摘要： 我们从数据治理的组织架构、管理体系和质量控制体系三个方面入手，建立了完善的数据治理体系，目的就是在银行业金融机构内部实现数据驱动，提高管理精细化程度，最大化发挥数据的价值。 01 前言我们从数据治理的组织架构、管理体系和质量控制体系三个方面入手，建立了完善的数据治理体系，目的就是在银行业金融机构内部实现数据驱动，提高管理精细化程度，最大化发挥数据的价值。目前，众多的银行机构通过有效的数据治理措施，保证了数据作为重要资产的价值，但要发挥数据资产的作用，还需要一个对数据进行加工处理、分析挖掘的过程。 02 发挥数据在风险管控方面的作用《银行业金融机构数据治理指引》第三十九条 银行业金融机构应当充分运用数据分析，合理制定风险管理策略、风险偏好、风险限额以及风险管理政策和程序，监控执行情况并适时优化调整，提升风险管理体系的有效性。 全球系统重要性银行应遵循更高的标准，对照有效风险数据加总与风险报告评估要点的相关要求，强化风险管理。 在《银行业金融机构数据治理指引》中明确的规定了金融机构应当充分利用自身在数据和分析上的优势，合理制定风险管理策略，提升风险管理体系的有效性。风险管理是银行的生命线，风险管理的成败决定着银行的存亡。目前，银行在进行信用风险决策时，主要依据客户的会计信息、客户经理的调查、客户的信用记录以及客户抵质押担保情况等，通过专业人员判断进行决策，这种决策模式可能会带来以下后果：一是这种模式只适用于经营管理规范、会计信息可靠、信用记录良好的大公司或有充分抵质押物并经营良好的中小公司，对于占比较大的小微企业并不适用，银行在无形中就丢失了这部分客户；二是决策基本上取决于信贷审批人员的主观判断，缺乏足够的客观证据，信息不对称、标准不统一，致使业务流程复杂、效率低下；三是决策依据的主要企业过去的静态信息，而不是实时的动态信息，这种信息的时效性、相关性和可靠性不足，风险不能得到有效的控制。而通过对数据的分析和挖掘，利用大数据技术是可以有效地解决上述问题的，一方面，通过多渠道多维度采集数据，可以帮助银行更全面、更真实、更准确、更实时地掌握借款人信息，有效降低信息不对称带来的风险。另一方面，利用大数据技术可以找到不同变量间新的相关关系，形成新的决策模型，使决策更准确、更统一、更公正。国内阿里金融正是利用阿里巴巴B2B、淘宝、支付宝等电子商务平台上客户积累的信用数据及行为数据，引入网络数据模型和在线视频资信调查模式，通过交叉检验技术辅以第三方验证来确认客户信息的真实性，更加重视数据，而不是依赖担保或者抵押的模式，着力发展小额贷款，使用阿里金融获得了向银行发起强有力挑战的核心竞争力。 03 发挥数据在服务模式及产品创新方面的作用随着利率市场化和民营银行建设的加剧以及互联网金融的兴起，银行竞争更加激烈，利差进一步缩小，银行纷纷进行发展模式的战略转型。经营模式从“以产品为中心”向“以客户为中心”转型，营销模式从“粗放营销”向“精准营销”转型，服务模式从“标准化服务”向“差异化服务”转型，这一切都必须建立在银行充分掌握客户信息的基础上进行，随着大数据技术的出现，银行可以通过广泛收集各渠道、各类型的数据，利用大数据技术整合各类信息，还原客户的真实面貌，以帮助银行切实掌握客户的真实需求，并根据客户的差异化需求快速做出就对，实现“精准营销”和“个性化服务”。 在零售银行业务中，不仅可以通过数据分析来判断客户行为并匹配营销策略，大数据还为更加精准的营销提供了广阔的创新空间。例如，有些银行开始围绕客户的“人生大事”进行交叉销售。通过对客户的交易数据分析，由些推算出客户经历“人生大事”的大致节点，人生中的这些重要时刻往往是能够激发客户对高价值金融产品的购买意愿，从而创造出更多的销售机会和成功率。具体做法就是银行通过大数据分析发现，家中即将有孩子上学的客户对教育理财产品的潜在需求最大，银行面向这类客户提供更多定制化的服务和营销活动，就会获得客户更加积极的响应。 04 发挥数据在运营决策上的作用近年来，银行的管理升级行动层出不穷，各种管理理念和管理模式在银行轮番应用，在很多管理升级行动实施后，银行的绩效却并未因此得到很大提升。根据1993年的调查，世界500强企业中65%的企业宣称已经进行或者将要进行业务流程再造。然后，2001年的一份统计研究显示，70%的业务流程再造项目以失败告终。管理升级失败的一个重要原因就是很多管理理念或管理模式是在缺乏有效数据支持的情况下，仅凭管理咨询公司或企业领导人“拍脑袋”决策推进的。一些看起来很漂亮 ，在其他企业也成功的理念和方法却并不适用于本企业。 大数据的本质特征之一是在决策模式上与传统模式不一样，大数据强调决策应建立在牢固的数据证据基础上，通过对比、实验等方法对现有的认知规律进行检验，是找到真正能够解决企业问题的利器。 大数据的作用不仅仅体现在银行的前台与中台，也能惠及后台运营以及管理层决策领域，在互联网金融风生水起的当下，“O2O”成为银行的热点话题，通过大数据分析可以甚至可以完全解答“哪些银行客户适合线上渠道？哪些客户又不愿意？”、“在城市的什么位置适合设立网点？”等问题。大数据分析和挖掘不仅可以帮助决策层进行运营调整，引导客户转移、减轻网点压力，同时还能保障客户获得最好的体验。 05 总结要实现以上目标，准确地进行战略决策、持续地推进和鼓励创新、技术的创新利用是必不可少的。根据《银行业金融机构数据治理指引》的相关要求，银行业金融机构在进行数据治理，使用大数据技术来实现数据的价值发现时应当制定与银行整体战略相整合的大数据战略，制定符合自身实际的大数据战略，明确大数据应用的方向，制定大数据实施路线图并落实相关预算；以持续改进的方式应用大数据，避免颠覆性创新，银行业金融机构应当持续改进创新模式；设立专门的大数据实验室或创新实验室来推进数据治理工作。 说明：（1）本文为笔者对银监会2018年5月21日发布的《银行业金融机构数据治理指引》（银保监发[2018]22号）的理解，以及多年银行信息化建设从业经验总结而成。（2）文中的配图大多来自互联网上授权图片提供商，并已获得免费使用授权，如果文中内容或是图片侵犯到您的权益，请及时告诉我。（3）由于时间有限，文中难免会出现各种错误，恳请您的批评和指正。 |
|
|
