数据中台建设从数据中台的认知开始( 二 ) _数据中台

因此，“盘”，讲的是盘点，但更重要的是“盘点”完成，对数据基本面有了认知后的数据整合、汇聚，即“盘活” 。

数据整合、汇聚的技术实现目前已经很成熟，不做赘述；在数据整合的方法上，其实无外乎两种方式，基于ID（身份）的整合以及基于数据主题的整合。

2 数据中台之“规”，重点在标签体系

“规”，有法度也，是规则、是制度、是体系。

讲数据的，通常把书类比为石油，“规”就相当于是石油提纯的一个过程，那么数据中台的“规”就是对数据提纯的一个过程，即“数据资产化”过程。我们知道石油提纯有一系列的标准体系，那么数据资产化也同样需要建立完备的数据资产体系。金融机构数据资产体系建设必须围绕业务价值，从推动业务数据向数据资产转化的角度来构建。

传统的数字化建设往往局限在单个业务单元，忽视了数据多业务关联的属性，缺乏对数据的深度理解。数据中台必须连通全域数据，通过统一的数据标准，构建规范的、紧密结合业务的、可扩展的数据标签体系。

数据中台建设的核心是数据，数据中台管理的核心也是数据，数据中台应用的核心还是数据。数据对于金融企业如此重要，那么数据中台建设过程中，我们依靠什么样的数据体系来构建我们的数据中台？那么数据中台的数据建设体系应该是什么样的，这些都是需要我们有一个基本认知的。

文章插图

我们认为数据中台建设，至少应该包含应用、标签、主题、贴源这4个层级结构。

贴源层：这个名字不知道是哪位前辈取的，顾名思义，很形象，和源数据保持一致；那么他的作用，对于我们技术部门来说还是很重要的，通俗理解就是“甩锅”，关于这一点，大家可以细品……

主题层：金融企业常用的十大数据主题，对应的就是数据体系中这个层面，这里不多赘述，这一层对应的也是数据整合、汇聚的范畴。

标签层：即数据对象建模层。我们讲数据整合方式时，把基于ID（身份）的整合放到了一边，那么在这里，我们就是基于 ID 把各主题、业务过程的同一对象跨主题、跨业务板块进行打通，形成对象的全域级标签体系，以方便对数据的深度分析、价值挖掘、敏捷应用。

应用层：按照金融企业特定的业务场景，从标签层、主题层抽取数据，面向业务进行加工特定的数据，以为业务提供端到端的数据服务。当然，有些特定的业务场景需要兼顾性能需求、紧急事物需求，也可能直接从贴源层抓取数据直接服务于特定的业务场景。真正做到在对业务端到端数据服务同时，兼顾数据中台的灵活性、可用性和稳定性。

标签层——数据中台的价值魅力体现

数据标签体系建设，一来可以让数据可读，即数据开发者和数据使用者对数据的认知统一，更方便端到端的数据使用；二来通过数据标签目录将标签组织化、结构化，以一种更柔性的方式来适应未来多元化业务场景对数据应用的诉求。

文章插图

以上是一个金融机构比较常见的客户标签；数据中台的数据是不断的在被业务滋养，在数据中台的运营过程中，结合上图我们不难想象到，标签数据不是一成不变的，它在被业务滋养的同时，也需要不断的调整（参数、指标、属性、特征等），以更好的反哺业务，不断互补，让数据中台为业务提供更有价值的数据服务。所以，我们总结整个标签建设的过程大致分为以下几步：