发布日期 2020-05-06

数字化观察之四十九:大数据在商业银行的规模化应用

原标题:数字化观察之四十九:大数据在商业银行的规模化应用

中原银行行长 王炯

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

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。

↓↓↓点击下方图片,更多专题精选文章↓↓↓

什么

聚合阅读