数字化观察之四十九：大数据在商业银行的规模化应用
文章图片
文章图片
中原银行行长王炯
文章图片
当前 ， 数据已被广泛应用于服务、运营、市场营销等领域 ， 各行各业重新定义业务模式及服务体验 ， 新产品、新业务、新模式、新业态不断涌现 ， 深刻改变着个人生活、企业生产、经济运行、社会管理和公共服务 。 随着数据场景的不断培养和数据的规模化应用 ， 新的业务驱动模式日渐形成 ， 为商业银行带来了全新的发展机遇 。
国际大型银行零售银行智慧化转型之路
线上化成为共识 。 随着线上消费内容和场景不断丰富 ， 居民线上消费习惯日渐养成 ， 传统商业银行发展模式也被逐步打破 ， 强化线上渠道黏性则成为银行业发展的普遍共识 。 银行推动线上化 ， 既要构建在线触达客户、识别客户、推荐产品、完成销售的全线上营销体系 ， 还要做好在线运营、风险防控、成本管控等线上运营管理 。 如何实现这些目标 ， 就需要对客户的各类数据进行分析 ， 并在分析的基础上实现大数据在商业银行的规模化应用 。
大数据应用的价值日益显现 。 大数据在商业银行经营发展中发挥着越来越重要的作用 ， 规模化应用亟待形成 。 一是大数据广泛应用在银行业务营销、风控管理、运营管理、后台管理等各环节 ， 数据融入银行整个运转过程 ， 提升了银行风险管理的有效性 ， 提高了市场营销的精准性 ， 降低了运营成本 ， 数据已经成为银行生存的“血液” 。 二是建立数据驱动模式 ， 即业务管理中从市场研判到决策部署 ， 再到机制体制建设等各流程 ， 都以数据分析作为主要驱动力 ， 使数据成为推动银行发展的“能源” 。 三是促进银行数据分析与应用能力的提高 ， 数据分析必须同业务结合才能产生价值 ， 并产生新的洞见 。 银行在多维度的、实时的数据分析过程中 ， 不断丰富数据分析的模型和管理工具 ， 促使数据和业务进一步融合 ， 数据成为银行创新和转变模式的“催化剂” 。 四是银行的应用效果不断提高 ， 使数据的应用价值不断提高 ， 通过数据分析能够大幅度提升银行的经营成果 ， 使数据变成银行经营管理的“矿山” 。
商业银行规模化
应用大数据的推动思路
业务导向是前提 。 技术是经济社会发展的底层元素 ， 更新迭代速度快 ， 而应用总是由前沿行业逐步演进到传统行业 ， 最后变成全社会的发展基础 。 然而 ， 在技术应用的初期 ， 经常会出现技术和业务两张皮的现象 。 在商业银行大数据应用中 ， 也普遍存在模型搭建和业务场景应用脱节的情况 ， 不仅未提高效率 ， 还造成了成本浪费 。 大数据在应用过程中 ， 必须以业务为导向 ， 聚焦业务需求 ， 充分释放数据潜力 ， 实现数据价值与业务深度融合 ， 才能真正发挥数据效用 。
用例驱动是核心 。 IT行业有一个著名的阿姆达尔法则 ， 简要概括就是对计算机中“影响因子”较大的组件进行改进 ， 可以更好地提升系统整体性能 ， 因此IT行业在技术升级之时会遵照该法则 ， 平衡好成本和性能 ， 实现最大程度的改进 。 在大数据应用中 ， 数据用例就是“影响因子”较大的组件 ， 它一方面关联着数据治理、建模能力、用例逻辑、成效反馈以及组织保障和数据人才培养等数据基础能力；另一方面链接着数据人员、业务人员、一线员工和客户 ， 可以说是核心要素 。 立足业务而高效好用的数据用例 ， 能够有效提高营销成效 ， 较好地推动业务发展 。
速赢策略是助力 。 创新工作的推进总是充满曲折和艰难 ， 需要快速建立信心以促进发展 。 使用速赢策略 ， 找准速赢领域 ， 以较低的成本实施项目 ， 可以让企业第一时间看到转型的成果 ， 形成良好的工作氛围 ， 有效增强组织信心 ， 有助于整体工作的顺利推进 。 银行在大数据规模化应用的初期 ， 可以选择大家看得见的业务点 ， 如围绕储蓄到期行为预测、理财到期行为预测、用户防流失管理等高频需求 ， 创建数据用例 ， 以小规模试点起步 ， 逐步推广至全行应用 ， 实现良好的开局 。
闭环管理是保障 。 大数据应用是一个不断精进的持续过程 ， 需要高度重视闭环管理 ， 通过应用PDCA循环（PDCA即计划Plan、执行Do、检查Check和行动Act） ， 实现“端对端”的流程改进和循环优化 。 具体到实践中 ， 就是通过经营规划、策略发布、销售检视、反馈迭代这四个大数据营销管理重要环节的持续循环 ， 提高数据的完整度和精准度 ， 实现“数据支撑” ， 构建并完善数据分析建模、可视化销售等平台 ， 形成系统性的功能模块支撑 ， 同时搭建起高效、精准、轻量的沟通机制 。
全员参与是长效机制 。 大数据规模化应用是业务发展的趋势 ， 必须要充分依靠集体的力量和团体的智慧 ， 最大程度地调动每个人的积极性 。 因此 ， 从高管到员工 ， 从前台到中后台 ， 全行上下都要积极参与其中 。 全员参与意味着在推进过程中 ， 所有人都是业务关注者、创新体验官和成效检验员 ， 尤其是一线人员能够充分发挥接触市场和客户的优势 ， 贡献基层智慧 ， 进一步促进业务发展 。 当大家从执行组织要求慢慢发展为主动参与时 ， 持续性、常态化的工作氛围就形成了 。
大数据规模化
应用的具体推动措施
制定蓝图规划 ， 业务试点切入
商业银行大数据应用的有序推动离不开蓝图规划的总体指导 。 同时 ， 在战略规划指导下 ， 应进一步明确总体目标、阶段性目标以及业务试点的选择 ， 从而能够以终为始、由点到面 ， 分步骤地推动大数据规模化应用的持续落地 。
首先 ， 商业银行实施大数据规模化应用的目标是为了推动业务的发展 ， 因此 ， 数据应用的出发点都要与业务紧密相连 ， 并要具备一定的业务条件：一是要建立线上经营机制 ， 实现银行业务营销与运营管理的线上操作 。 二是要优化业务及工作流程 ， 对传统流程进行规范化、标准化、参数化改造 ， 为后续推广数据应用提供基础 。
其次 ， 在大数据应用试点的选择上 ， 要以用例为切入点 ， 选择更容易见到业务成效的营销用例 ， 并通过用例成效的显现 ， 更好地激发传统商业银行大数据应用的信心 。 随着大数据在营销领域应用的不断成熟 ， 配套的基础设施建设的不断完善、人员能力的不断提升 ， 大数据应用也将逐步推广至商业银行业务经营和管理的各个环节 ， 全面提升传统商业银行的经营管理效率 ， 有力助推自身业务的持续发展 。
搭建数据架构体系
大数据的规模化应用离不开数据和平台的支撑 。 因此 ， 传统商业银行需要制定强有力的数据治理机制 ， 建立涵盖基础层、数据中台、应用层的数据架构 。
基础层的核心是数据治理 ， 而数据治理是重点亦是难点 。 数据治理包括内外部数据的采集整合、清洗加工 ， 数据埋点的选择 ， 数据存储和数据日常管理等 。 数据治理首先需要强大的数据支撑 ， 因此银行要重视丰富的数据来源 ， 既要加强内部数据收集管理 ， 又要在保护客户信息的前提下 ， 通过合作批量获取更多外部数据 。 其次 ， 要以价值为驱动力 ， 与商业银行的业务紧密结合 ， 是一个持续推动的过程 。
数据中台主要包括数据平台和数据模型 。 数据平台主要是开放运营平台、数据整合平台、实时数据平台等相关平台建设 。 数据模型则是数据驱动的核心 ， 是依据一定的业务逻辑 ， 分析影响经营管理结果的要素 ， 并运用一定的算法建立模型 ， 实现分析的目的 。 此外 ， 数据中台在建设过程中还要重视提升数据交互能力 ， 实现前中后台实时的数据交互 。
应用层则是基于数据中台所进行的大数据应用 ， 即把运用一定的数据算法形成的数据洞见 ， 应用于精准营销、大数据用例、客户画像、智能风控等 。
组建跨职能组织架构 ， 加快数据人才建设
大数据的规模化应用还需要重塑目前商业银行业务、科技、数据各自独立的职能架构 ， 建立三者融合的跨职能团队 。 跨职能团队能够有效打破不同职能人员的思维、文化障碍 ， 促进业务人员与科技、数据人员能力上的互补 。 跨职能团队内部 ， 业务人员能够学到更多的技术 ， 科技和数据人员也能更好地了解业务 ， 并基于业务逻辑进行相应的开发和建模 。 这种跨职能团队 ， 也避免了传统商业银行各部门独立运作、沟通不畅的问题 ， 有利于推动端到端的大数据用例的建立 。
面向未来的大数据规模化应用 ， 传统商业银行必须具备数据分析、数据建模能力 ， 同时也需要了解银行业务 ， 能够将大数据分析与银行业务有效结合的复合型人才 。 为此 ， 商业银行要调整人才发展战略 ， 创新人才培养机制 ， 明确大数据人才队伍的建设目标 ， 并逐步有序推进 。 在具体推动措施方面 ， 一是重视内部培养 ， 打破部门间的职能壁垒 ， 部门间联合培养具备数据分析、数据建模等技能的数据人才 ， 同时还要提升数据人员的业务能力；二是完善内部岗位设置 ， 注重引进外部的数据人才；三是明晰数据人员的职业发展路径 ， 更好地吸引和留住数据人才；四是培养业务分析师 ， 提升业务人员对数据的认识、理解和运用能力 。 通过建立多层次、多元化的数字化人才梯队 ， 真正打造一支熟业务、懂技术、能建模的复合型人才队伍 。
建立全流程的评价体系
建立大数据应用的全流程评价体系 ， 有助于大数据应用价值实现最大化 。 在具体过程中 ， 一是在大数据用例使用初期 ， 建立用例的评审机制 ， 基于价值视角对用例的优先级进行统筹排序；二是在用例的推广阶段 ， 建立用例执行的评价机制 ， 保障用例的规范化执行；三是在用例运维阶段 ， 就用例的成效、价值进行持续评价反馈 ， 挖掘用例成效背后的深层次原因 ， 促进用例的持续迭代优化 。
作者系中原银行行长
专栏主持人：王炜银行数字化转型课题组负责人
专栏介绍：银行移动化、智能化、数据化在更高效地获客、活客、留客的同时 ， 给客户带来更便捷的服务、更低廉的价格、更友好的体验 。 《数字化转型观察》栏目 ， 分享数字化转型实践案例 ， 分析衡量转型效果、探讨数字银行发展等 。 敬请分享精彩案例与观点 。
◆数字化观察之四十八：打造“四型银行”为客户创造价值
◆数字化观察之四十七：五大层面全面构建银行数字化能力
◆【原创】科技+生态赋能打造对公业务“发动机”——访平安集团团金会副主任、平安银行行长特别助理张小璐
◆【原创】探索银行数字化转型中台战略
◆【年度回顾】银行数字化转型——我们在路上……
◆原创丨以科技提升银行数字化竞争力——以中国建设银行为例
【数字化观察之四十九：大数据在商业银行的规模化应用】
文章图片
推荐阅读
- 王者荣耀丨刘备－时之恋人皮肤：节奏感优化，带动高输出？
- 中国渔民再次立功! 巨大宝藏重见天日， 美国请求被拒之门外！
- 情商高的人才会明白，学与亲近之人“划清界限”，才是真正的成熟
- 人生最好的状态: 以出世之心做入世之事
- 大众全新高尔夫R将发布 你的钢炮之魂燃烧起来了吗？
- GL8陆尊-何为MPV陆地之尊
- 新华网内地学者解读全国人大会议涉港议程：守护国家安全、维护“一国两制”的必要之举
- 环球网王毅：病毒源头问题上，中方与美国一些政客之间的分歧，是真相与谎言的距离，是科学与偏见的对比
- adolbook14 2020增强版正式预售，有颜值强性能，性价比之王
- 终于知道生啤、熟啤、干啤、原浆、纯生之间的区别，口味大不同