数据治理、融合应用，提升基于场景的大数据分析能力（大数据治理模型有哪三种）

admin2年前 (2023-05-21)签约新闻123

主持人、执笔：本刊记者郑岩

致力于充分发挥数据价值、以数据驱动发展的银行，无不在数据治理、场景应用方面持之以恒地锻造能力、输出洞见。《金融电子化》杂志邀请5位专家做客“对话”栏目，就“数据治理、融合应用”议题，以及在全国抗击新型冠状病毒的特殊时期，各金融机构如何凭借数据能力积极支持防疫等话题，与读者展开深入交流。

对话嘉宾

中国工商银行金融科技部

副总经理李秀媛

中信银行信息技术管理部

总经理寇冠

浙江省农村信用社联合社

科技服务部总经理赵晖

上海银行信息技术部

测试中心总经理邬敏炜

深圳前海微众银行科技

发展总监万磊

对话1：

明确数据治理基本原则及各参与方角色定位

主持人

感谢大家做客本期“对话”。本场主题是：如何以数据治理、融合应用为契机，持续提升基于场景的大数据分析能力。激活数据价值的前提是做好数据治理，而治理之根基在于明确原则。“保障安全、最小够用、用而不存、权益保护”是业界公认的数据治理原则，在数据授权和使用的全流程管控中，如何理解这几项基本原则？

李秀媛

数据治理的核心是“保障安全”，严防数据泄露、篡改、损毁与不当使用。大数据的体量大、应用范围广，在数据使用中有效保障安全，需要充分理解和实施“最小够用、用而不存、权益保护”等原则。“最小够用”的关键是做好数据资源的精细化管理，通过数据确权和授权访问机制控制数据使用范围。“用而不存”的核心是将有价值的数据提炼形成共享数据服务，避免原始数据的冗余存储，以降低信息泄露风险。“权益保护”是数据开放共享的底线。

主持人

从应用范围和参与主体角度看，数据使用流程大多涉及跨部门、多岗位的认责、授权和审批，如何清晰界定数据管理参与各方的角色定位？

李秀媛

在实践中，工商银行建立了“统一管理、条线治理、分工协作”的数据治理架构。董事会、监事会、高级管理层负责审核全行数据治理战略、任务和目标。总行设立数据治理牵头部门承担数据管理方职责，实施“统一框架、统一标准、统一平台、统一责任、统一评价”的五位一体管理机制，推动数据标准、数据质量、元数据、数据安全、考核评价、数据认责、数据生命周期、主数据管理等数据治理任务。各领域的数据所有方，按照“谁主管、谁负责”的原则对数据资产直接负责，提供数据的业务需求，审核数据使用范围，解释数据的业务含义、标准、规则及流程，执行数据分类、访问控制和数据治理相关策略。数据使用方按照“谁使用、谁负责”的原则，承担数据使用过程中的数据管理职责，监督辖内用户依据全行数据管理制度使用数据，监测数据应用情况，报告数据质量问题。

万磊

微众银行制定了《数据认责和授权管理办法》，通过明确各项目数据角色职责，建立起一套行之有效的数据使用授权审批流程。数据管理角色各司其职，严格执行银行数据的使用授权管理要求。例如：当数据使用方需要使用一项数据时，需先发起数据使用授权流程，经数据归属方审批授权同意后，方可由数据采集方依据授权结果供给相关数据，并由数据实施方完成数据获取和分析执行。整个数据授权期间，由数据管理方监督流程的执行和数据使用。

对话2：

搭建数据中台，构建融合应用机制

主持人

数据的标准化治理和规范化应用是激活数据价值的前提。更进一步，谈到数据价值的释放和输出，一些银行正通过在技术后台和业务前台之间建立“数据中台”的方式，提升数据洞见效能，包括构建数据湖、数据仓库等核心存储计算组件。请大家结合本行规划或实践，介绍如何构建“物理分散、逻辑集中”的数据融合管理中台？

寇冠

根据不同的数据来源，中信银行的数据分为外部数据、用户行为数据、核心账务数据，在物理上分别由我们的外部数据管理平台、用户行为分析系统以及数据仓库进行数据的存储、计算。为实现数据互联互通、方便一站式应用，我们基于大数据技术构建了数据湖，实现了全行贴源数据和归档数据的集成管理，缩短了数据加工路径，提升了需求响应效率。同时，为提升数据应用的便捷性，构建了元数据管理平台和数据应用云平台，为全行提供租户化的数据云服务，逻辑上可以实现：在底层统一数据集成和计算服务；在应用层达成一站式数据应用。

赵晖

浙江农信数据中台的定位是一个建立在数据平台之上，加速企业从数据到业务价值转变的中间层。传统数据管理项目建设包含了数据传输、存储后台建设、数据处理加工开发、前台数据展示部署等过程，需要大量的硬件服务器和软件服务。浙江农信规划中的数据中台，融合应用大数据技术和云技术，把物理上分布在各个机房的多台服务器集成在一起，提供一体化的数据分析管理平台，是用技术连接数据平台的计算存储能力，并为业务提供数据应用场景能力的平台。同时，还将逐步以云服务方式，向辖内200多家法人银行机构提供数据服务，提升浙江农信系统的数据渠道整合能力、数据计算分析能力、数据治理服务能力，从而改进营销策略、改善客户体验、提升营销效果，提高产品易用性与获客留客能力。

邬敏炜

上海银行2008年开始建设企业级数据仓库，2016年启动大数据平台建设，深度整合行内外数据，打造数据湖生态体系。底层通过连接器打通两个平台，支持数据的高速流转；模型层遵循统一的企业级数据模型规范，确保数据标准的一致性；应用层通过查询引擎无缝整合数据处理能力，提升架构灵活性及分析可扩展性。目前数据湖积累数据1.8PB，行内接入80多个业务系统，行外接入13个合作方的60多个外部数据服务。基于数据湖之上，建设零售、公司、风险、渠道、运营等不同领域的数据集市，基于各数据集市服务于营销管理、风险管理、监管合规、经营分析以及分行特色数据应用。

主持人

数据湖、数据仓库等核心组件以及与前后台贯通的数据中台等基础设施为有效激活数据资产奠定了技术基础。而技术与场景的高效融合还在于配套完善的数据应用机制。请介绍您所在机构如何融合数据资产、特别是外部数据资源，建立数据融合应用机制，以实现内外部数据在逻辑、标签、算法、模型层面的复用和沉淀？

邬敏炜

随着数据资源的不断积累，上海银行将历史数据应用于训练风控模型，促进了模型及规则的不断优化迭代。此外，结合大数据、人工智能等技术，利用外部数据资源，我行建设了对公魔镜智能风控系统，加工司法、工商、税务、舆情等外部数据和行内征信、财务等数据，形成一份全面的企业综合风险报告，并通过训练机器学习模型得到企业的综合风险评分和风险等级，形成对公客户风险全景视图，将其贯穿于信贷管理的全程，为信贷风控提供了强有力的数据支撑。

寇冠

为实现全行外部数据资源共享，保障外部数据引入质量，中信银行总行财务会计部和信息技术管理部牵头负责统筹全行的外部数据需求管理、技术评估、采购管理、运营管理和后评价管理，并定期向总行数据管理委员会报告。同时，软件开发中心建设了外部数据管理平台，实现了外部数据的统一接入、统一存储、统一管控和统一服务。比如普惠金融“银税E贷”产品依托工商、司法、税务、征信等数据，对小微企业进行客户画像、信用赋能和智能贷款，助力小微企业快速成长；个贷通过最高法、学信网、运营商等数据补充零售客户标签信息，提升个贷业务流程风险管理的识别和预判能力；金融市场、资产托管通过彭博、万得的第三方资讯数据，与行内资产数据相结合，做资产估值风险评估、精细化风险管理。

万磊

数据是数字银行风险管理及提供差异化服务的战略资源，传统类型数据是标配，同时合理运用互联网数据优势以及引入外部市场数据，才能更全面地评估风险、提供更具个性化的服务。微众银行逐步建设了全行层面的风险数据集市和风险视图，实现关键风险监测指标的自动计算，提高各项风险管理工作的便捷性和有效性。通过产品合作开发促进风险数据的共享。在产品开发过程中，充分利用合作方的数据环境进行风险模型的开发建设及部署，实现风险信息的共享合作。

对话3：

借助持续提升的大数据分析能力，

支持全国金融防疫攻坚战

主持人

服务于场景的数据应用是释放数据资产价值的必要条件，基于业务目标的分析能力建设是商业银行的核心竞争力之一。数据的采集沉淀、建模分析贵在持之以恒，如何持续提升基于应用场景的大数据分析能力？

李秀媛

工商银行以“转型、融合、生态”为建设目标打造了国内金融行业首个分布式融合数据智能平台，形成了完整的大数据服务生态体系。一是构建安全可控、高效可靠、易扩展的基础技术平台，打牢大数据赋能的基座，于2019年底率先完成了大数据平台的全面国产化转型，建设了涵盖批量处理、流式处理、机器学习的三大软件平台和存储、计算、网络等通用硬件设施的集团大数据服务云，全面提升了安全可控和数据服务能力。二是提供完整高质量的数据资源，夯实大数据赋能的基础，打造了业界首家纳入全集团全量贴源数据的数据湖，实现了贴源数据、主题数据、知识数据的全数据资产跨域融合，满足全行智能应用的不同需求。三是提供丰富多样的数据服务，提升大数据赋能的价值，聚焦金融业务场景快速实施，抽取可快速训练和组合的“基本服务组件”，沉淀形成客户画像、风险信息识别等跨领域、可共享的即插即用型企业级数据服务，提供集OLAP+OLTP于一体的全能型分布式融合智能数据分析能力。

赵晖

在提升大数据分析能力上，浙江农信主要做了以下五方面工作。首先，成立了专业数据分析团队，重视数据分析人才的培养，强化团队数据能力的提升。其次，推进数据规划和治理，包括对数据资产的梳理、规划，以及存量数据治理，达到各类数据资产在全行社形成统一业务口径、统一标准，提高数据质量，夯实数据基础。第三，整合数据分析工具，如评分卡引擎、可视化报表、自助分析工具、知识图谱、人工智能等分析工具，与后台数据连通，提升分析效率。第四，构建标签体系，从数据中抽象出通用标签，包含属性标签（对实体基本性质的刻画）、统计标签（构建实体所在场景的维度、度量）、算法标签（通过复杂逻辑分析推理得出），建设客户产品签约、在线交易行为、客户资金交易等特征标签库。第五，在此基础上抽象业务共性，构建产品创新能力中心、数字营销能力中心、数字风控能力中心，快速敏捷地实现数据与业务场景的连接。

主持人

数据能力强的金融机构在应对突发事件时，往往能达到事半功倍的成效。在支持全国抗击新型冠状病毒期间，贵行的数据应用起到了哪些突出作用？

寇冠

针对企业客户，中信银行通过采集企业客户在疫情前后的交易行为、资产、行业、地域、关系、企业规模等数据信息，构建评价衡量模型，分析挖掘客户的现有价值、受疫情影响的严重程度、客户的潜在价值，从这三个维度综合考量筛选出“优质的、暂受疫情影响遇到困难的企业”，予以资金支持，在可控风险的条件下帮助企业渡过难关。特别针对受疫情影响、暂遇困境的小微企业给予利率优惠、展期续贷和征信保护。截至目前已对多名逾期客户免报征信违约。对湖北等重点疫区给予专项支持政策，为湖北省配置专项信贷规模；增配考核利润补贴、薪酬费用等各类资源，鼓励重点疫区分行加大信贷投放，并将湖北省内新增普惠型小微企业贷款利率进行了下调。

赵晖

在抗击新型冠状病毒疫情期间，数据应用在两方面起到了突出作用：一方面是数字驱动的线上贷款业务，浙江农信线上贷款需求呈现快速增长趋势，大数据分析团队为辖内农商行、农合行、农信社提供优质贷款潜在客户名单，供行社筛选白名单客户，制定特殊时期的贷款产品，为个人、个体工商户、小微企业主提供专项贷款服务，缓解疫情带来的生活和经营危机。疫情期间1月20日~2月27日在线贷款产品累计签约3.7万笔合同，合计金额逾57亿元。

另一方面是风险防控的数字化成果。疫情期间明显出现了一些在线交易欺诈的苗头，浙江农信通过数据系统对交易行为进行数据采集，不断优化反欺诈数据模型，实时预警可疑交易行为，迅速进行控制处理，减少了因为客户无法及时到网点处理而造成的资金损失，并分析出犯罪分子的行为特征，快速制定措施封堵漏洞。

邬敏炜

上海银行作为上海地区最大的养老金代发银行，老年客户对网点依赖度更高。为保障安全服务老年客户，我行通过对存款产品购买、理财产品购买、养老金发放情况的多维客户画像分析，精准预测老年客户的到店情况，通过短信、电话外呼等多种渠道提前加强针对老年人的专属防疫宣传，引导其疫情期间不到网点办理非紧急业务，并结合老年人业务办理特性，对不自动转存的定期在到期后自动延期，创设线上专售存款产品等，满足老年人的金融服务需求。从客流情况看，养老金发放高峰日，网点客流较以往下降约60%。

此外，疫情期间因需要减少接触，客户经理大幅减少了线下客户服务时间，我行通过机器学习模型对存款产品、理财产品进行了精准营销预测，将预测名单通过客户关系管理系统下放到各分支行，由客户经理通过电话外呼精准营销，引导客户线上购买。

万磊

疫情发生以来，微众银行发挥数字银行和金融科技的优势，全力保障金融服务的稳定运营，体现了基于科技与数据的数字银行业务的强大优势。

以“微业贷”产品为例，引入涵盖企业征信、个人征信、工商、税务、司法，以及腾讯独有安全平台等数十种数据源和庞大数据，建立了多套风控规则与量化评估模型，无需客户提交任何资料，超过95％的客户授信审批结果秒级可见。疫情期间，该产品因不依赖线下营销、现场尽调及抵押品等线下环节，数据驱动模式下依然可以对外体提供全天候服务。同时，依靠自动化的规则和模型引擎可以快速部署有针对性的抗疫扶持策略并立即生效，精准扶持，且能根据实施效果持续迭代，不断完善纾困手段。日前，该产品专门针对受困小微企业客户推出延期还款、利息减免等一系列纾困措施，降低其还款压力。

（以上内容选自2020年3月15日出版的第3期《金融电子化》杂志，全文请参阅原杂志）

推荐阅读

（点击图片查看精彩内容）

精彩内容回顾