数据即资产,数据化引擎

核心提示当下,商业银行正处于数字化转型的深水区,尤其是2020年新冠肺炎疫情的突发和国内外经济形势的错综复杂,促使商业银行金融科技加快向数字化、智能化、服务化演进。数据资产作为数字化转型的载体,正在社会生产过程的各个环节发挥作用。2020年4月9日

当前,商业银行正处于数字化转型的深水区,特别是2020年新冠肺炎疫情的爆发和国内外复杂的经济形势,促使商业银行的金融科技加速向数字化、智能化、服务化演进。数据资产作为数字化转型的载体,正在社会生产的方方面面发挥作用。2020年4月9日,中央正式将数据作为生产要素写入文件,提出加快培育数据要素市场,促进数字经济高效发展。

数字化转型对银行业传统的数据管理和运营理念,乃至数据应用模式都产生了颠覆性的影响。银行应具备哪些核心的数据资产管理和运营能力,为数据赋能业务、充分发挥数据价值提供强有力的保障和基础,已成为商业银行不可回避的紧迫问题。

商业银行数据资产管理现状

从2005年开始,银行业的数据管理从局部管理发展到整体管理,再到管理运营。在从数据管理向数据资产管理和运营的转变中,我行的数据政策、管理方式和运营模式在大数据时代的大潮中不断修正和重塑,实现了从单纯支撑业务分析和经营决策向推动业务创新、资源整合和应用、实现数据价值的跨越,并根据自身特点开展了数据资产管理和运营实践。随着银行业与各行业融合的不断深入,银行数据规模急剧增加,数据不断衍生,数据类型不断丰富。银行加速向数字金融、网络金融、智能金融转型。在这种环境下,商业银行管理驱动的数据战略导向亟待转变,寻求可持续、价值导向的数据发展是必然选择。面向价值的数据资产运营是实现这一转变的有力工具。

目前,国内银行对数据资产的管理和应用还处于起步阶段,在不断探索和实践的过程中遇到了很多困难,可以总结为五大痛点。

缺乏整体规划,持续迭代能力弱,导致投入大,产出小。目前,大部分银行对数据资产管理和运营缺乏清晰、可实现的整体规划,对数据资产管理采取零敲碎打的方式。其运营理念较弱,往往依靠数据咨询项目发布顶层规划产品来驱动数据资产管理,如制定数据标准、建立数据模型、提高数据质量等。但是,数据资产管理和运营是一个系统工程,数据标准或数据质量既独立又相互依存,需要从全局角度、整体规划来实现数据资产管理和运营生态。

没有统一的数据资产观,“用户不知道,不了解,不知道”的问题显而易见。随着业务的发展,银行积累了大量的数据,但是不同种类的数据分散在各个系统和平台中。数据用户不知道有多少数据可用,数据的意义要么体现在文档中,要么口口相传,用户很难理解数据的真正意义。同时,传统的数据服务多为被动服务,简单的收集和展示数据,专业性强,使用门槛高。用户获取和使用数据需要更多的数据背景。

有些银行过于渴望大而全的数据标准,很难落地。部分银行过于依赖数据标准,追求构建适用于全行、适用于全业务的数据标准,导致数据标准越来越多,工作量越来越大。比如某城商行制定了全行的数据标准,标准从1000个逐步提高到20000个,提高了20倍。然而,数据质量没有提高。反而标准太多,难以落地,造成数据孤岛,数据质量参差不齐,阻碍了业务和金融科技的快速发展。

应用开发缓慢,单点发力,缺乏统一运营管理。受限于数据规模和数据源的丰富程度,大部分银行的数据应用刚刚起步,主要集中在精准营销、舆情感知、风险控制等单点场景。而且由于没有统一的数据资产运营方案,应用场景不够深入,不系统,开发缓慢,难以充分发挥数据价值。

数据的价值难以估计,数据效率无法准确衡量。由于数据的价值难以评估,银行难以评估数据的成本及其对业务的贡献,导致数据资产难以像经营有形资产一样管理,无法有针对性地评估数据效率,从而精准倾斜资源,快速发挥数据资产的价值。

不断创新和完善数据资产管理和运营模式。

知易行难,数据资产管理和运营是一个系统工程,需要整体规划和实施。数据资产管理是银行科技治理体系的重要组成部分,是数据与业务深度融合的催化剂,是银行金融科技发展创新的基石,是银行数字化转型成功的关键。

金融创新。数据赋能银行的数字化转型是大数据时代的必然选择。基于数据,银行应该服务什么客户,采取什么服务模式,支持什么业务产品,决定了其对数据资产管理和运营的需求。首先,银行要明确数字化转型的战略方向。战略方向确定后,可以用金融科技战略来指导数据资产的管理和运营,构建相应的数据治理体系。以光大银行“123+N”数字银行发展体系为例,该体系以金融科技为基础,依托战略规划和企业文化,构建数字银行转型的“方法论”。包括一个智慧大脑,两个技术平台,三个服务能力,N个数字名品。一个大脑包括智能思维的左脑和生物感知的右脑。左脑基于数据挖掘、机器学习等技术构建智能决策和思维能力。右脑基于生物识别、自然语言处理等技术构建生物感知和交互能力。云计算平台和大数据平台为基础,为智慧金融大脑提供计算能力、存储、资源调配、数据分析等技术支持。三大能力包括移动性、开放性和生态性,增强了数据产品的生命力和活力。n数码名品,包括云支付、云支付、随机贷等。,是激活数据价值、推动银行金融科技数字化转型的有力抓手。

数据治理创新。在金融科技战略目标和体系框架下,明确支撑金融科技战略目标实现的数据治理总体框架,进行数据治理的重构和改革。以光大银行为例,光大银行整体数据治理框架包括“统一管理、合规底线、协同共建、创新驱动”四个方面。首先是统一管理。通过构建智能数据资产管理平台和“五统一”的外部数据管理平台和机制,实现数据资产的全面盘点和智能搜索,为后续数据资产的智能应用奠定基础。第二,合规底线。通过构建法律、风险、消费者保护、技术四位一体的保护体系,确保所有数据合规要求得到落实。三是协同建设,以大数据平台为基础,以数据中间平台为支撑,以智能应用为目标,联合业务部门,共同推进智能运营、智能风控、智能服务等智能生态。四是创新驱动,通过开展数据资产估值、多方安全计算、阳光评分等数据产品的创新研究,强化数据共享的应用。

数据资产管理与运营模式创新。基于数据治理的框架,从数据内容、系统平台和流程机制三个维度进行细化和实现,将数据作为资产进行管理,释放数据价值进行运营,开启了数据资产管理和运营的新模式。光大银行提出了“全面、权威、智能、敏捷、生态”的数据资产管理运营目标,从“管好数字”向“用好数字”转变。全面开展内容建设、平台建设和机制建设,推动数据价值转化,为银行数字化转型提供稳定、可持续的数据支撑。通过工具化、自动化、智能化的手段,与数据设计开发、数据应用流程深度融合,打通“验号、识号、用号”链条,降低数据资产使用门槛。以“服务”驱动数据资产管理,以“运营”打通数据资产链接,推动业务数字化、价值数字化、技术智能化,构建“业务+数据+技术”三位一体的数据资产管理运营体系。

数据管理和操作的实际效果

资产管理与运营体系框架的实施要求管理与执行并重,工具与内容同步建设。平台建设支撑管理和运营,通过数据管理和运营丰富平台内容,促进平台发挥作用。建设智能数据资产管理平台,开展全行数据资产采集、登记、管理、服务和估值,为数据资产管理和运营提供智能支撑。构建数据模型设计工具,实现前期管理需求,智能降数据标准,提高数据模型开发效率,提高数据资产质量。

构建数据全景,加强数据资产管理。构建全行数据资产全景图,覆盖所有系统和平台,支持数据标准、数据质量、数据安全等管理功能。

前期数据管理需求,提升数据治理水平。将数据管理需求与具体流程结合起来,通过平台工具和管理需求落实到日常工作中,真正起到管理指挥棒的作用。开发数据模型设计工具,并嵌入到系统的开发设计过程中,确保数据标准的有效实施,从源头上提高数据质量。数据设计工具支持开发者的正向建模、逆向建模、版本管理等操作。在标准化系统设计和开发的同时有效地维护数据资产。

支持一站式智能服务,提高数据应用效率。提供智能搜索、智能推荐、智能导航等一站式服务,支持个性化、组合化、场景化的灵活配置,提升用户体验。支持一键搜索,实现关键词、模糊匹配、组合等智能搜索“任性搜索”;根据不同场景和标签,实现引导式智能导航“贴心检查”;通过算法,匹配相关度、活跃度等变量,智能推荐可以“随意看”;对数据质量、数据分布、数据使用进行多维度评价,实现智能评价的“安全使用”。

我们正处于“两个一百年”的重要历史节点,又恰逢“十四五”全面作画的契机。在开启全面建设社会主义现代化国家新征程的重要历史关头,我们可以期待未来!数据在未来将发挥越来越重要的作用。数据资产的管理和运营需要适应时代发展,不断创新进取,助力数字化转型,推动社会发展,发挥引擎的作用。商业银行要在数据资产管理领域不断探索创新,以金融供给侧结构性改革为主线,以金融科技创新为支撑,构建数据资产新生态,为行业数据资产发展蓝图添砖加瓦!

作者:中国光大银行信息技术部

 
友情链接
鄂ICP备19019357号-22