这是一个很有意思的现象，在当今的中国，越是领头羊，越是有危机意识。
“数字化转型对于商业银行来讲是一场革命。”在去年的金融街(000402,股吧)论坛年会上，建行党委副书记王永庆发表主题演讲时明确指出。
今天中国金融业的数字化水平仍然处于中国所有行业的最前列，但机构之间的数字化能力已经显示出差异。
向来嗅觉灵敏的资本市场已经嗅出了味道。
就在上个月，东方财富(300059,股吧)的市值超过3300亿元，比曾经证券行业的老大哥中信证券(600030,股吧)（市值3000多亿）高出了10%。一向低调的招商银行(600036,股吧)已经成为上市银行的龙头，市值达到1.3万亿元，超过了农业银行(601288,股吧)（1万亿）、中国银行(601988,股吧)（9000亿）等国有大行。
在未来某个时刻回望整个金融行业数字化的历程时，这些都会成为行业发展历史上的标志性事件。
同样，这些标志性的事件发生背后，实际上也在透露着强烈的变革信号：金融机构躺着赚钱的时代已经过去，在今天这个数字时代，数字化转型迫在眉睫。
“数据中台”成为转型抓手
任何转型之路都注定不平坦，金融机构的数字化转型之路也不例外。
虽然金融行业都有数字化转型的共识，但是对于如何转型，其实很多金融机构的思路并不清晰，甚至一些银行对于数字化转型的理解还停留IT项目层面，认为这应该是银行科技部门主导的工作。
“我们银行在战略层面很早就达成了共识，但是如何具体实施数字化转型，内部还是有不同意见。这次大会以‘破解中台’为主题，给了我们一些新的启发和思路。”一位地处北方的城商行“一把手”在7月16日举办的2021阿里云金融数据智能峰会上对《看懂经济》表示，建设数据中台是一个颇具操作性的转型切入口。
事实上，打造强有力的中台，尤其数据中台，这已经写进了各大银行、保险等机构的最新战略。例如，2019年12月，招商银行宣布设置数据资产与平台研发中心，其定位就是“数据中台”；2020年，中国农业银行制定了“六大中台”战略，打造数据、信贷、开放银行、零售营销、对公营销和运营六大中台；中国太保(601601,股吧)集团携手阿里云首次打造集团级数据中台，全面向数据智能要红利。
“你看什么样的客户会把中台这两个字写到战略里面？通常是那些组织非常庞大，系统非常多的大型机构。”阿里云智能新金融&互联网事业部总经理刘伟光一直以来都亲自接触很多金融机构，对金融机构的数字化转型面临的困难非常清楚。“这些机构的历史包袱比较重，重复建设比较多，业务响应的敏捷度差，因此建设数据中台的诉求很强烈。”
诉求背后是一系列的业务痛点。一家金融机构同时运营着数十个App，每一款App都有一套风控策略；不少银行数据平台上有上千张报表，但是却找不到一张完整的客户视图；大型保险集团内部人寿险、财产险、健康险等割裂，有时候会针对同一个客户花费大成本进行重复营销……
这些金融机构的痛点如果进一步收敛，其实都是因为多年的系统割裂建设，导致数据形成孤岛，没有形成统一的数据资产。
在数字经济时代，这显然就是一个巨大的浪费。
今天，快速变化的客户需求以及不确定的外部环境给传统金融机构带来了巨大挑战。为了应对挑战，很多金融机构开始加速依托云计算、大数据和人工智能等数字技术实施中台转型。
数据中台建设，正成为很多金融机构数字化转型的关键抓手。
“实际上，叫不叫中台不重要，它只是一个名字。”刘伟光强调，数据中台的本质是一种智能化的数据聚合服务平台，通过聚合数据形成全局资产进而为业务提供创新支撑。
阿里数据中台实践
要想建好数据中台，其实并不是一件很容易的事情。今天提及数据中台，阿里是绝对绕不开的厂商。
“很多人听过数据中台这个概念，但是不知道长什么样，有什么用。”说这话时，刘伟光起身拿出了随身携带的手机，直接向《看懂经济》展示了阿里数据中台的价值。
刘伟光在手机上点了几个按钮，阿里云新金融事业部的营收、区域营收和人均效能、差旅费用等实时数据一目了然，不但有数据，还有预测，还有智能化的推荐能力。
“手机上的展示还不够全面，如果在PC上，你还可以看到，这套中台系统进行的多纬度分析。比如对内管理方面，某个地区的差旅高了，原因在哪里？是否与业务发展匹配？如何更好的优化这一部分的成本？对外拓展业务上，我们签下每一单合同是否有利润？利润风险点在哪里？系统还会给出有效的风险规避策略等。
要想达到这样的效果，阿里数据中台实际上进行了全部业务条线数据的全量打通，构建了统一的数据模型，然后在此基础上又叠加了实时计算、算法以及AI能力。
如今不止是刘伟光，根据权限的不同，阿里集团任何一个员工都可以利用这套系统进行决策，为客户提供最佳服务体验。
阿里打磨出来如今的数据中台，实际上花费了12年时间。而这12年里，也是不断解决各种问题和困难的过程。
正是在不断升级和重构的过程中，阿里巴巴的中台建设经历了从分散的数据分析到数据中台化能力整合，再到全局数据智能化的时代。
关涛是一位老阿里，现任阿里云智能计算平台事业部研究员。据他回忆，2012年，阿里一共有12个业务部门，有9套不同的系统，用户数字化流程需要横跨多个BU的多套数据系统。
数据孤岛现象开始日益严重，数据成本越来越高，统一的数据平台建设已经迫在眉睫，这也是阿里巴巴数据中台的起点。
2013年，阿里自主研发了MaxCompute超大规模计算平台，为阿里巴巴未来多年的大数据发展奠定了坚实的技术基础。同时，在建设这个数据中台底座的同时，也开始统一各个业务部门的数据，进行统一管理。
2015年到2018年，阿里巴巴数据中台方法论开始确立，拉开了数据中台建设的大幕。随后，数据和计算的高速增长、资源的高速消耗带来了数据需要治理的问题。
2015年，当时阿里有超过100万张表，每个人都知道这里面有很多是没有用的“冗余数据”，但是没有人知道究竟是哪些数据。也不知道谁用了什么数据？谁生产了什么数据？这个数据的质量究竟由谁来负责，这个问题变成了数据统一化之后的核心问题。
阿里随后建立了统一的数据开发与治理体系，中台建设开始步入正轨，并逐渐形成了数据平台方与业务方达成正循环的状态，确立数据中台建设成功。
回顾阿里数据中台的发展历程，我们大致了解了它如何一步步走过来的——阿里并非为了中台而去建设中台，而是因为在业务的快速发展倒逼着进行了中台的建设与沉淀。
过去两年各种“中台”概念纷飞，但是真正的中台肯定是像阿里这样，从实践中来，而又能回到实践中去的。
做好数据中台的几个挑战
过去一年多来，阿里数据中台在不断进化并对外输出，为银行、保险、证券等金融机构在营销、风险控制等方面发挥了非常好的支撑作用。
据《看懂经济》了解，一年多前，一家大型保险集团企业想上马数据中台，最终它选择了跟阿里云合作。而作出这一决策的关键动因就是——数据中台在业内只有阿里干成功过。
数据中台的引入，正在改善这家保险企业很多环节的服务。
刘伟光举了一个很典型的例子——保险理赔。生活中，车险、财产险等保险理赔的纠纷很常见，因为人的因素参与其中，很多摩擦马上就提升了。比如，今天出了一个车险，车主恨不得下一单就理赔完了。但现在要一大堆流程，客户感受很差。如果保险公司有充足数据作支撑，理赔实际上可以做到非常快。只要把数据用好了，摩擦力降低了，理赔体验也就好了，然后人员成本还能降低。这就是用数据驱动保险业务发展。
但现实中，每一家金融机构面临的困难不一样，数字化能力也有差别，但是数据中台能否成功的几个核心问题，目前看基本上是一样的。
战略认知是最根本的推动力，而认知最难改变。数字化转型不是金融机构科技部门的战略，而是企业级的顶层战略。
数字化转型是一把手工程，考验的是“一把手”的战略思维。同样，没有“一把手”的亲自部署和安排，在执行过程中也容易流于形式而不重实效。
作为“宇宙行”的工商银行(601398,股吧)董事长陈四清曾指出，银行作为资金中介和信息中介，具有天然的数字基因，今天银行的资产负债表，不仅仅是存款、贷款、债券，还有数据、平台和生态。数据作为重要的要素资产，正在驱动金融服务的再造和资产负债表的重构与升级。金融业实现数字化转型，要在做实、做强、做活数据资产上下功夫。
但是即便认知跟上了，技术实力也是硬核挑战。
截止到今年4月份，金融融机构共成立科技子公司45家，其中商业银行已成立金融科技子公司12家，保险业已成立金融科技子公司共27家，证券业成立金融科技子公司2家。
相比这些机构，绝大多数金融机构的技术能力相对一般，投入也有限。以银行为例，银保监会公布的银行有4073家，只有12家成立科技子公司，占比仅有可怜的0.3%。
大机构可以依靠自身的能力实现转型，而中小机构确实需要借助强力的合作伙伴加强中台建设，避免走弯路，更高效地实施中台建设。
此外，还有一条重要的经验——打通组织墙、部门墙。
阿里巴巴发展的早期，也是搞了很多系统，这个部门搞一套，那个部门搞一套。最终，数据都是割裂的，没有办法为业务提供全量数据能力支持。最后集团把每个部门里面的数据分析人员集中在一起成立了一个部门，这个部门做着做着就衍生出了“数据中台”。
所以金融机构一定要敢于打破部门墙，敢于打破组织部门的利益，才能为建设统一复杂的企业级中台能力。
如果把这场围绕中台的建设比作一次长跑，阿里可能已经跑到了1500米，而绝大多数金融客户可能才刚刚跑到800米的地方。
不是说金融机构的能力不行，而是因为它们的业务量、数据量没有到这个规模。在接下来的700米当中，这些金融机构一定会遇到阿里此前遇到的问题，要经历系统不断整合、重构、拆迁，最后变成一体化平台的过程。
但对于今天的金融机构而言，作为后来者是幸福的。因为有了阿里在前面踩坑，现在建一个数据中台已经没有那么难，工具和数据治理体系都已经标准化。
面向未来，金融机构能够更早的完成数据中台的建设，利用这个抓手提高数据利用效率，谁就能在这次数字化转型的大潮中赢得先机。
本文首发于微信公众号：看懂经济。文章内容属作者个人观点，不代表和讯网立场。投资者据此操作，风险请自担。
