2022，银行数据能力怎么建？( 二 ) 来源：BCG波士顿咨询

二
银行数据体系建设现状不容乐观
01
银行数据体系存在诸多问题
从外部宣传看，银行数据体系建设好似已卓有成效。可进到银行内部看，用数人员，从管理层、各部门、分支行管理人员到一线作战人员等，都对数据现状有这样那样的不满；反观参与数据体系建设的人员，忙于应付各类迫在眉睫的紧急需求或监管要求，无力解决用数人员的切实问题。可以用一句形象的话概况银行数据现状——对外亮丽光鲜口号喊得震天响，可内部一看千疮百孔苦难说。
整体看，银行数据体系建设存在四大主要问题：
“找数难，取数难、用数难”等问题依然普遍存在：一方面是大量数据散落在各业务系统中未有效整合统一数据平台，未建立起全行级的完整数据地图，用户人员需要大范围寻找、反复确认才能找到所需数据，取数时需跨条线、部门反复沟通，数据时效亦常不满足要求；另一方面很多数据项在业务系统上线时就未采集或未保存，取数、用数涉及业务系统深度改造，取数、用数难度倍增。
数据可信度不足，数据质量问题多：一是由于业务系统源数据项、业务指标缺乏全行级业务口径、数据标准、规则统一管控不足，导致源头性数据质量问题未根本性根除；二是长时间累积了诸多数据质量问题，全局清理整改难度大、成本高；三是数据采集日益多元，生产系统源头数据质量把控不严，导致各类新生数据质量问题频发。
数据应用建设无法形成持续优化闭环， “虎头蛇尾”难持久：数据需求方缺乏技术部门、数据部门针对数据应用需持续迭代优化等特点的匹配体系支撑，导致已推进的多数数据应用“虎头蛇尾” ，绝大多数未取得预期成效。
数据治理成为“众矢之的” ，管理能动性不足、缺乏有效工具抓手：各银行数据治理普遍存在组织机制能动性不足、数据责任主体职责不明晰、数据奖惩考核体系不到位等情况，数据标准、数据质量、数据资产等管理缺乏数字化工具抓手问题。
02
银行数据体系建设面临诸多挑战
近些年，银行在数据体系建设上的整体投入并不少，从数据仓库、数据集市、大数据平台、实时数据处理平台等基础数据基础实施建设，到各类数据应用的打造，再到多样外部数据的购买、数据治理上的投入等。虽然总体投入不算少，可效果却相对有限，问题出在哪里？这值得银行管理层、银行数据体系建设者们深入思考。
究其根因，数字化转型大背景下的银行数据体系建设面临四大方面的挑战：
银行数据体系建设未建立起体系化应对数据丰富度、时效性要求高的数据应用解决方案：银行数据体系需面对爆发式增长的数据应用，以满足业务经营及客户服务，其中包括生态场景、渠道触点、营销销售、产品交易、风险防控、业务运营等，此类数据应用要求拿到更多维度、更及时的数据信息，针对此类数据需求，银行不只是建一个大数据平台、落地几个实时数据分析的应用那么简单，银行需体系化地搭建一整套能力解决方案，贯穿供给采集、集成分析、场景应用，其中涉及到实时数据的处理、日志/客户行为数据解析转义、海量数据存储、数据应用分析闭环打造等诸多全新话题。
数据体系建设是一项体系性、长周期工程，非一朝一夕之功：数据体系不是推广一个数据应用，或建一个数据平台，而是一个体系性工程，涉及到银行体系内各类数据全生命周期各个环节，从数据供给、采集、存储整合、分析挖掘、数据服务到数据应用等所有能力的建设，同时还包括业务数据技术融合、数据分析工具以及数据研发机制、数据研发资源等支撑保障能力，以及数据资产使用情况全局跟踪监控及评估、数据标准质量监控及问题处置等数据管控能力。由于数据体系建设的高复杂度，数据体系建设需要整体规划、细致设计，在建设过程中需要分步骤推进建设，需要容错性尝试、验证，需要持续迭代打磨。数据体系建设是一个体系性、长周期的工程，需要银行管理层、建设者们认定目标后，有决心、有耐心应对数据体系建设过程中发生的各类状况与挑战。