取消
温馨提示:
敬爱的用户,您的浏览器版本过低,会导致页面浏览异常,建议您升级浏览器版本或更换其他浏览器打开。

工商银行对于深化大数据应用的思考

来源:《中国城市金融》 2018-01-24 18:28:41 工商银行 大数据 银行动态
     来源:《中国城市金融》     2018-01-24 18:28:41

核心提示IBM在其研究报告《银行的蜕变,新世代银行破而后立》中指出,商业银行需要拥有合作与协作、敏捷、创新、分析、数字化五大能力,才能成为未来金融生态系统的参与者、领导者。

  文/陈道斌 宋丹 中国工商银行管理信息部 中国工商银行博士后科研工作站

  一、商业银行与互联网金融企业大数据应用发展趋势对比

  (一)商业银行大数据应用发展趋势

  目前,我国银行业正处于重大的转型期,新的业务模式快速涌现,以现代金融科技为支撑的新金融生态系统正在重新定义银行的运营和业务模式。IBM在其研究报告《银行的蜕变,新世代银行破而后立》中指出,商业银行需要拥有合作与协作、敏捷、创新、分析、数字化五大能力,才能成为未来金融生态系统的参与者、领导者(见图1)。

工商银行对于深化大数据应用的思考

  在未来银行应具备的五大关键能力中,大数据分析已经成为银行业未来发展和成功转型不可或缺的重要条件,图2是部分国际大型商业银行正在进行的大数据分析应用基础能力建设的广泛战略布局。

工商银行对于深化大数据应用的思考

  国际领先银行实践经验表明,大数据在业绩提升、风险管理、效能优化与管理改善等领域发挥了重要的价值,尤其在决策支持、信用风险、精准营销与差别定价等领域创造的价值最大。

  (二)我国互联网公司在金融大数据集成应用布局

  我国商业银行与以百度、阿里巴巴、腾讯(以下简称“BAT")为代表的第三方公司深层次的数据信息资源争夺战已经开始,其大数据战略详见表1所示。

工商银行对于深化大数据应用的思考

  目前,BAT三大互联网巨头已经在金融大数据收集、集成、管理、应用方面领先于商业银行,大数据支持BAT正在支付、贷款、理财、保险、证券、银行、征信、基金、众筹等九大金融业务领域进行广泛布局(详见表2)

工商银行对于深化大数据应用的思考

  从表2可看出,互联网金融已经对商业银行的零售业务形成了强劲的冲击。商业银行虽有数据信息的历史积累和先行优势,但若不重视大数据体系建设和深化应用,不补缺数据信息短板,缺少对客户行为、资金动态、市场及交易动态信息数据的把握,有可能在未来的竞争中处于下风,失去交易、支付、存款、理财等多方面市场和优势。

  二、中国工商银行大数据管理与应用现状及存在的主要问题

  (一)中国工商银行大数据管理与应用现状

  多年来,工行始终高度重视数据、信息、科技对业务的支持、促进与引领作用,在同业中率先完成数据大集中工程,建立了全行级的企业级数据仓库,积累了海量的数据。先后于2013年提出了“信息化银行建设”战略,2014年提出“大零售、大资管、大数据与信息化”战略,2015年提出e一ICBC 2.0战略,2016年提出打造企业级信息应用体系战略,2017年提出建立七大金融科技实验室战略。这些战略的基本理念和思路,是为了充分整合集团内外部信息资源,建立工行信息科技和大数据资源优势,支持工商银行更好地全面深人发展和经营转型。

  (二)中国工商银行大数据管理与应用存在的主要问题

  近几年工商银行正处于“过三关”‘资产质量关、经营转型关和改革创新关)的战略转型阶段,对工商银行大数据管理应用工作提出了更高要求,而且随着经营环境不断变化,基层行对信息支持深度、广度需求也在不断提高,目前工商银行的信息管理、信息服务、信息支撑能力与各级经营管理主体机构(部门)的实际要求之间仍存在巨大差距。

  第一,认识有待进一步深化。目前各级机构最缺乏的不是可供收集的数据,而是对于大数据收集与共享、大数据分析与应用、大数据分析手段与应用方法的认识不足。在省级行本部大数据应用已经达到了一定普及,但在最需要大数据支持的二级分行、支行、营业网点,大数据利用能力逐级衰减。

  第二,数据源有待进一步扩展。目前工商银行可供使用的大部分数据只是解决了经营管理与决策的日常工作问题,缺少深化应用方面的数据支持。比如,开展客户行为分析仅有客户在工行的账户信息是不够的,还应该有客户活动的位置、流量、社交、第三方支付等方面的信息,否则难以完整、准确、全面绘制客户视图,无法准确把握和理解客户需求。

  第三,数据质量有待进一步提高。目前EDW系统信息的全面性、时效性和清洁性能够满足应用的基本要求,但是部分客户联系信息、身份有效性信息、业务发生地、资产状况等信息数据还存在质量问题,即使有了精准营销目标客户也因缺少关键的个人客户联系信息而无法开展相应的客户拓展、挽留、提升等营销工作。

  第四,数据共享性、整合性不高。工商银行在跨部门、跨系统、跨渠道、跨场景的数据共享与整合应用不充分。近年来已经引进了大量外部信息,但是外部信息与工商银行信息整合关联度不够,应用效果不佳;境外机构数据管理基础薄弱,基本没有实现数据集中、共享,没有很好实现与境内机构的信息整合、共享,更缺乏挖掘应用能力。

  第五,大数据分析能力函待进一步提升。工商银行分析师团队仍处于起步探索阶段,虽然建立了一支 “1+X”模式的数据分析师+专业分析师队伍,但绝大部分是兼职人员,在大数据分析技能先进性和应用理念创新性方面仍有巨大差距,二级行及以下机构基本上没有专、兼职的数据分析师或专业分析师。

  第六,数据驱动的业务模式尚未形成。工商银行还没有真正意义上完全依靠大数据支持业务发展的场景和应用,数据分析与业务应用的融合度函待深化,从大数据应用的需求受理、数据分析、建模开发到落地应用周期较长,模型成果尚未充分共享,离将大数据分析结果全面应用到业务管理、经营活动、风险监控、市场营销等众多领域的成功大数据应用模式还有很大差距。

  三、深化工商银行大数据应用支持能力相关措施建议

  面对经营转型压力,借鉴国内外金融同业和顶级互联网金融公司的经验,工商银行应从战略高度重视大数据管理与应用工作,在基础建设和业务应用两个方面同时发力,加快建设和应用步伐。

  在基础建设方面,将大数据发展战略目标分解至具体的落地项目和子项目模块;该人库的数据全部人库,该引进的外部数据及时引进并实现与工商银行已经数据的匹配与整合应用;密切关注全球金融科技的创新与应用,保持科技领先,建立快速获取新科技并转化为银行产品服务应用的能力;不断搜寻数字化合作机遇与伙伴,构建金融科技生态圈,建立客户生态系统和合作伙伴生态系统。

  在业务应用方面,坚持问题导向、应用导向、市场导向和基层导向,从推动大数据应用促进业务发展和经营转型角度,努力解决好数据管理和应用问题,实现全行数据标准统一,推动大数据在全行精细管理、精准营销、风险识别、业务考核等方面得到有效、全面、准确、及时应用。

  具体从以下几方面人手:

  (一)进一步夯实大数据深化应用基础

  第一,建立集中共享的全行大数据管理基础体系。以大数据云服务平台转型为基础,构建覆盖内外部、多模态的大数据收集、集成、共享、应用的大数据管理架构。

  一是建机制。建立新业务、新产品数据人库快速响应机制,实现系统建设和数据人库同步设计和开发制度。

  二是补短板。以业务需求为导向,加快同业、大资管、大投行等还未实现数据人库共享的业务数据人库管理;根据业务应用场景需要,加快引人外部流量数据、电商数据、社交数据,并与工商银行已有数据进行整合与应用;加快推进境外机构和子公司等数据人库,构建集团层面的客户统一视图。

  三是扩渠道。研究制定工商银行大数据资源规划,制定大数据对外合作指引,并加快通过外部数据采购、大数据对外合作等方式,学习借鉴业务和互联网公司先进的大数据管理与应用能力和成功应用模型,逐步建立工商银行大数据应用管理模型库、知识库,拓宽工商银行大数据应用渠道。

  第二,建立大数据挖掘应用平台和应用工具环境

  一是在传统批量加工和线下数据查询分析基础上,打造工商银行线上数据实时、准实时的高端分析能力;

  二是建立开展线上数据分析、模型运营和部署能力,以云服务和AP工接口思维升级打造“数据即服务”模式,打造包含工商银行、客户、合作伙伴三方共赢的大数据应用生态圈;

  三是优化完善数据应用环境和工具体系,搭建全行共享的数据挖掘、机器学习平台环境,提升工商银行数据应用能力;

  四是聚焦人工智能等金融科技迅速发展的重点领域,构建覆盖数字洞察、数字营销、数字风控、数字运营的全新金融数字化生态。

  第三,加强大数据管理与应用人才队伍和企业文化建设。基于现有“1+X”分析师体系,向两个方向进一步拓宽大数据人才队伍建设,打造工商银行大数据应用核心人才队伍。

  一是将推动现有“1+X”分析师队伍向更加专业化的分析卓越中心演进,主要工作任务是承担起工商银行探索性、开拓性、综合性重点大数据分析应用工作需要,并负责开发、管理和优化全行共享的各类大数据分析应用业务模型。

  二是加强二级行、支行大数据管理、分析、应用人才队伍建设,主要承担大数据应用业务需求整理、应用共享大数据模型和知识库解决基层行大数据应用问题、跟踪监测并及时反馈本级机构各类大数据模型应用效果和存在问题,加强大数据管理与应用企业文化建设,要建立“相信数据、尊重数据、依靠数据、敢用数据、善用数据”的企业文化。

  (二)进一步提升大数据深化应用能力建议

  在支持精准营销方面,利用大数据分析挖掘方法建立完善的产品响应体系,进一步丰富产品响应模型,建立智能营销推荐引擎,支持精准营销策略的智能化运作,持续提升产品推荐的智能性和精准性,提升客户价值贡献。

  在支持风险识别方面,加快人工智能技术在风险管理领域的应用,提升信贷业务领域客户关联关系分析能力,构建违约风险传导模型,预判风险客户违约概率,并对风险客户进行预警提示;研发基于大数据的个人客户贷后预警模型、贷前风险筛查模型和虚假贷款风险筛查模型,全面提升个人客户风险识别预警能力;将信用卡专家型决策转化依托大数据分析决策方式,制定更为精细化的信用卡授信策略,完善信用卡业务及风险监测预警模型体系。

  在支持绩效考核方面,在绩效考核领域,重在打通科学激励落地的“最后一公里”,要加快实施全行客户贡献精准计量项目,进一步优化完善个人客户贡献模型和法人客户贡献模型,建立同业客户贡献模型,完善客户贡献评价标准,做到客户价值贡献的真实反映,实现客户贡献模型的显性化、可视化、集成化和标准化。

  在支持市场拓展方面,探索应用大数据拓展客户,拓展外部数据,充分利用工商注册企业信息、海关、征信信息、移动APP、位置信息等外部数据或客户关系信息支持新客户拓展,依托电信运营商、互联网公司庞大的用户群体、社交生态圈和丰富的应用场景开展客户引流,探索基于互联网客户需求的直销式获客,建立线上拓户模式,创造新的客户来源。

责任编辑:韩希宇

收藏

为你推荐

收藏成功

确定