数据猿导读
“作为技术人员，千万不能只迷恋新技术。大数据对金融最大的价值之一是降低成本，如果不加区分，一味迷信，很容易造成只要有问题就用所谓的大数据技术，哪怕是传统方法可以解决的问题，进而将造成机会成本被迫增加。”
作者 | 牟蕾
本文长度为4700字，建议阅读9分钟
本文为《数据驱动金融升级，商业价值落地探寻大型调研活动》系列文章，并由数据猿、DataPipeline、HCR(慧辰资讯)三方组成的调研访谈小组共同完成。
小组成员将在4月1日——5月30日期间，走访一些列金融领域内相关代表性企业（银行、保险、证券），对数据项目的真实落地情况、具体实施难点，各企业数据团队的发展现状等方面进行深度调研访谈，为行业带来最一手的有趣、有料的干货信息，并撰写《金融领域数据应用情况—调研白皮书》简版及完整版分享给业内从业人员。
金融大数据企业实地探访调研小组再次遇见匿名君——“秋水长”。
秋水长是一名扎根银行业近20年的技术“老炮儿”，不仅历经银行系统多次技术迭代，当过甲方也做过乙方代表，亲身见证了IT技术在银行发展中的历史变迁，更是在一线岗位推动了金融科技在银行业的发展与应用。
这次访谈是在一家安静悠然的咖啡馆内进行的。秋水长坚持以一位独立的行业观察者身份向调研小组讲述自己这些年对银行业发展和大数据时代变迁的认知和感悟，他望可以跳出热点追逐的旋涡，以更加理性和客观的角度看待传统银行在大数据、人工智能以及金融科技热潮中要如何应对与生存。
在访谈一开始他就告诉笔者，这次是来吐槽大数据的，后来在笔者听来也确实如此。但正是这些槽点，才能让我们在狂热的科技风潮追逐战中冷静下来，能够看清新事物背后的本质究竟是什么？
槽点一：科技是第一生产力，但是为了科技而科技就是“耍流氓”
20世纪80年代中期，中国金融信息化建设开始起步。经过30多年发展，银行信息化基础设施建设框架已基本完成，目前正在向管理和服务型方向发展。事实上，由于金融机构用户基数大，对信息精准性要求高等特点，金融业一直都是信息化科技建设的排头兵。
从银行信息化建设发展来看，可以将其划分为四个阶段：
第一阶段：即千禧年之前，银行核心信息系统的建设期，这一阶段奠定了早期银行科技的基调，即高精准性和安全性。
银行核心系统的主要任务是帐务处理、满足综合柜员制以及提供24小时在线服务。在这一阶段，银行实现了从手工账到信息账的转型，用秋水长的话来说：“哪怕只有一个核心系统，一家新银行也可以开门营业。”但也正因如此，导致系统留存的数据种类单一，数据量有限。
第二阶段：伴随银行业务的多样发展，产生了对多种业务应用系统的需求。
秋水长介绍说，如今，任何一家城商行几乎都有几十甚至百余种业务应用系统在线运营，因此产生了跨系统数据查询、数据统计以及不同数据源之间数据一致性处理等问题，并且这些痛点引发了银行“数据仓库建设热”。该阶段持续了10年之久。
第三阶段：银行开始显现数据思维，试图通过数据寻求决策依据，并且BI管理驾驶仓库成为银行系统的建设亮点。
在秋水长看来，第三阶段是伴随银行业态发展多样化、银行客群多样化、跨区域扩展、网点数量增多、银行管理系统复杂化等发展而被催生的。从三个阶段的发展来看，皆遵循一个发展逻辑，即从业务出发、以技术响应业务需求的良性发展关系。
科技需要非常明确地找到在业务上的落脚点，才能真正实现科技价值。但秋水长认为，第三阶段还远没有走完，就已经被诸如大数据、金融科技等一系列所谓高大上的科技热潮催生到第四阶段——大数据时代。
秋水长认为，目前大数据在金融体系的应用落地其实是最成熟的，在风控、反欺诈、征信等领域都初见成效，但在其它层面的很多应用暂时还属于隔穴挠痒般的探索阶段。
究其原因而言，是因为银行本身的数据积累不足，在新建应用系统的过程中，缺乏数据思维、丢弃信息要素的情形依然在发生，领域建模依然未被重视，这些都极大增加了企业数据使用成本。所以，在他看来，银行第三阶段的信息化发展还远没有走完。
然而在第四阶段，科技似乎一夜之间走上了神堂，变成无所不能还能点石成金的魔法棒。同业间技术人员见面问候也变成“你们做大数据了吗？”，好像没有构建大数据系统的银行就变成了落后的代名词。“这样的现象难道不是本末倒置吗？难道科技就是银行的目标？大数据就该是最终目的吗？”秋水长不禁反问道。
在发展阶段，金融机构对于科技人员掌握什么尖端技术其实并不在乎，更在乎的是新技术到底能为企业带来什么商业价值？“你可以迷恋大数据、人工智能这些新技术，但最终谁都躲不开‘使用高科技之后的结果是什么？’这样的拷问。”秋水长说。
“作为技术人员，千万不能只迷恋新技术。大数据技术对金融最大的价值之一是降低成本，但如果不加区分，一味迷信，很容易造成只要有问题就用所谓的大数据技术，哪怕是传统方法可以解决的问题，进而将造成机会成本被迫增加。”
秋水长举例讲到，以前银行的业务或数据应用构建时，技术人员对于从上层应用语言、数据库产品到中间件产品，再到操作系统以及硬件、网络支撑之间的关联都十分熟悉，一旦系统出现问题，寻找问题很快很容易。但是现在，以开源起家的大数据技术，底层逻辑有时不被使用者熟悉，当技术人员在大数据系统中遇到Bug时，排查问题会花费很多时间，甚至最终依旧找不到答案，长此以往，沉没成本便在技术人员不理性、只为追求新科技而采用新技术时发生。
在从业近20年的秋水长眼中，用数据驱动企业价值强调的应该是数据思维，从数据中寻找提升银行效率或金融产品创新的原动力。对于究竟是采用传统技术还是目前方兴未艾的分布式计算技术，这都是操作层考虑的事情，银行以商业价值优先，按照开发流程评估技术的可行性实现方案即可。
“资本圈追逐热点故事，科技圈追逐技术领先性，但作为金融业的科技人员，如何找到数据驱动下的金融创新业务或者金融创新场景才是这场科技革命的本质，而非科技人员单纯为了赶上‘大数据’这班顺风车而引进大数据技术。”秋水长坚持说，“不要为了科技而科技。大数据也好、人工智能也罢，都是科技人员工具包中新增加的强大工具，采用最合适的工具解决最实际的业务问题、不盲目跟风才是金融科技人员需要明白和坚守的真理。如果不是为了解决业务场景出发的科技，那都是耍流氓。”
秋水长特别强调，他并不否认银行业科技工作者在大数据领域的积极探索，甚至对此持有深深的敬意。当然，在任何时代，对于能够“洞见未来”的技术，在其孤掌难鸣的发展阶段，“摸着石头过河”也并非不科学的方法论。
槽点二：项目匆忙上马，但大数据技术其实并未真的准备好
随着技术发展，作为信息化建设的“排头兵”，银行已经在风险管理、网络银行、金融审计和稽核、商业智能、决策支持等领域不断加快投入。在大数据风潮下，不少银行也已经在大数据精准营销、大数据征信、大数据风控、反欺诈、智能投顾以及智能客服等领域做了诸多积极尝试和创新。
但在秋水长看来，目前，银行很多新技术的发展距离其能够在商业活动中发挥预期价值的目标还很遥远，有些只是技术工具或数据服务商销售的噱头，并未以客户（银行）角度思考且触及其行业大数据应用的本质。
对于银行而言，以前，科技在银行体系中属于支撑体系，金融业务主要还是依赖产品体系和业务体系驱动；未来，科技引领业务，银行将从数据中找到驱动业务的新增长点。这是企业内部驱动机制的巨大转变，这种转变将给金融科技人员带来更大施展空间，但要完成这种转变，将会对意识、组织结构、人才储备和培养、原有组织内的利益冲突等多方面提出挑战。
首先，管理层从认知到决心再到决策需要时间。
一轮新科技的革新带动着人们思想和认知的进步。秋水长表示，在过去几年中，无论是管理层还是业务层，在认知上都十分确信数据会带来价值，但是因为商业企业永远要计算投入产出比，从认知到决策，需要路径转换。如果技术人员不能清晰地解释明白：“数据驱动将在哪些层面产生价值？”、“需要投入多少成本？”、“是否有成功案例？”、“要从哪些方面开始做起，接下来的行动步骤是什么？”等一系列问题，作为银行决策者很难制定决策。
其次，金融大数据的土壤没有那么肥沃。
银行似乎天生是一家拥有数据的机构，经过10余年数仓建设，使其更像一片可以令大数据施展拳脚的肥沃土壤，然而现实却很“骨感”。
在过去，银行数据大部分围绕交易、账户等维度展开，并没有太关注账户背后的人和企业，所以，用于对人和企业进行清晰画像的数据非常有限，数据要素也很缺乏。这些现实状况对于挖掘金融大数据的价值以及做出对未来趋势性的判断造成了基础不扎实的困境。
而在银行获取体系外部数据或与第三方进行数据价值交换时，事实上，由于金融监管的要求，又限制了银行获取外部数据的步伐，审慎性原则、合规合法性原则永远被放在第一位。
因此，在这方面传统银行与互联网金融企业具有明显差异性。从某种意义上讲，这对于银行业其实并不公平。
比如，在大数据风控领域。在笔者接触的传统银行体系中，基本仍以央行征信数据为主，其它渠道数据为辅，在获取外部数据时持非常谨慎的态度，常常选择先不涉及核心业务，且不作为核心资源进入运营体系。不过，笔者认为，这对于金融行业而言其实是十分必要的。而互联网金融企业，大部分以自己构建或与合作的风控企业共同构建多源网络数据为主。
槽点三：数据虽是核心竞争力，但其本质应该是数据敏感度而非数据本身
乔布斯曾经说过他从来不做市场调研,张小龙说他不看数据。但乔布斯从来不做市场调研，却一直坚持自己亲自走访终端店面，并保持与用户聊天的习惯，换句话说，他只是用他自己的方式在收集数据，在这一过程中洞察人性，进而洞察能够驱动用户消费的因素。
在数据思维大行其道的今天，这一行为启示我们，数据思维是在传导一种思维框架和逻辑。我们要基于数据的商业敏感度而构建数据团队，并不是为了掌握更多大数据才要构建科技项目。有数据敏感度，并能将数据敏感度转化为商业敏感度的团队和体系，才是未来企业的核心竞争力。
事实上，在调研访谈小组走访的企业中，已有不少企业成立了大数据团队，并且从组织架构归属上可以看出其“一把手”的战略定位。
秋水长表示，设立独立的数据团队是银行迈入“科技驱动业务”时代的入门条件，该部门应该由业务专家、技术专家、数据专家共同组成，不仅要有数据思维，更要懂金融业务，只有两个方向融合在一起，不断打磨形成一个具有数据敏感度和业务敏感度的创新发展部门，才能基于金融业本身创新出科技驱动的创新金融产品或金融场景，也才能反推银行的数据顶层框架设计。
但是，目前行业中更多的现象是银行抽调科技部、业务部组成临时小组，或者在科技部下设立二级数据部门。
秋水长认为，这种尝试性做法成功机率其实很小。如果不设立独立部门，使其有直接与最高领导沟通企业战略的权利，一方面很难摆脱原有运转体系的束缚，另一方面很难全局统筹。此外，在具体落地实施时还时常会碰到业务部门和技术部门“相互扯皮”的事情。
不难看出，未来能够构筑金融发展潜力的人或是来自于互联网公司、传统金融产品人员亦或是大数据分析人员，总之，未来的金融科技时代将是一个跨界人才大放异彩的时代。
秋水长最后分享给金融业技术人员一段感悟：“如果你是金融业务领域专家，金融产品型人才，在科技大行其道的时代。千万不要妄自菲薄，很多时候科技是在模拟难能可贵的商业敏感度；如果你是金融科技风口浪尖的弄潮儿，亦千万不是狂妄自大，因为大数据商业价值的实现，数据及数据工具并非决定性因素。不要因此，在未来的某一天，金融业严肃性的靴子落到你头上，让你鼻青脸肿。”
笔者按：
今天，我们正在看到越来越多诸如京东金融与银联、蚂蚁金服与建行等跨界合作的真实案例。面对大数据时代的机遇和挑战，我们更应该用开放的心态、彼此敬畏的态度，与来自不同领域的企业和人才进行更多沟通、合作和磨合，打破壁垒，才能开创一个呈现健康的、螺旋上升势态发展的金融新生态。
