神州信息金融业敏捷高效的数据管理实践|华为_新浪财经

原标题：神州信息金融业敏捷高效的数据管理实践来源：神州信息官微

近日，神州信息首席数据治理专家黄万忠出席华为智慧金融峰会2021“华为云数据使能，加速金融数据资产化”论坛，并做了题为《神州信息敏捷高效的数据管理实践》的演讲，演讲全文如下：

很高兴与大家一起分享关于数据管理相关的话题。

首先介绍一下神州信息与华为目前已经形成一个全栈适配的体系框架（如下图）。以华为服务器―鲲鹏、操作系统、数据库、华为云等组成的华为基础技术平台为基础往上构建，神州信息的全栈金融线系统已经通过了测试和认证，在许多国内金融客户里也取得了非常好的落地效果，包含常见中台的建设，如技术中台、服务中台、数据中台，还有核心应用产品族、云应用产品族、智能银行产品族、移动互联产品族和数据智能产品族等。

其次，神州信息联合华为在金融行业推出了高性能的联合解决方案。包含“银行关键业务系统联合解决方案”“云化开放银行联合解决方案”，服务于银行的关键业务系统，如数据中台，也在构建中间业务系统和核心业务系统等中前端解决方案。方案在银行业务整体性能方面可提升约30%，弹性扩展和高可用性方面几乎是100%提升，而在批处理时间上，与原来国际上的数据产品相比，至少提升约20%。

目前在数据管理服务方面，金融机构需要以下六大核心能力：

第一是数据治理的能力，包括对企业的数据进行管控，数据资产管理、数据治理、数据资产盘点等，让数据可信可靠。

第二是数据操作层面，汇聚各个独立系统的数据，为数据的储存和操作提供便利和服务。

第三是数据分析赋能层面，让数据科学家、数据分析师等角色能够更快地获取所需的数据。

第四是数据服务应用层面，通过在线计算的分析，离线计算与分析、机器学习能力等来提供强大的平台支撑，在数据智能应用层面提升和赋能。

第五是用户体验层面，倡导数据清零的理念，为客户提供数据资产查询和使用通道，加速数据生产能力的释放。

第六是监管合规层面，这是作为金融企业绕不开的一个领域，如何让各类数据操作遵循国家行业的监管要求，主要需要确保数据的访问和使用是可追踪、透明合法的。

为满足金融机构以上能力，神州信息提供五大关键要素。

一是数据治理的标准化，二个是数据资产化，三是资产服务化，四是数据业务化，五是运营的平台化。

这五大要素能力基本上对应着咨询解决方案和相应的产品治理的标准化，即数据治理是要有体系化的咨询和方法论，同时也要有相应的数据管控和数据资产管理的成熟的产品标准和方法论。

基于以上关键要素，神州信息构建了10+1的功能架构。

+1是在数据管理方面数据应用的一个支持，10是从存储到数据中台运维。 1 是存储与计算，会集成像华为的各种数据库和数据仓库、大数据、产品这些基础类的产品。2是基于华为的底座进行数据资产的管理以及数据资产的运营。在这之上才是对数据的采集、集成、开发和人工智能应用赋能的偏数据中台的工具的使用；然后是数据业务的支撑，如客户画像、客户标签等；再进行数据服务与访问，主要通过微服务技术、数据服务平台；最后是数据的应用与支撑。而贯穿数据生命周期的是数据安全和数据平台运维，这是我们提供的一个10+1的功能架构。

其中重点是数据资产管理和运营：一般咨询公司和国内厂商做的，会着重强调它是数据资产管理的特性，但往往会忽略数据运营的特性。因为华为底座的基础管理能力，特别是原数据，与国外的数据产品对比，有很大的提升，所以我们更应该关注数据资产的运营。主要关键在于如何利用我们的工具和系统，对数据资产能够自动和在线的盘点。如何让数据资产能够在查询和使用上发挥它的威力，这个是数据资产管理和运营非常重要的一个环节。

基于10+1功能架构，神州信息也推出了一个全面数据管理的框架架构。

底层是企业数据资产的获得。

可以从数据整合平台如仓库集市上获得数据，也可以从原数据组织平台获得数据，也可以从半结构化的单位平台上获得数据，而我们最终目的是要把这个数据进行使用。所以，我们通过普通的数据服务，还有高阶的数据挖掘，在使用之前还会有企业数据资产的管理模块来应对，这个模块就是我们广义上的数据治理，通过此模块发现问题，在源头对数据进行修复。

中间层是企业数据资产管理，分为三块：

第一块是管控域，主要是从组织、制度、流程，包括数据资产盘点，来高阶指导数据治理的工作应该如何做，主要是偏咨询和规划领域的。

第二块是数据管理领域，偏向实践。不同的体系方法论是不一样的，DAMA（国际数据管理协会）是11大领域，我们这儿把它合并了一下，称为八大领域，涵盖了标准质量、原数据和数据服务等。

第三块是工具，偏咨询和偏实践的领域，都需要工具的支持。我们可以把咨询里的制度流程线上化；偏实践领域的体力活，通过工具变成自动化或者半自动化，使数据资产管理的工作变得事半功倍。

最后分享的是数据方法体系：这是神州信息经过10多年的数据管理方面的实践，并结合了国内外的先进理论体系，推出了数据管理敏捷实践的十大推进模式。

基于上述的数据资产管理三部分：咨询领域、实践领域和工具域，在深入思考了三者的整体规划、先后顺序和覆盖范围后，我们推出了这种不同的实践模式――简单来说即第一种整体规划模式。这是我们在数据管理实践上的具体沉淀。