不要被数据产业现代化所困扰

不要被迷惑数据房地产现代化。集中注意力。 北美一家大型银行使用Capgemini和Google对其数据资产进行现代化改造。 尽管有数十年的投资、银行和金融服务(BFS)，但公司仍在努力将数据传递到可以最有效使用的地方，同时满足风险和监管报告要求。这些斗争导致了数据策略的转变，从而将控制从孤立的操作转变为使用混合云架构的数据管理模型。 由于数据的复杂性和有效管理数据的需要，建议少考虑技术组件，多考虑数据的来源，数据的运行和管理以满足多种数据需求，以及通过应用程序、集成和分析来显示数据。 数据资产的复杂性可能会导致技术领导者想知道他们应该从哪里开始，或者他们是否应该开始。领导者的选择通常是两个-折.首先，他们可以选择一种迭代方法，以产生收益并确保准确的结果，但这需要时间，或者他们可以选择一个过程，开发一个现代数据管理基础，将数据和见解视为单独但同等重要的数据资产。无论哪种方式，都需要公司投资于合作伙伴关系，以增加资源，增加技术能力，并满足金融监管、治理和安全要求。 客户和合作伙伴之间对数据资产的含义以及他们如何协作的共同理解至关重要。 数据资产通常定义为构成公司数据的组件技术架构。这些包括数据仓库或存储体系结构，原始数据的存储库（例如Procedre，数据湖），以及用于创建对数据的访问权限的数据集市（分析工具，软件应用程序和报告工具）。许多传统数据资产在大型机上运行，位于本地数据中心内，可通过多个SQL数据库和商业智能(BI)工具或应用程序访问。 获得更好数据的旅程永远不会完成。即使我们在撰写本文时，许多公司仍在寻求有关其数据如何满足ChatGPT等生成式AI模型需求的指导或者谷歌的吟游诗人。同时考虑这些大型语言模型的未来影响，很明显，那些加班工作以实现数据现代化的公司将最适合从这些改变游戏规则的解决方案中获得优势。 随着组织迁移到现代数据资产，其中许多解决方案都经过了重新架构，以在混合云中运行（私有云和公共云以及本地解决方案的混合）或100％作为云原生解决方案架构。现代资产利用了NoSQL，基于云的数据仓库和数据湖库以及分析等技术像Google的BigQuery这样的工具。鉴于 通过采取实际步骤实现数据资产现代化，为自己的成功做好准备。 数据现代化很复杂。但是，简化围绕调整、访问、构建、运行和管理数据以推动业务成果的讨论对于获得支持至关重要。我们建议使用以下步骤 如图表1所示，以构建旅程框架，并确保从首席执行官到业务分析师的每个人都了解要采取的步骤。 使利益相关者与共同的目标和对价值创造的清晰看法保持一致。 作为他们旅程的一部分，负责领导其公司数据现代化工作的技术领导者将需要获得高管的支持，合格的合作伙伴关系，并定义成果。此外，他们还需要建立 Data estate. Capgemini与一家大型美国银行紧密合作以实现这一目标。作为该银行与HFS共享的业务负责人， 与了解该行业的公司建立伙伴关系 并且可以预测技术需求。对于一家全球银行来说，改变数据资产可能会带来风险，但压倒性的是，HFS对银行业领导者的民意调查显示了数据对实现战略重点至关重要(见附件2)。 它所花费的时间和数据量阻碍了业务。我们需要对数据管理方式进行现代化改造，以推动更全面的决策。 –北美主要银行和金融服务公司集成数据服务主管 对于大型BFS公司来说，孤岛数据的挑战限制了盈利能力，抑制了交易速度，并削弱组织的能力客户期望的合理决策。将数据作为资产的需求对决策至关重要-在银行现有的模式中，及时做出决策具有挑战性。例如，通常情况下，银行将拥有数TB的数据；因此，评估准确性、输入和依赖关系所需的时间不能仅靠人力来有效地编目。自动化发现和评估的其他工具对于现代化 在当今不断发展的金融市场中，客户needs (from capitalmarkets to retail banking) and regulatory requirementscomplex the need for data to improve as a working asset.To do so, different parts of the firm will need access todata pipeline that pull from a data包括银行所有数据资产的资产。因此，虽然可以完成驱动对准的发光，但真正的工作是接下来要做的。 随着公司处理分散数据的遗留模型，评估当前的数据资产非常重要—大纲目标适应性、访问和控制。 •制定单一数据主计划，在该计划中，联合业务应用程序或自动化功能可以从单一来源提取，但以相关方式将数据上下文化。 相反，我们试图解决的数据问题是我们所有业务线都缺乏统一的数据策略，从而阻止了我们的业务持续不断地提供数据以做出高质量的决策。 在评估完成和目标达成一致后，凯捷和银行决定引入Google的云团队帮助构建未来状态所需的混合云模型。Google帮助在单一数据资产之上使用新工具来桥接传统环境。 –北美主要银行和金融服务公司集成数据服务主管 虽然联邦数据满足了各个业务线的需求，但银行意识到它必须开发一个新的数据管理架构的整体视图。因此，凯捷和综合数据服务主管对现有数据进行了为期90天的评估。该评估提供了重要的技术，流程，安全性，用户和监管见解，但最重要的是，它提供了团队需要克服的挑战的清晰视图。它导致了以下核心目标： 作为银行和谷歌的合作伙伴，[凯捷]的作用是看到我们的共同努力不仅仅是一种技术解决方案。相反，它们是新兴技术的一部分银行的运营文化。如果我们不积极寻找，我们就不会成功用于新的数据用途，减少决策时间，并改善与现代数据地产相关的成本结构。 •停止跨多个业务线和体系结构的重复、脱节数据的联合。•实施数据治理框架，以满足数据准确性和安全性的合规性和投资要求，而不会削弱数据资产。 –Ashvin Parmar，洞察和数据副总裁Capgemini实践负责人 集中式数据策略和联合模型提供了适应性，可以通过混合云进行扩展、访问和管理，以满足未来的需求。 引入技术和服务合作伙伴对于数据资产现代化至关重要。如图表3所示，从当前模型到目标混合云解决方案的过程是一个多步骤的过程，许多方面并行发生。对于许多可移动的部件，加速发现以提供运行时环境的技术知识、框架和工具可能需要外部合作伙伴的投入。因此，值得尽早为您的技术合作伙伴带来帮助，并在可能的情况下分享评估和交付目标。 从评估到管理的流程和自动化工具。此外，凯捷还提供了额外的技能和方法来转换数据工作负载，同时将业务影响降至最低。 凯捷的主要价值是他们拥有他们从一开始就了解我们的传统环境，并拥有工程专业知识来帮助我们应对数据挑战。 In the case of this North American BFS firm, Capgeminiand Google were selected as partners to aid with theirdata estate现代化efforts. Capgemini brought domainexpertise, familiarity with BFS business –北美主要银行和金融服务公司集成数据服务主管 该银行有多个云合作伙伴，但它选择了Google，因为它可以提供人工智能（AI），机器学习（ML），分析要求以及所需的大量存储和计算。此外，拥有可信赖的合作伙伴会带来许多好处。 该银行引用了凯捷的工业化数据和人工智能工程加速(IDEA)作为构建其未来数据需求的一个因素。 凯捷的IDEA解决方案提供持续创新如何在不断变化的业务需求的背景下管理、访问、监控、优化和分析数据。此外，凭借其Big Query、云原生数据库、存储产品以及使用云原生技术增强或替换大型机数据技术的能力，Google的云提供替代绿地以及银行或凯捷的技术团队实施和利用的棕地选项。 例如，凯捷带来了一个强大的与Google云平台团队合作帮助加快数据转换，并整合自动化工具以加速概念验证和迁移阶段。这节省了旅途中的金钱和时间，并扩大了合作伙伴关系的价值。 法规遵从性也推动了数据现代化。巴塞尔银行监管委员会(BCBS)239举例说明了外部法规如何突出银行必须解决的差距，以遵守安全性、数据聚合和报告。BCBS239既是业务又是技术加速器。 [在Google，我们为客户所做的努力是]通过事务性数据管理，分析，仓储，数据湖和AI /ML解决方案来支持数据生命周期的每个阶段。此外，我们尽最大努力开发基于开放标准的解决方案—因此，我们的客户从面向未来的解决方案中受益。我们还积极主动地引入我们的合作伙伴生态系统，以满足特定的客户或行业需求。 –合作伙伴解决方案架构师Simon Brown,Google的智能分析 IT和业务必须协作以基于如何捕获、组合和使用数据来运行重铸数据结构,以可互操作的方式利用云和本地数据资产。 Modernizing your data estate must fit how technologyserves the business needs. As Exhibit 4 illustrates, to besuccessful, our BFS client focused on upgrading its coredata systems using a foundation model suitable to theextract and loading of data into tools that could pres客户资产的学位视图，提高交易质量，并满足不断变化的治理要求。 •撰写：通过分析，人工智能和机器学习工具，将数据组装成见解越来越自动化。使用构建的工具来增强数据为用户提供上下文的方式。 •消费：目标是提高数据和信息的能力，以推动及时，高质量的决策。消费准确的数据创造了一个价值周期，可以捕获更多的数据，并以可衡量的长期方式改善业务。 通过阐明数据和见解如何适合公司的数据现代化努力，您可以更多有效地制定计划，以在整个组织中捕获、组合和使用数据： 数据资产现代化是通过AI / ML工具提供业务见解的基础。通过采用混合云方法，公司可以基于用例促进更有效的实施、采用和创新。此外，公司可以通过构建架构来交付和推广数据的使用，从而提高生产力和客户满意度。 •捕获：将数据收集到主数据资产中将允许一种通用方法；它正在保护、管理数据并将其分发到各个组和系统。但是，如果不概述数据资产在数据质量和控制方面的架构，数据将很快恢复到联合模型。 通过以云为中心的数据治理模型来管理数据至关重要。 主要的BFS公司强调与合作伙伴的关系和信任的重要性它对银行人民的理解，process, and technology and beproactive with new ideas and solutions. For example, thepartner working collaborately to identify the cloud partnersand select how each could bring the functionality neededfor different program. By separing the needs of the ne超大规模BFS和数据产品，以开发满足运营和监管要求的优化环境。 要成功实现数据资产现代化，请从联合数据模型转换为可有效管理和治理的数据模型is critical. The bank ’ sneed for “ground to cloud ” and“ cloud to ground ”strategies体现了对数据模型灵活性的需求。它的数据管理不是集中数据，而是架构如何跨多个数据程序管理数据，从存储到仓库再到数据湖房。 数据产业生态系统思维将数据作为一种资产来工作，为产品、决策和洞察力提供动力。将数据作为资产来处理，扩展了技术和