近年來，金融企業紛紛擁抱金融科技，尋求大數據技術與金融的深度結合，用科技驅動金融業務，爲用戶帶來更加智能化的體驗，打造行業競爭力，提升金融服務效率。銀行、證券等金融機構希望結合多源數據進行自助式、細粒度多維運營分析，抓取更精準的客戶畫像，實現消費軌跡及預測等，賦能精細化營銷。還希望可以通過數據篩查，對所關心行業的相關行業的風險做出預判、儘早發現並規避風險，實現更全面的風控等。
而實現這一切的基石是數據，因而數據倉庫的選擇對金融該機構來說就格外重要。
面臨的挑戰
當前金融機構所使用的傳統數據倉庫存在如下諸多問題，影響了業務拓展。
- 數據孤島與日益增長的維護成本
各個應用系統多爲不同廠商提供、系統整合度低帶來的數據孤島問題，導致數據使用時效性差，使得各IT技術部門需要針對不同業務部門的需求提供不同的數據方案，造成人力資源浪費。傳統架構實施和軟硬件擴容成本高昂，給企業帶來了巨大的成本負擔。
- 響應週期長和低易用性
業務人員依賴於技術部門提供的方案，缺乏自助分析能力，且新需求開發週期長，無法快速應對業務變化，難以支持來自經營分析、客戶管理、精準營銷、風險防控等多業務的靈活跨領域分析需求，無法高效應對大數據帶來的多維分析挑戰。
- 受限的業務分析能力
隨着企業向互聯網+金融科技的轉型帶來的數據量和數據分析需求的爆發式增長，傳統數據倉庫在數據量、維度數量、分析粒度、查詢速度、構建性能、併發能力等方面也已趨顯不足，由於其本身技術架構的侷限性，無法滿足企業對海量數據中細粒度維度和指標進行靈活高效分析的需求，存在分析時效滯後，分析預見性差以及回溯分析困難等痛點，使得管理者難以從整體上掌控關鍵問題和分析原因。
下一代數倉
全球最大的銀行卡組織中國銀聯曾經使用的傳統數據倉庫方案是DB2+ Cognos，系統優化已達極致，但隨着數據量激增，數據處理能力上的瓶頸愈發明顯，例如靈活性差、時效性低、可擴展性不強等痛點，無法進行一站式數據訪問，滿足企業在向金融科技公司轉型的要求。中國銀聯希望可以通過搭建企業級統一的數據倉庫，滿足數據融合需求，豐富業務數據應用，利用技術驅動業務發展。
新型的數據倉庫需要具備如下能力：
- 從容應對數據量暴增，快速支持多源數據接入
面對大數據時代下的數據激增，新型數據倉庫需要打破傳統數倉的隨數據量增長、硬件成本也隨之增長的魔咒，提供海量數據存儲/計算/分析需要的可擴展平臺。
新型數據倉庫需要打破數據孤島壁壘，快速整合所有業務條線數據，進行集中式管理，統一數據口徑，提升數據整合度，支持業務高效的跨領域的綜合分析。
以銀行爲例，在開放銀行時代，通過打通線上線下多種場景，提供商家商業智能的分析服務，面向行業重點大商戶，提供經營概況、客羣分析、競合態勢等數據服務功能，輔助商戶經營決策，開展精準營銷的商戶智能決策等，爲不同的客戶羣提供有針對性的服務。
- 快速的業務響應，賦能長尾開拓能力
新型數據倉庫需要支持超大數據集下的快速查詢響應，實現業務數據分析的透明加速，帶來用戶體驗和價值感的全面升級。
新型數據倉庫需要支持從業人員可以從海量大數據的成百上千個不同類型的可分析維度和指標中（例如商戶、渠道、地區、消費狀況等）自由篩選進行分析，助力“互聯網+”新業務的精細化營銷分析，讓企業更清晰瞭解用戶，洞悉消費趨向，明確商業目標，幫助企業做出更準確的商業決策，助力業務低成本甚至零成本利用技術開拓長尾市場，收穫成功。
- 加速數據平民化，高效帶動業務創新新型數據倉庫需要讓業務人員拋開只能使用已有方案的束縛，讓“零基礎”的業務人員也能輕鬆進行數據分析，從容應對大數據帶來的多維分析挑戰，實現真正的數據平民化。
例如，業務人員通過結合內外部數據，建立對核心客戶的全方位、細粒度的認知，進行商業決策洞察；還可以爲客戶自身提供數據服務，與其它合作伙伴（銀行、電信、第三方）開創新的應用模式，帶動業務創新。
- 下一代的可能性
未來，伴隨人工智能的發展，數倉平臺勢必會持續變遷，新型數據倉庫需要支持業務與科技更深度的融合，賦能業務未知領域、實時數據探索能力，持續促進行業變革。
