数据资产管理与运营新模式

作者 | 中国光大银行信息科技部 史晨阳
来源 | 银行家杂志

当下,商业银行正处于数字化转型的深水区,尤其是2020年新冠肺炎疫情的突发和国内外经济形势的错综复杂,促使商业银行金融科技加快向数字化、智能化、服务化演进。数据资产作为数字化转型的载体,正在社会生产过程的各个环节发挥作用。2020年4月9日,中央正式将数据作为生产要素写入文件中,提出加速培育数据要素市场,推进数字经济高效发展。

数字化转型对银行业的传统数据管理和运营理念,乃至数据应用模式产生颠覆性冲击。银行要具备哪些核心数据资产管理和运营能力,为数据赋能业务、发挥数据价值提供有力保障和基础,成为商业银行无法回避和亟待解决的重大课题。

商业银行数据资产管理现状 

从2005年开始,银行业的数据管理从局部管理发展到统筹管理,再到管理运营。银行在数据管理向数据资产管理与运营的转型中,其数据政策、管理手段、运营模式在大数据时代的浪潮下不断修正与重塑,已经从简单的支持经营分析与业务决策向推动业务创新、资源整合应用以及数据价值变现方向跨越,并根据自身特色开展数据资产管理与运营实践。随着银行业与各行业融合度不断加深,银行数据规模急剧增大,数据不断衍生,数据类型不断丰富,银行加速向数字金融、网络金融、智能金融方向推进。在此环境下,商业银行以管理驱动的数据战略导向亟待转变,寻求可持续、价值型的数据发展成为必然选择,以价值为导向的数据资产运营正是实现这一转型的有力工具。

目前国内银行对数据资产的管理和应用还处于初步阶段,在不断探索实践过程中碰到了诸多困难,可以总结为五大痛点。

缺乏整体规划,持续迭代能力较弱,造成的结果是投入大、产出小。目前大多数银行缺少明确可落地的数据资产管理与运营整体规划,采用“头痛医头,脚痛医脚”的方式开展数据资产管理工作。运营的理念较为薄弱,往往依靠数据咨询项目出具顶层规划产物来驱动数据资产管理,如制定数据标准、建立数据模型、开展数据质量提升等方式。但是数据资产管理与运营是一个系统化工程,数据标准或者数据质量相互独立又互相依存,需要 用全局的角度和统筹的方法,实现数据资产管理与运营生态。

缺乏统一的数据资产视图,用户“不知、不懂、不会”问题显著。随着业务发展,银行堆积着大量数据,但不同种类的数据散落在各系统和平台中,数据使用者面对海量的数据,不知道有多少可利用的数据,并且数据含义或在文档中体现,或口口相传,解释不够权威,用户难以懂得数据真正的含义,同时传统的数据服务多为被动式服务,只是单纯地汇总并展示数据,专业性强,使用门槛高,用户获取和使用数据需要较多的数据背景,知道数据在哪里才能抽丝剥茧般地找到,效率较低。

部分银行过于追求大而全的数据标准,难以落地。部分银行对于数据标准过于依赖,追求构建全行适用、全业务可落地的数据标准,造成数据标准越做越多,落地工作量越来越大。如某城商行制定全行数据标准,标准从1000条逐渐增加到20000条,扩充了20倍,但是数据质量并没有提升,反而因为标准过多,难以落地,造成数据孤岛化,数据质量参差不齐,阻碍了业务和金融科技的快速发展。

数据应用发展缓慢,单点发力,缺少统一的运营管理。受限于数据规模和数据源种类的丰富程度,多数银行的数据应用刚刚起步,主要集中在精准营销、舆情感知和风险控制等单点场景,并且由于没有统一的数据资产运营规划,应用场景深度不够,且不成体系,发展缓慢,难以全面发挥数据价值。

数据价值难以估算,无法准确衡量数据效能。由于数据的价值很难评估,银行难以对数据的成本及其对业务的贡献进行评估,导致难以像运营有形资产一样管理数据资产,无法有针对性地进行数据效能评估,从而精准地进行资源倾斜,快速发挥数据资产价值。

不断创新和完善数据资产管理与运营模式

 知难行易,数据资产管理与运营是一个系统工程,需要统筹规划和实施。数据资产管理是银行科技治理体系的重要一环,是数据与业务深度融合的催化剂,是银行金融科技发展与创新的基石,更是银行数字化转型的制胜关键。

金融科技创新。数据赋能银行数字化转型是大数据时代的必然选择,银行基于数据要服务什么客户,采取什么服务模式,支持什么业务产品,决定了其在数据资产管理与运营上的需求是什么。银行首先要明确数字化转型的战略方向,战略方向确定后,数据资产管理与运营工作可以金融科技战略为指导,构建相应的数据治理体系。以光大银行“123+N”数字银行发展体系为例,该体系以金融科技为基础,依托战略规划与企业文化,构造银行数字化转型“方法论”。包括一个智慧大脑、两大技术平台、三项服务能力和N个数字化名品。一个大脑包括智能思维左脑和生物感知右脑。左脑基于数据挖掘、机器学习等技术打造智能决策和思维能力。右脑基于生物识别、自然语言处理等技术打造生物感知和交互能力。云计算平台和大数据平台是底座,为智慧金融大脑提供算力、存储、资源部署和数据分析等技术支持。三项能力包括移动化能力、开放化能力和生态化能力,增强数据产品的活力与生命力。N个数字化名品包括云缴费、云支付、随心贷等,是激活数据价值、促进银行金融科技数字化转型的有力抓手。

数据治理创新。在金融科技的战略目标和体系框架下,明确支持金融科技战略目标实现的数据治理总体框架,开展数据治理的重构和变革。同样以光大银行为例,光大银行数据治理总体框架包括“统一管理、合规底线、协同共建、创新驱动”四个方面。一是统一管理,通过建设智能化的数据资产管理平台和“五统一”的外部数据管理平台和机制,实现数据资产的全面盘点和智能搜索,并为后续数据资产的智能化应用奠定基础。二是合规底线,通过构建法律、风险、消保和技术四位一体的防护体系,确保各项数据合规要求落到实处。三是协同共建,以大数据平台为底座、数据中台为支撑,智能应用为目标,联合业务部门协同推进智能运营、智能风控、智能服务等智能生态。四是创新驱动,通过开展数据资产估值、多方安全计算和阳光评分等数据产品的创新研究,加强数据共享应用。

数据资产管理与运营模式创新。基于数据治理的框架,在数据内容、系统平台和流程机制三个维度进行细化和落地,将数据作为资产进行管理,将释放数据价值作为目标进行运营,开启数据资产管理与运营的新模式。光大银行提出“全面、权威、智能、敏捷、生态”的数据资产管理与运营目标,从“管好数”转变为“用好数”,全面开展内容建设、平台建设和机制建设,促进数据价值转化,稳健可持续地为银行数字化转型提供数据支撑。通过工具化、自动化、智能化手段,与数据设计开发、数据应用流程深度融合,打通“查数、懂数、用数”一条链,降低数据资产使用门槛。以“服务”驱动数据资产管理,以“运营”打通数据资产链路,推进业务数字化、数字价值化、科技智能化,构建“业务+数据+科技”三位一体的数据资产管理与运营体系。

数据资产管理与运营的实践效果 

数据资产管理与运营体系框架落地需要管理和执行并重、工具与内容同步建设来实现,通过平台建设支撑管理与运营工作,通过对数据的管理和运营丰富平台内容,促进平台发挥作用。建设智能化数据资产管理平台,开展全行数据资产采集、登记、管理、服务、估值,并为数据资产管理与运营提供智能化支撑。建设数据模型设计工具,实现管理要求前置,数据标准智能落标,提升数据模型开发效率,提高数据资产质量。

构建数据全景视图,强化数据资产管理。构建全行数据资产全景视图,覆盖全部系统和平台,并支持数据标准、数据质量、数据安全等管理功能。

前置数据管理要求,提升数据治理水平。将数据管理要求与具体流程结合,并通过平台工具和管理要求落实到日常工作中,真正发挥管理指挥棒的作用。开发数据模型设计工具,并嵌入到系统的开发设计流程中,保障数据标准的有效落地,从源头提升数据质量。数据模型设计工具支持开发人员的正向建模、逆向建模、版本管理等操作。在规范系统设计开发的同时,高效维护数据资产。

支持一站式智能服务,提高数据应用效率。提供智能搜索、智能推荐、智能导航等一站式服务,并且支持个性化、组合化、场景化的灵活配置,改善用户体验。支持一键搜索,实现关键字、模糊匹配、组合等智能搜索“任性搜”;根据不同场景和标签,实现引导式智能导航“贴心查”;通过算法,匹配关联度、活跃度等变量,实现智能推荐“随心看”;对数据质量、数据分布、数据使用开展多维评价,实现智能评价“放心用”。

我们正处在“两个一百年”的重要历史时点,又适逢“十四五”全面擘画之机,在开启全面建设社会主义现代化国家新征程的重要历史关头,行而不辍,则未来可期!数据将在未来发挥着越来越重要的作用,数据资产的管理与运营需要适应时代的发展,不断创新,开拓进取,助力数字化转型,推动社会发展,起到发动机的作用。商业银行应持续在数据资产管理领域不断探索与创新,以金融供给侧结构性改革为主线,以金融科技创新为支撑,共筑数据资产新生态,为行业的数据资产发展蓝图贡献力量!

版权声明及安全提醒:本文转自网络平台,文章仅代表作者观点,不代表「金融文库」立场。相关版权归原作者所有,「金融文库」仅提供免费交流与学习,相关内容与材料请勿用于商业。我们感谢每一位原创作者的辛苦付出与创作,如本转载内容涉及版权及侵权问题,请及时联系我们客服处理(微信号:JRwenku8),谢谢!