數據治理與大數據應用的關系構建

　　數據治理是由組織架構、數據全生命周期的管理流程、方法、工具和基礎設施構成的體系。在組織結構上是由董事會、高管層、業務應用部門、技術部門共同構成的。之所以提到這個高度，是因為數據對于銀行來講是滲透在日常所有經營工作的一個過程。抽象的看銀行經營的最重要的兩件事：一是資金，另一件就是數據。所有的資金都是由數據化形式表達的，銀行經營需要數據，有充分的數據很多事就比較好開展，反之就很難。所以，數據治理一定是企業整體的事情，包括管理框架、數據資源、流程和技術平臺、以及與之相應的治理結構。

　　在以前的信息化時代，銀行就非常注重數據治理，但主要是針對內部數據，包括：如何采集準確的數據，如何形成標準，質量管控、數據架構管理等；并按照數據采集、加工、分析、質量控制等管理過程、方法來實施。到了大數據時代，數據治理越發重要，其本質雖未改變，但其外延和內涵卻已被擴大，從外延看，不僅要看銀行內部的數據，還要看外部的數據以及與大數據相關的事情，包括與外部的一些數據OWNER合作開展業務；從內涵看，數據治理正在向數據經營發展，數據正在構建新的業務模式。

　　如果原來董事會與高管層只需做到對數據重視，關注數據真實性、數據的質量，那么現在則必須是戰略層面的事情。數據治理已明確被寫入銀行的戰略規劃，這不僅是來源于監管機構的管理要求，更主要是來自銀行自身的要求。比如我們銀行在戰略轉型中，與數據治理的結合更緊密，并充分結合業務發展。這是一個非常大的變化，也是典型的特征。

　　數據治理的工作原來在技術部門，伴隨數據和業務結合更加緊密，目前則有了兩個重要變化：1、與業務深度結合，出現了新的業務模式。如：資本協議中的信貸業務、《巴Ⅲ》中的風險管理，我們之前用自己歷史形成的數據建立數據分析模型?，F在我們已在和外部有關企業合作，提供多頭借貸等方面的數據；我行與百度成立的百信銀行，完全靠數據和技術構建其業務模式，正式開業不到一年，業務快速增長，勢頭良好。2、數據不僅是決策、經營的依據，也是經營本身。目前，我行的客戶經營、業務推薦，風控和防欺詐模型，都是依靠數據。種種跡象表明，數據已經上升為企業價值管理層面的屬性，越來越多的銀行通過數據構建新業務，銀行的數據治理無論是外延還是內涵已經明確地被擴大。

　　金融行業數據治理的核心價值

　　很多年前對數據治理的風險建模、分析挖掘等，最被大家認可的業務價值是在節約資本方面。當今，核心價值擴展到新的業務模式，可以擴大自己的客戶群，把原來服務不到的客戶考慮進來，如將長尾客戶發展為客戶，之前不做是因為我們沒有辦法了解他們，不知道他們是否有可靠的還款能力?，F在則可以通過大數據來分析，比如通過客戶的日常各種消費習慣行為等非金融數據，來分析他們的需求，從而輔助銀行更好地服務于他們，包括他們的理財需求、借貸需求。所以對于經營資本節約、擴大經營，幫助銀行挖掘擴大客戶群，幫助判斷銀行的經營決策等方面，都是很有效的。

　　當前業務重點關注的數據治理價值

　　一、分析挖掘潛在客戶。從2013年開始，中信銀行團隊開始規劃架構和搭建數據倉庫和大數據平臺。對比同業，我們起步比較晚，但同時也有著后發的一些優勢，因為可以同時來構思部署新的技術。經過幾年的實踐，我們在零售方面做的還是很好的，這依托于我們優秀的客戶數據分析團隊。他們在促進客戶AUM增長、睡眠客戶喚醒方面都取得了很好的分析效果。經過對數據的深入分析挖掘，利用模型分析營銷，完成閉環的分析與營銷工作，僅去年通過數據分析帶來的AUM增長達到1500億。

　　二、發現客戶潛在流失風險，及時采取措施，避免客戶流失。我們在對公業務傳統上比較強，積累了很多的經驗，服務于很多大型企業。目前也在著重發展新的業務領域，利用“鏈式營銷”，分析、挖掘潛在消費客戶。之前是從購買合理公開的數據基礎上，用傳統方式營銷，新業務拓展效果相當有限。而現在利用數據分析法，使用了鏈式營銷，效果提升了幾百倍，同時也大幅提升了對核心客戶的服務能力。

　　三、風險管理上，數據治理工作必不可少。在這幾年的分析、挖掘、收集、優化的閉環工作中，我們發現不足，不斷改良提升，提高模型精確度和數據準確度。合規是銀行的底線，不可逾越。以前銀行不太重視，只要完成交易業務就可以了，現在在反洗錢，反欺詐等問題上，都要求保證交易雙方交易信息的完整性，通過這幾年的治理，合規部、審計部、風險部、業務部門和技術部門一起，通力大力配合，

　　已基本解決了這一問題。數據治理不僅滿足了合規要求，同時也為客戶軌跡分析提供的數據積累，不但達成了監管部門的要求，也對我們內部的信息完整性、數據模型的建設都帶來了好處。

　　另一個數據治理典型的例子是我行治理手機號。數據在不同時間、條件下，準確性要求也發生了變化，比如手機號碼。長期以來，在客戶開戶時，實名、身份證是法定必要記錄并登記的，客戶聯系方式手機號碼卻不是很重要。但現在變了，隨著移動互聯網發展，手機號碼變成了非常重要、甚至是最重要的數據，關系到客戶資金的安全，要有數據的權威性，甚至要為之改變業務流程。業務部門了解了相關要求和重要性，主動積極地配合這種調整，大家共同推動完成。

　　數據治理對風控價值的認識正不斷提高，越來越多的業務部門逐步認識數據的價值，對數據治理的工作也重視起來?，F在，大家都在主動配合、主動提出來做相應的工作。

　　銀行業數據治理工作實戰建議

　　以往我也會經常強調：現在的數據治理工作一定要從業務價值出發，與業務部門一起分析價值，關注數據風險。在數據采集、質量控制、變更等工作全過程中，都會有和數據治理發生的各種關系。比如：電子渠道的業務協同，一些數據更改，在單個渠道上看似沒有風險，但是在另外一個渠道上就出現業務風險了，很容易被欺詐團伙利用和攻擊。

　　在大數據方面，要避免一些誤區。比如曾經有些業務部門同事認為，數據現在哪里都有，買來就可以用；海量數據時代，為什么我們還要自己整理還要錄入才能用？但是，通過實戰中發現，即便與最好的數據公司合作，買來最好質量的、不涉及隱私的數據，在行內測試中都會發現還是有些問題，幾乎50%左右的數據都有問題，不能直接使用。實際上，外部數據也要認真分析整理后才能用。數據治理的本質沒有變，不會因為數據來源擴大了，就不需要管理了，不但要對內部數據管理好，對外部數據也要管理起來，仔細甄別管理，控制成本，使數據發揮出最大的效力，切實地管好用好數據。

　　數據治理雖然聽起來高大上抽象一些，但在實際工作中我認為：它就是和業務流程、質量控制、信息安全、風險控制等方面都息息相關，是一件件具體的工作和案例。里面要有技術方案、要有業務流程、要落地。這在零售業務上體現的尤為充分。

　　中小銀行數據采集應用工作建議

　　中小銀行業務比較小，我建議：

　　首先，合作是根本。通過合作來擴大業務范圍和工作模式；

　　第二，可以根據每家行的目標客戶、服務客戶和業務模式，來使用和管理數據。要把數據當作一種資產而不僅是工具，并且與業務相結合，找到一個點開始。每家中小銀行不可能面面俱到，但一定會有自己的特色，利用好自己現有的數據；

　　第三，監管機構已認識到數據治理的重要，也在建立一些平臺，幫助銀行利用好數據。大銀行的樣本量很充足，但中小銀行樣本量可

　　能不足，很難做出好模型。但也可以探索做一些建模工作，找一些評級企業來做些專業化評級分析，幫助分析出好的、不好的情況。同時與外部企業合作，合理利用內外的數據并對自己的情況做些評級。根據自己的特色、目標客戶與風險偏好來做好選擇。

　　第四，用數據說話，用數據決策，反應經營狀況工作。這塊雖然有難度也要堅持做好，保證數據準確性、保證信息安全、保證數據收集的有效性和及時性，善于利用與展現這些數據。

　　數據治理與人工智能分析與展望

　　數據治理是人工智能的基礎，如果這塊做不好，人工智能開展就困難。我們要堅持兩條腿走路，把自己內部數據管好、用好、采集好。另外也不放棄與外面的合作，幫助我們做好工作。

　　原來是報表很多，但現在有了很多的新技術、開源小工具，很靈活好用，只依托以往報表的手段就不夠了。目前我們也在討論和反思，如何把數據采集、加工做好，不僅讓大家能用好，還要能夠長期、主動地用起來。這是不是類似積木：很簡單的一些標準件，可以做出很多排列組合。

　　我們嘗試提供工具和平臺，鼓勵同事們自己來做些數據分析。低端用報表來處理，高端用SAAS和人工智能模型來用，我們技術部門力求不把這塊做成高難的技術型，而是要讓非技術部門的同事都可以利用起來。同時，通過技術骨干的培養，幫助行里其他部門人員使用這些技術工具，用數據分析來幫助業務工作的開展。當然好多的機會不是事先來定的，而是在工作中發現了解，判斷出來的。技術人員要既懂技術、又懂業務，才能更有效幫助行里其他部門。這一點也可以為其他兄弟銀行做些參考，做些實際的事情。

　　相信未來，會在更多領域、更多層面體現出人工智能與數據治理的作用，從而幫助我們更好地生活。

責任編輯：Rachel