银行老鸟看数据中台

最近数据中台的概念刮的很盛，吸引了甲方爸爸们的注意，本老鸟为了继续忽悠事业，也不得不学习一下。

很多人说数据中台是旧瓶装新酒，但是这次用的瓶子还是比较卫生的。数据中台的方案整体来看也比较接地气的。遥想十年前本鸟参加某银行科技大会，科技部门老大在台上大讲“IT创新、IT引领”。IT建设可以实现业务创新和客户智能化管理，听的是热血沸腾。当然，后续的结果大家都知道。IT部门为了实现“真正”意义上的“引领”，直接找顶级咨询公司做架构设计，这事后来被认为是闭门造车，浪费资源。有些IT部门为了证明投资的正确性，甚至自己冲到了业务一线，结果可想而知。而数据中台这次虽然也是忽悠甲方爸爸投资，但是至少理性了许多（要价也少了不少）。首先对IT的定位是提供支撑和服务，而把一线工作交还给业务部门。据说这个理念是来自军事作战。在陆地作战中，由于双方的火力是隐蔽的，要想获取对方准确的武力分布，必须派出武装小分队进入战场。一般该小分队由3至7人组成（有学者研究说超过7人，队伍就会出现扯皮等无效行为），配备先进的装备和通讯设备，一旦发现对方主力武装便会呼唤神龙，用大型火力消灭对方。

军事上的这个战术被一家名为Supercell的游戏公司所借鉴，据说实现了单人0.7亿的估值。这刺激了国内互联网大佬的神经，一番学习内化之后，自我感觉良好，因此就想“独乐乐，不如众乐乐”。于是从自有系统中抽出一部分作为金融赋能的产品，与咨询公司开始组团忽悠。遍观各种忽悠材料，数据中台的架构大致如下图所示：

（引用自《阿里云数据中台解决方案》，略有修改）

在上图架构示意图中由虚线框分为两部分，下半部分负责数据，上半部分负责算法。

首先说数据部分吧。其中左侧的数据资产管理模块和右侧的智能数据研发模块都是老生常谈了，参见各类银行数据治理和治理平台的讲解吧。中间部分又分为数据采集中心、数据公共中心、数据应用中心。采集中心也很成熟，就不说了。数据公共中心大概等同于传统数仓，数据是按照主题进行跨数据源规整的。比如下图所示的十大数据主题。

（引用自《NCR FS-LDM 10.0》）

上图看上去还挺像那么回事的，有两大特点：存储省空间、分析费人力。做过银行数据挖掘项目的看客肯定对这样的数据架构深恶痛绝，为了让大家都感同身受，请看下面的对比图。从业务需求角度，我们希望知道的客户的行为偏好等信息（老鸟不厚道的认为所谓大数据客户洞察就是“看人下菜碟，那啥眼看人低”），但是到数据仓库取数，都是客户申请信息、交易信息，不但与分析不相关，而且数据量极大，还有的是文本数据，心里那个惆怅啊。尤其最近几年行为分析和文本分析火了，可能一家银行有十多个项目组都在调用同样的流水数据做信息提取，导致分析资源极度紧张。

再这样无组织的发展下去，估计只有大数据厂商会笑，做分析的人都在哭吧。数据应用中心提供了解决方案。他由画像标签、报表和自助查询组成，其中画像标签部分又分为客户画像、产品画像、客户经理画像、机构渠道画像、案例画像等。先说说客户画像的标签吧，很多人都问这些客户标签在之前做CRM的时候不是已经做了吗？这就是理念上的差异了。之前的客户关系管理标签大部分是出于客户管理角度，比如识别出高价值客户。这可以解决后台部门客群分析等需求，但无法满足前台客户经理营销的需求。打个比方，客户经理就像单身屌丝，客户就像美女。评价哪个美女最美只能帮助屌丝明确行动目标，但是不能帮助他制定行动策略。如果不了解对方的需求和时机而冒然搭讪，那叫耍流氓。有些高价值客户曾经被过度营销，银行的营销活动也没少被投诉。能帮助客户经理的标签是能够反应客户需求层次、需求阶段、营销时机的标签。这些标签需要在客户需求理论和购买行为理论的框架下搭建起来。

为了显得这个标签是高大上的，本老鸟的团队把他取名为“客户基因图”。为啥取这个名字呢？其含义就是这些标签反应的是客户的本质上的东西，未来三五年无论有什么产品营销需求，这些标签都是大概率上满足需求的。比如其中的“有车一族”的标签，在今年银行ETC大战中可谓是人见人爱啊。

接下来说说算法模块。其实这部分也不是什么新领域，毕竟SAS等分析工具已经做了几十年了。目前市场上涌现出很多所谓的智能分析平台或工具，其实和SAS工具大同小异，主要的差异在于软件便宜，但是使用贵和运维难。不过这也是方向，毕竟中国人学习能力强，未来几年分析人员供给肯定供过于求。下面要强调的是，只提供一个分析平台，把开源的Python封装一下，甚至实现所谓的“拖来拽”是不够的。要想实现让一线人员真正动手做分析，一定要预先设计好数据挖掘工作模板。比如下面这个数据科学三大分析范式、八大分析模板。可以让业务人员根据自己的业务需求从预设的模板中选择。一个分析模板中不但提供了可选的算法，还提供了可选的特征集、评估指标、模型运行托管。这样的话，业务人员就可以通过简单的拖拉拽配置一下实现客户价值深挖、风险识别和运营优化。

最近新技术层出不穷，不过任何技术理念再好，也需要结合银行各自的实际情况做灵活变通，才有生命力。

团队介绍：我们是毕马威旗下的专业数据挖掘团队，微信公众号（kpmgbigdata）每周六晚8点准时推送一篇原创数据科学文章。我们的作品都由项目经验丰富的博士或资深顾问精心准备，分享结合实际业务的理论应用和心得体会。欢迎大家关注我们的微信公众号，关注原创数据挖掘精品文章；您也可以在公众号中直接发送想说的话，与我们联系交流。