在数字化浪潮的澎湃推动下，银行业遇到了前所未有的数据挑战。特别是在海量数据的洪流面前，如何高效地治理并激发数据的深层潜能，已成为银行业迫切需要解答的关键问题。
“数据飞轮”作为近两年被多次提及的技术概念，代表着一种全新的数据驱动模式。但是，数据飞轮究竟是什么，能否在银行业机构落地，仍是一个未知数。为了寻找答案，我们邀请到了某银行总行数字金融资深专家魏生，共同探讨数据飞轮在银行业的应用前景。
数据飞轮：用数据驱动业务增长
在找到“数据飞轮能否在银行业落地”的答案之前，首先需要了解什么是数据飞轮。
魏生介绍道，“数据飞轮”这一概念最早起源于亚马逊，亚马逊拥有丰富的数据资源，通过数据不断迭代以优化客户体验，形成一个持续改进、自我增强、良性循环的“轮子”。
具体来说，数据飞轮是将数据生产、治理和应用三个环节紧密结合，形成一个自我增强的循环。这种循环不仅解决了业务痛点，还通过规范化的数据治理，使得数据即插即用，能够直接被企业的不同系统和平台利用，从而实现数据消费。
数据飞轮的核心理念在于数据消费，从而发挥数据的价值。数据消费是互联网企业利用数据和算法来提供个性化服务、增强用户体验、并实现业务增长的一种战略。通过这一过程，企业能够更好地满足用户需求，同时保持其在快速变化的互联网市场中的领先地位。
此外，数据消费不仅是企业内部的数据应用，还包括对外的交互、输出和销售，使得数据变成有价值的标准化产品，最终推动业务发展和价值创造。
数据飞轮是高阶的数据中台？
自从数据飞轮被提出后，许多人都用数据飞轮与数据中台作比较，并认为数据飞轮是下一代数据中台。针对数据飞轮与数据中台的关系，魏生认为，“数据飞轮本质是数据中台更高阶段的呈现形式，是更成熟的数据中台。”
数据中台可以帮助企业整合不同维度、不同系统的数据，同时提供治理数据的能力。而数据飞轮则是在此基础上，不仅能够解决数据中台存在的数据孤岛、难以处理复杂数据、没有统一标准维度等问题，还能通过不断优化和应用数据，推动企业业务的持续增长和创新。因此，数据中台是数据飞轮落地的基础，两者相辅相成，才能共同构成企业数字化转型的重要支柱。
此外，魏生认为企业若想实现数据飞轮，还有几个关键要素：
第一，具备高质量数据的获取和标注的能力。企业需要整合来自不同来源的客户数据，并识别出最新和最准确的客户信息进行高质量标注，从而达到数据消费的标准。
第二，实现自动化标注。企业中存在一些复杂数据难以靠人工进行处理和标注，而自动化标注不仅可以减少人为介入，还可以快速处理、标注和迭代数据。
第三，具备完善的云基础设施。由于企业的数据来源多种多样，而数据的处理、应用、甚至交易，需要无缝自动实现，这就要求企业所有的系统可以实现自动打通、自动处理和自动对接，因此企业可以利用云原生架构来实现系统之前的打通。
此外，企业还需思考如何形成数据资产的管理和挖掘的体系，如何构建以客户为中心的数据应用，如何实现全生命周期的数据管理等等。
总之，数据飞轮代表数据中台的高阶阶段，需要企业具备在数据文化、技术实力、管理架构和人才储备等方面的综合能力，最终实现企业业务持续增长和自我增强的循环。
数据飞轮能否在银行业落地？
了解数据飞轮后，我们再回到最初的问题：数据飞轮能否在银行业落地？魏生给出了自己的见解：现阶段的数据飞轮在银行业落地应用仍有一些挑战。
第一个面临的挑战是银行作为传统机构，科技技术人才占比较少，难以支撑数据飞轮落地以及后续的迭代、更新。
分析周三交易所公布前20席位持仓数据，IF合并计算多头减仓6084手略小于空头减仓6678手，IH多头减仓2570手小于空头减仓3764手，IC多头减仓4462手也是小于空头减仓5106手。从这些数据看，市场并不悲观。再从具体净持仓变动看，IF净空从15002微幅缩小到14852手，IH净空从6715手缩小到6308手，但是IC净空从11941手扩大到12099手。三大期指净空绝对数仍维持年内高位水平，彰显当前市场压力犹存。
对于2019年下半年，经济基本面料无大的改变，货币政策维护流动性合理充裕的基调也将继续，且外围央行纷纷下调利率，全球主要市场长债利率频创新低，整体利好国内利率走低。
第二个挑战是银行难以将数据形成资产纳入银行的报表或财务体系，因为无法预估数据的价值形成整套的定价，也缺乏相应的质量管控体系。
第三个挑战是银行受到严格的监管，在客户未授权的情况下，银行禁止泄露客户的任何信息。所以即使银行有许多有价值的数据，但在严格的政策制约和监管下，很难以数据要素的形式与外部形成消费或交易场景。不过，这些有价值的数据可以在银行内部进行交互，且已形成了数据驱动业务的场景。
例如银行在收集到客户数据后，会对数据“贴标签”。标签可以是营销类标签，比如客户对某种或某类产品感兴趣，那么银行后续会根据标签进行精准营销或推荐，从而实现业务增长。或者是风险标签，比如银行认为客户属于高风险人员，那么当银行的贷款系统调用到带有风险标签的数据时，风控系统会避免为该人员办理贷款，或是降低授信额度等，避免对银行造成损失。
随着对数据飞轮深入的探讨，我们认识到虽然这一概念在技术和理论上具有创新性，但对于传统且监管严格的银行业来说，还需要逐步探索释放数据潜能的路径。未来，随着数据飞轮技术的成熟和监管环境的适应炒股配资查询，或许我们能够见证数据飞轮在银行业的落地应用。
