2022，银行数据能力怎么建？( 三 ) 来源：BCG波士顿咨询

数据体系建设对建设者的统筹整合与整体管控能力要求高：对银行这样多条线、多产品业务、又有总分支各级网点的大型机构而言，统筹整合工作很难，数据体系建设上的统筹整合同样举步维艰。数据体系的整体管控要求很高，一条数据问题的解决可能涉及到跨部门、跨区域、跨系统的统筹管控与治理。数据体系建设中的统筹整合，涉及跨业务数据统一标准化定义、数据整合共享、加工逻辑一致等问题。数据体系若整体管控能力不足，即使数据基础设施能力很强，也会因为数据质量问题得不到解决而问题百出。
银行数据体系建设需面对管理、业务、系统等深层次问题，需面对历史累积的各类数据问题：绝大多数的数据问题都是银行经营管理中产生的；管理精细度不足、业务规则不明确、数据标准没有企业级定义、IT系统设计有缺陷等会导致数据问题产生。由于管理、业务、系统等深层次问题所导致数据问题的彻底解决，需追本溯源进行解决，协调沟通成本高，解决难度大。数据体系建设同时还要面对数据体系本身所存在的历史问题，以及管理、业务、技术等体系长期历史问题在数据上累积的问题。
三
银行数据体系建设方向及举措建议
01
银行数据体系方向：
围绕全量、全域两大类数据应用展开
依照BCG服务全球大型金融机构的经验，数据体系建设分为数据应用、数据治理、数据基础设施服务三个子体系；三个子体系相互协同支撑，共为一体：
一方面，数据应用的成效90%受制于数据治理、数据基础设施能力的强弱：数据应用体系是能被客户、合作方感知的、“浮在水面之上”的能力，但数据应用能力依托于“水面之下”的数据治理及数据基础设施服务体系的支撑，一个机构数据应用体系的强弱90%决定于数据治理、数据基础设施服务体系的强弱。
另一方面，数据治理及数据基础设施服务体系围绕数据应用的需要构建：数据基础设施建设方向、数据治理资源投入重点均围绕数据应用需求来布局，数据基础设施服务体系、数据治理体系建设的最终成果要在数据应用体系中体现。

文章图片
结合第一章所提到的四大类数据应用，整体概览未来数字化银行数据应用全景，依照数据应用对数据差异化的要求，数据应用可分为两大类：
全量数据分析类应用：相对传统、为满足监管合规及管理决策的数据应用，此类数据应用以整合所分析时间段的完整业务全量数据为前提，且对数据的准确性、一致性要求严格；需围绕企业整体管理经营为中心展开，基于银行业务全量数据分析进行分析。
全域数据分析类应用：伴随着数字化转型而来、正爆发式增长的数据需求，主要是为满足业务经营及客户服务的需求，包括生态场景、渠道触点、营销销售、产品交易、风险防控、业务运营等环节下各有场景的数据应用需求，此类数据应用对数据的准确性要求相对较低，对企业业务全量更无要求，但要求及时拿到所服务客户、所提供业务等各类主体更多维度的数据。需以客户为中心整合多元数据，围绕客户服务、营销销售等展开，基于围绕客户主体、结合具体场景需求进行数据分析。

文章图片
银行数据体系建设，需以强化数据应用能力为出发点和目标。银行数据体系需围绕全量数据分析类应用、全域数据分析类应用展开。由于分析出发点不同，两大数据分析应用对数据基础服务能力的要求，从数据供给采集到数据整合加工，再到数据分析挖掘工具要求都有很大差异。对数据治理的侧重点也有差异，全量数据分析类应用更关注数据的完备性、准确性、一致性等，而全域数据分类应用则更关注数据供给的及时性、数据供给的丰富度等。