金融行业业务运营高度依赖数据体系，具有数据量巨大、用数人群和数据应用众多的特点，不少金融企业至今已有 10 年以上的数字化建设投入期，现在无不面临“数据量不断增长、看数用数人群不断泛化、数据需求爆炸性增长”与“数据风险敞口越来越大、数据成本越来越高、数据效率越来越低”的挑战。为实现更敏捷高效的数据协同与管理，众多金融企业正在规划与建设 DataOps 体系。如何回归高效交付高质量数据的目标，借助以算子级血缘技术为基石的主动元数据管理实现“数据优先即业务优先”的金融 DataOps 体系？

演讲提纲：

1. 金融行业 DataOps 体系建设的背景与挑战
   • 工具生态和链路复杂性剧烈膨胀的现代数据架构加剧数据协同与管理困境
   • DataOps 要突破现代数据架构困境，实现“数据优先”架构
2. 建设“数据优先”的金融 DataOps 体系
   • 一个目标：实现"数据优先即业务优先"，高效交付高质量数据
   • 两个实现
     • 从"人盯人"升级成"事盯人"，实现敏捷数据协同
     • 从"人治"升级成"机治"，实现主动数据管理
3. 主动元数据平台是 DataOps 体系新支点和制胜关键
   • 变传统元数据的被动等待为实时在线、主动触发，推动 DataOps 工作流高效运转
   • 智能构建“控制流”，作为 DataOps 体系的感知决策中心，驱动工作流和数据流的敏捷流转和持续迭代
4. 主动元数据平台的核心技术突破：算子级血缘
   • 算子级血缘提供精细、准确、全面、实时数据血缘信息，实现主动元数据的基础
   • 衡量算子级血缘关键指标：解析准确率、分析召回率、分析打扰率
5. 基于算子级血缘的主动元数据平台在金融行业的落地实践
   • 招商银行
   • 杭州银行

用户受益：

• 回顾从“传统数据架构”到“现代数据架构”的发展历程，并认知其局限
• 了解“数据优先”架构理念，进而校准企业 DataOps 体系建设目标与方法
• 了解“主动元数据”的定义、原理、价值，与其如何构建 DataOps 感知决策中心，驱动工作流和数据流的敏捷流转和持续迭代
• 了解“主动元数据”的核心技术——算子级血缘在头部金融企业的前沿实践