致力於充分發揮數據價值、以數據驅動發展的銀行，無不在數據治理、場景應用方面持之以恆地鍛造能力、輸出洞見。《金融電子化》雜誌邀請5位專家做客“對話”欄目，就“數據治理、融合應用”議題，以及在全國抗擊新型冠狀病毒的特殊時期，各金融機構如何憑藉數據能力積極支持防疫等話題，與讀者展開深入交流。
對話嘉賓：
中國工商銀行金融科技部副總經理 李秀媛
中信銀行信息技術管理部總經理 寇冠
浙江省農村信用社聯合社科技服務部總經理 趙暉
上海銀行信息技術部開發測試中心總經理 鄔敏煒
深圳前海微眾銀行科技發展總監 萬磊
明確數據治理基本原則及各參與方角色定位
主持人：感謝大家做客本期“對話”。本場主題是：如何以數據治理、融合應用為契機，持續提升基於場景的大數據分析能力。激活數據價值的前提是做好數據治理，而治理之根基在於明確原則。“保障安全、最小夠用、用而不存、權益保護”是業界公認的數據治理原則，在數據授權和使用的全流程管控中，如何理解這幾項基本原則？
李秀媛：數據治理的核心是“保障安全”，嚴防數據洩露、篡改、損毀與不當使用。大數據的體量大、應用範圍廣，在數據使用中有效保障安全，需要充分理解和實施“最小夠用、用而不存、權益保護”等原則。“最小夠用”的關鍵是做好數據資源的精細化管理，通過數據確權和授權訪問機制控制數據使用範圍。“用而不存”的核心是將有價值的數據提煉形成共享數據服務，避免原始數據的冗餘存儲，以降低信息洩露風險。“權益保護”是數據開放共享的底線。
主持人：從應用範圍和參與主體角度看，數據使用流程大多涉及跨部門、多崗位的認責、授權和審批，如何清晰界定數據管理參與各方的角色定位？
李秀媛：在實踐中，工商銀行建立了“統一管理、條線治理、分工協作”的數據治理架構。董事會、監事會、高級管理層負責審核全行數據治理戰略、任務和目標。總行設立數據治理牽頭部門承擔數據管理方職責，實施“統一框架、統一標準、統一平臺、統一責任、統一評價”的五位一體管理機制，推動數據標準、數據質量、元數據、數據安全、考核評價、數據認責、數據生命週期、主數據管理等數據治理任務。各領域的數據所有方，按照“誰主管、誰負責”的原則對數據資產直接負責，提供數據的業務需求，審核數據使用範圍，解釋數據的業務含義、標準、規則及流程，執行數據分類、訪問控制和數據治理相關策略。數據使用方按照“誰使用、誰負責”的原則，承擔數據使用過程中的數據管理職責，監督轄內用戶依據全行數據管理制度使用數據，監測數據應用情況，報告數據質量問題。
萬磊：微眾銀行制定了《數據認責和授權管理辦法》，通過明確各項目數據角色職責，建立起一套行之有效的數據使用授權審批流程。數據管理角色各司其職，嚴格執行銀行數據的使用授權管理要求。例如：當數據使用方需要使用一項數據時，需先發起數據使用授權流程，經數據歸屬方審批授權同意後，方可由數據採集方依據授權結果供給相關數據，並由數據實施方完成數據獲取和分析執行。整個數據授權期間，由數據管理方監督流程的執行和數據使用。
搭建數據中臺，構建融合應用機制
主持人：數據的標準化治理和規範化應用是激活數據價值的前提。更進一步，談到數據價值的釋放和輸出，一些銀行正通過在技術後臺和業務前臺之間建立“數據中臺”的方式，提升數據洞見效能，包括構建數據湖、數據倉庫等核心存儲計算組件。請大家結合本行規劃或實踐，介紹如何構建“物理分散、邏輯集中”的數據融合管理中臺？
寇冠：根據不同的數據來源，中信銀行的數據分為外部數據、用戶行為數據、核心賬務數據，在物理上分別由我們的外部數據管理平臺、用戶行為分析系統以及數據倉庫進行數據的存儲、計算。為實現數據互聯互通、方便一站式應用，我們基於大數據技術構建了數據湖，實現了全行貼源數據和歸檔數據的集成管理，縮短了數據加工路徑，提升了需求響應效率。同時，為提升數據應用的便捷性，構建了元數據管理平臺和數據應用雲平臺，為全行提供租戶化的數據雲服務，邏輯上可以實現：在底層統一數據集成和計算服務；在應用層達成一站式數據應用。
趙暉：浙江農信數據中臺的定位是一個建立在數據平臺之上，加速企業從數據到業務價值轉變的中間層。傳統數據管理項目建設包含了數據傳輸、存儲後臺建設、數據處理加工開發、前臺數據展示部署等過程，需要大量的硬件服務器和軟件服務。浙江農信規劃中的數據中臺，融合應用大數據技術和雲技術，把物理上分佈在各個機房的多臺服務器集成在一起，提供一體化的數據分析管理平臺，是用技術連接數據平臺的計算存儲能力，併為業務提供數據應用場景能力的平臺。同時，還將逐步以雲服務方式，向轄內200多家法人銀行機構提供數據服務，提升浙江農信系統的數據渠道整合能力、數據計算分析能力、數據治理服務能力，從而改進營銷策略、改善客戶體驗、提升營銷效果，提高產品易用性與獲客留客能力。
鄔敏煒：上海銀行2008年開始建設企業級數據倉庫，2016年啟動大數據平臺建設，深度整合行內外數據，打造數據湖生態體系。底層通過連接器打通兩個平臺，支持數據的高速流轉；模型層遵循統一的企業級數據模型規範，確保數據標準的一致性；應用層通過查詢引擎無縫整合數據處理能力，提升架構靈活性及分析可擴展性。目前數據湖積累數據1.8PB，行內接入80多個業務系統，行外接入13個合作方的60多個外部數據服務。基於數據湖之上，建設零售、公司、風險、渠道、運營等不同領域的數據集市，基於各數據集市服務於營銷管理、風險管理、監管合規、經營分析以及分行特色數據應用。
主持人：數據湖、數據倉庫等核心組件以及與前後臺貫通的數據中臺等基礎設施為有效激活數據資產奠定了技術基礎。而技術與場景的高效融合還在於配套完善的數據應用機制。請介紹您所在機構如何融合數據資產、特別是外部數據資源，建立數據融合應用機制，以實現內外部數據在邏輯、標籤、算法、模型層面的複用和沉澱？
鄔敏煒：隨著數據資源的不斷積累，上海銀行將歷史數據應用於訓練風控模型，促進了模型及規則的不斷優化迭代。此外，結合大數據、人工智能等技術，利用外部數據資源，我行建設了對公魔鏡智能風控系統，加工司法、工商、稅務、輿情等外部數據和行內徵信、財務等數據，形成一份全面的企業綜合風險報告，並通過訓練機器學習模型得到企業的綜合風險評分和風險等級，形成對公客戶風險全景視圖，將其貫穿於信貸管理的全程，為信貸風控提供了強有力的數據支撐。
寇冠：為實現全行外部數據資源共享，保障外部數據引入質量，中信銀行總行財務會計部和信息技術管理部牽頭負責統籌全行的外部數據需求管理、技術評估、採購管理、運營管理和後評價管理，並定期向總行數據管理委員會報告。同時，軟件開發中心建設了外部數據管理平臺，實現了外部數據的統一接入、統一存儲、統一管控和統一服務。比如普惠金融“銀稅E貸”產品依託工商、司法、稅務、徵信等數據，對小微企業進行客戶畫像、信用賦能和智能貸款，助力小微企業快速成長；個貸通過最高法、學信網、運營商等數據補充零售客戶標籤信息，提升個貸業務流程風險管理的識別和預判能力；金融市場、資產託管通過彭博、萬得的第三方資訊數據，與行內資產數據相結合，做資產估值風險評估、精細化風險管理。
萬磊：數據是數字銀行風險管理及提供差異化服務的戰略資源，傳統類型數據是標配，同時合理運用互聯網數據優勢以及引入外部市場數據，才能更全面地評估風險、提供更具個性化的服務。微眾銀行逐步建設了全行層面的風險數據集市和風險視圖，實現關鍵風險監測指標的自動計算，提高各項風險管理工作的便捷性和有效性。通過產品合作開發促進風險數據的共享。在產品開發過程中，充分利用合作方的數據環境進行風險模型的開發建設及部署，實現風險信息的共享合作。
藉助持續提升的大數據分析能力，支持全國金融防疫攻堅戰
主持人：服務於場景的數據應用是釋放數據資產價值的必要條件，基於業務目標的分析能力建設是商業銀行的核心競爭力之一。數據的採集沉澱、建模分析貴在持之以恆，如何持續提升基於應用場景的大數據分析能力？
李秀媛：工商銀行以“轉型、融合、生態”為建設目標打造了國內金融行業首個分佈式融合數據智能平臺，形成了完整的大數據服務生態體系。一是構建安全可控、高效可靠、易擴展的基礎技術平臺，打牢大數據賦能的基座，於2019年底率先完成了大數據平臺的全面國產化轉型，建設了涵蓋批量處理、流式處理、機器學習的三大軟件平臺和存儲、計算、網絡等通用硬件設施的集團大數據服務雲，全面提升了安全可控和數據服務能力。二是提供完整高質量的數據資源，夯實大數據賦能的基礎，打造了業界首家納入全集團全量貼源數據的數據湖，實現了貼源數據、主題數據、知識數據的全數據資產跨域融合，滿足全行智能應用的不同需求。三是提供豐富多樣的數據服務，提升大數據賦能的價值，聚焦金融業務場景快速實施，抽取可快速訓練和組合的“基本服務組件”，沉澱形成客戶畫像、風險信息識別等跨領域、可共享的即插即用型企業級數據服務，提供集OLAP+OLTP於一體的全能型分佈式融合智能數據分析能力。
趙暉：在提升大數據分析能力上，浙江農信主要做了以下五方面工作。首先，成立了專業數據分析團隊，重視數據分析人才的培養，強化團隊數據能力的提升。其次，推進數據規劃和治理，包括對數據資產的梳理、規劃，以及存量數據治理，達到各類數據資產在全行社形成統一業務口徑、統一標準，提高數據質量，夯實數據基礎。第三，整合數據分析工具，如評分卡引擎、可視化報表、自助分析工具、知識圖譜、人工智能等分析工具，與後臺數據連通，提升分析效率。第四，構建標籤體系，從數據中抽象出通用標籤，包含屬性標籤（對實體基本性質的刻畫）、統計標籤（構建實體所在場景的維度、度量）、算法標籤（通過複雜邏輯分析推理得出），建設客戶產品簽約、在線交易行為、客戶資金交易等特徵標籤庫。第五，在此基礎上抽象業務共性，構建產品創新能力中心、數字營銷能力中心、數字風控能力中心，快速敏捷地實現數據與業務場景的連接。
主持人：數據能力強的金融機構在應對突發事件時，往往能達到事半功倍的成效。在支持全國抗擊新型冠狀病毒期間，貴行的數據應用起到了哪些突出作用？
寇冠： 針對企業客戶，中信銀行通過採集企業客戶在疫情前後的交易行為、資產、行業、地域、關係、企業規模等數據信息，構建評價衡量模型，分析挖掘客戶的現有價值、受疫情影響的嚴重程度、客戶的潛在價值，從這三個維度綜合考量篩選出“優質的、暫受疫情影響遇到困難的企業”，予以資金支持，在可控風險的條件下幫助企業渡過難關。特別針對受疫情影響、暫遇困境的小微企業給予利率優惠、展期續貸和徵信保護。截至目前已對多名逾期客戶免報徵信違約。對湖北等重點疫區給予專項支持政策，為湖北省配置專項信貸規模；增配考核利潤補貼、薪酬費用等各類資源，鼓勵重點疫區分行加大信貸投放，並將湖北省內新增普惠型小微企業貸款利率進行了下調。
趙暉：在抗擊新型冠狀病毒疫情期間，數據應用在兩方面起到了突出作用：一方面是數字驅動的線上貸款業務，浙江農信線上貸款需求呈現快速增長趨勢，大數據分析團隊為轄內農商行、農合行、農信社提供優質貸款潛在客戶名單，供行社篩選白名單客戶，制定特殊時期的貸款產品，為個人、個體工商戶、小微企業主提供專項貸款服務，緩解疫情帶來的生活和經營危機。疫情期間1月20日~2月27日在線貸款產品累計簽約3.7萬筆合同，合計金額逾57億元。
另一方面是風險防控的數字化成果。疫情期間明顯出現了一些在線交易欺詐的苗頭，浙江農信通過數據系統對交易行為進行數據採集，不斷優化反欺詐數據模型，實時預警可疑交易行為，迅速進行控制處理，減少了因為客戶無法及時到網點處理而造成的資金損失，並分析出犯罪分子的行為特徵，快速制定措施封堵漏洞。
鄔敏煒：上海銀行作為上海地區最大的養老金代發銀行，老年客戶對網點依賴度更高。為保障安全服務老年客戶，我行通過對存款產品購買、理財產品購買、養老金髮放情況的多維客戶畫像分析，精準預測老年客戶的到店情況，通過短信、電話外呼等多種渠道提前加強針對老年人的專屬防疫宣傳，引導其疫情期間不到網點辦理非緊急業務，並結合老年人業務辦理特性，對不自動轉存的定期在到期後自動延期，創設線上專售存款產品等，滿足老年人的金融服務需求。從客流情況看，養老金髮放高峰日，網點客流較以往下降約60%。
此外，疫情期間因需要減少接觸，客戶經理大幅減少了線下客戶服務時間，我行通過機器學習模型對存款產品、理財產品進行了精準營銷預測，將預測名單通過客戶關係管理系統下放到各分支行，由客戶經理通過電話外呼精準營銷，引導客戶線上購買。
萬磊：疫情發生以來，微眾銀行發揮數字銀行和金融科技的優勢，全力保障金融服務的穩定運營，體現了基於科技與數據的數字銀行業務的強大優勢。
以“微業貸”產品為例，引入涵蓋企業徵信、個人徵信、工商、稅務、司法，以及騰訊獨有安全平臺等數十種數據源和龐大數據，建立了多套風控規則與量化評估模型，無需客戶提交任何資料，超過95％的客戶授信審批結果秒級可見。疫情期間，該產品因不依賴線下營銷、現場盡調及抵押品等線下環節，數據驅動模式下依然可以對外體提供全天候服務。同時，依靠自動化的規則和模型引擎可以快速部署有針對性的抗疫扶持策略並立即生效，精準扶持，且能根據實施效果持續迭代，不斷完善紓困手段。日前，該產品專門針對受困小微企業客戶推出延期還款、利息減免等一系列紓困措施，降低其還款壓力。
（以上內容選自2020年3月15日出版的第3期《金融電子化》雜誌，全文請參閱原雜誌）
閱讀更多 金融電子化 的文章
