建行打造新一代大數據平台

本文節選自《金融電子化》2018年4月刊

作者：中國建設銀行廈門開發中心 彭海平

編 者 按

本文從大數據實施路徑、組織架構、數據標準化、平台智能化四個方面詳細介紹了建設銀行的大數據戰略實施要點。

戰略目標：建設銀行實施大數據的戰略目標是建設國內同業最佳、國際一流的大數據行。即善用數據洞察客戶需求，支持差異服務，實現客戶智能；引導產品創新，強化綜合定價，實現產品智能；預測市場變化，有效預警風險，實現風險智能；支持流程優化，降低運營成本，實現運營智能。

大數據戰略實施要點

1.大數據實施路徑

大數據的實施總體過程將根據大數據應用的整體生態來展開，在整體生態中，包括大數據的組織建立，數據路徑、應用路徑等幾條主線 (如圖 1所示 )。

圖1?大數據實施路徑圖

大數據戰略實施包括建立大數據規劃建設運營組織、評估現狀、制定大數據戰略、定義數據信息項、採集數據、加工數據、存儲數據、數據分析共享、數據展現、數據歸檔與銷毀、數據治理和持續改進的過程。實施大數據戰略，首先建立任務明確的工作機制，各個組織協同合作，然後著力於大規模數據的統一管理，進行數據標準化、規範化、體系化、平台化。對於應用平台，需要提升其分析處理能力，達到平台智能化，提升工作效率。

2.組織架構

總行成立全行大數據推進領導小組，承擔全行大數據管理責任，統籌協調大數據推進工作中的重大問題。數據管理部牽頭管理大數據工作，負責研究制定全行大數據工作規劃，制定大數據能力建設路徑，建立大數據管理工作機制，統籌大數據應用需求，普及大數據理念；數據分析中心負責管理全行大數據分析平台，承接企業級數據分析需求，為總分行各業務部門提供全面和及時的數據、分析方法、工具、技能培訓和專業人員支持，是大數據能力建設的實驗室、工具箱和知識庫。技術部門負責實現大數據技術能力，搭建專業的分析平台，構架通暢的模型部署通道，實現有效的數據處理。業務部門負責本業務條線大數據應用，圍繞自身業務開展數據分析，承擔組織本條線數據採集、分析結果應用、數據分析應用技能培訓等職責。一級分行負責建立本行大數據應用體系和相應能力，圍繞自身業務開展數據分析，同時負責數據採集、分析結果應用及應用成效反饋。

3.數據標準化

大數據戰略依託於新一代企業級數據模型、數據標準以及數據架構，全面定義、收集、整合行內外各類結構化和非結構化數據，不斷完善各類分析視圖。通過制定和完善企業級數據規範，提升數據管控水平，最終實現跨領域、跨系統的數據支持功能，加強條線間、部門間的業務數據交叉應用，用好、用活、用足數據資源。

（1）豐富數據資源

廣泛採集行內電子渠道、行外互聯網及社交媒體的非結構化數據，豐富企業級數據應用平台數據。首先建立電子渠道頁面編碼規範，實現頁面編碼標準化，在網站、網銀部分頁面和頻道實現動態數據採集，接著試點採集手機銀行APP的移動端行為數據，最後擴大採集覆蓋面，完整採集所有頁面和頻道的動態行為數據。同時，更多收集來自政府職能部門的工商信息、稅收信息、環保評價信息及其他第三方數據，收集客戶徵信信息等金融信息，收集互聯網上客戶信息、重大案件信息、經濟信息等。

（2）強化數據管理

建立健全數據採集、傳輸、整合、存儲、分析和應用的全流程數據管控機制，包括元數據管理、數據質量管理、數據安全管理、數據需求管理等管控機制，形成數據質量與數據應用正反饋效應。通過提高數據質量改善數據應用效果，通過加強數據應用發現數據質量問題。

通過建立數據模型強化數據管理。結構化的數據模型從新一代業務需求到IT實現，環環相扣，自成體系，非結構化數據和結構化數據建立關聯，形成統一管理。

（3）擴大數據供應

擴大數據供應，確保各業務條線、各業務層級能通過企業級數據應用平台，在雲上方便、安全地獲得營銷設計、數據分析所需數據，支持各條線、各層級開展數據應用，從根本上改變目前一線單位可獲數據少、申請時間長、審批環節多的局面。

（4）構建分析視圖

構建企業級客戶分析視圖，支撐以客戶為中心的戰略轉型。通過對大數據的分析挖掘，提煉總結客戶全景標籤體系。依託新一代客戶信息管理組件，首先完成基於行內結構化數據的對公客戶分析視圖建設，接著完成基於行內結構化數據的對私客戶分析視圖建設，最後在客戶分析視圖中引入行內非結構化數據分析結果，建立集團層面的客戶分析視圖；選擇部分有應用價值、類型能夠處理、質量滿足需要、價格合理的行外數據，充實到客戶分析視圖中。

數據管理的結果是建立了數據管理平台，提高工作效率，節約項目溝通成本，通過建立全行的數據資產庫，全行使用一套企業級數據字典和數據標準，一致的業務定義，貫穿實施工藝全過程，保證了項目實施的質量，保證了數據建模成果的落地，為架構決策提供數據支持，為整體決策提供依據。

4.平台智能化

大數據應用體系建設將支撐我行增強服務國家建設能力，增強防範金融風險能力，增強參與國際競爭能力，提升客戶服務水平，打造業務發展優勢。為實現建行的大數據戰略，從大數據戰略目標出發，逐步實現大數據平台的智能化。

（1）客戶智能建設

大數據思維與大數據技術的融合與應用，以業務需求為驅動，以價值創造為原動力，將現有結構化數據與內外部非結構化數據整合，在向客戶提供各類金融服務和實現資產增值的同時，不斷提高客戶對銀行的價值貢獻，最終實現客戶與銀行有效互動、互創價值。

在現有客戶基本信息基礎上，大數據的運用可以豐富客戶標籤，細分客戶類型和客戶偏好傾向，通過數據分析與挖掘，識別客戶行為特徵和價值特徵(如圖2所示)，真正為客戶提供與生命周期密切相關的各項金融服務，滿足客戶金融需求。

圖2?大數據客戶信息視圖

（2）產品智能建設

採集行內外與產品和服務主題相關的數據或信息，依託新一代相關平台、組件和決策分析軟體工具，通過同業分析、銷售分析、營銷管理，加快產品和服務更新，定製特色產品和服務，共享集團產品和服務，優化產品和服務營銷策略。

通過客戶分析視圖，了解客戶使用移動設備及其他APP的行為數據，分析客戶習慣，以改進我行移動渠道產品功能及交互設計。在靜態數據分析與應用方面，將數據分析與挖掘和業務推動工作緊密結合，及時掌握客戶的行為特徵、需求、偏好，支持金融產品創新、精準銷售、營銷效果評估。

（3）風險智能建設

採集行內外與風險主題相關的數據或信息，依託新一代對應平台、組件和決策分析軟體工具，通過提升風險計量水平，量化政策、市場、行業、客戶、項目、輿情等分析，解決銀行和客戶信息不對稱問題，在合規、市場、操作、流動性、聲譽等風險管理方面，持續推進系統性、有效性、及時性建設，強化內部審計職能作用。

表1客戶信息獲取頻率表

通過整合內外部數據信息，我行可以對客戶實施全方位的複合式動態風險評估和深度的相關關係分析，實現風險管理由歷史數據分析向客戶行為分析的轉變，有利於更全面地了解客戶的真實的財務和運營狀況（如表1所示），及時發現其潛在的風險及變化趨勢，對存在的信用卡套現，欺詐交易等行為進行有效識別和及時預警，實現對客戶風險評估的實時性和可視化運行，實現風險模式的更新（如圖3所示），實現迅速有效的風險管理。

圖3?傳統模式與大數據風險經營模式對比圖

（4）運營智能建設

採集與運營主題相關的各類數據或信息，依託新一代對應平台、組件和決策分析軟體工具，通過量化分析，主動發現生產運營中習以為常的不合理環節、客戶未表述的不滿意之處和生產系統日常運行故障隱患，不斷提高企業運營效率，改進服務質量，掌控運營風險，發揮建行集團綜合性、多功能、集約化經營優勢。

以生產運維為例，建立支持兩地三中心架構的運維大數據平台，提供統一的數據視圖，以及跨中心的數據分析能力，同時以生產災備一體化為目標，建立應對全面風險、保障業務連續性的災備體系。

《金融電子化》新媒體部

主任 / 鄺源 編輯 / 潘婧

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！