建行打造新一代大数据平台

　战略目标：建设银行实施大数据的战略目标是建设国内同业最佳、国际一流的大数据行。即善用数据洞察客户需求，支持差异服务，实现客户智能；引导产品创新，强化综合定价，实现产品智能；预测市场变化，有效预警风险，实现风险智能；支持流程优化，降低运营成本，实现运营智能。

大数据战略实施要点

　　1.大数据实施路径

　　大数据的实施总体过程将根据大数据应用的整体生态来展开，在整体生态中，包括大数据的组织建立，数据路径、应用路径等几条主线 (如图1所示 )。

　图1 大数据实施路径图

　　大数据战略实施包括建立大数据规划建设运营组织、评估现状、制定大数据战略、定义数据信息项、采集数据、加工数据、存储数据、数据分析共享、数据展现、数据归档与销毁、数据治理和持续改进的过程。实施大数据战略，首先建立任务明确的工作机制，各个组织协同合作，然后着力于大规模数据的统一管理，进行数据标准化、规范化、体系化、平台化。对于应用平台，需要提升其分析处理能力，达到平台智能化，提升工作效率。

　　 2.组织架构

　　总行成立全行大数据推进领导小组，承担全行大数据管理责任，统筹协调大数据推进工作中的重大问题。数据管理部牵头管理大数据工作，负责研究制定全行大数据工作规划，制定大数据能力建设路径，建立大数据管理工作机制，统筹大数据应用需求，普及大数据理念；数据分析中心负责管理全行大数据分析平台，承接企业级数据分析需求，为总分行各业务部门提供全面和及时的数据、分析方法、工具、技能培训和专业人员支持，是大数据能力建设的实验室、工具箱和知识库。技术部门负责实现大数据技术能力，搭建专业的分析平台，构架通畅的模型部署通道，实现有效的数据处理。业务部门负责本业务条线大数据应用，围绕自身业务开展数据分析，承担组织本条线数据采集、分析结果应用、数据分析应用技能培训等职责。一级分行负责建立本行大数据应用体系和相应能力，围绕自身业务开展数据分析，同时负责数据采集、分析结果应用及应用成效反馈。

　　3.数据标准化

　　大数据战略依托于新一代企业级数据模型、数据标准以及数据架构，全面定义、收集、整合行内外各类结构化和非结构化数据，不断完善各类分析视图。通过制定和完善企业级数据规范，提升数据管控水平，最终实现跨领域、跨系统的数据支持功能，加强条线间、部门间的业务数据交叉应用，用好、用活、用足数据资源。

　　（1）丰富数据资源

　　广泛采集行内电子渠道、行外互联网及社交媒体的非结构化数据，丰富企业级数据应用平台数据。首先建立电子渠道页面编码规范，实现页面编码标准化，在网站、网银部分页面和频道实现动态数据采集，接着试点采集手机银行APP的移动端行为数据，最后扩大采集覆盖面，完整采集所有页面和频道的动态行为数据。同时，更多收集来自政府职能部门的工商信息、税收信息、环保评价信息及其他第三方数据，收集客户征信信息等金融信息，收集互联网上客户信息、重大案件信息、经济信息等。

　　（2）强化数据管理

　　建立健全数据采集、传输、整合、存储、分析和应用的全流程数据管控机制，包括元数据管理、数据质量管理、数据安全管理、数据需求管理等管控机制，形成数据质量与数据应用正反馈效应。通过提高数据质量改善数据应用效果，通过加强数据应用发现数据质量问题。

　　通过建立数据模型强化数据管理。结构化的数据模型从新一代业务需求到IT实现，环环相扣，自成体系，非结构化数据和结构化数据建立关联，形成统一管理。

　　（3）扩大数据供应

　　扩大数据供应，确保各业务条线、各业务层级能通过企业级数据应用平台，在云上方便、安全地获得营销设计、数据分析所需数据，支持各条线、各层级开展数据应用，从根本上改变目前一线单位可获数据少、申请时间长、审批环节多的局面。

　　（4）构建分析视图

　　构建企业级客户分析视图，支撑以客户为中心的战略转型。通过对大数据的分析挖掘，提炼总结客户全景标签体系。依托新一代客户信息管理组件，首先完成基于行内结构化数据的对公客户分析视图建设，接着完成基于行内结构化数据的对私客户分析视图建设，最后在客户分析视图中引入行内非结构化数据分析结果，建立集团层面的客户分析视图；选择部分有应用价值、类型能够处理、质量满足需要、价格合理的行外数据，充实到客户分析视图中。

　　数据管理的结果是建立了数据管理平台，提高工作效率，节约项目沟通成本，通过建立全行的数据资产库，全行使用一套企业级数据字典和数据标准，一致的业务定义，贯穿实施工艺全过程，保证了项目实施的质量，保证了数据建模成果的落地，为架构决策提供数据支持，为整体决策提供依据。

　　4.平台智能化

　　大数据应用体系建设将支撑我行增强服务国家建设能力，增强防范金融风险能力，增强参与国际竞争能力，提升客户服务水平，打造业务发展优势。为实现建行的大数据战略，从大数据战略目标出发，逐步实现大数据平台的智能化。

　　（1）客户智能建设

　　大数据思维与大数据技术的融合与应用，以业务需求为驱动，以价值创造为原动力，将现有结构化数据与内外部非结构化数据整合，在向客户提供各类金融服务和实现资产增值的同时，不断提高客户对银行的价值贡献，最终实现客户与银行有效互动、互创价值。

　　在现有客户基本信息基础上，大数据的运用可以丰富客户标签，细分客户类型和客户偏好倾向，通过数据分析与挖掘，识别客户行为特征和价值特征(如图2所示)，真正为客户提供与生命周期密切相关的各项金融服务，满足客户金融需求。

　
图2 大数据客户信息视图

　　（2）产品智能建设

　　采集行内外与产品和服务主题相关的数据或信息，依托新一代相关平台、组件和决策分析软件工具，通过同业分析、销售分析、营销管理，加快产品和服务更新，定制特色产品和服务，共享集团产品和服务，优化产品和服务营销策略。

　　通过客户分析视图，了解客户使用移动设备及其他APP的行为数据，分析客户习惯，以改进我行移动渠道产品功能及交互设计。在静态数据分析与应用方面，将数据分析与挖掘和业务推动工作紧密结合，及时掌握客户的行为特征、需求、偏好，支持金融产品创新、精准销售、营销效果评估。

　　（3）风险智能建设

　　采集行内外与风险主题相关的数据或信息，依托新一代对应平台、组件和决策分析软件工具，通过提升风险计量水平，量化政策、市场、行业、客户、项目、舆情等分析，解决银行和客户信息不对称问题，在合规、市场、操作、流动性、声誉等风险管理方面，持续推进系统性、有效性、及时性建设，强化内部审计职能作用。

　
表1 客户信息获取频率表

　　通过整合内外部数据信息，我行可以对客户实施全方位的复合式动态风险评估和深度的相关关系分析，实现风险管理由历史数据分析向客户行为分析的转变，有利于更全面地了解客户的真实的财务和运营状况（如表1所示），及时发现其潜在的风险及变化趋势，对存在的信用卡套现，欺诈交易等行为进行有效识别和及时预警，实现对客户风险评估的实时性和可视化运行，实现风险模式的更新（如图3所示），实现迅速有效的风险管理。

　
图3 传统模式与大数据风险经营模式对比图

　　（4）运营智能建设

　　采集与运营主题相关的各类数据或信息，依托新一代对应平台、组件和决策分析软件工具，通过量化分析，主动发现生产运营中习以为常的不合理环节、客户未表述的不满意之处和生产系统日常运行故障隐患，不断提高企业运营效率，改进服务质量，掌控运营风险，发挥建行集团综合性、多功能、集约化经营优势。

　　以生产运维为例，建立支持两地三中心架构的运维大数据平台，提供统一的数据视图，以及跨中心的数据分析能力，同时以生产灾备一体化为目标，建立应对全面风险、保障业务连续性的灾备体系。

（文章来源：金融电子化杂志）