访谈 | 打造创新型指标中台，加速金融业数字化转型

文 / 新媒体记者    傅甜甜

近年来，党中央、国务院高度重视数据在经济社会发展中的作用。2021年初发布的《十四个五年规划和2035年远景目标纲要》中，数字化转型已经成为国家顶层战略。在近期发布的2022年《政府工作报告》也同样提出：“完善数字经济治理，释放数据要素潜力，更好赋能经济发展、丰富人民生活。”数据要素作为金融机构全面数字化转型的基本生产资料，如何管理好、利用好、治理好，是金融行业行稳致远、高质量发展的关键抓手。

在数字化转型的进程中，如何构建统一数据服务能力，深度挖掘金融数据价值，支撑各级业务团队进行高效的经营管理，已成为金融业面临的一个现实挑战。过去基于工单、报表来响应业务用数需求的模式变得越来越低效，出现一系列管数用数方面的问题，例如：报表体系混乱，报表口径不一致和不透明，报表重复开发，运维成本高昂，缺乏数据价值管理体系等。同时，各条线数据定义和实施方式的差异，导致数据使用碎片化，不利于金融机构整体数据治理，阻碍了金融机构数字化转型的落地实施。

基于以上行业痛点，《金融电子化》于近日采访了数据服务与管理厂商上海跬智信息技术有限公司（以下简称Kyligence），一起探讨金融业数字化转型关键要素和应用。

强化数据能力建设，迎接数字化发展新机遇

数字经济时代，金融数据指数级增长，金融机构面对海量数据以及数字化高频业务场景需求，正在积极探索实践新型数字化体系。而数据作为新型生产要素，正在不断推动金融业务的优化与变革。Kyligence专家谈到，随着数据呈现爆炸式的增长，数据的服务对象已不仅仅是管理层，更多的是为业务提供服务。随着普惠金融、服务小微的社会需求逐渐增强，银行、保险和证券的新业务发展正快速地向终端用户延伸，尤其是一线的业务人员，需要快速有效地获取数据为业务提供支撑，这也是数据平民化趋势的体现。

同时，金融机构在面对海量客户提供金融服务及营销时，对数据分析的颗粒度、精度、广度等要求也越来越细化。因此，金融机构亟需建立一套智能化的数据服务与管理体系，提升数据利用水平，助力数字化转型落地。

发挥指标中台创新优势，引领数据高效赋能业务

Kyligence提到如今金融机构在业务指标建设中，面临业务用数需求爆发、数据量大、指标加工效率低、指标查询性能不佳、灵活分析能力不足等众多问题。以某国有银行为例，其建立的经营管理作战室承载了建设全行数字化经营作战支持体系的目标，需要以数据赋能、数字化方式对集团各层级、各业务条线的业务经营进行穿透式、高效的赋能支持和管理。建设经营管理作战室作战体系，其核心就是形成作战室应用模式，对经营管理指标进行有效管理、敏捷加工和快速展示。集团内各级管理者可以通过作战室能及时准确地够获得经营情报、做出正确的决策和指挥，从而赋能全行数字化经营。

有一个令人印象深刻的场景：该行过去业务部门需要某些数据的统计与分析，从提工单、沟通需求到开发上线，一般要花费两三个月时间，而通过建设基础、完善、灵活的指标中台，业务部门可以根据自身需求，通过在基础指标上以无代码开发的方式进行灵活加工，只需要两周就可以完成端到端的业务经营指标看板的开发和展现。与此同时，该行也构建了自身的数字化体系方法论，并成功复制到多个业务条线，几十家分行，实现了真正意义上的数据驱动业务发展。

基于客户需求痛点，Kyligence力求创新，以指标管理引擎、指标计算查询引擎两大组件为核心，构建具有全方位增强数据易用性、提升数据开发效率，以及降低企业管数用数的开发运维成本等多方面优势的企业级指标中台解决方案。目前，该方案可以部署在任何分布式存储和计算环境下，比如公有云、私有云、大数据平台等，实现与底层各类数据源的对接。

该方案具备以下4个独特的核心优势：

图    Kyligence指标中台解决方案

● AI增强的智能指标引擎：实现指标的智能建模、自动加工计算，大幅降低指标ETL开发的工作量，加快指标开发和上线的效率；

● 高性能全场景的OLAP引擎：保证各类指标查询的秒级响应，保障用户用数体验，实现指标的深度分析和洞察；

● 统一语义层：基于集市模型实现上下口径统一的数据语义层，基于维度实现指标的穿透式分析；同时提供各类数据查询服务接口，比如SQL、MDX、REST API等，更好对接各类指标应用；

● 全面的API集成接口：支持与现有的数据管理、调度、安全等组件无缝集成，从而构建企业统一的指标中台。

数字化体系的构建，助力企业发现更有价值数据，有利于数据资产的高效利用。通过以上案例分析得出，指标中台这一创新解决方案的落地，让业务人员用数更具合理性，而不再是“拍脑袋做事情”。同时，管理层也可以看到整体的数据使用情况，促进了企业经营管理的效率与成果的提升。

践行“治用并举，以用促治”，深化数据治理高效落地

激活数据价值的前提是做好数据治理，数据治理为高效的数据质量、稳定的数据服务奠定基础。作为一家数据服务与管理厂商，Kyligence正在通过企业级指标中台解决方案，助力金融机构实现业务与IT的有机结合，更加高效地构建业务数字化经营管理体系。同时，指标中台践行“治用并举，以用促治”，为数据治理提供了自动、自助、智能化的平台支撑，从而促进企业产品创新、服务创新、数字化转型等。

金融机构通过搭建企业级指标平台，对数据资产进行盘点、联接和规范管理，对集市模型进行统一的治理，对指标开发流程制定标准规范，逐步形成“指标资产”管理体系，避免指标歧义和冗余开发，确保前端业务找数用数的轻量化和敏捷化。基于Kyligence的AI智能建模技术构建自动化开发流程，将IT团队从重复的报表开发工作中释放出来，投入到持续的平台运营之中，整合和统一指标模型，增强指标的共享和扩展能力，向报表、可视化仪表盘、移动端、数据挖掘等应用开放数据服务能力。

以某股份制银行为例，该银行推动集团数字化战略以来，每个部门都在做自己的数字化经营平台，导致数据需求爆增，传统平台无法保障数据的完整性、准确性、一致性和时效性，难以实现跨部门的全领域数据治理；内部信息系统烟囱式建设导致数据口径不一致，数据表、ETL作业、BI报表的开发维护工作量非常巨大，数千张 BI平台报表，数万张各类数据应用手工开发的汇总表，给数据部门造成了巨大压力；同时，还带来了数据使用门槛高、人力成本居高不下等问题。

为解决上述问题，该银行与Kyligence深入讨论后，提出了以指标治理切入，通过指标治理推动数据治理，降低用数门槛，赋能该银行的数字化转型。据悉，该股份制银行的指标平台自2020年上线后，覆盖综拓、企划、消金、汽融、信用卡等业务线，逐步成为全行数据需求的唯一入口，取得了良好的效果和积极的反馈。通过指标平台的建设，大量用数和报表需求转换为指标及指标看板的开发方式，降低了业务用户制作报表的门槛与难度。目前该平台的日均访问用户量已达到5000人次以上，页面查询访问量高达20万次以上，指标数量高达1.1万个，其中大部分是用户自己派生和衍生出来的自定义指标。该银行基于Kyligence方案的指标应用模式，50%的报表需求已实现基于指标和指标看板来支撑，ETL任务减少30%以上。

指标平台实现了企业数据资产的广泛共享，及时发现和纠正有问题的指标。在指标管理和应用平台的建设过程中，基于Kyligence的AI增强建模功能，实现了全生命周期的指标自动化构建和管理，显著提升了数据开发、产能并对数据进行了有效的治理。

完善数据服务体系及方法论，助推金融业数字化转型

“金融机构在数字化转型的进程中，通过构建新型指标中台来实现自下而上、口径逐步统一的业务驱动的数据服务体系，既能高效支撑业务发展，衡量业务经营情况，又能通过指标中台来降低业务数据使用门槛，真正实现数据赋能一线业务，全面推动金融机构数字化转型。”Kyligence专家对银行案例如是总结。

Kyligence企业级指标中台本质是一个管理系统，指标中台解决方案是助力金融机构以指标为抓手，去构建整个数据服务体系及方法论，建立企业数据文化和数据管理共识，最终服务于企业数字化转型目标。企业级指标中台解决方案将为金融机构带来三大价值。

一是构建业务数字化经营管理体系。指标中台突出“管理”的价值，支持企业内各级管理者通过指标中台及时、准确地获得经营情况，辅助其做出正确的决策和指挥。此外，构建指标中台，可以直接、简单地赋能业务人员享受数据价值，驱动个人工作和企业业务发展。

二是建设业务和IT的高效融合新模式。指标中台可将数据转化为业务语言，通过指标模型智能管理、加工与查询加速，大幅提升开发效率，以数据敏捷推动业务敏捷。总体来看，指标中台会帮助IT和业务之间形成一种数据开发和使用的正向价值反馈，助力企业进行数据全生命周期的监控和治理。

三是推动数据治理和数据文化建设。指标平台是数据治理有效落地的抓手，其有极强的治理内推力，通过指标治理，降低用户使用数据的门槛，赋能业务自助用数。当指标建设有效落实后，可以说80%，90%的数据治理工作已经完成了。

Kyligence指标中台解决方案的推出不仅标志着领先技术的落地，更是企业数据服务与管理理念向前推进的一大步。方案打破了以树形指标体系自顶向下建设的传统思路，以高效赋能业务为目标，以自动化、智能化为手段，通过帮助企业把指标基础模块搭建好，让客户就像玩乐高积木一样，可以在自动化、智能化的环境中不断发挥业务自主性和创造力，构建出自有的、灵活高效、高价值的数字化中台。

深耕细作，笃行致远。Kyligence深耕服务于金融行业，在银行、证券、保险等领域积累了丰富的行业案例和最佳实践。未来，Kyligence将研精覃思，笃行不怠，继续发挥产品和技术所长，助力金融行业数字化转型发展。

往期精选：

（点击查看精彩内容）

新媒体中心：主任 / 邝源  编辑 / 傅甜甜  张珺  邰思琪