传统银行的数字化转型思考

    这次的主题比较聚焦，我称之为传统银行的数字化转型。虽然称之为传统银行，但是它也适用于其他各种行业。以前我认为银行相对落后，真正接触他们的生产数据和沟通后才了解到银行的落后。虽然这一年银行的整体业务不如以前，但是从整体营收角度分析，仍然大幅领先其他行业。之前有一份报告提到整个银行业的利润已经超过了十几个行业的总和，这实际上相当恐怖。目前银行普遍在国外的推动下选择各种工具推进自己的数字化，以应对市场的剧烈竞争。我将分享几个点，首先是传统行业的数字化落后在哪里？在具体实践中，应该从哪些地方出现问题？如果需要改进，无论是培训、项目实施，还是通过外部咨询顾问帮助我 们定位问题，实际上应该从哪个方面入手？

    首先讨论数字化转型企业的落后根源。认知落后可以分为两个方向，一是我不知道去哪里，二是虽然我模糊地知道要去哪里，但是不知道如何走。第一个方向是我应该去哪里，目前大部分企业的认知越来越好，少部分企业的理解仍然停留在1.0或者2.0阶段。.0解决业务在线问题，2.0从data information进行简单统计汇总，3.0则是帮助企业辅助业务决策，发现更好的商业模式，真正提高客户满意度，创造更多价值。这是一个认知上的理念。在北方，我发现许多企业确实停留在1.0阶段，或者认为已经踩到了2.0，实际上只能算1.5。然而这1.5的背后，1.0仍然在摇晃，一不小心楼就会塌陷，这是非常现实的。为什么在许多企业数字化转型过程中，过度推动数据上云或者信息化，忽略了他们自己的业务逻辑，如何使用数字化系统非常重要。许多企业无论是直接照搬别人的先进模式，还是希望让外部的ERP工具进行定制化开发，实际上都是两个极端。在许多1.0、2.0转型的基础上，底层业务逻辑很难改变。这是一个关键点。当许多企业都想实现3.0的转变时，许多人误以为report就是数字化。有些人误以为大屏就是数字化，实际上这个方向在我们看来，它真的将高中当成大学上了，很难获得真正超过其他行业数据的资产价值，这是一个特别现实的问题。如果理解方向没有问题，现在有一个更现实的部分是我知道要去罗马，有些人误以为骑自行车就能去罗马。在客户培训过程中，许多人误以为大数据分析就是透视表，即report，甚至交叉表。无一例外地，许多数字化企业失去了什么？他失去了中间最重要的层次，他们直接将问题定位到交叉表上，然后使用BI的工具展示。实际上他阉割了BI真正的功能，只是变成了report的工具。

    在这个过程中，分为两部分，一部分是分工，每个部门之间最好相互合作，最佳搭配是什么。另一部分是最佳工具或者实践。这两者本质上并行不悖，分工的背后是不同的人选择不同的工具实现最高组合。例如最典型的应用是从业务到数据库，有时候称之为operational database odb，odb上面是数仓，再上面是分析，这是一个分工问题，关键在于边界在哪里。我发现一个普遍问题，即it过度扩展自己的边界，它将问题转化为高度聚合的数据，而用bi作为最终呈现。它把边界扩展得非常高，代价是业务失去灵活性，问题一个接着一个产生。最终it疲于应对，数据库陷入混乱，在中间部分可能会出现一个特别大的问题，那就是数据碎片化，导致数据的一致性难以保证。因此时间久了之后，数据整个大厦就是这样。在这次客户中我发现，让客户知道方向有问题，但是又一直没有想到好的边界是什么。好的边界是什么？实际上应该把dw的三层，就是贴着业务数据库的那一层，再往上是整合层，然后再往上是访问层或者用户层。最上面这一层，完全应该用BI来替代。It与业务的边界实际上是数据模型，即数据仓库的中间领域。这个领域一方面对技术要求较高，另一方面需要充分理解业务需求并合并同类项。我的多个问题需要使用1个最佳数据模型完成，这样可以保证数据的一致性和完整性。

    这是基于这种分工带来的问题，即在不同阶段应该使用何种优秀的工具。从整合层角度来看，应该使用一个BI，它的边界可以分为两部分。一类是缺乏数据仓库或者数据引擎的BI，他擅长做report。许多国产工具缺乏底层优秀的数据引擎，因此要求it制作高度聚合的表格。这导致错误道路，数据碎片导致最终的展现受限于数据无法深度洞察和关联分析。优秀的BI实际上是数仓一体，称之为dw和BI，即数仓和分析一体的平台。这种平台可以基于BI的要求直接穿透到整合层，可以创建关系模型、指标和许多标签。这样就可以将分析相关的所有部分交付给业务人员。

    这种最佳实践有几个关键点。在分析中，一个问题是分析的起点，而问题中最关键的部分是指标matrix。指标落在哪个部分非常重要。这次我去培训时发现很多数据存在问题。很多人将指标集中在数据表中，他们在制作高度聚合表时，直接将利率和利润率计算到明细中，并提取。这是一种完全错误的路线，因为它属于report，失去了灵活性。真正重要的是问题中，标签来源于指标，指标驱动了标签的动态化。这两个部分应该落到模型上，而不应该落到明细表或者物理表中。分界是一个相对抽象的环节。有些人认为制作一个物理表就是一个物化模型。认为指标应该落到模型上，而不落到行上，如何实现这个部分？如果数据提取完成指标计算，那么这就是落到行上。如果提取未包含指标，指标仍然只有名字而无实体。如果能够将指标落到模型上，指标就具有了灵活性和一致性，所有人使用时都一样，同时不需要提取数据，这样查询速度和数据存储性能会更好。模型究竟由谁创建是一个分工问题。早期认为it的边界应该是数仓的整合层向上，整合层往上是分析，整合层往下是IT。模型位于整合层和分析层之间，分析人员是业务人员的边界。如果你不理解这部分，那么很多分析框架就会出现问题。这是整体的分析思路。在此过程中，需要提出新的名词。以前认为数据是it人员的领地，it是创造数据的人。然而仔细思考之后发现，数据来自业务，业务实际上是业务人员的领地。在整个分析框架中，可以将业务分为几个部分，中间部分是从odb、数据运营的数据库到数据仓库的前期阶段，再到整合阶段，这个地方属于it，后面部分则是业务分析师，这个地方是抽象的理解，抽象的理解都归业务。在业务场景，你需要理解业务逻辑，制定业务流程规范。在数字化过程中，it应该了解自己的边界，一方面要将业务再现，另一方面要将再现数据整理成规范数据表整合在一起，不需要制作复杂模型。模型应该接棒分析，分析面向主题，模型也面向主题，标签和指标都应该落到模型上，而不能落到表格上，这是关键。如果这句话无法深刻理解，那么你可以认为你尚未迈过数据框架层次的几个关键点。你可以先了解度量，基于度量可以展开整个分析时间，这是框架。基于这个框架，需要讨论一个新词，即分析确权。分析确权是指分析归属于谁，分析应该归属于业务。聚合和抽象都是分析。只要是基于数据创造出业务中没有的新东西，都是分析、抽象和业务领域。有时候许多分析人员的技术水平和工具还没有达到最好的阶段，因此必须委托业务人员进行初级工作。这并非直接将数据送到你嘴边，表示已经高度聚合，只需要转换成图片即可，这样未来就没有希望。

    这是本次介绍的核心内容。企业的数字化转型落后首先在于不知道去哪里，有人认为业务再现就完成了，有人认为数据能做report、大屏出来就到达了数字化，实际上还没有到真正的究竟所在。所说的数字化转型一定是面向业务，现在很多企业要么不知道去哪里，要么知道去哪里，不知道怎么做。在行动上的关键是部门分工，随之而来的就是最佳工具的搭配和实践方法。刚才提到一个关键内容，即在分析中导致数据碎片化，性能越来越低，难以保证数据一致性。特别关键的点是it强势推进到分析的家门口。It应该只做整合，不做模型，模型是业务所做。要将标签和指标落到模型上，模型之下的部分是it模型，以及模型之上的部分是业务。

【培训手记】传统银行的数字化转型思考-Tableau喜乐君-敏捷BI布道师