新规简评
本文转载自帆软数据应用研究院汪建辉，原文标题。3月1日，我们有幸邀请到本文作者，帆软数据应用研究院专家汪建辉老师做客大咖云直播，直播主题。
去年10月26日，我们在福州举行了“帆软数友汇”的银行沙龙会议，会议邀请了厦门国际银行和厦门农商行给其他银行分享他们的信息化建设，会议上大家氛围轻松的对银行数据化管理的各项痛点和难点进行了深入交流和讨论，相信各位参会嘉宾应该都有所收获。由于某些原因没能到场的朋友也不要遗憾，本文将对会议的主题“双模IT银行商业智能生态建设”进行详细的分析介绍。
了解一下双模IT
会议的主题“双模IT银行商业智能生态建设”中有两个关键词，一个是“双模IT”，一个是“生态”，那首先我们来了解一下什么是双模IT。
双模IT是由全球数据研究先锋gartner首次提出来的概念，当时他是这么解释的：双模IT就像武士和忍者，一个行为严谨规范，是作战主力，一个擅长盗取暗杀，是高效辅助。其实就跟抗日战争时期的正规*和游击队类似。Gartner认为：双模式IT才是未来很长一段时间的主流。
双模IT在数据分析上的具体形态，就是将固化分析和探索分析结合起来，用固化分析来应对复杂逻辑场景，比如查询报表、填报报表、复杂报表等；探索分析来应对不确定的临时场景，进行一些探索式业务分析，比如大数据全量分析、自助取数、可视化探索分析甚至是数据挖掘。
举一个简单的例子，比如的贷款质量迁徙表，这种报表比较复杂，里面涉及到的计算也比较多，但是内容是相对固定的。所以这种报表毫无疑问是需要交给IT来完成的，业务没有能力和时间完成这种复杂报表。但是再看下面两个报表，左右两边的报表整体未改，但是指标由于某些原因又需要进行增删改操作，这种需求如果有自助分析平台，让报表有足够的自由度，业务是可以自己去修改报表的。
这个其实就是双模IT的一个典型场景，双模IT其实就是用固化分析和自助分析结合的模式来解决现阶段数据应用的分工问题，是真正能实现IT和业务双赢的一种IT解决方案。
我们都说离开建设谈应用都是耍流氓，那我们该如何建设良好的双模IT架构呢，这就是今天的另一个关键词了：生态。
生态学思维是指有机体不能脱离其他环境单独存在，强调各个系统之间、各个个体之间的相互联系和反馈，就像我们的自然生态系统一样，任何一个生命体都不能离开自然生态而独立存活。同样的，将这个思维映射到商业智能的建设上，就是要建立一个具有连续性、多样性的商业智能生态。
我们知道物种多样性和自然生态系统的稳定高效息息相关，同样的，商业智能生态是否丰富多样也决定了商业智能是否可以长期保持活力。商业智能的生态类型非常丰富，但基本分为数据生态、业务生态、分析生态、产品生态、应用生态五个大类。
每个生态其实都有其丰富的内涵，这也正好符合生态系统“丰富多样”的特征，下面我们就详细的解释一下各个生态的建设过程。
数据生态建设
数据生态建设的第一步是对全行数据进行梳理，建立数据治理制度，与业务紧密结合进行数仓建设。一般的过程是从各个业务系统增量抽取数据到ODS贴源层，然后在ODS层数据进行分类和清洗但是保留最小粒度，最后根据设计好的维度模型进行数仓的建设，形成口径一致的汇总层数据。一般的，我们还会在数仓中建设一些面向应用的数据集市，比如面向审计我们会做EAST数据，面向风险监管我们会有风险集市等。
然后就是坚持长期的进行数据治理。其实在数仓的建设过程中就会做好一些清洗工作，比如统一编码规则，规范脏数据等。但是数据治理是一个长期的工作，不仅仅包括ETL过程的一次性工作，还包括长期的组织、制度、流程的配合。
那在建设好数据基础之后，我们该怎么利用这些数据进行分析呢？首先我们分析肯定不是乱分析的，而是根据一定的指标体系来进行分析的，而指标体系在一些传统分析领域是有非常成熟的指标库的。比如分析盈利性分析、流动性风险分析、财务分析等。举个例子经营状况分析指标体系就包含：资金成本率、经营成本率等等。再结合分析模型，比如说财务经常使用的杜邦分析模型，就能形成一张层次清晰的分析报告。
有很多人问到，到底什么是分析模型。其实分析模型就是分析问题的方法、思路，有些能够固化，而有些需要临时确定。复杂的类似一些数据挖掘模型，简单的比如针对客户的RFM分析模型已经有了固化套路了，但是针对审计系统的有些新的模型可能需要临时分析逻辑，在经过行内验证之后，就能固化下来，逐渐形成审计模型库。
上面这些方法是针对部门的专业人员的，但是对于领导来说，不一定要每个指标都看，这就需要针对领导的需求进行指标体系定制。
我们对多家银行领导对于驾驶舱的诉求总结了一下，给领导的看的指标一定要有层次、有分类、有闭环。有层次就是不能把全行经营的所有明细一股脑的全部给领导进行展示，需要按照汇总关系设计一些钻取联动；有分类就是需要把经营指标进行分类展示，形成类似经营看板的报告；有闭环，就是业务有头有尾，又涵盖全貌，比如不能只有存贷款分析而没有收入和利润分析。
比如，可以将全行经营指标进行分类之后进行展示的，比如经营对比、规模对比、净利润、净收入、成本收入比、总资产、各项存款余额、各项贷款余额和不良贷款率等，未达标的大指标进行泛红显示，领导点进详细信息就可以查看详细统计信息了，比如哪个支行、哪个客户经理未达标，前五名后五名等。
数据整理好了只是完成了将数据转化为信息的过程，但是数据只有紧密的结合业务场景，才能发挥更大的价值。相比于数据仓库采用成熟的建模范式不同，业务生态相对来说比较个性化。
业务生态建设
银行的业务生态其实是很复杂的，但是商业智能应该尽量根据行内的需求进行业务生态建设，不能盲目开发导致资源浪费。各个银行根据他们自己的特色和领导的