等算法进行模型构建，对客户推出千 人千面的精准化营销，从而帮助金融机构与渠道、人员、产 品、客户等多个环节互联互通，为平台的消费者提供精准化、 个性化的营销推荐服务；在智能客服领域，通过自然语言处 理、智能化搜索引擎、OCR 与生物识别技术等多项人工智能 技术的融合，使用文本、语音及机器人反馈动作等方式向客 户传递信息，构建基于知识图谱的知识管理体系，为客户提 供自然、高效的交互体验方式；在智能投顾领域，运用人工 智能相关技术，从投资期限、风险偏好以及回报预期等多个 维度为客户推出个性化的资产配置方案，同时结合营销咨询、 资讯推送等增值服务，有效降低交易成本并提升服务体验。

（2） 服务实时化。随着互联网的普及和 5G 时代的到 来，在线业务和相关应用场景呈现井喷式发展，客户需求瞬 息万变、对服务的响应速度更为敏感，常规的离线系统已经 无法满足业务发展的需求，金融企业应主动变革去提供优质 的实时化服务。目前，金融企业正在逐步推进服务实时化。 如：在线业务中，系统能够实时地获取用户的行为，并根据 当前的情况推荐最契合用户需求的服务；在风控场景中，系 统能够实时地感知用户自身和周边环境的变化，实时地进行 交易反欺诈、智能反洗钱、信贷风险监控、信用卡逾期预警等风控措施。而这背后依赖实时数据服务系统的支撑，该系 统主要包含实时的数据采集技术、多源异构数据的接入方法、 灵活敏捷的数据处理流程、低代码甚至无代码的开发模式、 简捷的数据发布方式，极大地缩短数据流转链路，提高了数 据服务速度，为提供实时服务提供有力保障。实时化服务是 快速响应客户需求的关键能力，是金融企业需具备的基础能 力。

（3） 服务产品化。数据服务发展历程中易出现数据孤 岛、难于升级、重复建设、标准混乱的服务应用难题。为了 解决以上这些问题，业界目前主流的做法分为两类，一类是 构建领域模板应用，另一类是构建基于组件化数据服务的低 代码平台，其中前者可以视作后者的初级实现形态。领域模 板应用解决的是领域内的数据标准统一、数据服务组件场景 化的问题，即通过一个典型数据产品将领域内的数据进行聚 合，形成数据标准；结合一定场景，完成适用于该领域公共 场景的组件封装和数据服务整合，实现从数据、服务、到产 品前端展示的整体化服务，使不具备业务含义的数据服务得 到深层次的组合加工，降低数据服务使用门槛，使所服务的 用户和产品“拿来即用”。当领域模板应用建设到一定程度， 所服务的其他数据产品越来越多时，将面临着数据服务模式 扩展的问题，即“好的数据服务”如何共享的问题，因而基 于组件化数据服务的低代码平台应运而生。低代码平台的特 征为微服务、组件化、租户化，通过微服务提供动态缩放的 运行环境、通过组件化提供标准化的数据和数据服务、通过台，扩大数据标准的建设，扩大组件的范围，使数据服务的 共享不局限于某一个业务领域。

3. 技术能力平台化

（1） 平台交付敏捷化。大部分金融企业的数据平台建设到数据中台阶段，如何更快捷的交付数据产品和服务，是 金融企业当前亟待解决的问题。下面，从方法论层面和技术 层面对平台交付敏捷化建设展开介绍。在方法论层面，拥抱 敏捷。一方面，企业推动平台 DevOps 转型，透过自动化“软 件交付”和“架构变更”的流程，应用 CI/CD 流水线进行持 续集成和持续发布，使得软件的开发、测试、生产和发布流 程标准化、自动化，进而实现平台软件的交付敏捷化。另一 方面，在全面开展数据开发运营的同时，通过串联各项数据 活动，构建标准化的数据服务流水线，探索 DataOps 的落地 实践方法，以此提高数据分析的质量，并缩短数据分析的周 期，实现数据服务的交付敏捷化；在技术层面，借助云计算。 积极推动在云基础架构上运行大数据系统，如在云原生架构 下构建数据中台，以容器化的方式部署大数据的基础组件和 大数据应用，借助云计算易于配置和部署、弹性扩展、资源 隔离等技术优势，实现大数据与云原生架构的融合。各技术 平台通过微服务+容器技术，推进数据加工和服务能力的整 体上云，通过 Severless 等技术实现灵活编排，支撑动态扩 展、快速交付和方便运维。

（2） 平台能力开放化。数据业务化是数据中台战略的 核心目标，专业团队专门维护数据仓库产品的模式无法满足 业务快速的变化与大量长尾需求，这要求数据中台在业务化 的过程中保持最大程度的开放。目前来看，数据中台通过构 建能力开放平台将数据、模型、标签通过 API 形式暴露，来 解决后端数据向前端业务应用开放的难题。在数据开放层面，数据业务化的过程涉及到数据采集、数据治理、数据聚合、 数据服务、运行监控等环节。数据中台为数据开发各环节开 发自动化工具，实现数据能力的抽象、共享、复用。同时， 借助多租户架构隔离计算与存储资源、控制数据权限，保障 各应用租户独立性、严格数据安全管控。最终各要素整合为 数据集成开发环境，帮助应用租户自助式的创建数据服务 API 满足业务化需求；在模型开放层面，模型业务化的过程 涉及到模型训练、发布、反馈迭代三个过程，数据中台向应 用租户提供了集成化模型训练平台、统一的模型资产管理服 务、MLOps 服务、后评价服务，支撑各类人工智能模型发布 为 API；在标签开放层面，用户标签是业务强相关数据，数 据中台通过轻量化标签开发模式支持业务部门自助式进行 用户标签的创建、维护，并通过 API 系统将标签资产开放给 其他业务应用系统。

（3） 平台自主可控化。金融业数据应用离不开数字化 信息系统的支撑，金融信息系统作为国家关键核心信息基础 设施，其自主可控能力是保障社会经济稳定发展与国家金融 安全的关键因素。信创产业从国家战略层面，为金融业数据 应用信息系统实现自主可控指明了方向，成为金融业数字化 转型的创新引擎，金融机构目前在积极推动信息系统的自主 可控化。平台自主可控化，主要指基础硬件、基础软件、应 用软件、信息安全软硬件的自主可控，其中：基础硬件包括 芯片、服务器、存储、交换机、路由器等；基础软件包括操 作系统、数据库及各类中间件；应用软件包括办公软件、政务应用、流版签软件等；信息安全软硬件包括各类终端安全 及边界安全软硬件产品。实现金融数据应用全栈国产化替代， 重塑金融大数据应用体系，保证金融大数据应用自主、安全、 可控，是当前金融业务发展的必然趋势，也是强化金融数据 应用能力的必然选择。