第二是“快” ， 降低或是减少一线数据人员用数据的负担、运维的负担、对数据识别的负担 ， 可以专心聚焦于快速响应业务的变化 。
第三是“灵” ， 大数据平台可以灵活调度资源 。
第四是“集” ， 实现了集中管控、集中管理所有数据 。
04 如何通过数据云赋能一线 2019年 ， 田行长在全年的工作报告中提到 ， 持续优化数据分析环境和分析工具 ， 降低数据使用门槛 ， 支持全行数据分析能源自主、敏捷用数 。
其中的关键字就是“自主”和“敏捷” ， 这句话为我们指明了将来如何达到数据赋能的方向和目标 。
为了满足或完成这一方面的要求 ， 我们调研了数据分析人员在日常工作过程中有哪些痛点 。
比较典型一个痛点就是数据太多 。 招行的数据体量较大较散 ， 各个业务系统的数据在各个地方 ， 所需数据一时无法找到 。
并且数据还是存在一定的约束 ， 对公的数据零售无法使用 ， 零售的数据对公难以提取 。
其次数据的口径太多、太复杂 。 口径甚至一天一变 ， 原来的固定报表无法满足这些 。 如何让数据分析满足业务敏捷？这个是我们要考虑的 。
除此之外 ， 数据从加工开始 ， 到最后一线数据分析人员的手上 ， 这个过程太曲折、流程太长 。 最后经过重重审批 ， 到数据分析人员手上 ， 用数太难了 。 这也是共性的痛点 。
针对这些痛点 ， 我们给了一个方案 ， 主要包含三个部分：
第一 ， 搭建大数据统一计算平台 ， 将所有数据集中起来 ， 提供简单的开发工具 ， 帮助大家快速地分析、开发 。
第二 ， 通过BI工具的引入 。 其实招行在这几年已经逐步减少了固定报表的开发 ， 甚至是退出原来固定报表开发的模式 ， 全面向业务分析人员推广BI工具的使用 。 通过BI工具的使用 ， 让分行的业务同事可以快速、灵活地实现分析的目标 。
第三 ， 我们整个分行的数据云打通了行内其他数据平台 ， 比如一事通、营销平台、信息收集平台等 ， 实现数据全链路打通 。
所有这些能力 ， 实际上全部提供给分行一线同事使用 ， 为他们赋能 。

文章图片

目前我们达成了这几个目标：
第一 ， 让数据分析的工作越来越简单 ， 通过降低整个数据使用的门槛 ， 让更多业务人员即使没有技术背景、没有IT背景 ， 也能参与到数据分析中来 。
第二 ， 单个数据分析的效率明显提升 。 通过集约化的资源管理 ， 统一的平台赋能 ， 大大加快了数据分析的周期 ， 有效地支持决策管理 。
第三 ， 用户可以选择灵活自主的数据分析方式 ， 能够快速、直观地通过BI工具呈现出结果 。
第四 ， 数据分析人员可以摆脱一些重复性劳动 ， 可以聚焦于体现数据价值本身 。
招行的大数据平台在从数据接入到展现的很多功能方面 ， 都采用了低代码化的开发方式 ， 降低了开发成本 。
可视化分析平台主要包含了两方面内容：人工智能和BI 。 通过这些能力的组合 ， 满足不同需求的数据分析 。
金融行业在数据安全、合规等方面的要求较高 ， 我们在平台整合了强大的、个性化的数据安全和管控的手段 。
比如分网段 ， 对不同的网段制定不同的安全策略 。 数据脱敏 ， 建立了脱敏的统一服务 。 根据不同机构、不同角色 ， 细分不同权限 。 这一切服务组合 ， 实际上丰富了我们BI工具的能力 。
05 数字化实践阶段性成果分享 整个分行的数据云建设 ， 从2018年4月开始规划 ， 展开需求调研与分析 。 2019年 ， 我们开始了基础的搭建 ， 包括两个平台 ， 一个是大数据平台 ， 一个是可视化分析平台 。 在2019年就完成了大数据平台和原生云平台 。 2020年 ， 基于这两个平台的功能 ， 全面向全行的数据用户推广 。