《银行数据价值循环体系建设实践.docx》由会员分享，可在线阅读，更多相关《银行数据价值循环体系建设实践.docx（15页珍藏版）》请在第壹文秘上搜索。
1、银行数据价值循环体系建设实践随着大数据、人工智能、云计算、区块链等前沿技术在各行业的广泛应用，全球进入产业变革、模式创新的数字经济时代。加快数字经济建设，以数字化转型整体驱动生产方式和治理方式变革，推动金融高质量发展，已成为银行发展的必然趋势。数据作为重要的生产要素，是数字化转型的基石。银行要实现数字化转型，需持续夯实数据基础，增强数据运用能力，驱动业务创新，推动产品服务和经营效率的提升。在此背景下，广发银行构建了数据价值循环体系，以达到夯实数据基础、沉淀数据资产、增强平台能力、深化数据应用的目的,从而实现数据服务从“响应业务”到“引领业务”的转变。一、数据价值循环体系推动良性数据生态圈的构建
2、广发银行数据价值循环体系由“看、用、评、治”四个环节的迭代循环以及数据运营机制组成（如图1所示），实现了各环节数据“看、用、评、治”过程的标准化，将市场的诉求、变化快速反馈在数据上，让业务部门迅速感知并基于客观数据作出决策，提升业务持续创新与经营发展的能力。数据运营机制解决数据运用问题，让业务部门懂得“数据有什么”“数据在哪里”“数据怎么用。通过数据运营机制，推动循环体系不断迭代上升。监管报送洞察应用 风险管控营销服务优化跟踪 经营决策;数据开发 数据分析 报表服务 人工智能：tI数据地图资产评价服务由数据搜索血缘视图问题反馈流程惮资产目录数据画像i/评看一J数据标准数据安全元数据/主数据治理
3、开发管控血缘管理校验核对闭环治理图1数据价值循环体系，看”：主要通过数据地图和数据资产目录实现，包含指标信息、表结构信息、数据血缘等数据资产，可满足数据分析人员、数据开发人员等各类用户查看数据资产的需求。“用”：基于各类数据平台和专业系统，对数据进行加工整合、探查分析，并应用在经营决策、营销服务、风险管控、监管报送等领域，再通过洞察、应用、跟踪、优化形成应用的内循环。“评对数据资产和数据使用进行客观与主观评价。客观评价是通过数据搜索、点击、调用的统计次数得到，主观评价则是通过业务的主动反馈或定期调研、回访获得，从而及时获得数据使用的问题。“治包括数据标准、数据安全、数据检核规则、数据问题等治理
4、，建立数据治理闭环体系，从而有效提高数据质量，提升数据价值。广发银行通过数据价值循环体系的运作，构建起良性的数据生态圈，实现数据资产的沉淀和质量提升，有效整合数据基础和平台能力，发挥“1+12”的协同效应，同时也促进业务科技的深度融合，让数据服务快速应用于灵活多变的业务场景，充分发挥数据的价值。二、数据价值循环体系落地为能够真正落地并发挥循环提升的作用，数据价值循环体系在“看”上需有全行级的数据资产地图并且实现数据资产保鲜，在“用”上需有低门槛、平台化、易用的数据使用平台，在“评”上需有对数据使用情况进行客观统计和主观评价的服务社区以及有效的互动机制，在“治”上需有高效的数据治理方法和工具。广
5、发银行主要依托数据资产管理、数据交换、数据开发、数据分析、报表服务、人工智能等六大基础平台，以及统一营销、智能风控、统一报送三大专业平台实现数据价值循环体系的落地（如图2所示）。三大专业平台1统一营销平台全域营销、闭环营销、精准营销目标客群筛选、活动规则部署、活动过程管理、营销效果分析2智能风控平台全行客户交易风险渠道全覆I涉赌涉诈实时监测体系风控技术、生物技术、策略彳六大基础平台4数据分析平台一站式、拖拉拽的灵活自助分析能力数据分析可视化、沉淀案例场景5报表服务平台配置化、自定义的固定报表不可视化看板能力自助开发、灵活报表、生命J2数据交换平台企业级的批量与实时数据交换能力订阅消费、加密传输
6、1数据资产管理平台看-评-治全闭环的元数据指标管理、元数据管理、数图2六大基础平台和三大数据专业平台数据资产管理平台承担全行级数据资产管理，包括数据地图、数据标准管理、元数据管理、数据质量管理等功能,为各类人员提供看数、评数、治数的工具。全行数据资产视图涵盖数据标准、表结构、指标、交换信息、主副本、特定代码、数据质量、数据安全八大类数据资产，并结合全文智能搜索、全局血缘视图等功能，为用户提供高效、便捷的资产搜索和展示工具。在数据资产保鲜上，一方面使用数据库模式定义语言(DDL)进行项目版本发布，实现表结构资产的保鲜；另一方面通过“先登记，后加工”的研发管理要求，以及事中基于数据开发平台的技术口
7、径强管控、事后指标相似度匹配治理等技术手段，避免指标同名不同义或同义不同名，达到指标资产管理账实相符的目的。在数据使用评价上，整合各数据平台的用户访问、数据使用、资产沉淀等情况，以数据运营大屏的方式展示统计信息，并提供资产评分、数据服务社区功能，获取用户的评价和意见反馈，加强业务条线、分行与科技部门之间的互动,沉淀优秀案例，提供用户快速获取高价值经验、复制优秀项目的渠道。在数据标准管理上，利用人工智能技术构建全覆盖的数据标准体系，在数据设计过程中提供标准推荐、标准引用等功能，实现智能化、自动化建标、贯标和评标，提升数据建标、贯标和标准变更影响分析效率，统一全行数据语言，满足各系统的业务及技术使
8、用需求。在数据问题治理上，通过事前数据确权和构建检核规则,事中执行检核规则、问题收集、分派问题、跟踪执行和关闭，事后丰富检核规则库、加强数据质量全面检核能力等方式，实现闭环数据治理流程的线上化。为了让数据更好用、易用，广发银行面向不同用户和不同场景重点打造组件化、可视化、流程化、低代码的包括数据交换、数据开发、数据分析、人工智能等方便各类数据使用的工具平台，以降低数据应用的门槛，实现平台化赋能，让不同知识背景的用户在经过低成本的培训、实操训练后，均可熟练掌握数据分析、数据开发、数据建模等技能，实现各业务条线端到端开发和应用，打破原有集中专门数据团队的研发模式，增强数据研发产能，降低沟通成本，缩
9、短项目实施周期，以满足数字化转型下爆发式增长的数据挖掘与数据加工需求。三、数据价值循环体系应用成效数据价值循环体系加速了数字化驱动业务发展的进程,主要体现在驱动业务创新、重塑业务流程、提升业务经营质效等方面，同时也实现了研发赋能，助力广发银行金融业务高质量发展。L提升业务经营质效广发银行数据价值循环体系建设的两个重要应用案例是闭环营销体系和统一报送平台。(1)闭环营销体系闭环营销体系由“看、用、评、治”和“洞察、应用、跟踪、优化”的双循环体系组成，通过数据和平台能力的迭代提升,构建全方位客户营销服务矩阵，实现从客户洞察、策略设计、活动执行与跟踪到效果评估的全流程营销闭环管理，以在营销领域达到规
10、模化获客、智能化活客、精细化留客的目的(如图3所示)。事前应用洞察目标客群筛选（客群中心）标签组合行为筛选活动规则部署（活动中心）批量推送实时营销多波次数据资产管理平台统一营销平台数据分析平台人工智能平台图3基于闭环营销体系的数据价值治理其中，“看”是通过数据资产管理平台查看指标信息和挖掘营销指标；“用”是通过数据分析平台、人工智能平台进行数据分析、客群洞察和预测建模，并应用在统一营销平台上进行营销活动部署、营销渠道配置、活动执行和跟踪等；“评”是结合活动埋点数据、跟踪统计和业务反馈，实现营销活动的后评估和数据资产的使用评价，并沉淀优秀营销案例，供快速复制应用；“治”根据活动用到的数据指标的频
11、率和评价，进行数据指标生命周期管理和数据质量提升，并不断丰富360度客户营销画像。统一营销平台是闭环营销的主要抓手，提供客群中心、活动中心、运营中心、分析中心四大功能，实现了全行实时、批量营销活动的统一部署和管理，支撑了多个业务部门快速、灵活地开展营销活动，活动月均触客上亿次。(2)统一报送平台广发银行在监管报送上面临报送主体多、数据源多样、勾稽关系复杂、问题追踪难、问题定位时间长等问题。为了解决上述问题，广发银行通过数据价值循环体系实现报送数据服务的“五个统一”：数据源统一、报送口径统一、检核规则统一、报送数据查询分析统一、质量问题管理视图及闭环管理统一(如图4所示)。检核规则统一视图报送类
12、应用金统 金基 EAST金数据资产管理平台报送口径统一视图据务台数服中数据集市报送数W数据质量统一视图与闭 环管理:大数据平台（贴源费数据探索平台链接Fl离线集群图4统一报送平台“看”是基于数据资产管理平台指标口径线上化管理和业务、技术口径模板化，实现报送口径的统一登记和管理。“用”包括通过报送数据池实现统一整合、存储、加工各类报送的源数据，实现共性加工和数据源的统一；通过数据开发平台的指标开发功能实现指标口径的强管理，进一步加强报送口径的统一；通过数据分析平台的数据探索功能，实现监管数据口径探索分析、贴源历史数据查询、报送结果数据查询等，提高口径分析、问题定位的效率，实现报送数据查询分析的统
13、一。“评”一方面是基于报送数据池的自动检核校核，找出问题数据；另一方面通过数据资产管理平台收集问题和建议，手工收集问题。“治”是通过数据资产管理平台的检核管理和问题全流程线上化闭环管理实现。检核管理包括检核规则管理、检核脚本管理、检核结果管理，可实现数据质量检核规则统一管理;统一管理基于检核规则自动检测到的问题和手工登记的问题，通过线上化的流程实现问题的闭环治理，让问题跟踪可视化，实现质量问题管理视图及闭环管理的统一。广发银行通过循环提升体系的建设，实现统一报送，确保监管数据报送的及时性、完整性和准确性，全面提升监管报送数据质量。2.赋能数据研发广发银行数据价值循环体系赋能数据研发，主要是通过
14、低门槛的平台化工具、全流程的数据研发服务机制和数据人才培养成长体系来实现。数据平台工具包括需求方自主订阅消费的数据交换平台、组件化的数据开发平台，以及业务可熟练掌握的数据分析、人工智能等多个数据应用平台，其中数据开发平台在降低数据研发成本、缩短研发周期、提高代码质量和数据治理能力方面发挥了重要作用（如图5所示）。数据开发平台具有所见即所得开发新模式、开发组件与规范相融合、内嵌持续集成及预发布等特性。所见即所得是通过将大数据开发技术封装于开发组件中，提供可视化、配置化的数据开发方式,提升开发质效和复用性；将数据开发规范及数据治理要求集成到开发组件中，提供了数据字典管理、数据生命周期管理、字段级血
15、缘管理、数据质量检核等功能，在用户加工的过程中自动获取过程信息，落实开发全过程的规范及治理；内嵌持续集成及预发布机制，通过环境隔离、技术控制、流程管控等手段，打通数据开发、测试验证及投产上线的全过程,支持便捷式数据开发和敏捷式业务验证，有效提升数据开发交付效率。数据研发平台化数据研发服务机制提供开发、测试、投产、推广支持等数据研发全生命周期的支持和保障（如图6所示）。服务措施主要有：制定数据研发“军规。迭代更新数据技术规范；建立数据开发治理小组，通过平台控制及人工评审方式，规范数据开发过程，在研发过程中贯彻数据治理要求；打造“数据精灵”，进行代码自动扫描，自动分析代码是否符合规范，主动提示整改；建立数据运营小组，解决用户在平台使用过程中遇到的问题，建立问题反馈社区，收集诉求，形成良好互动；建立数据技术小组，统一管理大数据平台技术组件的使用和版本升级优化，解决技术缺陷、安全漏洞等问题。方案制定开发实施测试 架构规划研发过程评审数据应用测试 方案评审代码扫描经验推广 技术规范关键需求技术支持图6数
