银行大数据的演变趋势是什么？

银行业一直走在数字化转型的前沿，客户画像、精准营销、反欺诈等几乎所有的业务都与数据息息相关，而在这些业务背后做支撑的就是银行的大数据平台。首届 Kylin Data Summit 特别邀请了建信金融科技的架构团队技术总监朱志，为大家分享银行大数据架构的演变过程、未来展望和深度思考。朱志先生长期从事信息技术规划、架构管理、大数据分析平台研发、数据及技术标准化等工作。

银行大数据的过去与现在

建设银行长期以来持续关注着大数据行业技术和趋势的发展。跟随着数据技术的不断更新，建设银行每年都会同步更新自己的路线图。建行一边在数据驱动，一边应用驱动，不断地找新亮点来突破我们自己的行业。

（Big Data Landscape 2018）

在两三年前，建行就把数据和敏捷开发结合在一起，实现了一个内部的数据应用。当很多人还需要大量页面开发来实现仪表盘功能时，建行就已经实现了用一个很小团队，支撑全行所有人在手机上使用数据，所有数据像同花顺股票一样可以定制，不需要开发，而且可以支撑几十万用户的访问。

回看过去，从数据仓库一体机，到 Hadoop 崛起，到今天进入了一个混沌状态，没有人知道大数据未来。但是在我们看来，我们期待未来一定会有一个技术能够突破出来，变成指数级增长。

整个过程其实是大数据架构演进的过程，从开始 INMON 和 KIMBALL 不断地争吵，卖一体机的非常喜欢 INMON 。做服务的人喜欢 KIMBALL ，可以快速启动一个数据项目。他俩打架打了 30 年，银行就在他们争论中演进了 30 年。一直走到有一天谷歌写了三篇著名的关于分布式的论文。这三篇论文是一个基点，而把这个文章给放大出来的人，是 Doug Cutting。而最近新一轮的混乱是谁引起的？James Dixon，Pentaho 的 CTO，他提出了 Data Lake。

从事架构工作一直要回答路线之争。对于银行业来说，未来到底是数据湖还是数据仓库？数据湖会不会替代数据仓库？ Gartner 还提出了 Data Hub。这就是我们今天面临的现状，我们迫切希望尽早突破这种混沌，走到未来一个指数级的数据区间。

Data Lake 根据数据不同的时效性，可以更方便进行业务洞察，有了这样的架构。Data Hub ，我发现跟我们十几年前 ODS 差不多，多了个云数据。各方面的争论太多了，Gartner 又提出了一个词叫 Logical Data Warehouse，希望能够统一这些路线。而关于这些路线之争深刻困扰着架构工程师们，目前建行在内部走成了如下图这个结构，Data Hub 在建行内部叫数据复制组件，可以由业务人员自己定制将数据，将数据复制到指定位置，因此有些工程师将开始失业了。

同时，我们也还在使用传统的数据仓库，因为银行有大量监管的东西没法替代。但是整个数据探索，就是所谓的数据湖在不断地增长，所以最后走成了今天这个样子。但我觉得还是个陷阱，因为这里面耗费了大量的资源和人力。

前进中遇到的困难

一起看下面这张图，我们从问题和数据两个维度看，什么样的东西应该用什么架构。我们发现创新与探索适用于未知的问题和未知的数据，用 Data Lake 更合适；而左下角已知数据和已知问题用 Data Warehouse 用容易一些。Gartner 发布了一个更复杂的图，但是现实情况并不是这么具有逻辑性。在银行业大家都知道，银行业非常依赖外包，无论是外包，还是互联网，大家都很想做 to B 业务。

在 to B 业务领域内，很多一体机厂商喊了非常多年 TCO，实际在甲方做决定时，没有人能拿出 TCO 这个数据。新技术的演进很快，从一体机到 Hadoop、Spark、Flink 再到 Kylin。但无论技术怎么进步，我发现我们的外包厂商只会写 SQL。我们做了非常多 SQL，沉淀了 20 年，业务部门不会为过去的努力买单，我们所有新技术似乎只能做新的业务场景，这就是我们今天乃至过去五六年，作为银行业的架构师所面临的窘境。

这个窘境怎么解决呢？我们做过一个尝试。这个架构图展示了建行如何去做一个混合的数据架构。我们面对外包服务人员写的 SQL，随意挑出一个 SQL 语句可以打五到六页 A4 纸大小，我们想方设法地把一个 SQL 语句从一个技术搬到另外一个技术，比如常见的就是比如说 Teradata 搬到 SQL Server， SQL Server 搬到 Oracle，Oracle 搬到 Greenplum，还想搬到 Hadoop 上。

当迁移到 Hadoop 的时候问题就来了。我们分析这些 SQL，分析完了以后看起来很漂亮，其实没有用。我们做了大量的解释语句，我们付出的惨痛代价得到了一个教训。当技术的基础逻辑改变的时候，我们不应该翻译 SQL，这个只会牵绊住我们。当我们简单保持逻辑，把 SQL 语句从一个地方翻译到另外一个地方，遭遇了更大的挑战，数据 IO 遇到很大挑战，数据血缘关系上碰到了挑战，数据整个时间窗口碰到挑战，包括数据性能也碰到挑战。保持业务一致性，其实牺牲了所有跟技术相关的东西，这就是我们最大的教训。

银行业未来的格局

今天看，如果只从技术出发来解决解决问题，是走不出这个混沌的。去年我参加了金融科技战略规划的会议，在这个会议上看到了银行业未来，这也是我们成立建信金融科技公司原因。刚开始银行和互联网业独立发展，到现在其实开始慢慢合作了，未来很多数据会在金融科技公司，这将会形成相互的引流。

比尔盖茨：“我们需要银行业，但不需要银行”。

下面这张图介绍的是 wells Fargo 一家美国银行的在线业务，每一个线上业务都可以找到一个美国金融科技公司替代。我们必须通过回到银行业的本质来找整个数据平台未来的模式。

对于银行业来说，第一原理是什么？过去银行都是在钢筋水泥中，今天银行是线上，线上银行有什么变化呢？有什么没有变的呢？

银行业本质就是存贷汇。存，是资金端创新，也就是互联网金融过去十年做的事情；贷，这是接下来银行业热点，我们要把资金端和优秀资产端对接；汇，就是发生交易的地方，这就是银行业本质，就是完成资源在时间和空间上的错配，这就是银行业本质。

而每一个改变，都是技术驱动，任何一个点都离不开数据，银行业未来是什么呢？

第一：虚拟化。首先它是一个分布式架构，这个分布式架构不是指在不同机器上存储数据，而指在不同的法人实体间，就像今天建信金融科技跟建设银行之间的关系，它是指不同法人之间关系。

第二：贯穿企业的内部运营和外部环境之间的关系。过去做数据仓库的时候，更多使用企业内部信息，而今天可能你不知道自己要在哪里分析数据，需要结合环境、企业应用以及所涉及的问题。

第三：用户想在哪看数据，应该在哪看数据，就可以在哪看数据。昨天是 PC，今天是手机，明天可能是一个可以操纵的物体，最后一个重要的事情是不能用逻辑驱动这个技术，而需要靠 TCO、SLA 来驱动这个变化，

未来，银行大数据平台的三个机会

第一个机会：数据访问 API 化。这句话是讲给，从事 to B 业务，也包括自己。完成数据 API 化，打通内部和外部，包括打通内部之间不同形态的技术。

第二个机会：降维打击 SQL。我们需要更多方式来解析数据，包括 Gartner 提到的，我们可以用一些自然语言，自然语言有点太先进了，过去微软提出来 MDX，还有最近提出来的函数式编程，还有更多的编程模式来替代 SQL，来提高效率。

第三个机会，应用更多 AI 技术治理数据。