大數據時代：打造銀行的數據化能力

來源：金融電子化

商業銀行只有從打造數據化能力做起，讓數據轉化爲對業務產生洞察的信息，才能推動管理精細化，提升管理效率和效益，驅動經營策略的制訂，在金融市場中保持競爭優勢。

互聯網技術的飛速發展和應用，使得電子商務、社交網絡等新興商務模式和虛擬生態環境蓬勃發展，加速了移動終端、無線傳感器等新技術載體在各行各業的大量應用。這些變革性發展在改變生產和消費的行爲和商業模式的同時，也帶來了另一個鉅變，即信息數據在數量、頻度和使用等多方面的變革，從數據角度看，整個世界已跨入“大數據”時代。本文針對大數據時代銀行面臨的挑戰進行了分析，並結合銀行數據處理的特點提出傳統的數據管理、應用的思維和服務模式已無法應對挑戰，銀行應建立數據化能力的觀點，進而給出了銀行打造數據化能力的方法建議。

一、大數據時代銀行面臨的挑戰

大數據時代，要求銀行業者將數據的重要性提升到戰略層面，要求銀行業者深刻認識到所有的服務和行爲都可以量化，從而對業務發展形成全方位視角，提升決策質量和業績表現。銀行的數據應用不再是侷限於業務經營管理的統計分析支持，而需要擴展到客戶服務、產品設計以及營銷成果等領域，使銀行經營過程有線可循、有據可依、有案可查。特別是通過數據預測未來業務發展的方向，讓數據做主，由數據驅動業務決策這種變化對銀行經營者在決策、管理、服務、技術和人才等方面提出挑戰。

1．決策挑戰：大數據的客觀性將對現有決策機制產生巨大沖擊。大數據的全量數據分析將使得分析結果更具客觀性和決策支持性，目前依賴於樣本數據分析和高管層經驗的決策模式勢必受到巨大挑戰。這就要求在決策過程中轉變思維，“有沒有數據依據”、“數據是不是全量”、“數據怎麼說”、“數據結果和主管判斷差異有多大”、“我們對結果有多大信心”等等以數據爲核心的決策判斷應該成爲決策過程中的關鍵考量。這對銀行的管理者來說是一場管理革命，也是一種思維習慣的改變。

2．管理挑戰：大數據的資產本質將對當前的數據管理方法提出挑戰。大數據時代，數據不僅是日常交易或管理活動產生的記錄和結果，而是一種切實的資產。目前，通過數據標準、數據架構、企業模型、元數據、商業智能和數據倉庫等手段進行的數據管理和應用，在支撐業務創新方面具有很大欠缺。同時，以業務條塊爲主的系統建設加劇了數據的冗餘和一致性保證的難度，造成數據整合和數據質量管理困難，信息價值體現不明顯。大數據時代，要求數據作爲銀行的一種資產，運用基於數據生命週期的數據管理方式進行管理，爲數據質量及數據服務能力提升做好準備。

3．應用挑戰：大數據的多層次應用對當前的數據應用方式提出挑戰。大數據時代，數據的應用不侷限在某一用途、某一場景或某一層次，數據的重複利用以及數據價值的多視角展示是大數據應用的典型特徵。目前，國內銀行業在數據利用上還存在一定侷限性，例如單目標單視角情況角度，很少銀行對網點監測數據進行利用，而國外通過將影像數據轉化爲客戶行爲的分析，改進網點的運營效率以及用於營銷活動的應用案例比比皆是。再者，銀行在資源配置和績效管理上的數據分析相對粗放，資源配置主要到業務條塊而不能更精確細化到網點。

另外，基於當前相對基礎的數據分析，業務結構調整主要體現在策略上的佔比調整，這種簡單的管理策略和模式不利於戰略分解和落地執行。面對大數據時代的來臨，應充分發掘和利用日常經營和管理中的業務數據，進一步獲取外部數據，從精細化數據分析的角度，加強數據的多層次應用，使數據在推動銀行經營活動開展中切實起到決策支持、輔助營銷和結果預測等方面的關鍵作用。就目前來看，國內銀行業實現數據驅動決策、數據提升發展的道路還很長。

4．技術挑戰：大數據對當前的處理技術提出挑戰。大數據時代，隨着處理海量、高速率、多樣化的大數據工具軟件不斷創新和發展，銀行科技人員需要面對這些新型技術（Hadoop、內存分析、雲計算等）進行“大數據”處理與應用的研究與建立。銀行只有加速前瞻性技術研究，並與IT戰略規劃結合，推進IT系統建設，才能趕上大數據時代的步伐，讓業務真正體會到大數據帶來的好處。

5．人才挑戰：大數據的綜合性要求對當前的技術型人才提出挑戰。大數據時代，數據的處理不再只是技術問題，而是演變成業務、服務和技術等多視角的綜合性判斷，這就需要“數據科學家”的出現。目前數據管理和服務的才人匱乏，特別是“大數據人才”極爲缺乏，人才培養的機制尚未建立。大數據人才只有同時擁有較強的業務理解力、數據資產管理能力、數據建模能力以及數據探索挖掘能力，才能直面大數據爲銀行帶來的管理挑戰。

二、應對大數據挑戰，打造數據化能力

數據化不等於數字化。數據化能力強調銀行從數據中提取信息，獲得知識，最終創造業務價值的能力，其目標在於爲銀行管理者提供真實有效的科學決策依據，促進銀行業務可持續發展。數據化能力是數據的可管理性、健康度以及應用率等全方面的體現。人們常說的數字化只是把模擬數據變成計算機可讀數據，但這些信息只有被數據化，其潛在價值才能被挖掘和利用。商業銀行數據化能力的打造，應從以下幾方面展開。

1．建立與業務戰略相結合的數據戰略，爲數據化能力建立明確方向和目標。銀行應將數據領域的管理與應用要求提升至銀行戰略層面考慮，建立與業務戰略相結合的數據戰略思想，爲數據化能力持續提升明確方向和目標。大數據時代，銀行需要高瞻遠矚。數據戰略應充分消化業務戰略中的數據需求，明確企業所應具備支撐業務的數據使用和處理的高階能力要求，並依此制訂清晰的數據化能力體系框架（如圖1所示）。從行業實踐看，完整的數據體系應包含數據治理、數據管理和數據應用與服務3個高階能力。好的數據戰略應體現企業數據文化的價值理念和導向，強化全行基於數據的精細化管理和決策的意識。

2．建立行之有效的數據治理長效機制，爲數據化能力建設提保障。各銀行都在開展數據管理工作，但由於缺乏對數據化能力未來發展目標的清晰定義，沒有科學合理的數據體系建設規劃，治理僅是頭痛醫頭、腳痛醫腳，把管理當治理看待。很多銀行僅基於銀監會的數據質量良好標準來實施數據治理的建設，把數據質量提升作爲治理的唯一目標。沒有考慮業務戰略對數據應用的高階需求，數據治理與數據應用的工作開展相互脫節，使數據治理的價值不能在數據應用上得到體現。加之因治理目標高度不夠，高層領導不能有效參與，數據治理成爲一時的“運動”。一個長效的數據治理建設，建議採用以下方法實施。

（1）基於數據體系框架，結合魔力象限圖以及數據治理成熟度模型制訂數據治理建設藍圖與路線圖。在魔力象限圖（如圖2所示）中，橫軸方向越靠近右邊，代表該銀行數據治理、數據管理的水平越高；縱軸方向越靠近上方，代表該銀行數據應用與服務開展的越好，數據價值利用的效果越好。以魔力象限工具爲基礎，基於數據體系框架，結合數據治理成熟度評估，制訂商業銀行數據治理髮展路徑的設計方法，既可以把握好“優先發展薄弱環節，持平後均衡發展”的總體方針，避免數據應用的失控和數據管理的空泛，又可結合商業銀行各自發展特點和目標，選擇不同的發展路徑。

（2）建立數據資產的運營管理體系，用數據認責法激活數據治理機制。把數據看做銀行最重要的資產，同銀行有形資產一樣，需要建立一整套管理體系來對數據資產進行管理和利用。可建立全行性的數據管理組織，形成跨條線的統籌管理和組織協調，打通數據在其生命週期管理的各個環節。並通過數據認責管理機制將數據資產分配到相應的業務和科技管理部門，在數據生命週期中承擔不同的數據管理責任，與管理流程和制度結合，把數據治理做實。提供數據治理，逐步建立數據資產人人有責的數據文化。

（3）“以用帶治”，推動數據治理工作更加有效。以數據應用爲抓手，通過充分利用數據於業務管理和經營中，使業務部門切身體會到數據的作用，以及數據問題對業務分析與決策的影響，促進數據質量的改善，推動諸如數據標準、元數據管理等數據治理和管理的工作開展。這種數據應用帶動數據管理的相互促進建設方式，使得數據管理有的放矢。

3．通過數據服務模式的轉變，爲數據化能力建設提供階梯。大數據時代，數據化能力的建設目標是提供數據服務，進而通過數據服務促進業務發展。即能夠對內外部所有相關的各種結構數據進行整合與分析，並運用涵蓋各種高階數學模型的數據挖掘技術，一方面基於未來趨勢預測的運營策略制訂，及戰略資源的針對性調整和部署；另一方面，用於內部運營流程的優化，甚至完全實現業務操作、交易層面的流程自動化。提高企業運營效率、節約運營成本，實現利潤最大化。從數據化能力成熟度看，數據化能力從基本的數據管理開始，發展到利用結構化數據建模和預測，最終達到對海量多結構數據的處理和挖掘，實現業務預測和操作性業務流程智能化處理。“大數據”階段將是數據化能力發展的高級階段（如圖3所示）。

數據服務能力的全面提升需要從改變現有的服務方式做起。即改變現有的按部門、按業務條塊提供數據應用建設的支持模式，變爲一種直接面向業務的數據服務模式。通過專門的組織，直接向業務部門及分支機構提供數據支持，及時響應業務的精細化管理和決策需要。數據服務模式的建立可以在以下幾種模式中進行探索和發展。

第一種是數據服務中心。作爲數據資產的託管人關注數據戰略，決策和規劃全行的數據服務，通過數據服務平臺接收業務對數據應用和處理上的需求進行管理和服務。

第二種是數據服務的合作夥伴。這種模式是通過數據的主動探索形成多種數據服務方案，並通過與業務合作來直接服務於經營管理活動。例如，在客戶細分和營銷分析上，數據服務人員可以直接參與到業務的營銷管理活動中提升數據對業務的支撐。

第三種是共享數據服務。這種模式可以將標準化的服務內容以運維服務的方式來管理和運行，以提高效率並降低服務成本。以上三種模式可以共存並相互補充以滿足不同階段業務對數據服務的需求。但無論哪種模式，以下方面必須面對。

（1）理念轉變。要順應大數據特點，樹立“以創造數據價值爲着眼點，以數據管理爲立足點，以數據社區爲凝聚點，以服務創新來推動數據開放和共享”的數據服務理念。從現在開始，向變被動數據支持爲主動數據服務，以及未來自主開放數據服務的方向轉變。

（2）能力轉化。數據工作者要從原有的技術工具型的能力建立基礎上，向數據探索業務洞察型的分析能力方向培養。通過主動開展數據探索式的業務熱點分析、參與業務營銷方案制訂等直接面向業務決策的數據服務工作，逐步建立大數據時代所需的業務洞察能力。

（3）環境優化。應對大數據的特點，除建立支持多結構數據的系統基礎環境外，一個基於數據開放共享的服務運營平臺不可缺少。它至少要具備：以創新模式搭建數據知識的組織架構，爲不同層次的業務和技術用戶提供智能精準的諮詢服務，支持數據探索者的快速學習；整合的數據服務工作流程，從需求提出、需求分析到分析成果複用、查詢定製和知識再積累，對數據服務工作提供全過程支持和一站式全面服務；借鑑社交網絡先進傳播模式，以開放爲主旨構建交流環境，倡導人人蔘與、互助學習的數據文化，促進數據共享。

4．通過大數據人才的培養，爲數據化能力建設提供動力。銀行在奔向“大數據”階段的數據化能力發展道路上，最大的難題是缺乏“能夠管理數據和運用於洞察業務商機的人”——大數據人才。這個羣體要懂得如何從現有的海量多種結構的信息中，進行數據組織並分析，進而捕捉、洞察到重要商業機會。他們是一羣訓練有素，樂於在大數據世界中進行探索的高級分析專家。他們不僅要具有計算機、數學、經濟學的教育背景，還需具備數據整理與管理、定量分析、數據黑客等專業技能，更主要的是要具備業務感覺和客戶同理心潛質，會用數據表達業務問題等複合技能，是一個綜合體。

目前，大多數銀行在數據領域的人才是統計分析、基於特定主題分析的建模人員，是對統計報表、數據分析等BI應用的支持者。直接面向業務決策或快速捕捉市場商機的人極少，甚至這類應用（服務）很少涉及。從人才培養角度，筆者認爲應該注重以下幾個方面。

（1）思維方式的培養：“大數據思維是一種意識，認爲公開的數據一旦處理得當就能爲幹百萬人繼續解決的問題提供答案”，能改變從業者習慣性的面向單一目標和單一結果的數據處理思維方式。

（2）業務能力的培養：目前數據從業者對技術的儲備和積累已經具備了一定基礎，但對於業務的理解，特別是前瞻性理解還有待提升。儘管大數據時代提倡讓數據說話，但對業務的認知和理解是數據說話的前提。無論是數據收集、數據處理、數據拓展等等方面都需要從業者跳出技術範疇，從業務視角審視數據的關聯關係。

（3）綜合素質的培養：大數據時代要求從業人員具備業務、技術能力的同時，還要具備一定程度的綜合素質，大數據的分析視角是不受任何限制的，隨機產生的分析視角或許會引發一場變革。因而對從業人員的綜合素質要求較高，通常廣泛的涉獵和思考，將會帶來不同尋常的理解和認知，而這對大數據時代的關聯關係解讀或新產品、服務的創新至關重要。

三、結束語

數據化能力在大數據時代被描述的無所不能，《大數據時代》一書曾提到一個發人深思的觀點：一旦世界被數據化，就只有我們想不到的，而沒有信息做不到的。有些物理學家甚至宣稱信息纔是一切的本源，而並非原子。“大數據”必將成爲企業管理者運籌帷幄、決勝千裏的重要利器之一。無論我們從何種角度看待當下時代的大數據，毋庸置疑的是數據化能力一直在不斷地演進，它給了企業在紛繁複雜的市場上佔據主動權、預測並引領市場的機會，而不僅僅是簡單地回顧市場行爲。領先的企業可以通過業務創新控制所產生數據的形態，譬如企業可以將網點的監控影像數據化並進行客戶分析，從而更合理地進行網點佈局設計，引導消費者選擇產品的傾向，最終逐漸改變消費者甚至整個市場的行爲。如今，中國銀行業已經迎來了機遇與挑戰同步而至的大數據時代，我們只有緊握數據化能力這把鑰匙，才能更好地面對日益開放的中國金融市場，打開銀行業務創新的大門。