招行在金融科技这一领域走得比较早，在2016年的时候招行就提出了金融科技的概念。2017年招行制定了走金融科技道路的战略，成立了招行金融科技的基金，扶持一些相关的金融创新。经过近几年的发展，这个基金的规模越来越大。

目前为止，招行每年在金融科技基金方面的投入占到营收的3.5%，这个规模是比较大的。基于该基金的支持，招行在一系列的新技术方面，例如大数据、云计算、人工智能、区块链和行业伙伴打造的生态能力上获得了长足的进步。

2020年，招行的金融科技进入到了新的阶段——开放融合阶段。

什么是开放和融合？

开放是为了寻求更多服务的机会。招行一直是以一种比较开放的心态与行业内可以连接的合作伙伴一起打造包含生活圈、工作圈、经营圈的开放性生态圈。

对内部来讲，融合是为了提升内部的服务能力，就是打破内部的组织边界、业务边界，通过服务的组合，来增强服务的价值和黏性。

基于开放融合的战略，招行构建了一整套的数字化金融服务框架。我们在云计算方面投入很大，也构建了技术中台、数据中台，这两个中台包含大数据、人工智能、区块链等。

基于这些赋能我们对招行的零售、批发、运营等业务进行了创新。与此同时，我们与业内合作伙伴一起构建的生活圈、工作圈、经营圈构成了招行金融数字服务体系。

招行云计算发展的背景，可以用摩尔定律概括。未来随着量子技术的发展，计算能力还会加速，云计算有着更广阔的前景。

云计算给我们带来了什么？

是冗余资源的共享，或是优化使用。第二是带来了软件或产品，亦或是组件的服务化。第三是带来了云化的趋势。

云计算本质上是一种共享经济。招行在云计算方面是以原生云的架构构建了一整套的云。在招行长达六年的云计算建设过程中，首先有两个云：一个是FTC，另一个是原生云。

FTC就是金融交易云，承载了招行以往在主机上的核心交易系统，这是一个分布式交易的平台，提供了平台和开放的框架，引导了核心交易系统的快速开发。另一个是原生云，招行自建了全栈式的私有云，在这上面有中间键、数据库等标准的云服务。这是以公有云模式服务自身，具备招行自身特点的定制化。

通过原生云相关技术和配套设施、流程等多维度赋能分行，降本增效，实现以下四大方面的价值：

加快开发效率 

●一键创建服务器、数据库、Redis等中间件

●无需过多关注架构、中间件和非功能开发细节，可集中业务开发

●DevOps交付流程，支持持续快速交付部署，提升产品迭代能力

满足合规要求 

●云管平台内置运维流程要求

●DevOps流水线满足项目开发流程要求

先进架构保证 

●标准化高可用应用架构，无惧故障

●支持微服务架构和动态扩容缩容

降低IT成本 

●减少基础运维人员投入

●减少软硬件购置维护费用

招行从1999年开始做数仓，从2014年开始构建大数据平台，但是这些平台最开始基本上都是为总行服务，总行的业务部门可以享受到这些技术带来的变革。

但其实从根本上来说，使用者是大量分布在分行中的，而不是在总行，总行是作为管理单位。按照原来的模式，分行很难接触到技术迭代、创新带来的成果。

在原生云的技术发展上，招行走过了较长的道路。2019年，招行构建了一整套的大数据PAAS服务，它解决了什么问题？我们在构建这个服务之前，曾到分行一线做过调研，了解到大量的一线业务数据分析人员所面临的问题是较为集中的：

，数据无法自助使用，用数据有一定的难度。

第二，大部分分行的技能水平相对于总行而言是略差一点的，他们很难构建一个大数据开发、流程管控的平台。

第三，分行不像总行有一整套的数据治理、数据管理的方法论，也没有工具和平台进行数据及数据全生命周期的管理等。

我们一线的数据分析、开发人员，面临很重的负担。他们要考虑技术的迭代、数据的运维等工作，这些占据了大部分的工作时间，那么便很难有机会专注于数据分析这项工作中。

我们在2019年看到这个问题后构建了这个平台，后来这个平台带来了什么好处？

是基于云，享受了云计算的资源，能够实现资源的灵活统一部署，统一调度，灵活分配。再从能力面来看，实际上它可以根据云计算资源弹性交付的特点，比如在网络方面，利用网络资源的按需调度能力，支持大数据平台应对分析的洪峰。

第二是利用云存储的弹性扩容模式，可以支持大数据平台的弹性扩容。从业务层面来讲，云计算为大数据平台提供了更多数据存储和数据分析的可能。实际上因为由总行构建整体大数据的服务，引入最新的技术，一线的业务人员都能即时享受最新的大数据技术，这也是我们大数据上云的一大优势。

自从分行数据云上线后，总行和分行在数据领域的合作变得非常紧密，总、分行的职能也更加清晰。总行从工具、平台、管理层面来考虑，为分行一线同事提供好的平台，来组织、管理数据。

除此之外，总行考虑如何更好地利用总行资源，为分行一线客户的使用和场景拓展提供服务。分行则摆脱了过去在技术架构和运维方面的负担，可以专心在数据分析、数据应用层面，开展业务创新。

分行数据云服务建设，制定的四大目标，目前来看已经基本实现。

是“易”，自助化、可视化，让用户自助使用数据。

第二是“快”，降低或是减少一线数据人员用数据的负担、运维的负担、对数据识别的负担，可以专心聚焦于快速响应业务的变化。

第三是“灵”，大数据平台可以灵活调度资源。

第四是“集”，实现了集中管控、集中管理所有数据。

2019年，田行长在全年的工作报告中提到，持续优化数据分析环境和分析工具，降低数据使用门槛，支持全行数据分析能源自主、敏捷用数。

其中的关键字就是“自主”和“敏捷”，这句话为我们指明了将来如何达到数据赋能的方向和目标。

为了满足或完成这一方面的要求，我们调研了数据分析人员在日常工作过程中有哪些痛点。

比较典型一个痛点就是数据太多。招行的数据体量较大较散，各个业务系统的数据在各个地方，所需数据一时无法找到。

并且数据还是存在一定的约束，对公的数据零售无法使用，零售的数据对公难以提取。

其次数据的口径太多、太复杂。口径甚至一天一变，原来的固定报表无法满足这些。如何让数据分析满足业务敏捷？这个是我们要考虑的。

除此之外，数据从加工开始，到最后一线数据分析人员的手上，这个过程太曲折、流程太长。最后经过重重审批，到数据分析人员手上，用数太难了。这也是共性的痛点。

针对这些痛点，我们给了一个方案，主要包含三个部分：

，搭建大数据统一计算平台，将所有数据集中起来，提供简单的开发工具，帮助大家快速地分析、开发。

第二，通过BI工具的引入。其实招行在这几年已经逐步减少了固定报表的开发，甚至是退出原来固定报表开发的模式，全面向业务分析人员推广BI工具的使用。通过BI工具的使用，让分行的业务同事可以快速、灵活地实现分析的目标。

第三，我们整个分行的数据云打通了行内其他数据平台，比如一事通、营销平台、信息收集平台等，实现数据全链路打通。

所有这些能力，实际上全部提供给分行一线同事使用，为他们赋能。

目前我们达成了这几个目标：

，让数据分析的工作越来越简单，通过降低整个数据使用的门槛，让更多业务人员即使没有技术背景、没有IT背景，也能参与到数据分析中来。

第二，单个数据分析的效率明显提升。通过集约化的资源管理，统一的平台赋能，大大加快了数据分析的周期，有效地支持决策管理。

第三，用户可以选择灵活自主的数据分析方式，能够快速、直观地通过BI工具呈现出结果。

第四，数据分析人员可以摆脱一些重复性劳动，可以聚焦于体现数据价值本身。

招行的大数据平台在从数据接入到展现的很多功能方面，都采用了低代码化的开发方式，降低了开发成本。

可视化分析平台主要包含了两方面内容：人工智能和BI。通过这些能力的组合，满足不同需求的数据分析。

金融行业在数据安全、合规等方面的要求较高，我们在平台整合了强大的、个性化的数据安全和管控的手段。

比如分网段，对不同的网段制定不同的安全策略。数据脱敏，建立了脱敏的统一服务。根据不同机构、不同角色，细分不同权限。这一切服务组合，实际上丰富了我们BI工具的能力。