金融科技和数据治理

业务数据化是指将业务过程中产生的各种痕迹或原始信息记录并转变为数据的过程。业务数据化从本质上说是用数据表现和解读业务。业务数据化其实早就开始了，或者说之前叫信息化。从CRM系统、OA系统，到ERP系统其实都属于业务的数据化，只是由于传统行业许多业务是在线下展开，完全数据化十分困难。借着互联网，尤其是移动互联网的普及，DT时代来临，才有条件实现完全的业务数据化。完成业务的数据化需要经过简单数字化和流程数据化两个步骤。

界定问题是一个需求分析的过程。在这一过程中，我们要澄清分析对象，明确分析目标。需要解决的问题具体而言是什么？这个问题需要被解决到什么样的程度？其希望达成的目标是什么？例如，一个手机产品经理提出：希望了解消费者对新产品的评价。澄清分析对象这里的新产品是指某款产品，还是今年上市的所有产品？这里的消费者是指所有的潜在手机消费者，还是我们品牌的消费者，还是购买了“新产品”的用户？这里的评价是指整体的评价，还是侧重硬件的评价，亦或者侧重软件的评价？明确分析目标。

让我们简单的回忆一下：我们日常最常接触到的指标，像身高、体重、温度、GDP。它们的共性是什么？——共性在于它们的载体都是数值。例如，身高180，体重154，温度26，GDP14.7万亿。它们的差别是什么？——差别在于它们的含义各不相同。比方说，身高180（cm）和体重180（斤）的含义是截然不同的。所以，指标是一个被定义的数值，用来对事实进行量化抽象。当一个事实比较简单的时候，例如某个物品的轻重，我们用通过质量这一个指标就可以衡量清楚。

建立指标体系的目的：获取全局性的、有体系性的信息；进而通过这些信息去驱动业务的发展，达成组织目标。指标体系的本质：指标库 + 关联关系 + 使用指南。评价指标体系的标准：一套好的指标体系，应该能够帮助我们实现4个目标：描述现状、洞察原因、预判未来、改善未来[7]。搭建指标体系的过程：搭建指标体系的过程可以分为横纵两个方向；纵向是“深入的理解业务”；横向是“工作流”，分为4个步骤：理解业务、量化业务、建立体系、交付资产。

数据预处理的必要性：在真实世界中，经常需要处理大量的原始数据，这些原始数据是机器学习算法无法理解的，所以为了让机器学习算法理解原始数据，需要对数据进行预处理。

链表只能顺序访问：要读取链表的第十个元素，得先读取前九个元素，并沿链接找到第十个元素。然后找第二大或第二小的元素，依次类推，直到待排序列表里没有元素为止，此时新列表的元素已按降序或升序排列。数组中所有元素占用连续的内存，所以通过数组首元素地址，可以计算每个元素的地址。元素的位置称为索引，数组的索引从0开始，几乎所有的编程语言都从0开始对数组元素进行编号。如下图： fe0ffeeb是一个内存单元的地址（细抠起来，这个图形有问题：实际上，计算机的内存是一维的，而图形是二维的）。

立足行情和现实需要，强化大数据发展和应用的顶层设计，不断优化组织保障，加强数据人才培养，健全规章制度和标准体系，统筹建设数据支撑平台设施，在保障信息安全的前提下，大力推进我社信息资产的共享开放和价值转化。坚持以数字化转型发展和数据应用需求为导向，不断完善和提高数据资产质量。搭建数据管控平台，对我社数据标准、数据模型、数据库对象、数据质量、数据血脉、数据生命周期进行统筹管理和应用，为我社数字化转型发展提供高质量的数据支撑。

对于做数据治理的从业者而言，离不开数据标准，但是每个人对标准的理解又不一样，笔者根据项目实际工作经验，对数据标准概念展开描述，其实数据标准概念的来源，是有法可依的。《银行业金融机构数据治理指引》 第二十条银行业金融机构应当建立覆盖全部数据的标准化规划，遵循统一的业务规范和技术标准。数据标准应当符合国家标准化政策及监管规定，并确保被有效执行。第二十一条 银行业金融机构应当持续完善信息系统，覆盖各项业务和管理数据。信息系统应当有完备的数据字典和维护流程，并具有可拓展性。

从指标的业务需求和使用场景角度来理解指标，更接近指标的本质。要理解什么是指标，就需要熟悉指标的生命周期。一个典型的指标生命周期应该是这样的：1)首先，是业务人员在开展业务活动的时候遇到问题，然后转化成业务需求；2)其次，是开发人员根据业务需求拆解成数据需求，根据拆解后的数据需求找到对应的数据，同时通过技术手段根据逻辑把拆分后的数据需求组合起来；3)然后，数据管理人员根据数据治理原则更新并维护指标同时向组织内部输出，提高指标的认可度和使用范围；.........

今天浏览github的时候，发现微软推出一个叫GithubAIcopilot工具，在VisualStudio和JetBrains等IDE上都有相应插件，AI编程以前也传出很多吸引眼球的新闻，但后面都不了了之。但是这次不一样，因为是微软联合Github、openAI联合推出来的一款工具。Github的代码库是毫无疑问的多，马斯克发起的openAI其颠覆性也是受到业内一致认可，再加上微软的资金、技术和人才，这件事估计十有八九能成。......

我们都知道金融是传统强势行业，科技是新型增长行业。如果把金融行业比作一头大象，那么科技行业可以看做是兔子，金融行业发展了上百年，现在深入到各行各业，主要分成四大领域：银行、券商、保险、信托，每个领域都是体积庞大，监管严格，所以要让金融行业改革就像让大象奔跑一样，举步维艰。而相比年轻的科技行业来说包袱就小很多，BAT都有从各自领域中崛起的品牌，现在无所不为，只要他们想做的，没有做不了的。金融行业一提...

前面我们介绍了帆软基本功能，接下来我们主要讲解帆软高级使用指南。一、数值单位变换基本单位为元，需要转换成万元。选择“单元格” -> 右侧“高级” -> 自定义显示 -> $$$/10000...

随着技术日新月异的变化，商业智能分析结合数据化运营、图形化管理不断挖掘价值，也不断的体现其价值，商业智能分析软件很多，像Tableau、FineReport、Power BI等，功能都很强大，特别对传统型企业，随着业务量扩大和商业环境的复杂化，越来越依赖信息化管理，由于FineReport的帮助手册还不够完善，大部分初学者使用帮助文档都遇到问题，另外一个帮助文档的逻辑性不是很强，缺少功能方面的解释...