當前，伴隨信息技術的持續變革與發展，以數字經濟為代表的新經濟將成為發展新動能。以云計算、大數據、人工智能等為代表的數字技術不斷涌現，快速向經濟社會各領域融合滲透。以數據為核心的數字化轉型已是大勢所趨。金融業是數據密集型行業，在生產經營過程中積累了海量的數據資源，對數據資產進行管理、應用、治理成為金融機構探索和實踐的重要方向。在本篇文章中，我們將結合金融機構在數據治理過程中的具體實踐，一起探討軟件定義存儲技術能夠在數據治理體系中發揮怎樣的價值。

金融機構數字化轉型中數據治理的困難與挑戰

金融機構作為數字化轉型的親身實踐者，在過去的實踐中積累了較為豐富的數據治理經驗。但是面對數據的海量增長，如何科學地管理和使用數據，“盤活”數據價值，使經濟利益和社會效益最大化，依然面臨著諸多困難與挑戰。

困難一、缺乏統一數據視圖，難以發現價值數據

由于歷史原因，多數金融機構的數據資源散落在多個業務系統中，缺乏統一的數據視圖，管理人員和業務人員無法及時感知數據分布情況，無法快速找到符合自己需求的數據，也無法發現有價值的數據并納入數據資產。

困難二、數據孤島普遍存在，跨業務共享效率低

金融機構將數據作為戰略性資源，因數據共享機制不完善、各機構數據接口不統一等問題，導致數據難以互聯互通，形成“數據煙囪”，不利于開放共享。

困難三、數據質量低下，業務決策根基不牢

數據質量是金融服務與創新的重要基礎。由于缺乏完善的數據治理體系，金融機構在數據采集、存儲、處理等環節存在不科學、不規范等問題，無法確保數據的完整性和準確性。

困難四、科技研發投入不足，數據場景融合不足

金融機構的數據規模十分龐大，從中挖掘高價值、關聯性強的高質量數據，需要高效的信息技術支撐和可靠的基礎設施保障。然而，部分機構科技研發投入相對不足，導致海量數據資源無法盤活，數據價值難以充分釋放。

困難五、缺乏安全的數據環境，數據流程存在風險

倘若擁有龐大的數據資源，但缺乏安全的數據環境，同樣危險重重。常見的安全風險包括數據泄露、數據濫用等，潛藏在數據的采集、存儲、共享等各個流程中。

困難六、缺乏數據治理體系，數據“不善用、不盡用”

部分金融機構尚未建立起有效管理和應用數據的模式，對數據服務和應用缺乏合規性指導。由于法律法規尚不健全、數據治理體系還不完善、機構合規意識不足，數據“不善用”的問題突出，過度采集數據、違規使用數據、非法交易數據等問題屢見不鮮。

概括而言，一是數據組織形態和架構的問題，即如何將數據納入統一視圖、讓數據跨業務共享；二是數據管理策略和安全的問題，即如何提高數據的質量、深化數據與應用的融合、保障數據環境的安全；三是數據價值發現的問題，即如何釋放數據價值。

面對上述困難和挑戰，金融機構如何解困破局、實現數據有序治理和高效利用，探索數據治理之“道”成為迫在眉睫的問題。

三大策略指引金融機構從數據管理到數據治理轉型跨越

針對以上困難和挑戰，金融機構如何制定數據治理策略、完善數據治理體系、做好數據資產管理和價值評估至關重要。所謂數據治理，就是處理數據的策略，即如何存儲、訪問、驗證、保護和使用數據。數據治理必須涵蓋數據的全生命周期，即從數據的獲取、存儲到管理、應用再到歸檔、刪除的全流程。

按照數據生命周期的特點，可以將數據治理策略分為三個部分，即數據的獲取和存儲、數據的管理和安全、數據價值的釋放。

策略一、數據的獲取和存儲

數據生命周期管理的起點，是數據的獲取和存儲，這也是數據治理最先面對的環節。若要解決統一視圖、跨業務共享的問題，需要對數據資源制定標準、建立模型，并確定元數據和主數據的存儲方式，可概括為數據標準管理、數據模型管理、元數據管理、主數據管理四個方面。

數據標準管理可確保大數據平臺數據的完整性、有效性、一致性、規范性，推動數據共享開放。數據模型管理將所有數據納入統一視圖，便于數據整合。元數據管理實現關鍵信息的追蹤、記錄和快速檢索。主數據管理實現跨系統使用一致的和共享的主數據，降低成本和復雜度。

策略二、數據的管理和安全

如何對數據進行管理、評估和共享呢？這便進入數據治理的第二階段，即數據的管理和安全，該階段的主要措施可概括為質量管理、安全管理、共享管理等三個方面。

質量管理幫助金融機構獲得干凈、結構清晰的數據，極大提升數據質量；安全管理確保數據資產在“存、管、用”等環節中的安全，做到“事前可管、事中可控、事后可查”；數據共享管理通過搭建統一共享平臺，打通跨部門共享瓶頸，提高利用價值。

策略三、數據價值的釋放

數據治理的最終目的是釋放數據價值。數據價值管理是數據治理體系中的關鍵環節，是對數據內在價值的度量，主要從數據資產的分類、使用頻次、使用對象、使用效果等方面計量。數據價值管理可以實現數據成本的有效控制，優化數據服務方式，提高數據應用價值。

以上各個環節之間環環相扣，只有緊密協同才能發揮更大作用。完善的數據治理體系幫助金融機構找準高質量數據、深挖高價值數據，最終實現數據資產效益最大化的目標，解決金融機構的數據治理之“困”。

軟件定義存儲助力數據治理體系建設

為構建數據治理體系，金融機構不僅要結合業務需求合理規劃，更要依托信息技術梳理數據內容、安全存儲數據、高效利用數據，存儲系統必然是重要支撐。

現階段，多數金融機構傾向于通過搭建數據湖（Data Lake）來存儲包括結構化、半結構化、非結構化數據在內的數據資源，以供上層調用。這樣一來，軟件定義存儲（Software Defined Storage，簡稱SDS）在金融機構數據治理體系中，無疑扮演著重要角色。那么，什么是軟件定義存儲？軟件定義存儲、數據湖、數據治理之間有何關系呢？

本質上，軟件定義存儲是提供存儲功能和特性的軟件，它將數據從硬件架構上解放出來，使用戶專注于數據蘊含的價值。軟件定義存儲通過統一的虛擬管理平臺，與前端應用、管理程序、物理空間進行交互，極大簡化數據管理。數據湖是以自然格式存儲的數據的系統，一般包括結構化數據、半結構化數據、非結構化數據和二進制數據等全部原始數據資源。簡而言之，要實現數據存儲和管理的優化，基于軟件定義存儲搭建統一數據湖無疑是極佳的選擇。

圖1：基于SDS的數據管理架構圖

軟件定義存儲以分布式架構、彈性擴展、海量數據支撐、管理運維簡單等優勢，幫助金融機構搭建穩定可靠的數據平臺，輕松實現海量數據的存儲和管理，依靠AI后處理框架挖掘數據價值，成為金融機構治理數據的好幫手。主要體現在以下幾個方面：

優勢一、解決海量存儲需求

針對金融機構缺乏統一數據視圖、存在數據孤島等問題，軟件定義存儲因其抽象化、池化等特性，從根本上解決了這類問題。軟硬件解耦使得存儲軟件不再依賴于專有硬件；通過虛擬化，將物理存儲空間虛擬成統一資源池，建立統一命名空間，構建多業務共享的數據湖；

其全分布式架構，彈性擴展靈活，支撐EB級容量，滿足金融機構對容量、性能等需求。

優勢二：解決智能管理需求

軟件定義存儲提供豐富的API，根據業務應用要求，自動按需部署存儲資源，實現基于存儲策略的自動化管理目標，極大地簡化管理，節省基礎設施投入，降低運維成本。其自定義管理的策略，實現生命周期自動化管理；通過智能緩存、數據分層等特性，讓存儲介質“物盡其用”，在數據訪問性能和存儲成本之間實現平衡。

優勢三：解決釋放數據價值需求

伴隨AI技術的興起，數據治理開始向“智能化”轉變。與傳統存儲不同，軟件定義存儲能夠實現內容感知，配合前端應用對海量數據進行大數據分析和價值挖掘。以杉巖數據為例，其對象存儲產品中集成了AI后處理框架，支持包括OCR識別/人臉識別、語音識別等AI插件，幫助金融客戶更好的實現AI賦能和價值挖掘；同時還支持 Hadoop、Spark等大數據分析系統，充分釋放數據價值。

面對諸多難題，軟件定義存儲幫助金融機構打造智能化的數據治理平臺，解決數據的存儲、管理、共享等一系列問題，極大地提升數據治理水平，為數字化轉型提供有力支撐。

數據中臺解決方案助推金融機構數字化轉型

在金融機構數字化轉型中，每家機構業務基礎不同、戰略重點不同，數字化轉型中是不能套用一套模板的，需結合宏觀架構和具體應用場景進而深入融合，才能助力金融機構在全面數字化轉型中夯實“科技+開放”能力，與金融機構共建數字金融快車道，提升金融服務實體產業的質效。金融非結構化數據中臺解決方案就是這樣一個代表性的方案。

圖2：金融非結構化數據中臺解決方案拓撲圖

數據中臺解決方案，以軟件定義存儲作為能力后臺，為數據中臺提供存儲支撐。基于分布式架構搭建統一存儲池；通過生命周期管理、智能QoS等實現自動化管理；集成AI后處理框架，整合金融機構的 AI 能力，將數據價值最大化釋放，為金融機構提供數據治理的技術支撐。

數據中臺解決方案能夠幫助金融機構解決數據孤島、實現數據有序治理和高效利用。

一.實現能力平臺化，使數據的存儲、共享趨于服務化。面對需求變化，快速響應開發，通過數據與應用深度融合實現一次處理、多處應用，避免重復開發帶來的效率損失。

二.解決數據孤島問題。可實現跨業務檢索、數據共享更加便捷，便于數據整合分析。解決業務性能彈性擴展，輕松支撐EB級容量、百億文件高并發訪問。

三.實現統一的基礎設施資源管控，讓數據治理更加場景化、模式化、體系化、標準化。統一的數據管理，保障數據完整性、準確性和一致性，減少重復收集造成的資源浪費和數據冗余。數據的規范共享，提升數據利用效率和應用水平，實現數據多向賦能。

金融科技蓬勃發展，金融業正處于以科技賦能實現發展、大變革的關鍵時期。數據作為戰略資源，加快數據治理進程、完善數據治理體系已經成為金融機構的重要工作。數據治理的核心環節是數據應用，要從算力、存儲、網絡等維度加強技術支撐，切實增強數據應用能力。對存儲而言，探索、交叉融合、數據安全等數據存儲方案是穩步推動分布式數據庫金融應用的基石，實現數據高效存儲和智能管理是目標。

在金融科技驅動的數字化轉型進程中，一些金融機構已取得突破，如：中國金融認證中心、廣發證券、中國人民保險、招行信諾等，基于數據驅動業務發展需求，采用數據中臺解決方案，提升了一站式技術能力、統一數據管理能力、快速配置開發業務能力，通過數字化轉型帶來了數據融合和技術融合，滿足了數據中臺的建設需求。

金融業的數字化轉型的快速發展，離不開像華為、杉巖數據等云計算企業，大家深刻認識數據資源對金融業數字化轉型的重要意義，切實助力金融業把數據存儲、管理、應用做到按需規劃，推動金融業向數字化的落地。國產自主研發的軟件定義存儲作為數據存儲+數據共享的平臺，為金融業提供了更快的性能、更高的靈活性和開放性、更強的擴展性，實現更便捷的管理、更簡單的運維以及更少的投入，幫助金融機構“數據治理”駛入快車道。