在文思海輝金融商業(yè)智能解決方案研討會(huì )上文思海輝副總裁賈丕星表示，文思海輝的商業(yè)智能團隊已經(jīng)發(fā)展到452人的規模，并且隨著(zhù)國內銀行商業(yè)智能領(lǐng)域發(fā)展，還在逐步完善解決方案和擴大團隊。

　　賈丕星指出，現階段銀行商業(yè)體系是基石，把數據做有效的存儲，以及好的管理，未來(lái)商業(yè)智能領(lǐng)域會(huì )發(fā)展的很好，未來(lái)三五年之內這仍然是文思海輝解決方案的核心。

　　文思海輝副總裁 賈丕星

　　“小數據和大數據在銀行業(yè)里更多是互為補充而不是替代。小數據比較簡(jiǎn)單，有比較成熟的技術(shù)應對。大數據更多的是理念優(yōu)先，其一個(gè)典型特征是價(jià)值密度較低，這也是大數據帶來(lái)的思考。”

　　賈丕星認為，銀行思考大數據更多的需要考慮你具備什么條件讓客戶(hù)產(chǎn)生的大數據自動(dòng)的流向銀行。文思海輝在大數據領(lǐng)域仍然保持和合作伙伴廠(chǎng)商緊密接觸。像IBM、BMC、Oracle每一家對大數據的理解其實(shí)是有差異的，而且差異非常大。

　　賈丕星指出了大數據時(shí)代針對傳統數據倉庫的思考，其中包括不要因為大數據擾亂我們的原則、規劃、節奏；技術(shù)和平臺已經(jīng)不是我們關(guān)注的重點(diǎn)；原則和架構在“以不變應萬(wàn)變”中顯得尤為重要；正確的方法論、管控的水平?jīng)Q定了質(zhì)量；引導客戶(hù)主動(dòng)的“分析探索”是永恒的話(huà)題。

　　以下為演講實(shí)錄：

　　大家知道文思和海輝是去年年底合并的，從集團研發(fā)對我們支持角度來(lái)說(shuō)：第一點(diǎn)祥麟給了我們一個(gè)很好的技術(shù)規劃體系。第二個(gè)是智慧金融這個(gè)概念，把所有金融事業(yè)群解決方案有效整合在一起。形成應對未來(lái)銀行業(yè)務(wù)發(fā)展很好的體系。從這兩個(gè)角度來(lái)說(shuō)，給了整個(gè)商業(yè)智能部這邊很大的支持。

　　今天我講的是數據倉庫的概念。我們這個(gè)團隊跟大家認識都是從數據倉庫這個(gè)角度跟大家相識的。我們這個(gè)團隊一直被認為是業(yè)內做商業(yè)智能做的比較久，相對來(lái)說(shuō)比較專(zhuān)業(yè)的團隊。每年我基本都講第一場(chǎng)，對我來(lái)說(shuō)也是一個(gè)很大的挑戰。每年都想講一點(diǎn)我這一年多的新的體會(huì )和感受跟大家分享。今天講什么呢？前段時(shí)間我在外面講的更多的是從小數據角度看大數據，大數據現在提的越來(lái)越多，小數據從另外一個(gè)角度理解它，它種類(lèi)比較單一但是業(yè)務(wù)種類(lèi)并不單一；第二它量比較小，大數據量可以很大。

　　大數據的年代里，真正的數據倉庫應該如何規劃建設？我們今年也有自己更多的思考和體會(huì )。講這個(gè)之前，我還是把團隊的情況給大家做一個(gè)簡(jiǎn)單回顧。在各位新老客戶(hù)支持下，我們商業(yè)智能團隊從去年300多人，現在已經(jīng)發(fā)展到452人的規模。我們跟隨著(zhù)國內銀行商業(yè)智能領(lǐng)域發(fā)展，在逐步完善我們的解決方案和擴大我們的團隊。我們團隊主要分布在華東、華北、華南三個(gè)區域。跟隨著(zhù)客戶(hù)在成長(cháng)，我們有越來(lái)越多的新的解決方案和原有解決方案的優(yōu)化在不斷的推出。

　　我們傳統的優(yōu)勢就是數據倉庫和數據管控，這兩個(gè)方面會(huì )放在今天上午跟大家分享。現階段銀行商業(yè)智能體系的基石，還是把數據做有效的存儲和更好的管理，這個(gè)領(lǐng)域未來(lái)三五年之內這仍然是我們解決方案的核心。

　　團隊為什么會(huì )有所成長(cháng)？跟我們自己承接了更多的項目有關(guān)。在過(guò)去兩年，所有業(yè)內資產(chǎn)排名前20位銀行里，新啟動(dòng)五個(gè)數據倉庫都是由我們團隊承接的。正是有這樣好的項目機會(huì )讓你的團隊有成長(cháng)，解決方案不斷的優(yōu)化。

　　我今天既看到了特別支持我們的長(cháng)期的老客戶(hù)，也看到我們未來(lái)有合作機會(huì )的新客戶(hù)。這是我們近期拿下來(lái)的國內一個(gè)大型股份制銀行的數據架構規劃和數據倉庫規劃咨詢(xún)項目。這個(gè)項目有很大的挑戰，客戶(hù)需要對他們管理信息類(lèi)的系統進(jìn)行全面的梳理，我們也對過(guò)去5年我們的積累進(jìn)行總結，這是很好的結合。數據倉庫只靠一個(gè)EDW發(fā)揮不了太多的作用，更多的是規劃的角度，圍繞從數據的產(chǎn)生、交換、存儲、使用，由數據轉成業(yè)務(wù)價(jià)值的全過(guò)程。這個(gè)是我們更愿意看到的東西。我們不希望大家理解的BI僅僅是一個(gè)平臺，存儲了企業(yè)里面有效、無(wú)效所有的信息，這個(gè)沒(méi)意思。有意思是的通過(guò)價(jià)值體系的打造讓它更好的發(fā)揮價(jià)值。

　　說(shuō)到這點(diǎn)，結合今天題目去談，就是小數據和大數據的概念。我從不覺(jué)得大數據是新的有震撼力的東西，但是它確實(shí)給我們帶來(lái)了轉變。我個(gè)人理解它們兩個(gè)沒(méi)有什么所謂替代形成，特別是銀行業(yè)里面，更多的是互為補充。

　　從另外一個(gè)角度來(lái)講，小數據比較簡(jiǎn)單，有比較成熟的技術(shù)應對它。大數據是多種類(lèi)型數據的組成，需要使用多種技術(shù)對待它。比如說(shuō)圖像、視頻、文檔。每一個(gè)識別和監測它的手段和方法是不一樣的。另外大數據更多的是理念優(yōu)先，它在銀行里到底能發(fā)揮什么價(jià)值？另外大數據我們會(huì )說(shuō)它一個(gè)比較典型的特征，它的價(jià)值密度很低。那么反回來(lái)思考，把大量數據存下來(lái)再去做統計分析有意義和價(jià)值嗎？還是通過(guò)實(shí)時(shí)處理的技術(shù)把沒(méi)價(jià)值的東西篩掉，再利用有價(jià)值的做結構化的關(guān)聯(lián)分析？這就是大數據給我們帶來(lái)的思考。

　　銀行思考大數據，更多的需要考慮你具備什么條件讓客戶(hù)產(chǎn)生的大數據自動(dòng)的流向銀行？銀行獲取大數據方式可能跟傳統的物聯(lián)網(wǎng)行業(yè)不太一樣。銀行對待大數據的時(shí)候更多的考慮是銀行有什么類(lèi)型的大數據？從銀行統計應用角度來(lái)說(shuō)有什么價(jià)值？我們是實(shí)施商，我們在大數據領(lǐng)域仍然保持跟我們的合作伙伴廠(chǎng)商的緊密接觸。我們從去年和前年就開(kāi)始跟我們合作緊密的像IBM、BMC、Oracle的大數據廠(chǎng)商進(jìn)行緊密的溝通和跟進(jìn)。我們看怎么更他們更好的結合去為銀行提供更好的服務(wù)。但是我們發(fā)現每家廠(chǎng)商對大數據的解讀其實(shí)是有差異的。 比如說(shuō)EMC的HAWQ技術(shù)路線(xiàn)適合銀行嗎？因為我們知道HDFS底層數據存儲和關(guān)系數據的底層數據有本質(zhì)的區別。但是它有它的應用場(chǎng)景，比如互聯(lián)網(wǎng)和電商類(lèi)。Teradata的大數據技術(shù)路線(xiàn)中重點(diǎn)突出基于MR的Aster，它可能也只是適合一定的場(chǎng)景。所以讓我們看到一個(gè)特點(diǎn)是百花齊放，大家各有各的發(fā)展思路。在原有的基礎上在怎么更好的綁定客戶(hù)，每家策略不一樣。 但是銀行一定要選擇適合自己的。

　　銀行大數據在典型應用場(chǎng)景分析有哪些呢，無(wú)非就是三種類(lèi)型：外部互聯(lián)網(wǎng)信息、輿情分析；是銀行確實(shí)能夠通過(guò)各種手段找到外部的一些信息，互聯(lián)網(wǎng)的評價(jià)、社交媒體和論壇里面的發(fā)言，它關(guān)注到銀行或者關(guān)注到了銀行客戶(hù)。這種信息是一種非嚴謹的獲取方式，也是一種特別嚴謹的決策分析的補充。

　　銀行自身非結構化數據信息：就是銀行自身有大量非結構化信息體現在網(wǎng)銀和呼叫中心的語(yǔ)音，這些信息是不是大規模的做分析？我建議的方式是嘗試。因為傳統結構化數據或者分析技術(shù)并沒(méi)有讓你在業(yè)務(wù)決策分析里面發(fā)揮到極至。我們一定要做更多的嘗試，引導我們去體驗大數據的場(chǎng)景。銀行自身結構化數據歷史歸檔和查詢(xún)訪(fǎng)問(wèn)。這三個(gè)方面是我們跟銀行探討更多的，大數據在銀行的應用場(chǎng)景。

　　大數據時(shí)代針對傳統數據倉庫的思考：首先不要因為大數據這個(gè)詞擾亂了我們的的原則、規劃和節奏。我們要一步步腳踏實(shí)地的跟進(jìn)大數據的技術(shù)。

　　其次傳統的數據倉庫我昨天思考完寫(xiě)了四句話(huà)：

　　第一，技術(shù)和平臺已經(jīng)不是我們關(guān)注的重點(diǎn)。很多新客戶(hù)型的時(shí)候他會(huì )猶豫，其實(shí)你有你的判斷，你作為商務(wù)上你有你的所謂投資回報成本的考慮。但是技術(shù)上在傳統結構化分析里面，它的差異性不是很大。那么做選型的時(shí)候是否能夠處理傳統的結構化數據？我相信還是一個(gè)重點(diǎn)，但是更大的重點(diǎn)應該放在如何更好的支撐應用和如何跟未來(lái)技術(shù)走向很好的結合。

　　第二：變化莫測的世界里做好架構管理才能以不變應萬(wàn)變的決策。所以我們更強調合理的原則和架構。這些年廠(chǎng)商提出來(lái)做數據倉庫用10大原則、20大原則，原則越多越?jīng)]用，原則少有效才能解決真正的問(wèn)題。

　　第三，過(guò)去十年前做數倉，用一期項目整合300張表，現在可以整合1000張表，就是因為正確的方法論。一個(gè)好的方法論出來(lái)，關(guān)于開(kāi)發(fā)管控和數據管控水平不斷的提升，才能保證一家銀行商業(yè)智能體系的發(fā)展。

　　第四個(gè)是引導客戶(hù)主動(dòng)分析和探索，只有通過(guò)這個(gè)才能改變傳統業(yè)務(wù)人員分析思路和方法。

　　這四點(diǎn)是我們在新的數據平臺里面，大數據時(shí)代新的數據倉庫架構里面需要考慮的四個(gè)重點(diǎn)。

　　架構設計原則：做數據倉庫架構設計過(guò)程中，我們更審慎的對待自身的原則，這六句話(huà)有它背后的道理，第一個(gè)是操作型和分析型處理分離原則。第二個(gè)就是做到數據集體程度、整合和共享原則。第三句話(huà)，盡量減少大量明晰數據搬遷和處理。第四個(gè)后臺批量處理和前端聯(lián)機訪(fǎng)問(wèn)分離原則。第五個(gè)是明晰數據使用審慎使用。這個(gè)原則很重要。我們在銀行經(jīng)常遇到很多問(wèn)題，當業(yè)務(wù)部門(mén)提到一個(gè)需求說(shuō)我要查明細，我們要審慎的對待，合理評估投入產(chǎn)出。最后一個(gè)就是做好統一技術(shù)平臺。

　　關(guān)于數據倉庫里面的四層架構：貼源的、主題整合、通用匯總、數據集市。哪個(gè)區域用什么策略我自己做十年了也沒(méi)有任何調整。這就是好的架構。

　　自主開(kāi)發(fā)體系：把數據倉庫實(shí)施方法論能夠很好的跟開(kāi)發(fā)工具做結合。這種開(kāi)發(fā)工具的結合，過(guò)去兩年，我們實(shí)施十幾個(gè)數據倉庫平臺里面發(fā)揮了很大的價(jià)值。客戶(hù)對我們的評價(jià)：第一開(kāi)發(fā)的東西可維護，第二質(zhì)量相對較高，開(kāi)發(fā)效率高。

　　另外永遠不要把數據倉庫建設和數據管控分開(kāi)來(lái)談。數據倉庫依賴(lài)于數據管控，提升數據質(zhì)量才能更好的服務(wù)于應用。這兩個(gè)是不分割的，甚至它的業(yè)務(wù)牽頭部門(mén)、主管部門(mén)都是一個(gè)。

　　引導業(yè)務(wù)人員上來(lái)主動(dòng)訪(fǎng)問(wèn)，這種探索式的推動(dòng)永遠是你不要放棄的一個(gè)話(huà)題。它同前期推動(dòng)來(lái)說(shuō)很難，但是它后期給你銀行整個(gè)分析水平的提升帶來(lái)的價(jià)值非常大。

　　我們做數據倉庫的，做數據管控的，我們不斷給銀行推要做隨機查詢(xún)。我們不斷的強化這三個(gè)東西的重要性，但是這三個(gè)東西都是前期投入大，后期才能逐步慢慢見(jiàn)效發(fā)揮很大價(jià)值的地方。國內的工行，之所以它的數倉成為業(yè)界領(lǐng)先典范，就是因為它堅持走這三條路。

　　在座的新老客戶(hù)，最后再跟大家說(shuō)一下“我們做的工作都是前期投入產(chǎn)出比較不合適的，但是希望大家重視，希望大家從規劃的角度解決好這三個(gè)概念的融合”。