來源：2018金融科技創新與支付安全（山東）論壇
7月27日，由山東省支付清算協會、山東省信息網絡安全協會聯合主辦，由金科創新社承辦的“2018金融科技創新與支付安全（山東）論壇”在山東青島開幕。金融服務創新離不開科技創新，山東省的各級金融機構在推動區域經濟的新舊動能轉換中做出了積極努力。對於金融科技創新與支付安全的相關熱點話題，嘉賓進行了熱烈探討。帆軟軟件的高級顧問汪建輝圍繞銀行商業智能方面的建設案例和解決方案發表“讓數據成為生產力”的主題演講。
以下為汪建輝先生的演講實錄：
現行架構存在不足
現在數據分析和挖掘相當火，可以說是一個風口領域，但是怎樣才算是數據分析呢？我們來看一個非常簡單的例子。
這是銀行3月份的一個用信率表格，我們做成了一張趨勢圖，這個時候還是不太明顯能看出它的上升和下降，因為波動實在太大了。這個時候我們想會不會加一條趨勢線就完美了？這個時候就一目瞭然了。但是我們做到這一步就夠了嗎？我告訴你們，數據是會騙人的。我們把2、3月份的用信率加上去的話，這個數據是下降的，時間維度的改變就能顛倒我們的答案，這就說明數據可以講很多故事。這也反映出目前銀行存在的一些小小的問題，比如說大多數銀行只做到數據展示這塊，並沒有深入通過數據分析銀行經營的問題，即使發現了問題也沒有辦法通過數據來解決這些問題，分析它的原因等等。
針對這個問題，我們現在大多數銀行的IT架構到底是怎樣的方案呢？一個是以IT為中心的解決方案，這個解決方案是現在大多數銀行所採用的，它存在一些小小的缺陷，比如說IT為中心的話，大多數業務報表都交給IT來做，IT會產生疲憊，並且業務來一個需求我們做一個需求，我們沒有規劃，導致我們越來越冗餘。另外，有一些廠商過早地提出來人人都是分析師的口號，這個會導致數據管理權限的混亂，每個人如果都能拿到所有的數據，是不是會比較混亂？而且統計口徑也不一樣，有時候可能出現一個指標在這個部門和另外一個部門還不一樣的情況。
我們可以看到上面兩種架構其實都不是很好地能解決現階段存在的問題，真正合理的架構到底應該是什麼樣的？曾經提出過雙模式IT的解決方案。左邊是武士，右邊是忍者，在未來很長一段時間雙模式IT才是主流。我們這邊也提出了一張數據分析架構圖，我們會發現數據倉庫裡面有一些質量問題，我們可能會通過一些手工補錄的方式把數據質量完善起來。基於比較完整的數據，我們在這個基礎上會做一些規劃報表，這個是主力部隊。在主力部隊的基礎上，我們需要一些忍者，這個就是我們的自助分析，主要面向業務部門拿到權限數據之後能夠做一些高效分析，不需要通過IT部門了。
但是我們想，左邊是系統，右邊是部門，我們直接把數據給到部門能行嗎？顯然是不行的，業務部門是用不起來的。用不起來的原因，我們會想我們是不是做一個多維的數據倉庫就可以了？我們建一個數據倉庫，大多數銀行現在都已經做了數據倉庫，也建了很多主題，但是業務部門並沒有用起來。具體是什麼原因呢？我們總結一下，大多數是我們的IT部門或者信息部門沒有關注到我們業務部門對商業智能的核心訴求。
對業務部門來說，他們對商業智能要求很簡單，就是門檻低、響應快，你只要能快速出報表，能把數據給到我就可以了，我能交代領導給我的一些任務就可以了。對科技部門來說，他希望的是審慎高效有規劃，什麼叫有規劃？我不希望是業務提一個需求我就給他做一個需求，這樣長期做下去，一些部門沒有長遠的規劃會疲於應對。
銀行商業智能方面的建設案例
針對這個問題，我們也提出了自己的解決方案，我們分兩塊，一個是在底層，在底層我們需要梳理我們的主數據、數據源、指標庫，完善數據交換機制。在這之上就是我們的商業智能核心平臺，比如說我們需要通過PC端、移動端、大屏對業務進行分析，實現風險預警和戰略管控。把上面的架構拆分一下，從數據採集、報表查詢、數據分析，到最後的總體管控，我們帆軟都提供了一站式的解決方案，在這方面我們也有全方位的合作案例覆蓋，我們來看一下我們的一些案例的簡單介紹。
安徽某銀行做的領導站艙，有些可能銀行領導這邊會經常在外出差，他們更多的使用手機，我們就給他提供一種移動端APP決策報表的方案。或者有的領導說我手機裡有幾百個APP了，你再讓我裝一個專門的APP是不是不合理？在北京我們就給某銀行提供了微信小秘書的解決方案，通過微信軟件定時、定向推送一些業務報表，通過微信推送給不同層面的領導，並且這些報表數據都是有嚴格的權限控制的，不是說每個人都能看到全行的數據。
剛才看到的是決策報表，還有重大的一塊就是行內的固化報表，這個是我們在某股份制銀行做的一個數據平臺，他們針對各個業務部門大概製作了2000多張報表，基本上所有的固化查詢都在這個系統裡面有一個統一的入口。這個是我們做的一個監管報送平臺，不單單要有固化分析，還要應對銀監會、銀監局的監管措施。除了監管報送，我們還需要銀行內的常規管理，這個是我們在安徽某農商行做的一個資產登記功能，主要是數據補錄和登記的綜合管理平臺。
不管是數據採集什麼的，都可以在我們的移動端上面做數據採集。比如說在江浙沿海一帶，他們會做一些陽光信貸工作，以前是怎麼完成的呢？以前是我們的客戶經理拿著紙質調查問卷去各個商戶、農戶調查走訪，彙總到他們的數據之後填到電腦裡面得到他們的授信金額、信用等級。有了我們這個方案之後，他可以在移動端通過pad、手機等等，直接通過移動端填報數據之後，在後臺系統裡面直接能夠根據他的財產信息、家庭信息得出信用等級，減少人工評定的過程，實現快速放貸。
剛才說到的都是我們的規劃報表，還有一塊非常重要的就是忍者，盜取暗殺的高效輔助作用，這是我們在江蘇某銀行做的一個智多星項目，這個是一個多維數據分析，完全由業務部門自己在這個平臺裡面對數據進行拖拽形成報表的平臺。這是江蘇某銀行自己做的數據報表，沒有任何代碼操作，在前端通過拖拽數據就能形成這樣一張分析報表，非常高效。
剛才說到PC端、移動端的應用，我們的軟件還可以應用在大屏展示，它可以把我們的一些行領導關注的指標進行大屏優化展示。這個是我們在安徽某銀行做的數據金融地圖，這個是一張行長駕駛艙，這個是面向運營部做的監控大屏，主要關注APP的流入、流出的流量情況。
做好商業智能的三個核心要素
剛才說了那麼多，可能大家會有一點疑問，你看剛才介紹的可能都是一些大行，他們的人才、經驗都比較豐富才能做成那樣。但是我們想了一下，我們能做得好真正的原因在於技術經驗問題嗎？總結一下怎樣才能做好商業智能，我們總結了三點。第一個是產品，一個好的產品能夠讓你如虎添翼，所謂磨刀不誤砍柴工。第二個是指導，利用同行業的經驗可以幫助我們快速落地。第三個是氛圍，實現數據氛圍，實現人才成長，掌握大數據的核心技術。下面我們來分別介紹一下。
在這個架構圖裡面我們提供了兩個產品條線的產品，一個是面對科技部門，一個提供給業務部門。我們的產品已經做了十幾年了，功能已經非常完善了，覆蓋了所有的銀行數據分析所要用到的所有功能組件，功能已經相當強大了。在性能方面我們能夠做到異級數據秒級響應。我們的採集也是相當簡單的，這也是我們的特色功能，可以支持我們的流程，還有一些校驗。
這是一個實際案例，我們把前端的報表做成這樣填報的形式，在前端進行，業務人員可以按照這樣的方式進行數據填報，只要關聯好數據庫裡面的字段就可以了。我們還提供海量的圖表展示，基本上覆蓋了銀行所要的數據分析。
剛才說到，我們可以在各個終端上進行展示，我們的軟件還支持一張報表多處可用，比如說我們製作分析之後，可以自適配各個終端，基本上不用進行第二次開發了。還可以在不同終端實現數據提醒和數據預警，像剛才說到的在微信裡面推送行業經營日報。
這是我們的自助分析，如果對於業務人員能力比較強的，我們還提供了前端螺旋分析功能，能夠使我們的前端業務人員在數據不滿足他的要求的情況下，他在前端做一些表的關聯，再基於數據做一些數據分析，這個是我們前端螺旋分析的架構。從上面的介紹可以看出來，我們的這兩款產品都是非常簡單易用的，不需要任何代碼操作就可以在前端操作報表我們不僅有產品，還有自己的生態，包括我們的應用市場、用戶市場，還有我們的論壇，我們希望通過我們的生態給客戶提供更多更優質的服務。
看一下我們的指導，我們通過同行業的經驗，能夠幫助我們的產品快速落地和沒有風險的落地。主要是兩個問題，一個是需求，一個是建設。
從需求來看，分為三點，一個是決策報表的需求，第二個就是業務定製報表，這是我們現在行內所遇到的最多的一種需求，第三個就是自助分析需求，像剛才說的忍者的高效輔助功能。
針對這些需求，我們的建設要點是什麼呢？我們分為三個要點。一個就是可落地的建設規劃，第二個就是行業成熟的分析案例，第三個是同行業的交流參觀。
建設規劃分為四步，按我們的經驗來說分為四步。第一步是完善數據基礎，第二步是豐富業務應用場景，第三步才到領導駕駛艙這步，比如說建設自助BI，最後才到了數據引導預測。銀行模型庫剛才說了同行業的經驗，分為指標和分析體系兩部分。
銀行指標是在某國有股份制銀行製作的一個條線指標，從我們的指標往下細分能夠得到全行的經營指標，再結合我們的分析思路就能在前端形成這樣一張分析報表，這是一個非常簡單的例子。
最後一個是氛圍。要有一個數據分析的氛圍才能實現行內人員的成長，我們分為三塊。首先是數據決策，任何決策都要以數據作為支撐，培養數據分析的氛圍。第二是人才培養，我需要有更多的培訓交流，掌握一些大數據的核心技能。第三部分是行業交流，所謂他山之石可以攻玉，我們在行業交流這塊也做了很多努力，我們也樂於搭建這樣一些交流平臺，在過去幾年我們針對七大行業舉辦了11場行業峰會，每場行業峰會企業都超過了100家。8月9-11號我們在南京也會舉辦一場全國最大規模的CIO大會，大概會超過800家企業，超過1300人共聚一堂，共同探討數據如何成為生產力。
總結一下，三個核心要素。第一個，錢要花在刀刃上，不能亂花，需要有一些良好的產品、模塊，有好的廠商進行支撐。第二個是規避風險，高效產出，這個我們要建好駕駛艙，利用同行業的經驗幫助我們快速落地，並且避免一些不必要的風險。第三是數據氛圍和行內人才培養，我們需要有自己的自主能力，有自己的指示體系，掌握自己的大數據核心技能。
閱讀更多 金科創新社 的文章
