• 移动端
    访问手机端
    官微
    访问官微
    搜索
    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。

    贵阳银行:零售数据应用能力建设实践

    来源:中国电子银行网 2022-04-27 11:51:53 贵阳银行 数智平台
         来源:中国电子银行网     2022-04-27 11:51:53

    核心提示贵阳银行零售数据应用能力建设实践包含三部分:零售数据集市、数据分析平台和零售数据应用生态。

    网站文章置顶图750x300

    案例名称

    贵阳银行零售数据应用能力建设实践

    案例简介

    为充分激活数据要素潜能,深入推进大零售金融数字化转型战略,提升零售业务精细化运营水平,在数据基础和应用现状的基础上,以零售场景为试点,推进数据能力建设。基于大数据存储、计算、分析处理和人工智能技术,通过搭建零售数据集市和数据分析应用平台,在零售条线形成统一有效的数据基础和应用体系,建立从数据接入存储整合、数据分析建模、数据业务应用、数据资产沉淀的数据化业务运营流程体系,提升零售数据规范水平和挖掘应用能力,赋能我行零售业务在精准营销、智慧运营等多个场景,打造数据赋能业务、业务推动数据的数据应用生态。

    创新技术/模式应用

    贵阳银行零售数据应用能力建设实践包含三部分:零售数据集市、数据分析平台和零售数据应用生态。

    零售数据分析平台架构图

    图1 零售数据分析平台架构图

    1、构建零售数据集市,激活数据要素潜能,为赋能零售业务提供数据基础。依托数据治理能力建设,通过数据标准化、数据安全管控和数据质量管控,保障数据的易用性、安全性和高质量;基于数仓和大数据平台,通过大数据存储、灾备、传输和计算技术,在数据存储、整合和共性加工后建立零售集市和指标库、客户标签库,形成统一的数据应用体系,为赋能零售业务提供数据基础。

    零售数据集市架构图

    图2 零售数据集市架构图

    2、搭建数据分析平台,涵盖多种智能分析工具,构建数据驱动内核中枢。基于管理决策者、业务人员、专业技术人员等不同潜在用户的使用需求,创新设计面向不同角色、差异化应用场景的数据分析应用平台,利用ADS数据库、Doris数据库等分布式技术、人工智能技术、多层级权限管理审批机制,为数据安全、数据灵活高效分析、数据价值挖掘、数据应用和管理决策提供工具支撑。

    面向不同用户的功能架构图

    图3 面向不同用户的功能架构图

    (1)数据视图,助力管理者决策分析。零售全景视图实现零售业务指标线上化、可视化,支持不同业务场景,总分支多层级数据权限控制,通过不同机构业务指标横向对比,同一机构零售业务纵向评估,实现智能管理。

    零售业务全景视图

    图4 零售业务全景视图

    备注:展示数据为模拟非真实数据,仅用于配合数据视图要素呈现

    (2)数据智能分析,支撑高效数据探索和数据资产沉淀。通过数据导航、敏捷数据分析、客户画像、客群画像,指标管理、标签管理、数据采集、报表发布、数据应用商店和平台答疑10大模块,实现了可用数据快速定位和自助式业务数据探索。数据查询分析秒级响应、结果实时发布,解决固定报表开发周期长,灵活性差等痛点,简化了工作流程,为业务价值共享提供了工具。

    数据智能探索分析

    图5 数据智能探索分析

    (3)数据挖掘工具,实现模型搭建部署应用全流程一站式管理。通过可视化界面实现数据准备,数据预处理、特征工程、模型训练、模型预测与评估的全流程,涵盖50多种实用的、经典的统计挖掘算法和深度学习算法;采用分布式内存计算,可通过多节点集群支持数据的挖掘与分析。基于平台搭建零售业务场景模型库,将大数据、人工智能技术与零售业务场景相结合,在智能营销、智能运营等方面实现科技赋能业务、从数据到业务价值的转化。

    数据挖掘建模分析

    图6 数据挖掘建模分析

    3、沉淀数据资产,构建共享交流的数据生态。通过提供快捷易用的工具加人才培养机制,提升业务条线自主数据分析及应用能力,建设我行数据科学人才队伍。与此同时,通过数据应用商店发布共享数据探索成功案例,沉淀数据资产;通过评论,点赞等功能打造数据社区,营造数据化运营生态。

    数据应用生态

    图7 数据应用生态

    项目效果评估

    零售数据能力建设方案从数据治理、数据资产沉淀、平台支撑和科技赋能业务场景四个方面,提升了应用的能力。

    1、夯实数据应用基础,赋能前端业务应用。解决了业务数据来源广泛、涉及系统多、数据结构多样造成数据口径不一致、标准不统一的数据应用痛点。在数据存储、整合和共性加工的基础上,从客户主题域和管理主题域出发,建立涵盖零售储蓄、信贷、信用卡、客户管理、渠道管理、运营管理等方面的宽表分析体系,形成统一的数据应用体系和指标标准,快速响应业务分析需求。与此同时,赋能零售相关业务场景,已为客户管理、客户营销、网点管理、移动办公等多个系统提供数据支撑。

    2、创新数据应用机制,实现高效自助式分析。通过数据分析平台为面向不同角色差异化数据应用场景,提供方便实用的工具支持,解决了原有固定报表应用机制带来的报表需求多,灵活性差、开发周期长的痛点。针对管理决策者和业务人员,保障数据安全的前提下,提高获取数据的能力、缩短平均数据访问时间,提高工作效率;针对专业数据分析人员,使其可以高效、方便地获取数据,以灵活的分析方式产出分析报告和业务模型;针对数据技术人员,节省基本数据服务的时间,继续优化数据质量,深化管控能力。

    3、提升数据应用能力,构建数据驱动能力中枢。通过数据挖掘工具实现零售业务场景模型从数据准备、模型开发、模型入库、模型部署到模型监控的全生命周期管理,并为下游应用提供数据服务。基于分布式框架实现高效开发部署,具备灰度发布能力;基于大数据、人工智能技术和平台搭建零售业务场景模型库,通过构建涵盖精准营销、智慧运营等场景的模型,强化我行数据应用能力,降低营销成本、提升行内客户资产留存率、降低客户流失率以及提升内部管理效能。

    4、打造数据应用生态,“人人都是数据分析师”。通过“自助分析”、“数据案例共享”、“点赞评论”实现分析案例分享、传播,可以快速定位热门案例,案例快速复用,利用社区进行经验分享交流。沉淀业务分析价值的同时快速提升业务条线自助数据分析及应用能力。

    项目牵头人

    张晓琴 项目负责人

    项目团队成员

    项目核心团队成员:杨炯、张晓琴、成运、晏玉珽、张梳

    责任编辑:韩希宇

    免责声明:

    中国电子银行网发布的专栏、投稿以及征文相关文章,其文字、图片、视频均来源于作者投稿或转载自相关作品方;如涉及未经许可使用作品的问题,请您优先联系我们(联系邮箱:cebnet@cfca.com.cn,电话:400-880-9888),我们会第一时间核实,谢谢配合。

    收藏

    为你推荐

    收藏成功

    确定