2022,银行数据能力怎么建?( 五 )


依照《银行业金融机构数据治理指引》 , 各银行数据治理在组织架构、管理机制、制度规范上都已落实执行 , 数据治理数字化支撑工具能力相对不足 。 打造发现、跟进、处置数据问题的数据治理数字化工具抓手 , 充分发挥数据质量问题的“警戒信号灯”作用 , 深挖数据质量问题背后的管理问题、业务规则问题、数据标准问题、系统数据问题等 , 将数据治理落在实处 , 提升数据治理组织机制的能动性 , 强化数据治理管控的精细度 。
举措四:打造可并行支撑全量及全域数据应用的、湖仓一体的数据基础服务体系
需从包括数据供给采集、存储整合、分析挖掘、数据服务等在内的数据链路上 , 构建支撑全量数据及全域数据体系 , 以湖仓一体但又相互独立的模式 , 构建全新数据基础设施服务体系 。 在此过程中推进数据中台1.0向数据中台2.0升级 。 在数据中台1.0阶段 , 银行集中进行大数据技术平台的搭建和全域/全量数据的采集和整合 , 数据应用建设以“点状突破”为主 , 针对“用户画像” , “大数据营销” , “大数据风控”等典型业务场景需求 , 以独立应用系统开发的方式进行建设 , 未能形成全行统一的数字化工具平台和经营体系 。 数据中台2.0阶段 , 银行需将重点放在解决一线业务人员用数问题上 , 基于数据和分析民主化的理念 , 通过分析资源的准备和分析工具的赋能 , 让企业基础数据能力赋能每个银行员工的日常工作 。
举措五:自上而下推动数据文化建设 , 完善数据组织体系 , 多方位吸引数据人才
银行需自上而下推进数据使用文化、数据治理文化、数据创新文化建设 , 以“定调、宣贯、入制”整体文化建设解决方案为手段 , 推动数据文化在行内扎根 。 完善数据组织体系 , 设立包括数据科学家、数据分析师、数据架构师、数据工程师等在内的专职数据岗位 , 建立数据人才专业序列 , 铺平数据人才职业发展通道 , 强化数据人才激励机制 , 吸引更多元数据人才 , 强化银行数据人才队伍 。

同业实践:领先同业数据体系建设已初见成效
从大数据技术概念提出开始 , 领先同业就纷纷尝试利用各项大数据技术全面升级数据体系 。 十多年的时间过去 , 虽然走过很多弯路 , 领先金融机构在数据体系升级建设方面还是累积了不少经验 , 不少领先实践值得同业参考借鉴 。
案例
全新打造全域数据体系
银行A采取横向全面铺开的模式推进全域数据体系建设落地 。 银行A在信息化建设、数字化建设方面一直领跑行业 , 数字应用的建设需求多 , 数据部门、技术部门应接不暇 。 为从根本上解决数据体系建设进度滞后的情况 , 该行在对自身数据能力进行整体评估及诊断、梳理明确全行数据应用建设全景后 , 制定了全行的数据战略 。 数据战略围绕经营服务赋能、管理合规赋能两大方向 , 从数据治理、数据中台建设、数据应用赋能三个维度进行整体规划 , 规划中突出以数据湖为核心的全域数据体系的整体设计规划 。 在数据战略规划明确后 , 制定建设与升级路径 , 以项目群模式按计划、分阶段推进 。
银行B采取纵向深度切入的模式推进全域数据体系建设落地 。 银行B全方位发力公司金融业务转型 , 深耕产业金融 , 围绕授信策略、产品策略、营销策略的行业专业化 , 围绕公司金融领域数据体系设计整体解决方案 。 银行B的全域数据体系建设方案 , 一是通过整合行内外数据 , 构建行业洞察数据中台 , 结合产业研究和数据挖掘分析 , 形成受业务、风险一致认可的各行业量化准入标准 , 进而形成更精准、高质量的营销获客名单;二是将数据能力与包括CRM等在内的数字化工作深入结合 , 将数据服务嵌入到行业客户销售管道各节点(接洽、需求分析、方案设计、内部审批、落地及交叉销售等) , 打造围绕各流程节点的数据分析闭环 , 持续提升数据服务及推荐的匹配度及准确性;三是利用埋点等数字化手段构建客户体验数据监测体系 , 更及时、客观地掌握客户体验动态 , 更高效地发现客户问题、解决客户问题 , 提升客户服务体验 。