作者： 廖曉格 平安銀行數據資產中心數據及 AI 平台團隊負責人
小編導讀：
平安銀行 五位一體，做零售金融的領先銀行，五位一體是由開放銀行、AI 銀行、遠端銀行、線下銀行、綜合化銀行協同構建的數據化、智慧化的零售客戶經營模式，這套模式以數據為基礎，AI 為內核，透過畫像辨識，基於場景數據分析，透過高效組織內部資源，為客戶提供精準服務，實作零售轉型業務增長的第二曲線。
透過顛覆傳統「以產品為中心」模式，真正實作以客戶為中心、以 AI 、大數據為驅動，以 KYC/KYP/KYATO 方法論打造技術架構及業務模組。在智慧銀行3.0體系建設中，StarRocks 提供全行級的澎湃數據分析能力，並在行為埋點分析、客戶旅程、自助指標查詢、CDP 客戶標簽服務、策略效果分析、AB 實驗、統一 API 透明加速等眾多業務環節落地套用。
👇點選下方連結，觀看完整演講內容～
01
金融行銷轉型
、、、
01
從以產品為中心到數據驅動的客戶客製服務傳統金融公司的銷售模式以產品為中心，依賴高成本的地推和可能打擾使用者的推銷方式，容易造成使用者體驗差，人力成本高，並且轉化效率低。 因此，我們致力於變革這種模式，透過數據洞察來精準辨識和滿足客戶需求，提供最優的產品和服務。
我們的新模式借鑒互聯網公司的「人、貨、場」理念：
在「人」方面，運用 KYC 技術精準辨識客戶身份，並透過多維度數據分析深入理解客戶需求，真正做到比客戶更了解他們自己。
在「貨」方面，借助 KYP 分析確定客戶的需求和偏好，從而提供更為合適和全面的產品服務。
在「場」方面，利用 KYATO 策略辨識最佳的產品交付方式，匹配豐富而精準的場景，實作交易的有效觸達。
在這個過程中，我們堅持以大數據和 AI 驅動決策，真正轉向以客戶為中心，而非以產品為中心的銷售模式。我們強調數據驅動的營運，而非依賴前線銷售人員的個人經驗，並透過 KYC、KYP 和 KYATO 的方法論實施整個經營策略。這一轉變旨在提升服務品質和客戶滿意度，推動金融行銷的新時代。
02
金融行銷模式轉型難點互聯網公司的經營模式已高度成熟，而在金融領域，這一模式的套用仍處於起步階段，因為業務的復雜度，導致落地難度遠超互聯網公司，因為金融公司在客戶偏好辨識、產品復雜度、場景頻度和流量管理等方面面臨獨特挑戰。
在使用者洞察方面，互聯網公司能夠直接、快速且精準地理解使用者喜好。相比之下，金融公司的客戶洞察更為復雜，需考慮性格、個人閱歷、市場影響和資質等多種因素對使用者金融偏好的影響。
在產品層面，互聯網產品通常簡單易懂、門檻低，適合大眾使用。而金融產品則因其復雜性、高合規要求和多變的售後情況而顯得與眾不同。
在渠道和場景方面，互聯網產品作為生活必需品，主要透過單一的 APP 渠道觸達使用者。然而，金融產品的使用場景相對低頻，需要透過 APP、遠端服務、線下網點和團隊等多元渠道與客戶接觸。
為了應對這些挑戰並支持交易過程中的復雜需求，我們設計了智慧銀行3.0。這一設計旨在整合系統資源，最佳化金融服務，以適應金融行業的特性和客戶需求，引領金融領域的行銷模式轉型。
03
智慧銀行 3.0 建設藍圖智慧銀行 3.0 架構體系整合了營運經理、產品經理和數據分析師的角色，在統一門戶上進行管理。系統設計圍繞人、貨、場三個核心要素展開。
在「人」方面，運用數據 KYC、客戶行為分析、客戶關系管理和商戶關系管理，實作對使用者的全方位統一管理。
在「貨」方面，透過內容中心進行統一的商品管理，並借助統一貨架進行商品上架、活動管理等操作。
在策略層面，構建了三層策略體系。策略大腦根據使用者行為將合適的產品推薦給客戶，包括宮格、旅程和場景等策略的處理。透過 AB 測試，將最優策略呈現給客戶，淘汰效果不佳的策略。
在渠道方面，致力於辨識客戶的渠道偏好，透過最優渠道觸達客戶，並采用最優表達方式吸引客戶的註意力，確保高效執行和智慧觸達。
整體架構上涉及到諸多技術挑戰，StarRocks 在其中發揮了關鍵作用，助力平安銀行實作策略的統一管理、內容體系化管理和渠道高效執行，以提供更加智慧化和個人化的金融服務。
02
StarRocks 數位化驅動
、、、
01
選中 StarRocks 的原因StarRocks 以其澎湃效能脫穎而出，並且協定簡單、具備實分時析能力和數據湖聯邦分析能力。StarRocks 團隊以其極客精神和對客戶需求的真誠關註，確保合作過程順暢無阻。其靈活的物化檢視和透明覆寫功能為我們帶來了重要啟示。這種創新技術能夠在不改變使用者體驗的前提下，顯著提升查詢效能，為我們的數據處理和分析工作提供了強有力的支持。選擇 StarRocks，即選擇了高效、使用者友好的數據解決方案。
02
StarRocks 在金融行銷場景的套用StarRocks 在金融行銷復雜場景中的關鍵作用：
渠道與策略： StarRocks 助力實作即時埋點數據回流，進行多表關聯查詢和多維分析，加速業務對埋點行為數據的即時探索。
標簽管理： 以往割裂的模型表和不支持 JOIN 的儲存問題得以解決。借助 StarRocks，即時和離線數據得以融合，實作高效、即時的數據分析。
策略平台： 策略大腦、渠道選擇和客戶觸達等策略，依賴 StarRocks 快速評估與計算。
AB 實驗與客群分析： StarRocks 支持靈活的客戶分組和線上即時生成客群。以前 T+1 的客群分析現可即時完成，進而快速生成AB實驗指標，為實驗效果分析提供即時支持。
總結來說，StarRocks 在金融行銷的多個關鍵環節中發揮著不可或缺的作用，透過即時數據處理和高效分析，推動業務決策的精準性和時效性提升。
03
StarRocks 在 CDP 場景的套用基於 StarRocks 的 CDP 平台為策略投放提供了強大的支持：
數據整合： StarRocks 實作了即時與離線數據的無縫融合，以往割裂的即時和離線數據現在得以統一管理。大數據平台的離線標簽表被快速匯入到 StarRocks，同時海量的即時標簽和行為事件數據也能即時寫入，實作數據集中管控。
高效分析： 借助 StarRocks 的多表 JOIN 能力、靈活標簽篩選和 Bitmap 豐富運算，能夠在秒級完成畫像類分析、客戶分群、人群洞察和標簽飽和度計算等任務。
簡化復雜計算： 透過物化檢視，原本復雜的 KYC 宮格人群計算變得更為便捷。
深度套用： 人群數據能夠出倉，用於進一步的深度分析和套用。
總的來說，基於 StarRocks 的 CDP 平台，提供靈活便捷的客群圈選和畫像分析的能力，來支持精準行銷投放，透過高效的數據管理和深度分析，實作客群洞察和策略最佳化，提升行銷效果。
04
StarRocks 在指標場景的套用指標場景的分層設計：
實體層： 數據工程師依據業務和數據模型的理解，透過事實表、維度表和物件構建了實體關系（ER）模型。這一層定義了表之間的關系，為上層業務提供可靠的數據基礎模型。
邏輯層： 借助指標平台，根據數據工程師定義的模型，將物件轉化為一張全行超寬表。例如，將客戶物件的所有維度目錄和指標目錄整合到一張表中，簡化了業務分析工作。業務使用者無需理解復雜的底層 ER 關系，只需拖動維度和指標即可輕松套用數據。
套用層： 根據使用者定義的場景和查詢行為，構建了物化的 DWS 層指標，顯著提升了查詢效能。基於使用者的查詢行為，可以持續最佳化 DWS 的物化邏輯。有了 StarRocks 的支撐，DataAPI 能夠提供毫秒級查詢，報表支持秒級查詢，而自助分析則能在幾十秒內完成查詢。
在實施過程中，我們基於 StarRocks 進行了專門設計，以確保整個指標套用系統的高效執行和靈活擴充套件。這一創新架構旨在提升數據存取速度，簡化數據分析過程，並為使用者提供更優質的查詢和分析體驗。
在底層 ODS 定義完數據 ER 關系後，我們致力於實作指標的「一處定義、多處使用」。數據團隊一次性定義指標口徑，指標套用使用者根據場景需求使用指標。平台透過套用場景進行物化排程，滿足指標套用服務的 SLA 需求。
設計上劃分了三個層次：
明細層： 透過 StarRocks on k8s 直接查詢 Hive 外表，快速返回自助分析結果。
指標層： 將自助分析查詢結果物化到 StarRocks 內部表，便於制作高層關註的看板和卡片。若內部體量較大，可透過物化檢視上卷進一步提升查詢速度。
緩存層： 對物化檢視或內表查詢結果進行緩存，以高效能儲存或緩存應對極高並行的套用介面請求。
整體架構上，底層基於大數據的 Hive 表，上層透過 StarRocks 加速查詢。這意味著未來所有大數據平台的查詢都可以透過 StarRocks 物化的邏輯進行高效查詢，透過智慧物化排程提升整個大數據平台 SQL 查詢效能，並降低資源使用成本，提升整體集群的吞吐量。未來，我們將基於這一模式，在行內進一步推廣物化和透明覆寫能力，旨在提供更簡潔、更高效、更具成本效益的大數據解決方案。
03
未來展望
、、、
金融業務模式上，透過「以產品為中心」改變到「以客戶為中心」的經營模式上，雖然困難重重，但是是業務發展的必經之路。對於技術團隊來說，怎麽實作「以客戶為中心」，也是值得深度思考的。當前大數據發展越來越快，技術復雜度也越來越高，元件越來越豐富，對於使用者的理解難度也越來越高，但是其實使用者的需求極其簡單，他們希望執行一段統計分析 SQL，希望做一張報表，希望定義一個指標/標簽/特征，希望定義一個數據服務 API，僅此而已。因此，對於平台來說，我們需要堅持貫徹「以客戶為中心」，將復雜的計算和大數據架構封裝在平台產品內部，為使用者提供簡潔易用的平台能力，為使用者提供直接、高效的查詢能力。
使用者只需定義 SQL 和 SLA 指標，由平台將復雜的離線計算、即時計算隱藏在系統底層，希望使用大數據整體架構變得如同使用 MySQL 一樣簡單。以 StarRocks 澎湃的效能為基石，依托多表物化檢視，自動化的構建數倉 DWS 層，自動化的做數據排程，把復雜的離線計算、即時計算，都遮蔽在冰山之下，為客戶提供一個簡潔高效的查詢效能。
最後，也感謝 StarRocks 團隊在平安銀行的大力支持。
關於 StarRocks
Linux 基金會計畫 StarRocks 是數據分析新範式的開創者、新標準的領導者。面世三年來，StarRocks 一直專註打造世界頂級的新一代極速全場景 MPP 資料庫， 幫助企業構建極速統一的湖倉分析新範式，是實作數位化轉型和降本增效的關鍵基礎設施。
StarRocks 持續突破既有框架，以技術創新全面驅動使用者業務發展。當前全球超過 350 家市值 70 億元以上的頭部企業都在基於 StarRocks 構建新一代數據分析能力，包括騰訊、攜程、平安銀行、中原銀行、中信建投、招商證券、大潤發、百草味、順豐、京東物流、TCL、OPPO 等，並與全球雲端運算領導者亞馬遜雲、阿裏雲、騰訊雲等達成戰略合作夥伴。
擁抱開源，StarRocks 全球開源社群飛速成長。目前，已有超過 320 位貢獻者，社群使用者過萬人，吸引幾十家國內外行業頭部企業參與共建。計畫在 GitHub 星數已超 7500 個，成為年度開源熱力值增速第一的計畫，市場滲透率躋身中國前十名。
金融： ｜ | | |
互聯網： ｜
遊戲： |
新經濟： ｜ | ｜
StarRocks 技術內幕： ｜ ｜ ｜ ｜ ｜ ｜
