作者：王少峰，Teradata 解决方案工程师

数字技术把物理世界数字化，为金融企业开启了一个全新的世界。数字技术的发展和普及让金融业务的效用和体验直接嵌入到每个人的日常生活场景中。国内外金融企业正如火如荼地开展和深化数字化转型，数字化时代的金融业务形态和客户消费行为必将不断演变。随着金融业务移动化和场景化，数字化渠道将触达所有客群，其中长尾客户则需要更精细化的数字化运营能力，包括精准客户洞察、千人千面营销、智能化客户体验等等。

金融企业在提供智能化服务的过程中获得了更大量和更多样的数据。同时，各类场景化应用对数据时效性和系统稳定性的要求趋高。

当今，人工智能、机器学习和深度学习技术被大规模使用，R、Python炙手可热，各家云平台拔地而起。传统的报表分析技术、SQL和关系型数据平台似乎日渐式微。

传统和现代是一对矛盾统一体，没有传统就没有现代；没有现代，也无所谓传统，它们通过互相衬托得以体现。现代化并不意味着必须推倒重来，继承和发展、兼容并蓄更能行稳致远。

Teradata作为全球领先的企业级数据平台和金融行业数据仓库建设的，拥有40多年丰富的数据管理及分析经验，近年来不断加强在数据平台领域的研发力度，使用新技术和方法对系统进行扩展、优化和现代化更新，充分挖掘数据价值，快速产生业务成果。

如上图所示， Teradata Vantage在传统高效、安全和可靠的大规模并行处理基础上，从语言&接口、计算、存储和部署等各层次不断扩展和融合各种现代化技术，支持企业各类用户利用所有数据，敏捷分析，快速部署模型，直达业务成果，已然成为数字化时代无所不在的数据智能平台（Pervasive Data Intelligence）。

语言&接口层，Teradata Vantage通过扩展库内分析技术，使得R、Python可以充分利用大规模并行计算资源，轻松完成千万级乃至亿级以上金融客群分析。

Teradata Vantage采用高速网格实现了计算和存储分离，使得计算和存储都可以分别得到灵活扩展。

计算层，Teradata Vantage扩展和优化了传统SQL的数据处理和分析能力，并采用容器和微服务架构融合机器学习及图分析技术，方便用户利用大数据进行客户画像、关系图谱、预测性和决策性分析，实现长尾客户的千人千面个性化服务。

存储层，Teradata Vantage扩展和增强了数据存储类型，支持时序、地理空间、语音、文本等结构化、半结构化和非结构化数据存储；另外，通过支持对象存储访问，Teradata Vantage无缝集成数据湖，实现海量数据的低成本管理、高效处理和分析。

云部署，Teradata Vantage支持多种云平台的公有云和混合云部署方式，弹性使用，订阅式的软件许可证允许在不同云平台间自由迁移。

Teradata Vantage的开放API使得金融企业可以跨越传统和现代，构造数字化时代生态系统。

金融企业为了遵守监管及合规性要求，传统上大多雇用很多全职人员，跨多个平台、技术和团队进行重复的循环流程，进行报告的制作和审核。数字化时代的一个重要标志是业务流程自动化，相对于目前的人工和系统结合的方式，流程自动化的方式显然更能应对数字化时代极速增长的问题。某国际跨国银行通过Teradata Vantage实现识别自动化，解决了该银行指数级增长的各种问题。该银行通过把Teradata Vantage集成到当前生态系统中，使银行中的更多部门能够参与。相比于传统上，某些数据在加载和预处理时将被视为多余并被丢弃，Teradata Vantage支持加载所有数据，数据科学家可以在一个平台上完成数据分析、可视化和操作化。该银行的数据科学家基于Teradata Vantage机器学习创建了千万数量级的客户分类，补充了传统基于规则的客户分类。基于Teradata Vantage的识别自动化技术为该银行降低了数百万美元的后台处理成本。

此外，该银行还借助Teradata Vantage快速迭代机器学习模型，自动化防范破产欺诈、洗钱和电子欺诈等其它金融领域犯罪，始终领先欺诈者一步。

总之，Teradata采用经过长期和严格验证的大规模并行可扩展平台，遵循金融企业可用性、安全性及合规性要求，不断强化和融入现代化的数据管理和分析技术，帮助用户快速夺取数字化时代发展先机。

来源 https://mp.weixin.qq.com/s/_CWBkjd75IVDDGM4deIaNw