大数据时代：打造银行的数据化能力

来源：金融电子化

商业银行只有从打造数据化能力做起，让数据转化为对业务产生洞察的信息，才能推动管理精细化，提升管理效率和效益，驱动经营策略的制订，在金融市场中保持竞争优势。

互联网技术的飞速发展和应用，使得电子商务、社交网络等新兴商务模式和虚拟生态环境蓬勃发展，加速了移动终端、无线传感器等新技术载体在各行各业的大量应用。这些变革性发展在改变生产和消费的行为和商业模式的同时，也带来了另一个巨变，即信息数据在数量、频度和使用等多方面的变革，从数据角度看，整个世界已跨入“大数据”时代。本文针对大数据时代银行面临的挑战进行了分析，并结合银行数据处理的特点提出传统的数据管理、应用的思维和服务模式已无法应对挑战，银行应建立数据化能力的观点，进而给出了银行打造数据化能力的方法建议。

一、大数据时代银行面临的挑战

大数据时代，要求银行业者将数据的重要性提升到战略层面，要求银行业者深刻认识到所有的服务和行为都可以量化，从而对业务发展形成全方位视角，提升决策质量和业绩表现。银行的数据应用不再是局限于业务经营管理的统计分析支持，而需要扩展到客户服务、产品设计以及营销成果等领域，使银行经营过程有线可循、有据可依、有案可查。特别是通过数据预测未来业务发展的方向，让数据做主，由数据驱动业务决策这种变化对银行经营者在决策、管理、服务、技术和人才等方面提出挑战。

1．决策挑战：大数据的客观性将对现有决策机制产生巨大冲击。大数据的全量数据分析将使得分析结果更具客观性和决策支持性，目前依赖于样本数据分析和高管层经验的决策模式势必受到巨大挑战。这就要求在决策过程中转变思维，“有没有数据依据”、“数据是不是全量”、“数据怎么说”、“数据结果和主管判断差异有多大”、“我们对结果有多大信心”等等以数据为核心的决策判断应该成为决策过程中的关键考量。这对银行的管理者来说是一场管理革命，也是一种思维习惯的改变。

2．管理挑战：大数据的资产本质将对当前的数据管理方法提出挑战。大数据时代，数据不仅是日常交易或管理活动产生的记录和结果，而是一种切实的资产。目前，通过数据标准、数据架构、企业模型、元数据、商业智能和数据仓库等手段进行的数据管理和应用，在支撑业务创新方面具有很大欠缺。同时，以业务条块为主的系统建设加剧了数据的冗余和一致性保证的难度，造成数据整合和数据质量管理困难，信息价值体现不明显。大数据时代，要求数据作为银行的一种资产，运用基于数据生命周期的数据管理方式进行管理，为数据质量及数据服务能力提升做好准备。

3．应用挑战：大数据的多层次应用对当前的数据应用方式提出挑战。大数据时代，数据的应用不局限在某一用途、某一场景或某一层次，数据的重复利用以及数据价值的多视角展示是大数据应用的典型特征。目前，国内银行业在数据利用上还存在一定局限性，例如单目标单视角情况角度，很少银行对网点监测数据进行利用，而国外通过将影像数据转化为客户行为的分析，改进网点的运营效率以及用于营销活动的应用案例比比皆是。再者，银行在资源配置和绩效管理上的数据分析相对粗放，资源配置主要到业务条块而不能更精确细化到网点。

另外，基于当前相对基础的数据分析，业务结构调整主要体现在策略上的占比调整，这种简单的管理策略和模式不利于战略分解和落地执行。面对大数据时代的来临，应充分发掘和利用日常经营和管理中的业务数据，进一步获取外部数据，从精细化数据分析的角度，加强数据的多层次应用，使数据在推动银行经营活动开展中切实起到决策支持、辅助营销和结果预测等方面的关键作用。就目前来看，国内银行业实现数据驱动决策、数据提升发展的道路还很长。

4．技术挑战：大数据对当前的处理技术提出挑战。大数据时代，随着处理海量、高速率、多样化的大数据工具软件不断创新和发展，银行科技人员需要面对这些新型技术（Hadoop、内存分析、云计算等）进行“大数据”处理与应用的研究与建立。银行只有加速前瞻性技术研究，并与IT战略规划结合，推进IT系统建设，才能赶上大数据时代的步伐，让业务真正体会到大数据带来的好处。

5．人才挑战：大数据的综合性要求对当前的技术型人才提出挑战。大数据时代，数据的处理不再只是技术问题，而是演变成业务、服务和技术等多视角的综合性判断，这就需要“数据科学家”的出现。目前数据管理和服务的才人匮乏，特别是“大数据人才”极为缺乏，人才培养的机制尚未建立。大数据人才只有同时拥有较强的业务理解力、数据资产管理能力、数据建模能力以及数据探索挖掘能力，才能直面大数据为银行带来的管理挑战。

二、应对大数据挑战，打造数据化能力

数据化不等于数字化。数据化能力强调银行从数据中提取信息，获得知识，最终创造业务价值的能力，其目标在于为银行管理者提供真实有效的科学决策依据，促进银行业务可持续发展。数据化能力是数据的可管理性、健康度以及应用率等全方面的体现。人们常说的数字化只是把模拟数据变成计算机可读数据，但这些信息只有被数据化，其潜在价值才能被挖掘和利用。商业银行数据化能力的打造，应从以下几方面展开。

1．建立与业务战略相结合的数据战略，为数据化能力建立明确方向和目标。银行应将数据领域的管理与应用要求提升至银行战略层面考虑，建立与业务战略相结合的数据战略思想，为数据化能力持续提升明确方向和目标。大数据时代，银行需要高瞻远瞩。数据战略应充分消化业务战略中的数据需求，明确企业所应具备支撑业务的数据使用和处理的高阶能力要求，并依此制订清晰的数据化能力体系框架（如图1所示）。从行业实践看，完整的数据体系应包含数据治理、数据管理和数据应用与服务3个高阶能力。好的数据战略应体现企业数据文化的价值理念和导向，强化全行基于数据的精细化管理和决策的意识。

2．建立行之有效的数据治理长效机制，为数据化能力建设提保障。各银行都在开展数据管理工作，但由于缺乏对数据化能力未来发展目标的清晰定义，没有科学合理的数据体系建设规划，治理仅是头痛医头、脚痛医脚，把管理当治理看待。很多银行仅基于银监会的数据质量良好标准来实施数据治理的建设，把数据质量提升作为治理的唯一目标。没有考虑业务战略对数据应用的高阶需求，数据治理与数据应用的工作开展相互脱节，使数据治理的价值不能在数据应用上得到体现。加之因治理目标高度不够，高层领导不能有效参与，数据治理成为一时的“运动”。一个长效的数据治理建设，建议采用以下方法实施。

（1）基于数据体系框架，结合魔力象限图以及数据治理成熟度模型制订数据治理建设蓝图与路线图。在魔力象限图（如图2所示）中，横轴方向越靠近右边，代表该银行数据治理、数据管理的水平越高；纵轴方向越靠近上方，代表该银行数据应用与服务开展的越好，数据价值利用的效果越好。以魔力象限工具为基础，基于数据体系框架，结合数据治理成熟度评估，制订商业银行数据治理发展路径的设计方法，既可以把握好“优先发展薄弱环节，持平后均衡发展”的总体方针，避免数据应用的失控和数据管理的空泛，又可结合商业银行各自发展特点和目标，选择不同的发展路径。

（2）建立数据资产的运营管理体系，用数据认责法激活数据治理机制。把数据看做银行最重要的资产，同银行有形资产一样，需要建立一整套管理体系来对数据资产进行管理和利用。可建立全行性的数据管理组织，形成跨条线的统筹管理和组织协调，打通数据在其生命周期管理的各个环节。并通过数据认责管理机制将数据资产分配到相应的业务和科技管理部门，在数据生命周期中承担不同的数据管理责任，与管理流程和制度结合，把数据治理做实。提供数据治理，逐步建立数据资产人人有责的数据文化。

（3）“以用带治”，推动数据治理工作更加有效。以数据应用为抓手，通过充分利用数据于业务管理和经营中，使业务部门切身体会到数据的作用，以及数据问题对业务分析与决策的影响，促进数据质量的改善，推动诸如数据标准、元数据管理等数据治理和管理的工作开展。这种数据应用带动数据管理的相互促进建设方式，使得数据管理有的放矢。

3．通过数据服务模式的转变，为数据化能力建设提供阶梯。大数据时代，数据化能力的建设目标是提供数据服务，进而通过数据服务促进业务发展。即能够对内外部所有相关的各种结构数据进行整合与分析，并运用涵盖各种高阶数学模型的数据挖掘技术，一方面基于未来趋势预测的运营策略制订，及战略资源的针对性调整和部署；另一方面，用于内部运营流程的优化，甚至完全实现业务操作、交易层面的流程自动化。提高企业运营效率、节约运营成本，实现利润最大化。从数据化能力成熟度看，数据化能力从基本的数据管理开始，发展到利用结构化数据建模和预测，最终达到对海量多结构数据的处理和挖掘，实现业务预测和操作性业务流程智能化处理。“大数据”阶段将是数据化能力发展的高级阶段（如图3所示）。

数据服务能力的全面提升需要从改变现有的服务方式做起。即改变现有的按部门、按业务条块提供数据应用建设的支持模式，变为一种直接面向业务的数据服务模式。通过专门的组织，直接向业务部门及分支机构提供数据支持，及时响应业务的精细化管理和决策需要。数据服务模式的建立可以在以下几种模式中进行探索和发展。

第一种是数据服务中心。作为数据资产的托管人关注数据战略，决策和规划全行的数据服务，通过数据服务平台接收业务对数据应用和处理上的需求进行管理和服务。

第二种是数据服务的合作伙伴。这种模式是通过数据的主动探索形成多种数据服务方案，并通过与业务合作来直接服务于经营管理活动。例如，在客户细分和营销分析上，数据服务人员可以直接参与到业务的营销管理活动中提升数据对业务的支撑。

第三种是共享数据服务。这种模式可以将标准化的服务内容以运维服务的方式来管理和运行，以提高效率并降低服务成本。以上三种模式可以共存并相互补充以满足不同阶段业务对数据服务的需求。但无论哪种模式，以下方面必须面对。

（1）理念转变。要顺应大数据特点，树立“以创造数据价值为着眼点，以数据管理为立足点，以数据社区为凝聚点，以服务创新来推动数据开放和共享”的数据服务理念。从现在开始，向变被动数据支持为主动数据服务，以及未来自主开放数据服务的方向转变。

（2）能力转化。数据工作者要从原有的技术工具型的能力建立基础上，向数据探索业务洞察型的分析能力方向培养。通过主动开展数据探索式的业务热点分析、参与业务营销方案制订等直接面向业务决策的数据服务工作，逐步建立大数据时代所需的业务洞察能力。

（3）环境优化。应对大数据的特点，除建立支持多结构数据的系统基础环境外，一个基于数据开放共享的服务运营平台不可缺少。它至少要具备：以创新模式搭建数据知识的组织架构，为不同层次的业务和技术用户提供智能精准的咨询服务，支持数据探索者的快速学习；整合的数据服务工作流程，从需求提出、需求分析到分析成果复用、查询定制和知识再积累，对数据服务工作提供全过程支持和一站式全面服务；借鉴社交网络先进传播模式，以开放为主旨构建交流环境，倡导人人参与、互助学习的数据文化，促进数据共享。

4．通过大数据人才的培养，为数据化能力建设提供动力。银行在奔向“大数据”阶段的数据化能力发展道路上，最大的难题是缺乏“能够管理数据和运用于洞察业务商机的人”——大数据人才。这个群体要懂得如何从现有的海量多种结构的信息中，进行数据组织并分析，进而捕捉、洞察到重要商业机会。他们是一群训练有素，乐于在大数据世界中进行探索的高级分析专家。他们不仅要具有计算机、数学、经济学的教育背景，还需具备数据整理与管理、定量分析、数据黑客等专业技能，更主要的是要具备业务感觉和客户同理心潜质，会用数据表达业务问题等复合技能，是一个综合体。

目前，大多数银行在数据领域的人才是统计分析、基于特定主题分析的建模人员，是对统计报表、数据分析等BI应用的支持者。直接面向业务决策或快速捕捉市场商机的人极少，甚至这类应用（服务）很少涉及。从人才培养角度，笔者认为应该注重以下几个方面。

（1）思维方式的培养：“大数据思维是一种意识，认为公开的数据一旦处理得当就能为干百万人继续解决的问题提供答案”，能改变从业者习惯性的面向单一目标和单一结果的数据处理思维方式。

（2）业务能力的培养：目前数据从业者对技术的储备和积累已经具备了一定基础，但对于业务的理解，特别是前瞻性理解还有待提升。尽管大数据时代提倡让数据说话，但对业务的认知和理解是数据说话的前提。无论是数据收集、数据处理、数据拓展等等方面都需要从业者跳出技术范畴，从业务视角审视数据的关联关系。

（3）综合素质的培养：大数据时代要求从业人员具备业务、技术能力的同时，还要具备一定程度的综合素质，大数据的分析视角是不受任何限制的，随机产生的分析视角或许会引发一场变革。因而对从业人员的综合素质要求较高，通常广泛的涉猎和思考，将会带来不同寻常的理解和认知，而这对大数据时代的关联关系解读或新产品、服务的创新至关重要。

三、结束语

数据化能力在大数据时代被描述的无所不能，《大数据时代》一书曾提到一个发人深思的观点：一旦世界被数据化，就只有我们想不到的，而没有信息做不到的。有些物理学家甚至宣称信息才是一切的本源，而并非原子。“大数据”必将成为企业管理者运筹帷幄、决胜千里的重要利器之一。无论我们从何种角度看待当下时代的大数据，毋庸置疑的是数据化能力一直在不断地演进，它给了企业在纷繁复杂的市场上占据主动权、预测并引领市场的机会，而不仅仅是简单地回顾市场行为。领先的企业可以通过业务创新控制所产生数据的形态，譬如企业可以将网点的监控影像数据化并进行客户分析，从而更合理地进行网点布局设计，引导消费者选择产品的倾向，最终逐渐改变消费者甚至整个市场的行为。如今，中国银行业已经迎来了机遇与挑战同步而至的大数据时代，我们只有紧握数据化能力这把钥匙，才能更好地面对日益开放的中国金融市场，打开银行业务创新的大门。