关注“金科应用研院”,回复“礼包”
领取“风控资料合集”
文末还有惊喜小福利,记得看到底呦
01 如何利用业务发展带来的海量数据,反哺业务提效
但在提升数据应用能力的道路上,互联网金融机构仍面临着多方面的挑战。业务发展带来海量数据,如何以数据反哺业务提效?
对于业务人员来说,他们的需求很朴素:简单快速获取数据,导入BI系统快速分析。然而,这背后隐藏着一系列的挑战:成本、订单、交易额等数据在哪里,如何存储,谁来维护数据的准确性,数据如何被计算,以及如何处理数据指标之间的不一致性等问题。
对数据团队而言,不仅要面临业务重复、高时效的数据需求,还要承担海量数据的管理工作。例如,在处理数据提取的任务时,必须评估和解决数据的规模、存储格式、每日数据增长的峰值以及敏感信息的处理等复杂问题。
业务团队追求数据的快速获取与应用,而数据团队则注重数据的管理与质量,这两者之间的不同视角和关注重点造成了一个看似简单的“数据生产流转”——变得复杂。业务团队与数据团队的协同工作关键在于找到应用数据与管理数据之间的平衡点。
02「水滴」、「数禾科技」等互金企业数据应用案例解析
近期我看到了「水滴」、「数禾科技」等几家互联网金融机构的成功数据应用案例,对解决以上难点挑战整理了相当详细且全面的解决方案和实施路径。
数禾科技提出将数据融入 BI ,将 BI 融入业务,构建自己的“数据赋能飞轮”。先从业务流程开始,承载数字化业务,业务流程累积沉淀出数据,采集这些数据放在大数据平台上做洞察,基于洞察结果,制定一系列策略,并定计划行动,最后这些行动再落实在业务流程里。那么新的业务流程或者说这个变更过的业务流程,又开始运转起来,如此循环不断产生了螺旋式上升的飞轮效应。
同时,数禾内部构建了一个以数据治理驱动的全面语义数据体系。语义指说同一种语言:业务术语。举个例子,“在贷余额”,在A部门是剩余本金,在B部门叫期末余额,在C部门才叫在贷余额。因此,需要一个标准的术语体系,确保大家都在使用同一种语言。
该语义数据体系基础是由数据湖仓组成的强大数据基础架构。在这个基础之上,建立了一个管理业务逻辑语义的指标平台。这一结构不仅支撑了BI和各类数据产品,甚至AI相关的产品。整个体系实现了从数据的生成、供给到最终使用各个环节的语义整合。语义化的方法论是以业务流程为桥梁,实现数据模型、业务逻辑和指标等对象的语义标准化。如此一来,业务只需要关心需求,不需要关心数据在哪,以及数据怎么计算,他可以随时随地访问数据,分析数据。
水滴此前曾存在供需不平衡的情况,所有的数据场景工作事项都需要提需求。数据和商分专业团队在供应链的最中间。从业务视角看,为什么需求还在排期?但从数据视角来看,每天都在完成大需求小需求,但是整体认可度却不高,因为业务需求没有完全满足。数据中心化让所有的数据场景工作都需要提需求。因此成本就非常高。
针对以上情况,水滴主要做了三件事,成功打破数据中心化供需体系:
需求全面的Review。对需求进行梳理分类,明确需求背景和目标。
引入成熟BI产品。诞生更多的生产者,不仅仅是专业的数据团队、商分团队在数据建设。
深度的运营。精确定位种子用户,让业务更好地用起来。
完整案例资料可扫描下方二维码下载
FAL长期对外征稿,邀请各大风控人士加入我们,在风控圈分享你的经验与知识👉征稿,快到碗里来,有稿费那种!
感谢您看到这里
微信公众号对话框回复“小福利”
领取粉丝专属优惠券