-
数据中台作为银行数据能力建设的主要抓手，正在从1.0 阶段向 2.0 阶段发展和演进。
-
数据中台1.0阶段，银行集中进行大数据技术平台的搭建以及数据的采集和整合，形成了银行的基础数据能力。1.0阶段的数据应用建设以“点状突破”为主，银行针对“用户画像”，“大数据营销”，“大数据风控”等典型业务场景需求，以独立应用系统开发的方式进行建设，未能形成全行统一的数字化工具平台和经营体系。
-
数据中台2.0阶段，将重点解决业务人员如何使用数据问题。其核心思想是基于数据和分析民主化的理念，通过分析资源准备和分析工具赋能，把1.0阶段的企业基础数据能力提升为每个人的数据应用能力。通过数据中台2.0的建设，获取数据并从中分析受益将不再是数据专业人员的特权，每个业务人员都可以基于数据中台提供的分析工具和资源，在业务经营过程当中自主的提取、组织和分析数据。
-
2.0阶段的主要变化如下：
-
DataOps 实践：DataOps 实践对技术、流程、人员三方面资源进行充分利用和优化，旨在减少数据分析端到端的时间周期。DataOps 能够提供覆盖全流程的方法、工具和流程管理支持，具体包括：
-
敏捷开发：DataOps将敏捷开发引入到数据分析中，在技术方面支持云化部署、湖仓一体，在业务方面以小批量、增量式的模式管理和响应数据分析需求，通过自动化操作提升数据质量、减少错误，快速实现数据应用创新和实验，更频繁的提供数据分析洞察和见解，使银行能够第一时间响应客户和市场需求，加速数据价值生产。 -
增进协作：DataOps提供平台化功能，提升跨人员、技术和系统环境的复杂协作能力，减少数据移动、环境准备、系统间互操作等工作量和沟通成本，使数据价值生产环节之间实现无缝连接。
-
持续交付：通过在数据处理过程中开展持续集成、自动化测试、自动化部署等技术实践，提升数据和服务的可复用性，实现数据价值的持续交付，提供实时的数据洞察能力。
-
低代码开发：一种软件开发方法，在构建应用程序和流程时几乎不用编码。
-
通过引入低代码开发技术，对数据价值生产链路涉及的各种处理和分析方法进行抽象和封装，形成模块化的数据服务单元。 -
同时将银行数据模型和业务场景模型融合其中，构建参数化的低代码开发组件，并提供基于图形界面的可视化设计工具，打造设计即开发、所见即所得的数据分析低代码开发环境，将数据分析能力普及到每一个业务用户。
2、数据仓库与数据湖的关系需要在定位上做好决策
-
“湖仓一体”架构在现有数据仓库架构的基础上进行升级和扩展。既保护了现有IT投入，延续了技术积累，又提供了一体化的弹性扩展数据存储平台和更加多样化的大数据获取、转换和计算的方法。
-
可以在同一平台下支持实时分析、机器学习、数据科学等现代数据应用模式，为数据中台的建设提供了更加坚实的技术底座。
大佬观点
本篇文章来源于微信公众号: 数字金融网
