加入AI新引擎，华为数据中台全面智能化升级

　　作者 | 曾响铃

　　文 | 响铃说

　　根据IDC 报告，截至2022年中国数据规模已经达到23.88ZB，预计2027年将达到76.6ZB，五年年均增长速度将达到26.3%。在这样的背景下，如何进一步挖掘数据价值、提高数据应用效率，成为企业们普遍的课题，尤其是金融、央国企客户需求明显增强。

　　与此同时，大模型正在深度改变包括金融在内的千行百业，而在那些革命性应用背后，越来越多的人意识到，必须先有一套全面的数据能力体系底座，才能应对大模型时代的海量数据需求。

　　于是，无论从何种角度看，建设数据中台已经成为数智化的必修课。

　　只是，如何建设?或者说，在已有多年发展的基础上，数据中台要如何进一步演化，才能适应包括大模型应用在内的一系列新的业务创新需求?

　　最近召开的华为HC大会2024华为全球智慧金融峰会上，华为联合伙伴系统呈现了其金融数据智能解决方案5.0。面向银行业，华为正在探索构建新一代数据中台，一个能够让大模型快速培育、落地，高效创造价值的数据中台。其中，在数据能力方面，华为宣布在数据底座、治理产线、数据分析三个方面全面升级，加入AI引擎。

　　这次发布，结合华为在金融领域已有的实践，新一代数据中台的演化轮廓，也浮出水面。

　　新一代数据中台，技术动因与业务价值并重

　　知名经济学家、世界银行的首席经济学家保罗·罗默曾在其著作《内生经济理论》中明确指出，企业数字化转型需要强调技术动因，但更应该首先强调业务价值。

　　数据中台的演化同样如此。

　　以银行业为代表，企业对数据中台的期许，已经走向全面驱动各业务流程而非只是在单流程节点上有所贡献，要基于快速推进场景应用的普遍需求而进行，要能带来企业整体面貌的革新，前沿技术动因之外，业务价值变得更加重要。

　　也即，新一代数据中台，并不只是一个交付的技术方案，而是企业各业务流程快速获取包括大模型在内的数智化能力的“数智基建”。

　　这个“数智基建”，正是华为正在探索与实践的。

　　目前，在最首要的数据中台架构设计上，为了保障数据高效流动，快速支撑各类应用系统，华为构建起企业级数据平台，以打破数据孤岛、实现高效数据供给，这其中既包括云—数—智—算全面融合架构，将数智一体化底座、数智研运一体产线和数字化应用南北向贯通，让应用开发的效率更高;也包括智算融合、数算融合、数智融合和云数融合，大幅提升从训练到模型上线的速度，做到化繁为简，全面推进智能化升级。

　　这套体系，成功构建起银行坚实的数据基础，同时也让数据与AI的融合变得更加高效，展现出实时、多维、智能的技术供给能力。

　　比如，架构实现了数据从采集到计算再到应用的全面贯通，做到了数据的实时同步、入湖、加工和展示，在这种情况下，银行客户利用到的数据始终可以是“最新”的，而非漫长的处理后滞后的信息数据，确保了决策的敏捷。

　　典型的，在某银行网点运营中，过去只能开“晨会”基于昨天的数据进行分析判断，而现在能够开“夕会”当天的数据当天使用，及时性大大提升。此外，“实时营销”下更实时的客户体验反馈和权益发放，也使得客户活跃度和资产留存率相比传统营销方法提升了164%。

　　这样的“数智基建”或者说数据中台，在过去一年，支撑华为及其伙伴与多家金融机构展开深入合作，共同落地了超过100个智能化场景，在企业内部不再只有流程节点的优化，而是覆盖到零售、对公、金融市场等多个业务领域，让客户众多业务部门都开始积极拥抱大模型。

　　而此次华为进一步进行了数据能力升级，从数据底座、治理产线、数据分析三个层面推动数据中台更进一步。

　　数据底座层：在必然的复杂需求下，让数据支撑成为“多面手”

　　企业，尤其是银行业，在数智化转型升级过程中，往往存在“既要又要”的客观需求，这对数据底座提出了巨大的挑战。

　　华为在数据底座上的升级，最直接呈现的价值，就是让数据底座成为能力上的“多面手”。

　　在AI引入后，华为以数据底座智能化构建起多模态智慧搜索平台，升级传统搜索为向量数据库，支持高维数据检索，结合大模型和知识库还能够支持办公和网点助手等业务，最终还在推动着智能RAG的实现(越搜越聪明、越用越聪明，不断反馈、强化)。

　　这进一步升级了底层数据的存储和检索、利用方式。

　　但这还只是华为推动数据中台在底座这里进化的一个方面。

　　数据底座过去长期存在成本与效率兼顾的问题，在基础设施的“集约”与“分布”上不断“拉扯”、取舍，一方面集约化和规模化能保障最大化的共享、按需提供资源以及降低成本，但是数据底座过于集约化和规模化，又可能影响到业务侧的客户体验，需要强化“分布”，既要、又要的矛盾由此产生。

　　而华为成功应对分布式资源池体系等难题，做到了集约与分布的兼存，让银行能够在这个问题上实现“我全都要”。

　　此外，对与数据底座而言，TP(事务处理)和AP(分析处理)是两种不同的处理类型，而它们又都对应到银行必然的场景和需求(前者对应日常业务操作，如订单、客户管理;后者对应具体的数据分析和决策，如市场分析和业务报告)，然而，这二者对数据底座的需求又不尽相同，前者需要高并发性和快速响应时间，后者则需要处理大量历史数据，进行复杂的查询和分析。

　　于是，新的“既要又要”矛盾又产生了。

　　在华为一系列技术创新下，其方案中的数据底座实现了面向TP+AP的能力统一，既有高并发应对能力，也能响应大量数据查询分析需求，朝着“只要业务线想要的，都能满足”的方向进行探索与实践。

　　数据产线层：深入挖掘数据潜力，给数据价值戴上“放大器”

　　数据产线层的意义从大模型的发展可见一斑：越来越多的机构认为，在数量规模之外，数据的质量越来越决定大模型的创新的效率和效果，而数据质量的提升必须依托于更好的数据产线能力。

　　华为通过AI融入，推动智能数据治理的实现，以AI赋能来提升数据开发效率，除了数据质量，更在数据资产、数据规范、数据服务等方面进行提升，推动便捷用数的实现。

　　其中，由于银行等企业、机构当下的“数据储备”以及新增加数据中往往存在大量非结构化、多模态(图片、文字、声音、影视等)数据，因此华为还将数据产线层的数据资产运营能力延伸至生态化和全结构多模态化，帮助客户实现全量全要素的数据资产可感知、可获得、可控制。

　　由此，数据中台的核心要义也进一步展现出来——数据还是那些数据，越是良好的产线治理，越能让这些同样的数据的价值通过中台式共享实现放大，支撑到更全面的业务。

　　在这样的背景下，华为推动了跨租户、跨组织、跨部门、跨业务条线的高质量数据共享，实现了包括数据模型、数据指标、数据资产、应用服务、分析服务、AI服务在内的服务共享，全面支撑银行客户通过数据驱动来创造价值。

　　例如，某股份制银行构建了统一的数据服务平台和数据服务门户，行内月活用户数超过6万，员工用数渗透率超过55%，其中业务部门用户数占比97%，全面支撑各类业务，基本上做到了人人用数。

　　而一个优质的数据产线层的价值还远不止于此。

　　银行业面临纷繁复杂的信息，这些信息数据之间有千丝万缕的联系，背后潜藏着大量商业机会，只看银行是否有能力去实现有效的联系构建，最终挖掘到商业机会。

　　华为联合伙伴打造的数据产线除了实现了数据服务能力的高度敏捷化，还能够实现语义化可推理的主动元数据图谱、智能化的数据编织。多维下的数据跨界融合，知识图谱的不断丰富、打磨，让数据中台对业务的支撑获得了质变。

　　例如，一家大型银行通过构建手机CRM系统，实现了从传统陌拜到精准获客和持续经营的转变，能够做到地图查新企业、营销策略推荐、产品展示和业务指导等，在移动端就可完成谈判决策支持、客户信息采集、流程跟踪和风险分析等全流程管理。

　　与此类似，某城商行通过融合多方数据形成知识图谱，实现了对公营销数字化，服务于智慧园区信贷和结算用户拓客，此外，还利用图技术挖掘潜在客户实现数字化营销、探索小微金融服务新模式。

　　它们背后都是华为的多维分析方案，支持亿级数据的毫秒级响应和百亿级数据的多区域部署，除了数据底座支撑、云—数—智—算融合架构，数据产线层的创新同样功不可没。

　　数据应用层：好用、可用、乐用，打开数据消费的“加速阀”

　　上文提到某股份制银行在华为协同下实现了人人用数，这是数据底座、数据产线创新的综合结果，但是，在最终促进行内用户去使用场景应用的“最后一公里”，还需要数据应用层的创新努力。

　　只有真正用起来，数据消费“旺盛”了，才能繁荣数据服务的生态，尤其是实现数据“越用越多”的价值闭环(业务的发展带来更大规模、更多种类数据)，让数据中台的价值在持续运营中其价值将随着时间的推移将呈指数级增长。

　　因此，可以看到华为还在推动数据消费能力可组合、范式化，构建智能化用数赋智模式与工具体系，快速适配业务变化，让更多数据使用者能随时随地获取到可靠的数据。

　　在一个数据智能的时代，这样的数据中台实践，正在帮助银行实现数智融合。无处不在的数据、无处不在的智能，没有门槛的应用，加速的数据消费与数据资产沉淀，一个良性循环基于新一代数据中台的实践在逐步实现。

　　在具体的做法上，华为于数据应用层全面融入AI引擎，推动智能数据分析，用AI来推动数据分析的可视化和自动化，实现诸如归因分析等数据智能高阶能力，让数据分析好用(NL查数、NL分析，数据分析的可视化和自动化，极低应用门槛)、可用(高准确性)、乐用(AI辅助进行智能数据分析，可不断探索、挖掘数据价值)。

　　在未来，更多的银行在数据应用上会变得更简单。例如，归因分析下，当普通业务员或者管理者发现最近理财业务业绩下降了，或许只需要向某个数智化应用，采用自然语言的方式问询，比如“为什么最近片区的理财业绩下降了”，应用就可以基于数据中台能力自动生成一套分析报告。

　　这样的数据应用，才是数据中台未来要追求的。

　　结语

　　华为通过AI融合，在数据底座、数据产线和数据应用三个层面都进行了大量创新与推进，探索和实践了新一代数据中台。而除此之外，在银行业对数据的安全性十分敏感的当下，华为还进行了完善的数据安全管控体系建设，采用总控与穿透式多方权责体系及治理机制，做到不缺位不越位。

　　典型如金融级数据权限控制，个人只能查询到个人数据、机构管理者只能查看自己机构及下属数据、零售人员只能看到零售相关主题和字段、管理者可以看到全局所有字段等。

　　总的看来，在一系列创新下，数据中台在真正改变企业而非仅仅改变业务，华为正在推动银行客户从“+AI赋能”走向“AI+产能”，让大模型深入融合到企业禀赋当中，无处不在、无时不有，以AI+应用、AI+终端、AI+业务三个维度推进智能银行的真正实现，让银行客户赢在数智化时代。