数据服务，打通企业数字应用最后一公里
1、常见的数据服务模式：
查询服务：通过特定的条件输入，以 API 的形式供前台业务调用（API 包括实时和批量两种情况）。查询类服务应用场景非常广泛，基本贯穿了整个经营及管理活动，是最为常见的一种数据服务类型。
分析服务：结合大数据技术手段，高效的对数据进行关联分析，在金融企业中，分析类型的服务主要是决策支撑、风控、客户洞察等应用场景。
推荐服务：以客户标签为基础，对客户进行画像，根据客户的活动轨迹、行为偏好等属性，定向、精准推送服务产品，在金融企业精准营销场景下使用广泛。
圈人服务：在金融企业中，一般以产品、营销活动为核心，在全量的用户数据中，基于标签组合圈定营销对象，比如理财产品营销，产品定位为青年、高净值人群，那么可以通过圈定这两个标签人群，进行营销。这本质上和推荐服务一样，都是通过用户标签体系组合，构建客户画像，只是主体不同。
2、常见的数据服务类型：
数据大屏：数据可视化大屏是一个很重要的“面子”，它一方面能够通过酷炫的效果让人眼前一亮，同时也能把业务和数据的“里子”有效的传达出来，表里如一。
数据报表：通常情况下，分析类数据服务为数据报表提供服务支撑。数据表报类应用主要是通过可视化形态，呈现各种数据指标，主要是通过下钻、对比、关联分析手段，对所关注的数据进行灵活的查看。
商业智能：商业智能型应用是数据应用的核心，是数据洞察以及业务创新的重要支撑，商业智能是和数据标签结合最紧密的一种数据应用形态，从数据服务类型上看，包含了推荐服务、圈人服务，主要是通过数据画像达到数据洞察和业务创新，金融企业使用场景广泛，比如，风控、营销、产品设计、生物识别等等。
因篇幅有限，本次对数据中台建设做一个简短的认知层面的介绍，详细内容将呈现在后续的推文中，尽情期待。
关于作者：姚斌，数字化金融研究院研究员，长期致力于科技管理、产品设计、研发效能、质量管理等领域的实践，拥有多年大型企业IT规划及建设经验，先后参与多家大型企事业单位、金融机构流程平台、业务系统规划及落地，对零售业务有深入的理解，拥有扎实的业务中台落地经验。
