为了金融业对数据中心有更全面、系统的认知

简介:为了金融业对数据中心有更全面、系统的认知，《2020蚂蚁云金融数据中心报告》向金融业展示了数据中心建设的道路和实践路径。

具体来说，一是咨询和设计，帮助企业盘点和统计现有数据资源，了解有哪些数据，能做什么，相当于数据中心的顶级设计和计划。

越来越多的企业使用数据中心进行跨越式的发展，但只有数据中心管理数据，使用数据需要数据资产管理系统的支持，数据资产管理系统包括战略决心、数据组织团队、共同的数据利用能力。

中台是一个基础的理念和结构，将所有的基础服务用中台的思路建设，进行联通，共同支持上游业务。中台是平台的自然演进，是对各种技术平台能力的整合，集中对外提供服务。基于这个理念，逐渐衍生成业务中心、数据中心、技术中心等各种中心，以及我们今天要谈论的测试中心。其实不论哪种中台，实际都提供的是能力，基础服务的能力。

毕竟，数据工具的建设必须由ROI(ReturnOnivestment)支持，数据中心概念的出现，原大数据系统建设的ROI不令人满意，企业投入大量物力、财力和人力建设了大数据平台，但没有给企业带来应用价值，大数据平台更多地成为形象工程，产生了新的数据孤岛，实现数据能力的全局抽象、再利用和共享

毕竟，数据工具的建设必须由ROI(ReturnOnivestment)支持，数据中台概念的出现，原大数据系统建设的ROI不令人满意，企业投入大量物力、财力和人力建设了大数据平台，但没有给企业带来应用价值，大数据平台更多地成为形象工程，产生了新的数据孤岛

数据中台建设

例如，100%为某省应急管理厅构建了大应急数据中心，集中了安全监督、消防、海事、交通、环境保护、民政、水利等24个相关厅的数据，对数据进行全生命周期的管理，形成了应急数据地图。

近年来，银行经营压力持续增加，各业务线在一线经营中，为了寻求新的成长点，提出了很多个性化的数据分析和服务的要求。在没有数据中心时，为了满足许多业务线的数据需求，数据分析师需要在后台数据仓库完成TT1的数据加工，将数据文件推向各业务前台系统，各前台系统维持小规模的数据队伍，将数据文件转化为自己领域的数据服务该模式下的痛点和对数据中台架构选择的要求主要表现在以下几点。

我们企业的数据量不大，IT人员不多，组织模式也固定，需要建设数据中心吗？我们企业已经建设了数据仓库，实现了数据服务和数据分析，需要建设数据中心台吗？我们需要怎样建设和推进？我们企业是工业生产企业，数据量很大，但多数是设计图纸等非结构化数据和生产设备的边缘数据，我们的产品属于卖方市场，产品不需要在网上销售，需求方面的变化很小。我们需要数据中心吗？

作者和同事希望原本清源，使用正确的数据中台方法论和全面的技术工具，使金融机构的数据真正成为唾手可得的数据资产。

最后，企业经营干部可能会问，如果你真的有完美的数据中心，满足你所有的技术期待，你企业员工的数据素养跟上了吗？