Tony Bishop，Digital Realty 平台与解决方案高级副总裁
2024 年 10 月 10 日

数字经济到数据经济的演变正在重塑金融服务机构，同时改变它们创造和提供价值的方式。这一过程比以往任何时候都更能改变公司创建、处理和存储信息的方式。

在过去几年里，这导致了数据的爆炸式增长，随之而来的是数字化转型的加速，金融服务公司现在面临着推出混合 IT、数据和人工智能 (AI) 计划的挑战。

尽管发生了这些技术变革，但我们必须认识到，所有这些基础设施都可以被用来实现以下目标：

丰富客户体验
提高利润，扩大竞争优势
拓展增长机会

这些目标对任何行业都至关重要，但对金融服务公司来说尤其关键。

在数据爆炸式增长、数字化转型加速以及混合 IT、数据和 AI 就绪的时代，您必须做些什么才能实现这些目标？

您必须重新思考并彻底改造您的 IT 基础架构，专注于优化数据交换。

我们来仔细看看这意味着什么以及为什么有必要这样做。

数据引力迫使金融服务行业从根本上转变 IT 基础设施架构战略

考虑到行业内产生的大量数据集。根据麦肯锡全球研究院的调研，如果全球银行业采用生成式 AI 来协助管理其生产力，每年可实现 2000 亿至 3400 亿美元的价值，占行业总收入的 2.8% 至 4.7%。¹

我们自主开展了研究，建立了全球数据库，并破解了相关代码来测量、量化和预测企业数据创建生命周期不断提高的强度及其对 IT 基础架构的影响。这是“数据引力”的大趋势，正在持续爆炸式放大。

现在，将这一大趋势与加速数字化转型以及混合 IT、数据和 AI 计划结合起来。这些力量对金融服务公司的影响使它们面临着巨大的机遇和挑战，其中包括：

增长与竞争：持续的利润压力、数据货币化和金融科技竞争
复杂性和网络风险：客户偏好不断变化，欺诈损失不断增加
法律与合规：法规泛滥、以数据为中心的监管和持续不断的网络威胁
兼并与收购：通过合并、业务线多元化和收购颠覆者来实施扩展

无论是零售和商业银行、证券、贸易和投资银行 (IB)、财富和资产管理还是保险领域，专注于优化数据交换的基础设施战略转变对于以下方面至关重要：

克服数据引力障碍
保护敏感数据
确保数据合规
借助基于 AI 的功能
降低风险
降低成本
增加收入

优化数据交换有助于保护金融服务所有领域的客户并为其提供服务

数据引力通过吸引更多的应用和服务，创造出更多数据的良性循环，从而抑制了企业工作流的性能，增加了成本，并引发了新的安全问题。而监管要求、数据主权和其他人为限制往往使情况更加复杂。

但是，银行、信用合作社和其他金融机构的 IT 高管和决策者需要能够领导实施以数据为中心的有效战略，捕获和处理数据，并将数据与所有相关业务线连接起来。尤其是在尝试实施新的 AI 和机器学习 (ML) 计划时。

AI 无法在没有大量数据的情况下存在，而没有 AI 就无法释放新的商业价值。在我们的 2024 年全球数据洞察分析调研中，67% 的受访者表示，制定明确的数据策略对于有效管理、治理和利用数据资产以及执行 AI 至关重要。

零售及商业银行业务

如果从事这个领域，您必须明确：

如何在保护客户隐私、提供基于 AI 的信用和防欺诈保护的同时，提供丰富的银行业务体验？

由于影响数据创建、入口/出口控制和 AI/ML 功能的障碍，传统基础设施很难实现这一目标。更不用说，数据引力会严重限制在全球运营银行业务的方式。

通过创建以数据为中心的架构来优化数据交换，零售企业和商业银行可以：

提供有竞争力的银行体验
保护客户附近的数据
在本地防范 AI 增强风险和欺诈
确保本地数据合规

证券、交易和投资银行

在当今的证券和交易领域，从优化策略以战胜市场到利用投资银行机会，您都要使用 AI。最后，您还可以参与环境、社会和治理投资以及替代数据。

然而，如今的数字经济存在一些障碍，可能会阻碍您的发展，包括 AI/ML 准备度、全球贸易能力和出入口控制等方面的限制。

通过优化证券、交易和投资银行领域的数据交换，您可以：

制定有竞争力的交易策略
安全的第三方数据集成
在本地进行基于 AI 的投资银行业务交互
确保本地数据合规

财富与资产管理

如果您是一名资金经理或在一家投资公司工作，您需要努力为客户打造与众不同的咨询体验，并结合替代数据来源和洞察来保持竞争优势。将战略与基于 AI 的监测和报告相结合可以增强竞争优势。

与金融服务行业的其他部门一样，财富和资产管理公司也面临着 AI/ML 功能和入口/出口控制方面的挑战。而且在数据创建和数据使用方面也存在挑战。此外，数据引力可能在全球范围内影响这些企业。

通过优化注入到您的财富和资产管理架构中的数据交换策略，您可以：

获得该行业的所有优势
提供与竞争对手不同的咨询体验

保险与再保险

该行业非常依赖于丰富的客户体验，同时保护他们的数据。如果您从事保险或再保险工作，您可能会将 AI 作为风险管理和承保流程的一部分。

使用传统架构所面临的挑战将影响全渠道数据的创建和使用、入口/出口、AI/ML 功能以及全球业务开展方式。事实上，据估计，到 2024 年，保险行业的 G2000 企业将面临数据引力强度的加速增长，预计全球复合年增长率将达到 143%。

通过优化保险和再保险行业的数据交换，您可以：

提供有竞争力的保险体验
在本地提供基于 AI 的产品和服务
确保本地数据合规，同时确保第三方数据集成的安全

要实现数据交换优化，需要一个无处不在、按需运行、由实时智能增强的普适业务平台，并通过涵盖所有渠道、业务职能和业务点的数字化交互，为客户、合作伙伴和员工提供最佳服务。

支付处理商

提供支付服务的公司在很大程度上依赖于实时数据报告和分析，以扩展处理客户交易所需的方法。支付服务传统上是一个手动流程，现在已开始转向 AI，以获得更好的解决方案。这些解决方案包括改进交易时间、提高安全性、快速审批处理和增加可用性模式（全年无休）。

通过优化支付处理中的数据交换，您可以：

提供与众不同的支付处理体验
安全的第三方数据集成
将基于AI 的洞察分析和支持本地化
确保本地数据合规

考虑实施高密度主机托管策略，以处理支持此 AI 解决方案所需的电力、高级冷却、安全性、合规性控制要求和互联性，从而在全球范围内实现低延迟。

如何克服金融服务领域的数字化转型挑战和数据引力障碍

如果您从事金融服务行业，我建议您查看 Digital Realty 普适数据中心架构(PDx™) 库中的最新解决方案简介：优化金融服务数据交换。

其中，我们谈到了“数据驱动的数字化转型”。 这是有意为之，因为您必须将数据转化为战略资产。

本解决方案简介为金融服务业务和技术领导者编写了一套策略和解决方案，帮助实施数据驱动的数字化转型，获得竞争优势，并挖掘新的增长机会。

下载 Digital Realty 的优化金融服务数据交换解决方案简介的副本，以了解更多信息。

借助数据驱动型策略优化金融服务数据交换