作者 | 曾響鈴

　　文 | 響鈴說(shuō)

　　根據(jù)IDC 報(bào)告，截至2022年中國(guó)數(shù)據(jù)規(guī)模已經(jīng)達(dá)到23.88ZB，預(yù)計(jì)2027年將達(dá)到76.6ZB，五年年均增長(zhǎng)速度將達(dá)到26.3%。在這樣的背景下，如何進(jìn)一步挖掘數(shù)據(jù)價(jià)值、提高數(shù)據(jù)應(yīng)用效率，成為企業(yè)們普遍的課題，尤其是金融、央國(guó)企客戶需求明顯增強(qiáng)。

　　與此同時(shí)，大模型正在深度改變包括金融在內(nèi)的千行百業(yè)，而在那些革命性應(yīng)用背后，越來(lái)越多的人意識(shí)到，必須先有一套全面的數(shù)據(jù)能力體系底座，才能應(yīng)對(duì)大模型時(shí)代的海量數(shù)據(jù)需求。

　　于是，無(wú)論從何種角度看，建設(shè)數(shù)據(jù)中臺(tái)已經(jīng)成為數(shù)智化的必修課。

　　只是，如何建設(shè)?或者說(shuō)，在已有多年發(fā)展的基礎(chǔ)上，數(shù)據(jù)中臺(tái)要如何進(jìn)一步演化，才能適應(yīng)包括大模型應(yīng)用在內(nèi)的一系列新的業(yè)務(wù)創(chuàng)新需求?

　　最近召開(kāi)的華為HC大會(huì)2024華為全球智慧金融峰會(huì)上，華為聯(lián)合伙伴系統(tǒng)呈現(xiàn)了其金融數(shù)據(jù)智能解決方案5.0。面向銀行業(yè)，華為正在探索構(gòu)建新一代數(shù)據(jù)中臺(tái)，一個(gè)能夠讓大模型快速培育、落地，高效創(chuàng)造價(jià)值的數(shù)據(jù)中臺(tái)。其中，在數(shù)據(jù)能力方面，華為宣布在數(shù)據(jù)底座、治理產(chǎn)線、數(shù)據(jù)分析三個(gè)方面全面升級(jí)，加入AI引擎。

　　這次發(fā)布，結(jié)合華為在金融領(lǐng)域已有的實(shí)踐，新一代數(shù)據(jù)中臺(tái)的演化輪廓，也浮出水面。

　　新一代數(shù)據(jù)中臺(tái)，技術(shù)動(dòng)因與業(yè)務(wù)價(jià)值并重

　　知名經(jīng)濟(jì)學(xué)家、世界銀行的首席經(jīng)濟(jì)學(xué)家保羅·羅默曾在其著作《內(nèi)生經(jīng)濟(jì)理論》中明確指出，企業(yè)數(shù)字化轉(zhuǎn)型需要強(qiáng)調(diào)技術(shù)動(dòng)因，但更應(yīng)該首先強(qiáng)調(diào)業(yè)務(wù)價(jià)值。

　　數(shù)據(jù)中臺(tái)的演化同樣如此。

　　以銀行業(yè)為代表，企業(yè)對(duì)數(shù)據(jù)中臺(tái)的期許，已經(jīng)走向全面驅(qū)動(dòng)各業(yè)務(wù)流程而非只是在單流程節(jié)點(diǎn)上有所貢獻(xiàn)，要基于快速推進(jìn)場(chǎng)景應(yīng)用的普遍需求而進(jìn)行，要能帶來(lái)企業(yè)整體面貌的革新，前沿技術(shù)動(dòng)因之外，業(yè)務(wù)價(jià)值變得更加重要。

　　也即，新一代數(shù)據(jù)中臺(tái)，并不只是一個(gè)交付的技術(shù)方案，而是企業(yè)各業(yè)務(wù)流程快速獲取包括大模型在內(nèi)的數(shù)智化能力的“數(shù)智基建”。

　　這個(gè)“數(shù)智基建”，正是華為正在探索與實(shí)踐的。

　　目前，在最首要的數(shù)據(jù)中臺(tái)架構(gòu)設(shè)計(jì)上，為了保障數(shù)據(jù)高效流動(dòng)，快速支撐各類應(yīng)用系統(tǒng)，華為構(gòu)建起企業(yè)級(jí)數(shù)據(jù)平臺(tái)，以打破數(shù)據(jù)孤島、實(shí)現(xiàn)高效數(shù)據(jù)供給，這其中既包括云—數(shù)—智—算全面融合架構(gòu)，將數(shù)智一體化底座、數(shù)智研運(yùn)一體產(chǎn)線和數(shù)字化應(yīng)用南北向貫通，讓?xiě)?yīng)用開(kāi)發(fā)的效率更高;也包括智算融合、數(shù)算融合、數(shù)智融合和云數(shù)融合，大幅提升從訓(xùn)練到模型上線的速度，做到化繁為簡(jiǎn)，全面推進(jìn)智能化升級(jí)。

　　這套體系，成功構(gòu)建起銀行堅(jiān)實(shí)的數(shù)據(jù)基礎(chǔ)，同時(shí)也讓數(shù)據(jù)與AI的融合變得更加高效，展現(xiàn)出實(shí)時(shí)、多維、智能的技術(shù)供給能力。

　　比如，架構(gòu)實(shí)現(xiàn)了數(shù)據(jù)從采集到計(jì)算再到應(yīng)用的全面貫通，做到了數(shù)據(jù)的實(shí)時(shí)同步、入湖、加工和展示，在這種情況下，銀行客戶利用到的數(shù)據(jù)始終可以是“最新”的，而非漫長(zhǎng)的處理后滯后的信息數(shù)據(jù)，確保了決策的敏捷。

　　典型的，在某銀行網(wǎng)點(diǎn)運(yùn)營(yíng)中，過(guò)去只能開(kāi)“晨會(huì)”基于昨天的數(shù)據(jù)進(jìn)行分析判斷，而現(xiàn)在能夠開(kāi)“夕會(huì)”當(dāng)天的數(shù)據(jù)當(dāng)天使用，及時(shí)性大大提升。此外，“實(shí)時(shí)營(yíng)銷(xiāo)”下更實(shí)時(shí)的客戶體驗(yàn)反饋和權(quán)益發(fā)放，也使得客戶活躍度和資產(chǎn)留存率相比傳統(tǒng)營(yíng)銷(xiāo)方法提升了164%。

　　這樣的“數(shù)智基建”或者說(shuō)數(shù)據(jù)中臺(tái)，在過(guò)去一年，支撐華為及其伙伴與多家金融機(jī)構(gòu)展開(kāi)深入合作，共同落地了超過(guò)100個(gè)智能化場(chǎng)景，在企業(yè)內(nèi)部不再只有流程節(jié)點(diǎn)的優(yōu)化，而是覆蓋到零售、對(duì)公、金融市場(chǎng)等多個(gè)業(yè)務(wù)領(lǐng)域，讓客戶眾多業(yè)務(wù)部門(mén)都開(kāi)始積極擁抱大模型。

　　而此次華為進(jìn)一步進(jìn)行了數(shù)據(jù)能力升級(jí)，從數(shù)據(jù)底座、治理產(chǎn)線、數(shù)據(jù)分析三個(gè)層面推動(dòng)數(shù)據(jù)中臺(tái)更進(jìn)一步。

　　數(shù)據(jù)底座層：在必然的復(fù)雜需求下，讓數(shù)據(jù)支撐成為“多面手”

　　企業(yè)，尤其是銀行業(yè)，在數(shù)智化轉(zhuǎn)型升級(jí)過(guò)程中，往往存在“既要又要”的客觀需求，這對(duì)數(shù)據(jù)底座提出了巨大的挑戰(zhàn)。

　　華為在數(shù)據(jù)底座上的升級(jí)，最直接呈現(xiàn)的價(jià)值，就是讓數(shù)據(jù)底座成為能力上的“多面手”。

　　在AI引入后，華為以數(shù)據(jù)底座智能化構(gòu)建起多模態(tài)智慧搜索平臺(tái)，升級(jí)傳統(tǒng)搜索為向量數(shù)據(jù)庫(kù)，支持高維數(shù)據(jù)檢索，結(jié)合大模型和知識(shí)庫(kù)還能夠支持辦公和網(wǎng)點(diǎn)助手等業(yè)務(wù)，最終還在推動(dòng)著智能RAG的實(shí)現(xiàn)(越搜越聰明、越用越聰明，不斷反饋、強(qiáng)化)。

　　這進(jìn)一步升級(jí)了底層數(shù)據(jù)的存儲(chǔ)和檢索、利用方式。

　　但這還只是華為推動(dòng)數(shù)據(jù)中臺(tái)在底座這里進(jìn)化的一個(gè)方面。

　　數(shù)據(jù)底座過(guò)去長(zhǎng)期存在成本與效率兼顧的問(wèn)題，在基礎(chǔ)設(shè)施的“集約”與“分布”上不斷“拉扯”、取舍，一方面集約化和規(guī)�；�能保障最大化的共享、按需提供資源以及降低成本，但是數(shù)據(jù)底座過(guò)于集約化和規(guī)�；�，又可能影響到業(yè)務(wù)側(cè)的客戶體驗(yàn)，需要強(qiáng)化“分布”，既要、又要的矛盾由此產(chǎn)生。

　　而華為成功應(yīng)對(duì)分布式資源池體系等難題，做到了集約與分布的兼存，讓銀行能夠在這個(gè)問(wèn)題上實(shí)現(xiàn)“我全都要”。

　　此外，對(duì)與數(shù)據(jù)底座而言，TP(事務(wù)處理)和AP(分析處理)是兩種不同的處理類型，而它們又都對(duì)應(yīng)到銀行必然的場(chǎng)景和需求(前者對(duì)應(yīng)日常業(yè)務(wù)操作，如訂單、客戶管理;后者對(duì)應(yīng)具體的數(shù)據(jù)分析和決策，如市場(chǎng)分析和業(yè)務(wù)報(bào)告)，然而，這二者對(duì)數(shù)據(jù)底座的需求又不盡相同，前者需要高并發(fā)性和快速響應(yīng)時(shí)間，后者則需要處理大量歷史數(shù)據(jù)，進(jìn)行復(fù)雜的查詢和分析。

　　于是，新的“既要又要”矛盾又產(chǎn)生了。

　　在華為一系列技術(shù)創(chuàng)新下，其方案中的數(shù)據(jù)底座實(shí)現(xiàn)了面向TP+AP的能力統(tǒng)一，既有高并發(fā)應(yīng)對(duì)能力，也能響應(yīng)大量數(shù)據(jù)查詢分析需求，朝著“只要業(yè)務(wù)線想要的，都能滿足”的方向進(jìn)行探索與實(shí)踐。

　　數(shù)據(jù)產(chǎn)線層：深入挖掘數(shù)據(jù)潛力，給數(shù)據(jù)價(jià)值戴上“放大器”

　　數(shù)據(jù)產(chǎn)線層的意義從大模型的發(fā)展可見(jiàn)一斑：越來(lái)越多的機(jī)構(gòu)認(rèn)為，在數(shù)量規(guī)模之外，數(shù)據(jù)的質(zhì)量越來(lái)越?jīng)Q定大模型的創(chuàng)新的效率和效果，而數(shù)據(jù)質(zhì)量的提升必須依托于更好的數(shù)據(jù)產(chǎn)線能力。

　　華為通過(guò)AI融入，推動(dòng)智能數(shù)據(jù)治理的實(shí)現(xiàn)，以AI賦能來(lái)提升數(shù)據(jù)開(kāi)發(fā)效率，除了數(shù)據(jù)質(zhì)量，更在數(shù)據(jù)資產(chǎn)、數(shù)據(jù)規(guī)范、數(shù)據(jù)服務(wù)等方面進(jìn)行提升，推動(dòng)便捷用數(shù)的實(shí)現(xiàn)。

　　其中，由于銀行等企業(yè)、機(jī)構(gòu)當(dāng)下的“數(shù)據(jù)儲(chǔ)備”以及新增加數(shù)據(jù)中往往存在大量非結(jié)構(gòu)化、多模態(tài)(圖片、文字、聲音、影視等)數(shù)據(jù)，因此華為還將數(shù)據(jù)產(chǎn)線層的數(shù)據(jù)資產(chǎn)運(yùn)營(yíng)能力延伸至生態(tài)化和全結(jié)構(gòu)多模態(tài)化，幫助客戶實(shí)現(xiàn)全量全要素的數(shù)據(jù)資產(chǎn)可感知、可獲得、可控制。

　　由此，數(shù)據(jù)中臺(tái)的核心要義也進(jìn)一步展現(xiàn)出來(lái)——數(shù)據(jù)還是那些數(shù)據(jù)，越是良好的產(chǎn)線治理，越能讓這些同樣的數(shù)據(jù)的價(jià)值通過(guò)中臺(tái)式共享實(shí)現(xiàn)放大，支撐到更全面的業(yè)務(wù)。

　　在這樣的背景下，華為推動(dòng)了跨租戶、跨組織、跨部門(mén)、跨業(yè)務(wù)條線的高質(zhì)量數(shù)據(jù)共享，實(shí)現(xiàn)了包括數(shù)據(jù)模型、數(shù)據(jù)指標(biāo)、數(shù)據(jù)資產(chǎn)、應(yīng)用服務(wù)、分析服務(wù)、AI服務(wù)在內(nèi)的服務(wù)共享，全面支撐銀行客戶通過(guò)數(shù)據(jù)驅(qū)動(dòng)來(lái)創(chuàng)造價(jià)值。

　　例如，某股份制銀行構(gòu)建了統(tǒng)一的數(shù)據(jù)服務(wù)平臺(tái)和數(shù)據(jù)服務(wù)門(mén)戶，行內(nèi)月活用戶數(shù)超過(guò)6萬(wàn)，員工用數(shù)滲透率超過(guò)55%，其中業(yè)務(wù)部門(mén)用戶數(shù)占比97%，全面支撐各類業(yè)務(wù)，基本上做到了人人用數(shù)。

　　而一個(gè)優(yōu)質(zhì)的數(shù)據(jù)產(chǎn)線層的價(jià)值還遠(yuǎn)不止于此。

　　銀行業(yè)面臨紛繁復(fù)雜的信息，這些信息數(shù)據(jù)之間有千絲萬(wàn)縷的聯(lián)系，背后潛藏著大量商業(yè)機(jī)會(huì)，只看銀行是否有能力去實(shí)現(xiàn)有效的聯(lián)系構(gòu)建，最終挖掘到商業(yè)機(jī)會(huì)。

　　華為聯(lián)合伙伴打造的數(shù)據(jù)產(chǎn)線除了實(shí)現(xiàn)了數(shù)據(jù)服務(wù)能力的高度敏捷化，還能夠?qū)崿F(xiàn)語(yǔ)義化可推理的主動(dòng)元數(shù)據(jù)圖譜、智能化的數(shù)據(jù)編織。多維下的數(shù)據(jù)跨界融合，知識(shí)圖譜的不斷豐富、打磨，讓數(shù)據(jù)中臺(tái)對(duì)業(yè)務(wù)的支撐獲得了質(zhì)變。

　　例如，一家大型銀行通過(guò)構(gòu)建手機(jī)CRM系統(tǒng)，實(shí)現(xiàn)了從傳統(tǒng)陌拜到精準(zhǔn)獲客和持續(xù)經(jīng)營(yíng)的轉(zhuǎn)變，能夠做到地圖查新企業(yè)、營(yíng)銷(xiāo)策略推薦、產(chǎn)品展示和業(yè)務(wù)指導(dǎo)等，在移動(dòng)端就可完成談判決策支持、客戶信息采集、流程跟蹤和風(fēng)險(xiǎn)分析等全流程管理。

　　與此類似，某城商行通過(guò)融合多方數(shù)據(jù)形成知識(shí)圖譜，實(shí)現(xiàn)了對(duì)公營(yíng)銷(xiāo)數(shù)字化，服務(wù)于智慧園區(qū)信貸和結(jié)算用戶拓客，此外，還利用圖技術(shù)挖掘潛在客戶實(shí)現(xiàn)數(shù)字化營(yíng)銷(xiāo)、探索小微金融服務(wù)新模式。

　　它們背后都是華為的多維分析方案，支持億級(jí)數(shù)據(jù)的毫秒級(jí)響應(yīng)和百億級(jí)數(shù)據(jù)的多區(qū)域部署，除了數(shù)據(jù)底座支撐、云—數(shù)—智—算融合架構(gòu)，數(shù)據(jù)產(chǎn)線層的創(chuàng)新同樣功不可沒(méi)。

　　數(shù)據(jù)應(yīng)用層：好用、可用、樂(lè)用，打開(kāi)數(shù)據(jù)消費(fèi)的“加速閥”

　　上文提到某股份制銀行在華為協(xié)同下實(shí)現(xiàn)了人人用數(shù)，這是數(shù)據(jù)底座、數(shù)據(jù)產(chǎn)線創(chuàng)新的綜合結(jié)果，但是，在最終促進(jìn)行內(nèi)用戶去使用場(chǎng)景應(yīng)用的“最后一公里”，還需要數(shù)據(jù)應(yīng)用層的創(chuàng)新努力。

　　只有真正用起來(lái)，數(shù)據(jù)消費(fèi)“旺盛”了，才能繁榮數(shù)據(jù)服務(wù)的生態(tài)，尤其是實(shí)現(xiàn)數(shù)據(jù)“越用越多”的價(jià)值閉環(huán)(業(yè)務(wù)的發(fā)展帶來(lái)更大規(guī)模、更多種類數(shù)據(jù))，讓數(shù)據(jù)中臺(tái)的價(jià)值在持續(xù)運(yùn)營(yíng)中其價(jià)值將隨著時(shí)間的推移將呈指數(shù)級(jí)增長(zhǎng)。

　　因此，可以看到華為還在推動(dòng)數(shù)據(jù)消費(fèi)能力可組合、范式化，構(gòu)建智能化用數(shù)賦智模式與工具體系，快速適配業(yè)務(wù)變化，讓更多數(shù)據(jù)使用者能隨時(shí)隨地獲取到可靠的數(shù)據(jù)。

　　在一個(gè)數(shù)據(jù)智能的時(shí)代，這樣的數(shù)據(jù)中臺(tái)實(shí)踐，正在幫助銀行實(shí)現(xiàn)數(shù)智融合。無(wú)處不在的數(shù)據(jù)、無(wú)處不在的智能，沒(méi)有門(mén)檻的應(yīng)用，加速的數(shù)據(jù)消費(fèi)與數(shù)據(jù)資產(chǎn)沉淀，一個(gè)良性循環(huán)基于新一代數(shù)據(jù)中臺(tái)的實(shí)踐在逐步實(shí)現(xiàn)。

　　在具體的做法上，華為于數(shù)據(jù)應(yīng)用層全面融入AI引擎，推動(dòng)智能數(shù)據(jù)分析，用AI來(lái)推動(dòng)數(shù)據(jù)分析的可視化和自動(dòng)化，實(shí)現(xiàn)諸如歸因分析等數(shù)據(jù)智能高階能力，讓數(shù)據(jù)分析好用(NL查數(shù)、NL分析，數(shù)據(jù)分析的可視化和自動(dòng)化，極低應(yīng)用門(mén)檻)、可用(高準(zhǔn)確性)、樂(lè)用(AI輔助進(jìn)行智能數(shù)據(jù)分析，可不斷探索、挖掘數(shù)據(jù)價(jià)值)。

　　在未來(lái)，更多的銀行在數(shù)據(jù)應(yīng)用上會(huì)變得更簡(jiǎn)單。例如，歸因分析下，當(dāng)普通業(yè)務(wù)員或者管理者發(fā)現(xiàn)最近理財(cái)業(yè)務(wù)業(yè)績(jī)下降了，或許只需要向某個(gè)數(shù)智化應(yīng)用，采用自然語(yǔ)言的方式問(wèn)詢，比如“為什么最近片區(qū)的理財(cái)業(yè)績(jī)下降了”，應(yīng)用就可以基于數(shù)據(jù)中臺(tái)能力自動(dòng)生成一套分析報(bào)告。

　　這樣的數(shù)據(jù)應(yīng)用，才是數(shù)據(jù)中臺(tái)未來(lái)要追求的。

　　結(jié)語(yǔ)

　　華為通過(guò)AI融合，在數(shù)據(jù)底座、數(shù)據(jù)產(chǎn)線和數(shù)據(jù)應(yīng)用三個(gè)層面都進(jìn)行了大量創(chuàng)新與推進(jìn)，探索和實(shí)踐了新一代數(shù)據(jù)中臺(tái)。而除此之外，在銀行業(yè)對(duì)數(shù)據(jù)的安全性十分敏感的當(dāng)下，華為還進(jìn)行了完善的數(shù)據(jù)安全管控體系建設(shè)，采用總控與穿透式多方權(quán)責(zé)體系及治理機(jī)制，做到不缺位不越位。

　　典型如金融級(jí)數(shù)據(jù)權(quán)限控制，個(gè)人只能查詢到個(gè)人數(shù)據(jù)、機(jī)構(gòu)管理者只能查看自己機(jī)構(gòu)及下屬數(shù)據(jù)、零售人員只能看到零售相關(guān)主題和字段、管理者可以看到全局所有字段等。

　　總的看來(lái)，在一系列創(chuàng)新下，數(shù)據(jù)中臺(tái)在真正改變企業(yè)而非僅僅改變業(yè)務(wù)，華為正在推動(dòng)銀行客戶從“+AI賦能”走向“AI+產(chǎn)能”，讓大模型深入融合到企業(yè)稟賦當(dāng)中，無(wú)處不在、無(wú)時(shí)不有，以AI+應(yīng)用、AI+終端、AI+業(yè)務(wù)三個(gè)維度推進(jìn)智能銀行的真正實(shí)現(xiàn)，讓銀行客戶贏在數(shù)智化時(shí)代。