#01

什么是數(shù)字化轉(zhuǎn)型的關(guān)鍵支撐點?

2012年「數(shù)字化轉(zhuǎn)型」這一概念被正式提出;十年后的今天，從傳統(tǒng)的制造、物流、零售等行業(yè)，再到金融、互聯(lián)網(wǎng)等行業(yè)，數(shù)字化轉(zhuǎn)型已經(jīng)成為了各行各業(yè)的廣泛共識，各大企業(yè)都將數(shù)字化轉(zhuǎn)型提升到了戰(zhàn)略層面。放眼全球，世界各國競相將發(fā)展數(shù)字經(jīng)濟作為搶抓新一輪科技革命和產(chǎn)業(yè)變革新機遇的重要抓手，我國經(jīng)濟發(fā)展要保持在全球經(jīng)濟領(lǐng)先地位，需要不斷引入新常態(tài)的增長模式，數(shù)字化轉(zhuǎn)型不再是選擇題，而是關(guān)乎企業(yè)生存和長遠發(fā)展的“必答題”。

對于企業(yè)而言，數(shù)字化轉(zhuǎn)型不可能一蹴而就，而是需要進行長期的投入和持續(xù)的運營。企業(yè)引進某一種先進的技術(shù)或者平臺其實只是開始，要想真正深入數(shù)字化轉(zhuǎn)型，還需要完善的方法論支撐以及持續(xù)的平臺建設(shè)運營，才能更好地服務(wù)業(yè)務(wù)，實現(xiàn)長足的增長與發(fā)展。(本文的數(shù)字化運營指的是對企業(yè)內(nèi)部數(shù)字化系統(tǒng)及平臺的建設(shè)和運營。)

身處數(shù)字化轉(zhuǎn)型前列的金融行業(yè)，已經(jīng)有部分銀行率先走出了自己的數(shù)字化運營之道，本文將試圖從銀行業(yè)普遍的數(shù)字化轉(zhuǎn)型痛點談起，以零售之王的落地實踐為例，深入分析其數(shù)字化運營的歷程和收益，希望可以給大家?guī)硪恍﹩l(fā)。

圖 1 搶占數(shù)字化市場先機

#02

數(shù)據(jù)賦能業(yè)務(wù)面臨哪些挑戰(zhàn)?

受制于傳統(tǒng)技術(shù)架構(gòu)，難以盤活數(shù)據(jù)資產(chǎn)：傳統(tǒng)的技術(shù)架構(gòu)中，IT 部門更像是數(shù)據(jù)的“搬運工”，從業(yè)務(wù)系統(tǒng)到數(shù)據(jù)倉庫/數(shù)據(jù)湖等平臺，掌握了大量的企業(yè)數(shù)據(jù)，但由于缺乏業(yè)務(wù)場景的支撐，業(yè)務(wù)人員難以深入了解數(shù)據(jù)內(nèi)在價值，導(dǎo)致數(shù)據(jù)難以沉淀為資產(chǎn)。

信息孤島和數(shù)據(jù)壁壘問題嚴(yán)重，無法實現(xiàn)數(shù)據(jù)連通：數(shù)據(jù)是數(shù)字化經(jīng)營的核心基礎(chǔ)，然而現(xiàn)狀是銀行內(nèi)部之間、內(nèi)外部之間的數(shù)據(jù)均存在壁壘，缺少“以客戶為中心”的數(shù)據(jù)協(xié)調(diào)和統(tǒng)一規(guī)劃，造成了總/分行業(yè)務(wù)間數(shù)據(jù)孤島。

傳統(tǒng)架構(gòu)無法滿足快速響應(yīng)和敏捷分析：業(yè)務(wù)部門數(shù)據(jù)分析需求與日俱增，業(yè)務(wù)人員希望查詢即查即出，而且可隨意進行數(shù)據(jù)探索，傳統(tǒng)關(guān)系型數(shù)據(jù)庫 + BI 的方案難以支撐，甚至影響了業(yè)務(wù)決策。

經(jīng)驗無法沉淀，資產(chǎn)不能被復(fù)制和共享：總行有較好的數(shù)據(jù)分析環(huán)境和經(jīng)驗，分析人員有豐富的分析經(jīng)驗，但是分析經(jīng)驗無法被沉淀和傳遞，分析人員之間、部門之間、總分行之間資源很難復(fù)用，導(dǎo)致資產(chǎn)不能很好得被共享和轉(zhuǎn)移。

數(shù)據(jù)時效性差，跟不上市場環(huán)境的變化：從數(shù)據(jù)加工到一線業(yè)務(wù)人員的手上，整個過程曲折且流程過長，為了保障數(shù)據(jù)的安全性還需重重審批，數(shù)據(jù)開發(fā)周期長，難以滿足業(yè)務(wù)人員自助式分析需求，而且存在開發(fā)運維、管理成本過高等問題。

那么，面對數(shù)字化運營的重重困難，走在轉(zhuǎn)型前沿的零售之王又是如何解決的?接下來，我們將從目標(biāo)、歷程、運營實踐、收益等方面談?wù)劻闶壑跞绾螌?shù)字化運營落地，釋放數(shù)據(jù)的價值。

#03

零售之王數(shù)字化運營的落地實踐

零售之王的 CIO 曾在接受媒體采訪時提到：“如何用最新的科技手段去解決問題?如何用科技的手段，不斷提升客戶的體驗?關(guān)鍵是讓信息傳遞變得扁平化、高效流轉(zhuǎn)，降低數(shù)據(jù)使用的門檻，讓數(shù)據(jù)賦能業(yè)務(wù)。”

3.1 以「降低用數(shù)門檻，數(shù)據(jù)賦能業(yè)務(wù)」為目標(biāo)

為此，該銀行最初定下了以下目標(biāo)：

進一步降低全行的用數(shù)門檻，除了專業(yè)的數(shù)據(jù)分析師、數(shù)據(jù)科學(xué)家以外，讓更多的一線業(yè)務(wù)人員可以自助使用大數(shù)據(jù)服務(wù)，用數(shù)據(jù)驅(qū)動決策，刺激業(yè)務(wù)的增長;

通過系統(tǒng)融合帶動業(yè)務(wù)融合，打破現(xiàn)有以部門為中心的業(yè)務(wù)系統(tǒng)豎井，構(gòu)建統(tǒng)一多維數(shù)據(jù)分析平臺，從底層打通總分行的數(shù)據(jù)和系統(tǒng)，提供可快速復(fù)制和共享服務(wù)的資源，服務(wù)總分行的數(shù)字化運營目標(biāo);

賦能員工以數(shù)字化方式提升工作效能，減少 IT 部門在重復(fù)性工作上的投入，實現(xiàn)數(shù)據(jù)的高效管理，維護系統(tǒng)持續(xù)穩(wěn)定的運營。

3.2 歷時三年，服務(wù)行內(nèi)近百個租戶，MAU 實現(xiàn)從百級到萬級的突破

為了更好地實現(xiàn)數(shù)據(jù)賦能業(yè)務(wù)，該銀行打造了以多維分析平臺為技術(shù)底座的數(shù)據(jù)中臺層，為業(yè)務(wù)分析人員提供低門檻的數(shù)據(jù)分析環(huán)境。其構(gòu)建分析環(huán)境的底座大概經(jīng)歷了啟動、成長、拓展、創(chuàng)新四個階段，逐步形成了其目前數(shù)字化運營的方法論和體系：

圖 2 統(tǒng)一多維分析平臺的發(fā)展階段

啟動階段：這一階段該銀行以架構(gòu)設(shè)計和架構(gòu)集成為目標(biāo)，完成了整體的架構(gòu)設(shè)計，實現(xiàn)與原有架構(gòu)的融合。在不影響現(xiàn)有業(yè)務(wù)的情況，Kyligence 產(chǎn)品與企業(yè)架構(gòu)進行了無縫集成：

下至與大數(shù)據(jù)平臺的融合，充分利用大數(shù)據(jù)的存儲和計算能力，將數(shù)據(jù)進行預(yù)構(gòu)建;

上至與 BI 展現(xiàn)平臺的無縫對接，Kyligence 作為 BI 平臺的統(tǒng)一查詢?nèi)肟冢瑢崿F(xiàn)與 Tableau\Cognos\MSTR\MIP(管理信息平臺) 等友好集成，將大數(shù)據(jù)分析能力賦予各個應(yīng)用系統(tǒng);

與元數(shù)據(jù)管控平臺、ETL 調(diào)度、自研 BI 設(shè)計器等周邊組件進行融合。

圖 3 Kyligence 與企業(yè)架構(gòu)的融合

成長階段：這一階段以平臺能力建設(shè)為目標(biāo)，銀行逐步建設(shè)和完善了平臺的可視化分析、靈活自助分析、租戶管理、權(quán)限管理等能力，滿足多維、明細、實時等多種查詢場分析場景，并在小范圍的業(yè)務(wù)場景中進行試點，如績效平臺、用戶畫像平臺、管理信息平臺等多個應(yīng)用對接，承載現(xiàn)有的業(yè)務(wù)流量，MAU 數(shù)量達到百級。

拓展階段：這個階段以場景拓展為目標(biāo)，不斷探索適宜的業(yè)務(wù)場景，并開展相應(yīng)的推廣和培訓(xùn)活動。經(jīng)過第二階段的小范圍試點取得的經(jīng)驗和成果，引入/吸引了更多的部門加入，同時將數(shù)據(jù)開放給總行、分行、團隊、客戶經(jīng)理等。Kyligence 承載行內(nèi)對私和對公兩大業(yè)務(wù)，已為全行 20 多個部室、80+ 租戶提供數(shù)據(jù)分析服務(wù)。

創(chuàng)新階段：這個階段以穩(wěn)中求進，開拓創(chuàng)新為目標(biāo)。首先，在現(xiàn)有平臺的基礎(chǔ)上，不斷完善平臺的智能化能力，提升系統(tǒng)的穩(wěn)定性、查詢性能、數(shù)據(jù)時效性、成本管理等價值服務(wù);其次，在基于逐漸完善的數(shù)據(jù)中臺上，根據(jù)市場變化不斷探索創(chuàng)新，建設(shè)更加完整的數(shù)字化運營生態(tài)平臺。

在啟動階段到成熟階段的過程中，銀行業(yè)務(wù)規(guī)模和數(shù)據(jù)規(guī)模均在不斷擴大。Hadoop 構(gòu)建集群規(guī)模從最初的幾十個節(jié)點增長到數(shù)百個節(jié)點，數(shù)據(jù)規(guī)模更是從數(shù)百 TB 增長到近 2 PB，每月數(shù)據(jù)增長就達到上百 TB;隨著該平臺的不斷運營和推廣，使用人數(shù)不斷增加，Kyligence Enterprise 實例從開始幾個節(jié)點擴展到幾十個節(jié)點，模型數(shù)量從最初的兩位數(shù)增長到 700+，已覆蓋了 20+ 業(yè)務(wù)場景。

3.3 平臺持續(xù)運營：覆蓋 20+ 業(yè)務(wù)場景，業(yè)務(wù)自主用數(shù)超 95%

隨著數(shù)字化轉(zhuǎn)型的深入，銀行的業(yè)務(wù)需求不斷增加，數(shù)據(jù)和應(yīng)用開發(fā)也成暴漲性增長。在建設(shè)多維分析平臺的過程中，銀行也需要持續(xù)加強對數(shù)據(jù)資產(chǎn)的管理，同時提升平臺的運營能力，以便承接更多的業(yè)務(wù)需求。

在服務(wù)零售之王及其他領(lǐng)先銀行的過程中，Kyligence 總結(jié)了多維分析平臺建設(shè)和運營的系統(tǒng)方法論。接下來，我們從場景、架構(gòu)、開發(fā)、運維、優(yōu)化和推廣等方面一起看零售之王如何在三年內(nèi)，通過持續(xù)的運營和推廣，覆蓋 20+ 業(yè)務(wù)場景，實現(xiàn)業(yè)務(wù)自主用數(shù)超 95%。

場景

正如“用人當(dāng)用其長”，企業(yè)引入一個產(chǎn)品需要依照一定的標(biāo)準(zhǔn)對其進行系統(tǒng)性的評估，才能知其長、避其短，在合適的業(yè)務(wù)場景發(fā)揮它的優(yōu)勢。企業(yè)可以根據(jù)業(yè)務(wù)的內(nèi)在特性、受眾群體、時效等因素，去衡量多維分析平臺能否滿足其要求。

在零售之王的實際案例中，經(jīng)過一系列的評估，其在多維分析平臺上部署了公司金融、零售信貸、零售金融、私人銀行、風(fēng)險管理以及信用卡等業(yè)務(wù)領(lǐng)域，目前為行內(nèi) 20 多個部室，80+ 租戶提供了數(shù)據(jù)分析服務(wù)。

架構(gòu)

對于全行架構(gòu)的“大家庭”來說，Kyligence 多維數(shù)據(jù)庫快速融入，并成為提升大數(shù)據(jù)平臺價值的一員猛將。Kyligence 多維數(shù)據(jù)庫的設(shè)計嚴(yán)格遵循 REST API 風(fēng)格，從而使其與行內(nèi)的系統(tǒng)更容易集成，甚至可在 Kyligence 產(chǎn)品上進行二次開發(fā)，行內(nèi)的系統(tǒng)無需重新進行架構(gòu)調(diào)整，確保了行內(nèi)架構(gòu)的自主性。

行內(nèi)原有的 BI 產(chǎn)品可通過不同的標(biāo)準(zhǔn)接口與 Kyligence 多維數(shù)據(jù)庫友好對接，Kyligence 多維數(shù)據(jù)庫則作為行內(nèi) BI 平臺統(tǒng)一的查詢?nèi)肟冢瑢⒋髷?shù)據(jù)分析能力賦予給管理信息系統(tǒng)、管理駕駛艙、對公 CRM 等各個應(yīng)用系統(tǒng)，各應(yīng)用系統(tǒng)通過統(tǒng)一標(biāo)準(zhǔn)即可與 BI 產(chǎn)品對接，充分發(fā)揮應(yīng)用系統(tǒng)的大數(shù)據(jù)分析能力，提升業(yè)務(wù)用戶的體驗。

Kyligence 架構(gòu)設(shè)計上采用了讀寫分離部署模式，運用多租戶的管理方式，使得不同的開發(fā)及業(yè)務(wù)部門在相互不干擾的情況下，能夠共用同一套多維分析環(huán)境，做到了租戶間的資源隔離，同時 IT 開發(fā)模式和數(shù)據(jù)訪問模式可共用一份數(shù)據(jù)，避免了數(shù)據(jù)的遷移。統(tǒng)一多維分析平臺通過 Kyligence 多維數(shù)據(jù)庫加速引擎預(yù)計算數(shù)據(jù)，以及 Spark 查詢預(yù)計算結(jié)果，從而使得基于 Hadoop 的分析查詢性能變得更加快速，且支持高并發(fā)的業(yè)務(wù)場景。

開發(fā)

統(tǒng)一多維分析平臺為開發(fā)人員提供了規(guī)范易用的數(shù)據(jù)開發(fā)環(huán)境，建立了開發(fā)、評審、上線等流程，制定了健全的開發(fā)規(guī)范。為了保障生產(chǎn)環(huán)境穩(wěn)定性，平臺還建立了一套完成的上線流程，從開發(fā)到集成測試，再到 UAT 測試，經(jīng)過嚴(yán)格的上線評審，才能最終上線部署到生產(chǎn)環(huán)境。

運維

該平臺完善了元數(shù)據(jù)的采集和管理，建立了平臺運營的指標(biāo)體系，通過這些指標(biāo)可以為模型評分、運維監(jiān)控、成本管理等提供數(shù)據(jù)支撐;通過存儲和計算資源指標(biāo)可以對平臺成本進行管理，計算每個數(shù)據(jù)產(chǎn)品的成本消耗，實現(xiàn)成本的精細化管理;通過版本管理，可以加強版本升級的計劃管理和價值管理，提升業(yè)務(wù)服務(wù)的連續(xù)性和穩(wěn)定性，建立預(yù)警機制和應(yīng)急預(yù)案，保障系統(tǒng)的持續(xù)穩(wěn)定運行。

優(yōu)化

隨著銀行對該平臺的使用不斷深入，平臺的用戶流量也在不斷增長，用戶對平臺的穩(wěn)定性、查詢響應(yīng)時間、數(shù)據(jù)時效性都非常關(guān)注，任何一個指標(biāo)的下降都可能引發(fā)用戶的不滿。同時，用戶流量的增加，也必然帶來存儲、計算等資源的增加，在保障用戶體驗不下降的情況下，需要進行相應(yīng)資源的擴容，導(dǎo)致 IT 成本不斷增加，因此成本優(yōu)化必不可少。無論查詢性能、時效性還是資源問題，單靠擴容是“治標(biāo)不治本”，若要從根源解決問題，就需要運用一套行之有效的優(yōu)化方法，先找到病因，再對其下藥，方能藥到病除。

推廣

統(tǒng)一多維分析平臺的搭建和運營，最終是為了服務(wù)更多銀行的一線業(yè)務(wù)人員，因此推廣是數(shù)字化運營中非常重要的一環(huán)。該銀行主要采取了以下方式進行內(nèi)部的推廣和賦能：

產(chǎn)品技術(shù)和業(yè)務(wù)場景分享：多次在內(nèi)部開展產(chǎn)品技術(shù)、業(yè)務(wù)場景的討論和分享，讓行內(nèi) IT 和業(yè)務(wù)人員逐步熟悉 Kyligence 多維數(shù)據(jù)庫在大數(shù)據(jù)平臺中的分析能力;

定期培訓(xùn)：通過對行內(nèi)的開發(fā)部門進行產(chǎn)品的介紹，宣講開發(fā)標(biāo)準(zhǔn)和規(guī)范培訓(xùn)，讓開發(fā)人員能夠熟悉掌握多維分析平臺的使用技巧，讓行內(nèi)更多的人員懂得如何運用 Kyligence 多維數(shù)據(jù)庫的能力提升開發(fā)效率。

案例分享：通過打磨一個個案例，并將優(yōu)秀案例發(fā)表在行內(nèi)技術(shù)月刊上，讓各分行及部門都了解統(tǒng)一多維分析平臺的價值，吸引更多的業(yè)務(wù)加入到該行列中。

經(jīng)過這三年的不斷建設(shè)運營與推廣，統(tǒng)一多維分析平臺的 MAU 月累計活躍用戶數(shù)從 2017 年的 200+ 迅速增長至 2萬+，月自助服務(wù)用戶達到近 3千，月均的業(yè)務(wù)訪問量達到三百多萬筆，業(yè)務(wù)用戶的占比超過95%，真正降低了用戶的使用門檻，逐步實現(xiàn)了數(shù)據(jù)的平民化。

總之，平臺建設(shè)運營并非一蹴而就，而是一項持續(xù)性的活動。企業(yè)需要有一套體系化的運營方法論作為支撐，再逐步構(gòu)建完整的數(shù)據(jù)服務(wù)能力。Kyligence 在實踐中不斷總結(jié)實施經(jīng)驗，構(gòu)建了一套完整的平臺建設(shè)運營方法論，并將這套方法論運用在實踐中，不斷打磨符合行業(yè)的建設(shè)運營方法論，將理論與實踐結(jié)合，助力多家領(lǐng)先銀行推進數(shù)字化轉(zhuǎn)型。

Kyligence 多位客戶通過參考這一方法論，構(gòu)建了統(tǒng)一、規(guī)范、可共享的全域數(shù)據(jù)體系，避免數(shù)據(jù)的冗余和重復(fù)建設(shè)，規(guī)避煙囪式建設(shè)和不一致性，提供統(tǒng)一的業(yè)務(wù)語義，降低數(shù)據(jù)分析的門檻，打破原有豎井式的分析模式，實現(xiàn)了全域的數(shù)據(jù)分析能力。

3.4 收益：查詢性能提升萬倍，開發(fā)成本下降 15% 以上

目前，該銀行展開了用戶運營、內(nèi)容運營、場景運營以及培訓(xùn)賦能等四個方面的運營措施，持續(xù)推動了總分行數(shù)據(jù)應(yīng)用生態(tài)建立，全面提升總分行用戶的自主用數(shù)水平，使其能有效賦能業(yè)務(wù);據(jù)不完全統(tǒng)計，截至目前，基于數(shù)據(jù)中臺為總分行建立了上萬張報告，這些報告近七成都是業(yè)務(wù)部門自主建設(shè)。

Kyligence 統(tǒng)一多維智能分析平臺助力該銀行實現(xiàn)了：

盤活數(shù)據(jù)資產(chǎn)，為總行數(shù)據(jù)分析人員提供：制定全行數(shù)據(jù)統(tǒng)一口徑、營銷管理數(shù)據(jù)分析、經(jīng)營數(shù)據(jù)分析及報表的制作與發(fā)布等，實現(xiàn)數(shù)據(jù)價值整合。

實現(xiàn)數(shù)據(jù)連通，為分行數(shù)據(jù)分析人員提供：個性化數(shù)據(jù)口徑處理、獲客和客群經(jīng)營數(shù)據(jù)分析、分行報表制作與發(fā)布以及手工錄入數(shù)據(jù)的導(dǎo)入等服務(wù)，使得分行可與總行數(shù)據(jù)進行融合，實現(xiàn)了資源的共享。

實現(xiàn)高性能敏捷分析，為數(shù)據(jù)消費人員提供：高性能、高并發(fā)、敏捷的數(shù)據(jù)分析環(huán)境，實現(xiàn)業(yè)務(wù)報表查詢秒級響應(yīng)，以及靈活的自助分析能力。

實現(xiàn)資產(chǎn)可復(fù)制共享，為數(shù)據(jù)消費人員提供：從數(shù)據(jù)準(zhǔn)備到共享的一系列服務(wù)，不斷沉淀數(shù)據(jù)分析經(jīng)驗，實現(xiàn)資產(chǎn)的快速復(fù)制和共享。

降低用數(shù)門檻，為數(shù)據(jù)消費人員提供：更容易理解、更熟悉的業(yè)務(wù)語言，解決業(yè)務(wù)人員的用數(shù)難問題，提供易操作、高時效、高穩(wěn)定的數(shù)據(jù)分析平臺，使得業(yè)務(wù)人員可快速準(zhǔn)確地查看數(shù)據(jù)報表、訂閱、分享及下載等服務(wù)，滿足不同業(yè)務(wù)的需求。

經(jīng)過這幾年的平臺運營，截至 2021年底，統(tǒng)一多維智能分析平臺已為全行 40% 的業(yè)務(wù)人員提供低門檻的數(shù)據(jù)分析服務(wù)，據(jù)不完全統(tǒng)計已收獲如下成果：

降低重復(fù)事務(wù)，釋放生產(chǎn)力：全行機房維護單同比下降 45%，將 IT 人員從繁瑣的重復(fù)性事務(wù)中釋放出來，同時數(shù)據(jù)提取的效率從原先5天縮短至1小時，效率提升了百倍，使得分析人員可以將更多的精力聚焦在數(shù)據(jù)價值上。

提高人效，縮減開發(fā)資源：提升報表開發(fā)效率，報表開發(fā)周期從原先的5天縮短到1天，研發(fā)報表開發(fā)投入資源下降幅度超15%。

縮短數(shù)據(jù)分析周期，提升用戶體驗：數(shù)據(jù)分析的平均周期也從 5 個工作日下降至小時級，大幅提升了數(shù)據(jù)分析效能，數(shù)據(jù)分析的效率從原先的24小時級縮短到10秒內(nèi)，查詢性能提升了近萬倍，極大提升業(yè)務(wù)用戶的體驗。

目前，該銀行已經(jīng)將 Kyligence 多維分析平臺的能力運用到日常的經(jīng)營活動，如經(jīng)營分析、業(yè)務(wù)專題分析、客戶畫像、用戶畫像、考核業(yè)績賬單、每日存款通報、營銷獲客等業(yè)務(wù)場景;同時利用移動 APP 讓管理層、業(yè)務(wù)中臺、團隊長、客戶經(jīng)理等人員可以隨時隨地查看數(shù)據(jù)報告，了解業(yè)務(wù)最新的經(jīng)營情況，進行鉆取、上卷、不同維度旋轉(zhuǎn)等動態(tài)分析，隨時隨地為他們的想法或決策提供數(shù)據(jù)支撐，讓數(shù)字化運營真正落地，服務(wù)全行的業(yè)務(wù)增長。