王实红：农行的大数据变革之道

2014中国国际金融展于8月28日至8月31日在北京展览馆举办，展览同期举办了“第十五届中国金融发展论坛”。中国农业银行软件开发部副总经理王实红就农行的大数据实践发表了主题演讲。以下为演讲主要内容。

        大数据热潮现在已经引发生产和生活方式的重要变革，在全新的大数据时代，对于复杂的数据所酝酿的资产价值，我们从各个渠道都感受到他的无处不在。在新的时代来临的时候，我们银行业应该通过这种海量的数据收集和数据处理和数据分析，找到他的规律，就生产关系和生活方式管理和营销活动中会发生一些变化。新的产业活动和游戏规则就会脱颖而出。

大数据带来的挑战

　　与其他银行企业一样，农业银行业也迎来了大数据挑战。

　　第一个挑战来源于农行自身，主要是自身有没有数据占领能力。银行在数据的搜集方面他经过几十年的信息化发展，应该讲数据是海量的，已经有了很多年的存贷等客户信息的结构化数据。但是还缺乏很多其他的数据，这些数据将要彻底颠覆过去对这种数据仓库和大数据更扩展的想法和理念。在数据存储方面要达到低成本、低能耗、高可靠性的目标，是在农业整个建设过程当中考虑的问题。数据处理面对复杂的数据，处理复杂度相当高，怎样利用他这种能力又成为我们一种关键因素。

　　第二个挑战来源于大量的数据来源和庞大分析工具的产生，正催生出许多新的经营业态来直接瓜分传统的业务市场。互联网金融在信息收集和信息处理方面有天然优势，提供的服务从简单支付渗透到转帐汇款、小额信贷还有理财核心领域。

　　第三个挑战是商业运营模式面临的变革。在产品和服务方面我们也越来越多的看到远程虚拟化的趋势。互联网金融、移动金融、金融IC卡的推广逐步改变银行向客户提供的产品和服务的形式。在管理方面应该讲信息化下的数字证书，数据信息以及网络模式下的流程化管理，使传统的商业银行传统的经营模式必须融汇到大数据时代中，借助大数据的手段实现跨越式的发展。

大数据应对之道

　　农业银行的应对之道体现以下四个方面，理念上是强化数据治行，任何人都必须用数据说话。大数据革命必将颠覆银行传统观念和经营模式，要强化数据治行理念，强调大数据的开发利用，建立分析数据的习惯，提升全行的数据质量管理，真正做到人人心中有数，用数据说话，准确描述这个事实，准确反映这种逻辑，将数据转化成一种资源。在手段上要通过建设大数据平台，主要是要解决采集问题和质量问题，整合要有序。在技术上要通过建设数据分析应用体系，着眼于大数据的挖掘和分析，对海量数据的持续实时处理，在服务质量提升、经营效率提升得到支撑，运用数据挖掘和分析全方位标准产品结构、营销模式，根本上提高风险管理和成本效益管理等等方面的这种水平。在目标上需要建设智慧银行，智慧银行是能够通过对外兼修，准确应对，快速应变，有机处理这种纷杂的数据，高效配置金融资源，敏锐洞察，引领客户需求高度智能化的新的商业心态。

　　农行大数据平台可以概括为四个基础平台，五类数据服务，还有九大技术创新。四大基础平台中，首先要构建我们企业级数据仓库，主要目的是以出和处理结构化数据为主，涵盖存贷客户信息等主要的核心类数据。

　　第二个平台是建立信息共享平台，主要以存储和处理行内的非结构化数据为主，辅助来自社会其他第三方一些社会数据。

　　第三个基础平台是实时流计算平台，我们要通过这个平台实现数据的快速采集、交换和快速应用，主要应用于对实时性要求比较高的业务场景。

　　第四大平台是高性能数据处理平台，不言而喻他主要是以高性能这种特点来实现对所有数据综合数据能力。

　　五类数据服务是指：

　　第一，通过指标及报表查询服务，通过指标库的构建为每一个业务的条件，提供常用的查询服务。

　　第二查询服务采用特定的工具，构建一个功能强大的查询的知识库，来满足各类灵活的一查询需求。这样的话，灵活的配置，由查询组来完成。

　　第三是定制化信息服务，是通过智能资源一个管理平台，集中面向不同业务定制化的个性服务。

　　第四类是多维数据分析服务，提供图形化的界面，拖拉式的这种操作，审核，也是支持业务从各个纬度的综合分析。

　　最后是深度数据挖掘形式，采用回归算法，通过一些工具对大数据来进行深度挖掘。

　　农业银行创新跟别的行不太一样，在九大技术创新方面，该行是首家引入国产高性能的数据库的应用。农业整个架构才有云服务架构，融合的架构体系，异构相容的技术支持，由于是大数据应用，农业已经使用了MPP数据库，Hadoop，还有Oracle等等深度融合的体系架构。创新的数据模型，使用纬度模型方式来构建这种基础模型。智能的资源管理服务，通过构建统一的智能资源管理平台，实现各类资源智能化。动态混合的调用机制，在混合负载情况下实现动态调度来保证高性能的稳定运转。自动的高可用机制，农业采用是一种安全组的技术，多形态的灾备技术。

　　农行的大数据平台建设理念是本着数据是基础，治理是保障，技术是支撑，分析是关键，应用是目标原则来构建农行的大数据平台。数据是基础是要整合内外部数据，通过科学的数据模型来进行数据整合，构建全行统一的客户信息视图，产品信息视图，内部管理视图，风险分析视图。技术是支撑是以开放创新心态，紧跟业界发展，采用技术解决问题。挖掘是关键是从海量内外部数据中挖掘价值，实现知识发现，为业务发展和经营决策提供智能决策引擎。应用目标就是数据价值在业务应用中转变为生产力，构建数据价值利用的有效闭环，真正实现从数据支撑到数据永远的转变。这里是保障要坚定不移的进行数据治理，提高数据质量，更好的满足数据挖掘的需求，为数据价值在业务中的深入应用打下好的基础。

　　其中，在数据治理工作中，农行主要是从数据标准建设，数据质量发现、检查与整改以及数据的非常重视他的权限控制、访问控制和安全管理，通过技术上，通过原数据管理来促进数据治理工作。

农业银行的大数据应用实践

　　农业银行大数据的应用方向是通过实施大数据的应用来促进全行的经营理念、业务运营、组织流程的不断创新，全力打造信息化银行和智慧银行。主要是目标要营销更精准、服务更贴心、管理更精细、监管更透明、风险更可控、决策更智能。

　　目前农行大数据的领域主要应用在几大领域。第一是客户关系管理领域，是基于行内外的数据来构建全生命周期的客户关系管理模型，准确洞察这种客户需求，实现精准营销与个性化服务。第二个是运营分析，是建设大数据深入洞察运营细节，优化业务处理流程，改善运行效率和客户体验，快速响应市场来提升我们核心竞争力。第三个方面我们是在外部监管来通过要满足银监会、人民银行对外部监管对银行经营数据披露的监管要求。第四方面是互联网金融，更多是创新型为中小微企业提供支付、融资方面大数据服务。资产负债管理是提供资产负债组合管理，流动性管理，资金转移计价、定价、外币资金管理、同业融资等功能。风险管理，我们主要是借助流计算等先进的技术，构建趋势预判、风险评估、实施欺诈等大数据分析挖掘模型。财务管理是提供核算管理、预算管理、价值管理、资源配置、绩效考评功能。

　　农行大数据应用案例如下：
 

　　案例1：贵宾客户信用卡精准营销的一个例子，通过行内外的综合数据，我们聚类分析，关联规则发现，决策树等数据挖掘的算法。在贵宾客户然后从发现尚未持有信用卡这种客户群体来识别他的信用卡的需求，根据客户的消费行为，他的自然属性，忠诚度等等进行分析，对客户群组划分，对不同群组提供不同的产品，配置不同的策略。

　　案例2：互联网理财方面对客户的分析，农业银行首先是采集研究机构第三方机构融合我们内部数据对比，整体规模进行分析，对购买互联网理财的客户特点进行挖掘，对这一特点的客户在进行综合画像，我们在大数据中可以重点发挥。再通过深度挖掘分析，采用神经网络、回归等方法对即将流失客户对他进行智能识别，针对不同客户特点，制定不同客户挽留措施，回答即将发生什么。通过对客户和资产流失的深度分析，我们要在产品层面进行创新，并给出具体的指导意见，产品优化和创新之后，再通过数据挖掘，再分析这些产品效果，对产品进行持续优化，这就是我们大数据一种迭代的应用。

　　案例3：在客户关系管理的方面，要对潜在客户进行分析和预测，通过对行内行外的数据分析，找到潜在客户，对他进行营销。对我们现在已有客户，我们要通过深度分析客户对我们所创造这种价值，通过具体有针对性的营销策略来提升客户的价值贡献。客户的发展也是要根据客户发展过程当中一些特定的事件、需求来进行有针对性营销，提升客户的忠诚度。

　　当然，大数据平台建设不是一蹴而就，是一个持续迭代的工程。本着开放、平等、协作、分享的互联网精神，构建大数据平台生态圈，形成相互协同、相互促进的良好的态势。

 

扫码即可手机
阅读转发此文