导读：永洪这几年来一直坚信着一个目标，我们能够非常专注的把永洪的核心技术推广到我们信任的客户那儿去，我们希望客户真正能够把永洪的技术发挥出来，发挥出业务价值，能够让我们的数据真正的体现价值

今天非常荣幸在永洪C轮的发布会上能够和同业一起探讨大数据，这也是永洪一直以来去追求的一个目标，就是想借助永洪的技术能够为我们的企业，能够为大家一起把数据的价值挖掘出来。那么，今天我想引入一句话，马云说的“人类已经从IT到DT时代”。

虽然说今天腾讯投了我们，但是我还是引用了马云这句话，我想马云这两个字已经不代表他个人了，可能你只要心说服这个人，你就说这个是马云说的就OK了，不用讲什么道理，反正就是马云说的。到了DT时代，大家都会一直在探索一件事，在座的同业都说我们是做IT的，忽然一下子到了DT，这中间会有怎样一个转变呢？

在IT到DT的转变过程中的两个核心诉求

在IT到DT的转变过程中，我认为有两个核心诉求，就是大家怎么看待这个数据。1.数据的资产化。2.决策数据化。

一、数据的资产化。原来我们的信息部门的定位是我们作为IT部门是给业务部门做支撑的，我见过很多的大型机构，他们的科技部老大包括信息中心的主任会跟我抱怨说，你看我们的数据增长越来越大了，我们预计今年要花多少预算投入进来，大家看到的好像是说随着IT、信息化的发展，大家每年的IT投入越来越重，花在IT上的钱财越来越多，大家一直看到了成本，觉得IT的压力太大了，就是因为原来的IT是一种业务的支撑。

而到了现在大数据的时代，我觉得数据变得越来越重要了，如果你的机房里面有10G或者100G的数据，我想IT的老总一定会非常高兴，因为不仅仅是说我花了更多的钱把数据装起来了，而是我有10G的数据是可以应用的。这个产业的价值不是花的硬件来所覆盖的，所以在IT领域数据变得越来越重要，我们的数据IT部门可能会从业务支撑部门转化为应用中心，这个趋势已经非常明显了。

第二，决策数据化给我们企业带来的影响。原来我们是业务支撑，最终是要落实到人，人是受情绪所变化的，今天我可能炒股亏了，我不高兴了，我甚至会做一个错误的决策。但是数据是客观的，用数据说话，并不是每一次决策都能做到最好，但是长期来看数据一定是客观的，数据的决策效率一定会高于以人为中心的决策效率。这是我的一个基本观点，为什么到了DT时代数据要资产化，我们的决策要数据化。

在大数据时代，我们经常说的四个特点，所谓的4个V，大家已经很熟了。我在这里想讲的核心观点是，大数据时代对大家来说既是一个机遇也是一个挑战，前3个V是多样性、海量存储、效率速度，我们只有克服这3个V，才有可能产生最后一个V—给企业带来价值。我想永洪做的事就是在帮助所有的企业，帮助我们的同业克服前3个V从而转变成最后一个V。

怎么样去应对企业所遇到的挑战

怎么样去应对刚才我说的企业所遇到的挑战呢？我接触的金融行业比较多，我经常跟很多银行、证券、保险专家探讨这个事，大家有一个基本理念，首先要从一个模式上、基本上有一个转变，大数据时代技术永远是一个工具，但是重要的是你能不能建立一套数据运营的体系，有了这套体系来保证你克服大数据所带来的影响，能够实现它的价值。

首先我们要建立数据运营的体系。以我熟的金融行业为例，比如说银行怎么建立一个体系呢？比如说银行的诉求永远离不开：运营、风控、管理。我们给银行做相关探讨和相关方案建设的时候，我们也会围绕着三个核心需求来做。比如说做运营，我们会帮他构建360度的用户画像做进一步的交叉销售、精准营销。做风控，我们现在有新的技术，可以达到实时风控。做管理，以前是核算成本，但是现在我们把成本核算到帐户级，而不是像以前汇总到产品级。

所以在大数据的时代，技术永远是一个工具，是一个基础，关键是你有没有建立这个数据运营的体系和模型，把这个体系贯彻到每一个业务部门。为了应对我们的数据变化，我们也构建了完整的基于数据的解决方案，底层是数据源，上面是数据的建模，再上面是数据的标签，最后是可视化的分析。

这个架构跟传统的IT架构有什么区别？大家知道传统的IT建设是以模块化的建设为基础，我今天想上一个CM，明天想上一个ERP，就是业务部门需要什么我们就建什么。但是这条方案的核心诉求是要打破原来的模块化建设所带来的信息督导困惑。数据无非就几种：处理、分析、存储、数据展现，每一层都有核心的技术，我们只需要把每一层的核心技术做好，每一层的上面要具体通过它的数据驱去做业务模型的展示。

另外这个方案的特点是在底部数据这方面特别突出了外部数据，现在在传统的企业，也包括金融、电信大家越来越关注外部数据对我们的影响，也就是说我们企业产生的数据只是为我们服务的这些用户的数据的一部分，甚至可能会变成越来越小的一部分，更多的数据散落在哪里？散落在互联网上以及其他的外部数据源上，怎么有效的利用外部数据源是我们能够做大数据应用的关键。当然了，它最终是为业务应用来服务的。

所以我们特别强调外部数据，我觉得外部数据会越来越重要，而且它的数据格式也是千变万化的，有格式化的，有视频的，甚至有一些机器数据都在其中，那么怎么样有效的利用，这对我们最后的应用会产生深刻的影响。

我最近接触南方的保险公司，他们一年采购外部数据可能就达到几千万，这对他们的业务产生了深刻的影响。我们在业务模型上会做一些典型案例，比如说精准营销，大家探讨精准营销已经非常多了，今天时间有限我就不说多了。我想说的是精准营销，我认为首先不在它的宽度，而在于它的深度。

最近我接触的几个银行，大家在探讨说360°用户画像怎么做，精准营销该怎么做。实际上以保险和银行为例子，真正能够把精准营销做透的没有几个，精准营销还是应该围绕某一个核心诉求，先让它出效果然后再逐步的展开做。

    另外，怎么样有效的利用外部数据，现在这种组合方式千变万化，实际上我们对于一个金融行业来说，它所拿到的外部数据可能仅仅是那几个指标而已，或者三四个标签足以应付它的业务。

    其次，讲一下如何提升内部管理。很多企业的内部都已经建了成本分摊、内部转定价等一些信息化系统。但是有一个普遍问题是，这些系统是不是真正的落实到位了？现在我见的大多数企业的成本分摊都没有到帐户级，有管理上的因素也有技术上的因素。到了大数据的时代，借助大数据的技术完全可以把内部的成本核算可以核算到帐户级，这样你才可能往上归总为产品级或者部门级的应用。

    然后，风控方面。现在在大数据的实时风控都是很流行的，包括很多银行都想自建一些基于小微企业的风控。最近一年，我跟很多银行都交流过实时风控的事，大家普遍觉得这个事情都在探讨，但是没有更好的办法。我觉得实时风控是逐步积累的过程，没有哪一个银行能说我现在一年之内就要建一个完美的小微的风控模型，大家都在积累自己的标签体系和数据，经过两三年的运营可能才真正的出成果。

刚才大概讲了一下我们的业务构架的理念。其实刚才这种完整的基于大数据的业务构架，它背后需要技术上的支撑，这种支撑在技术上，我认为它可能是革命性的，它已经不是原来的传统的IT架构了。大家可以看一下这个是传统的IT架构，基于数据处理，从底层的数据到数据仓库，到数据集市到汇总层，最后到数据展现。

传统IT架构给企业带来的困扰

为什么我说新型的业务构架一定要有新的技术来支撑呢？就是因为原来的这套构架是有一些缺陷无法克服，这也给我们同业的IT老大带来很多的困扰：

1.不够敏捷。现在很多企业，大家都有一个非常深的感触，就是业务部门总是觉得IT不给力，我提了几个需求，可能就是几个报表，但是要等几个月以后IT部门告诉我这个报表正式上线了。当我们需求产生的时候，需求在互联网时代是随时可以产生的，但是IT支撑部门并不能马上给出答案，这就是我们所说的敏捷度不够，造成了效率的低下。

2.性能不够用。很多的问题不是业务问题，而是性能问题。可能我们在方案上已经想到了，比如说做成本分摊要做到帐户级，但是大家发现如果真正做到帐户级数据量很大，你跑不动，这就是性能问题。我之前见过很多传统软件，它的效率会慢到惊人，以我们今天的探讨来看的话，可能它积累了两年数据之后的效率就非常慢了，这在大数据时代是不可想象的。

3.使用成本高。我觉得成本一定不是采购一个产品的成本，成本一定是综合成本，你对它的使用、维护、日后产生的效果价值，我觉得一定是综合成本。很多的同业在上某些项目的时候，可能只考虑到了我采购这个产品，它是便宜还是贵了，实际上后端的成本就相当于冰山下面的隐藏在海水以下的冰山，你眼睛看不到，而且是占你总成本的绝大部分。

4.扩展性差。原来的是怎么样通过一套高效率的硬件来提升性能，而不是通过横向扩展的方式来做。

5.非结构化数据。这个我们现在在引入第三方数据的时候经常会碰到，经常要对这些非结构化数据做处理，不管是结构化处理还是说直接在非结构化处理得出结论，这已经成为了一大部分创业公司的杀手锏，能够把这件事处理好，可能这个行业就有一些作为。

永洪的大数据架构解决了企业的困扰

我们提出来了基于大数据的构架，就是为了解决刚才说的这几个问题，这个构架基本上分两块：在线分析平台、离线分析平台。这个分析平台首先具有分布式计算特性，能够支持横向扩展。另外，它的性能，它的敏捷性能够满足我们客户业务方面日益发展的需求。基本上我们从性能上，我们宣传的是秒级响应，就算不是1秒，10秒也能出来。

这个架构跟传统的数据分析到底有什么本质区别呢？其实很简单，我们这套大数据的架构是把数据存储和业务逻辑分离了，大家都知道传统的架构里面都是要做数据的汇总，要打cube。其实cube就是非常学术的名词，它是指既有数据存储又有业务逻辑的一个实体，当前端发生变化的时候，你就要动这个cube，动了它以后，要找技术人员解决这个事。

永洪的解决方式是我们把业务逻辑交给业务人员来关心，中间并没有汇总层，而是直接基于明晰数据做分析，把两个一分离，当业务部门的业务逻辑发生变化的时候可以快速响应以及实现它的业务需求。我们能在你自建指标的基础上能够帮助我们的业务人员做自助性的分析，可以让业务人员自己探索数据的价值，这也就是我们所宣传的敏捷制度分析。

在这个基础上，我一直认为这个需求现在已经得到了大多数金融机构的认可，但是它现在应用的广泛度还没有达到，如果按照比例来算，它只占20%的比例，但是我想三年之后它在整个数据分析的比例甚至可以达到60%至80%。为什么？因为我觉得一个数据的价值一定不是固化的，一定是从数据终探索出来的，从我们的一线业务人员探索出来的得到的价值，可能对我们的业务发展更加有帮助。

    这套架构现在经过永洪这么多年的努力，从2012年成立现在已经4年多，现在在众多的行业得到了合作伙伴的认可，包括互联网行业，包括传统经济、制造业、金融行业、电信行业，也得到了大家非常多的认可。具体的案例我就不详细说了，我想说的是随着我们合作的越来越多，可能永洪这套方案能够真正的帮助我们的客户产生一些价值。（图示）这是我们在某一家银行做的实时查询，自主分析。这是我们帮一个大型银行做的，这个报表是他们自己做出来的零售业务。

    最后我想总结一下，永洪这几年来一直坚信着一个目标，我们能够非常专注的把永洪的核心技术推广到我们信任的客户那儿去，我们希望客户真正能够把永洪的技术发挥出来，发挥出业务价值，能够让我们的数据真正的体现价值。谢谢大家。