2022，银行数据能力怎么建？( 四 ) 来源：BCG波士顿咨询

文章图片
02
银行数据体系建设需多措并举
数字化转型大背景下，银行数据体系建设需以构建一流且全面的数据应用能力为目标，围绕全量数据分析类应用与全域数据分析类应用两大类，升级完善全量数据体系、构建全新的全域数据体系，推进与两大数据体系相配套的数据治理、数据基础设施服务体系建设，强化包括数据文化、数字组织与人才等保障体系建设，需核心推进五大举措。
举措一：全新打造全域数据体系
相比于新兴互联网企业，银行数据在围绕用户/客户、交易等主体，实时、全面整合数据的全域数据能力体系目前只是点状尝试，亟待体系性整体构建。在全域数据体系建设上，各银行均有点状试水；不过多数银行试图通过改造全量数据体系以满足全域数据应用需求，实际落地过程中举步维艰，路径上需要重新选择。
对银行而言，全域数据分析能力体系的打造是一个全新的课题。围绕全域数据的整个数据生命周期，针对各个阶段环节打造解决方案，包括日志、客户行为数据、外部等多元异构数据如何标准化解决方案；二是日志等数据信息密度低，如何有效解析；三是不同场景下获取的异构数据，如何有效勾连整合；四是海量数据如何高效存储；五是如果为差异化的全域数据应用场景提供多元化的数据分析挖掘平台；六是如何构建起支撑全域分析应用预测类模型的数据分析挖掘闭环等。
各行需围绕全域数据应用的供给采集、集成分析、场景应用各环节，从业务规则厘清、标准定义，再到各类数据（含日志数据、客户行为数据、外部数据等）采集解析、存储整合、分析挖掘及数据服务提供等规划全域数据体系建设全景；进而选取具体全域数据应用，推动全域数据体系落地。
举措二：持续完善全量数据体系
相比其他行业（包括互联网行业在内），银行业在全量数据分析类应用方面的基础都更为扎实。银行业为满足监管合规以及管理决策需求，很早就构建起了以业务交易全量数据为基础的全量数据体系，可全面、精准整合企业级业务全口径各类数据、核算精准。
各银行均依照监管要求及自身需求推进了包括数据仓库/集市、监管报送系统、管理信息系统等的建设，但因业务规模、信息化数字化能力、所处区位等原因，成效差异很大。领先银行的数据全量体系从基础数据整合，到全量数据平台的建设，再到监管合规满足度，以及包括会计、资负、风险等各类管理信息系统满足度均处于非常高的水准。但其他银行，从数据供给的标准化程度到数据采集能力、数据整合存储及应用分析能力等，以及监管报送均有提升空间。
各行需结合自身在业务数据供给、业务数据采集、数据仓库建设、管理信息系统建设、监控报送平台建设等方面的实际情况，适当引入新技术、新工具，增效强化基础数据质量管控，推进全量数据体系建设。
举措三：构建有完备数字化工具支撑的数据治理体系
随着数据渗透到经营管理的方方面面，数据治理的重要性日益凸显。数据要成为银行经营管理的“第一语言” ，其标准全局的标准定义至关重要；生产数据、使用数据的环节越来越多，数据加工的流程、逻辑越发丰富多元，因此发现、处置、防范数据质量问题成为愈发重要的工作。持续推进覆盖精细化的数据标准、数据质量、数据安全等能协同全局的数据治理体系,对银行数据体系建设至关重要。