大數據服務助力農業銀行數字化轉型的實踐分析

陸祖萬

（農行青海省分行，青海 西寧 810000）

“數字化轉型 再造一個農業銀行”是行黨委在數字化技術革命浪潮和金融業競爭格局重組背景下做出的戰略性、前瞻性布局，大數據作為數字化轉型的關鍵，是支撐智慧營銷、智慧風控、智慧運營、智慧決策的核心驅動力之一。持續推進大數據服務建設，探索構建一體化數據中臺，促進數據資產的價值轉化，必將為農行數字化轉型提供強勁動力。

一、大數據時代新趨勢

大數據時代，銀行開始逐步建立信息化經營發展的思路，整合業務，集中上收數據并進行深度挖掘，以大數據為企業長遠發展的目標和路徑，從數據收集、數據處理和數據分析入手，對業務進行經營分析。大數據時代下，業務的整合使各地區、各業務、各產品以及各操作環節之間的關聯度更緊密，改變了原有的風險點分布和表現形式，風險的多樣性、聯動性、隱蔽性、復雜性正在進一步增強。數據和數據傳播方式的發展，使得金融行業邊界模糊，很多互聯網企業進入金融行業，并借助產品創新能力、市場敏感度和“大數據”處理經驗等優勢挑戰銀行。阿里巴巴提出了“平臺+金融+數據”的戰略，數據已經成為阿里巴巴最核心的資產。

二、大數據服務助力農業銀行數字化轉型的實踐

（一）立足基礎，穩步推進大數據服務建設

農業銀行啟動大數據基礎設施建設以來，聚焦于搭平臺、建機制、強治理、做服務，借鑒同業先進經驗，開始規劃建設農行特色的大數據服務體系。企業級大數據平臺已基本建成，數據量、處理能力已處于同業先進水平，具備了全行數據統一支撐能力。在行內數據方面，完成行內主要系統數據和分行核心業務數據入庫，整合了源系統395個、源表12497 張。在外部數據方面，在強化行內數據深度應用的同時，引入了應用廣、價值高的工商、司法、輿情等外部數據。構建兩類資源一是數據集市建設統籌規劃、穩步推進。加大數據整合共享，按照業務主題規劃了個人、對公、監管、財會、風險、審計內控、運營、分行等八大數據集市，并按照“急用先行”的原則推進集市建設。其中，個人、對公客戶集市分別完成投產，構建了全行個人、對公客戶統一視圖，為客戶精細化管理提供了強力支撐。二是統一指標庫初具規模、持續擴充。按照“報表指標化、指標層次化”的理念，構建了“常用指標-多維指標-基礎指標”三層指標庫，覆蓋了財會、資負、風險、零售、對公等主要業務條線。打造四種服務一是開拓大數據分析服務，賦能業務經營管理。以數據分析示范項目為依托，以營銷和風控領域為突破，協作開展大數據分析挖掘項目，敏捷響應小型專題分析，數據分析與業務經營深度融合，數據價值較好地轉化為了經營效益。例如，構建網捷貸精準營銷模型，客戶申請率達到自然營銷的25 倍；構建線上化零售貸款評分模型，覆蓋零售客戶的全方位信息，有效提升模型識別精準度。二是深化經管信息服務，內外部數據共享應用開創新局面。經營管理信息平臺完成一期建設和全行推廣，實現了通用指標報表的集中加工展現，面向全行提供常用指標、多維分析、靈活報表等多種數據產品，面向管理層提供圖形化、可視化的業務看板。三是基于共享數據視圖，持續做好各業務應用系統數據服務支持。以接口服務方式為各類系統提供數據支撐，目前大數據平臺及數據集市已支撐資產負債管理、客戶關系管理等25 個應用，成為全行數據共享應用的中樞。四是強化監管統計服務，監管數據管理效能穩步提升。

（二）做活數據，全面賦能數字化轉型

數字化轉型戰略，對大數據服務提出了新的更高的要求，傳統被動式的數據服務理念面臨新的挑戰，只有兼具穩定與敏捷、智能與開放的主動式數據服務，才能適應當前數字化時代的商業環境。數據中臺作為核心支撐部分，充分運用技術后臺提供的彈性擴展計算與存儲資產，通過數據的有效整合、資產提煉、持續治理，以多樣化平臺化的數據服務，全面賦能業務前臺。數據中臺建設的核心包括數據平臺、數據資產、數據治理、數據服務。數據平臺。持續推進大數據平臺和數據集市建設，實現行內外數據的統一入庫、整合共享。建設企業級大數據平臺，整合行內信息系統數據和外部數據，匯聚線上線下數據，實現數據全入庫。基于大數據平臺，整體規劃、分步建設八大業務主題的數據集市，為各業務領域提供更加便捷、靈活的數據支撐，滿足各條線專業性、個性化的數據應用需要。數據資產。全面提升數據資產管理能力，構建統一指標庫、客戶標簽庫、分析模型庫，打造高效便捷的共享資產中心。構建常用指標-多維指標-基礎指標三層指標庫，統一數據來源、統一業務規則、統一數據加工，提升數據的一致性、權威性。建立分層次、跨領域、面向場景的共享標簽體系，支持一客一面、千客千面的客戶畫像，提供定制化的敏捷數據服務。建立集約化、規范化的數據分析挖掘模型庫，打造敏捷迭代的模型流水線，支撐模型的全生命周期管理，將數據以最快速度轉化為業務價值。數據治理。統一數據標準，加強數據質量源頭管控，建立數據安全保護體系。統一數據標準，建設企業通用數據語言。以數據模型為基礎，建設覆蓋主要業務領域的專業數據標準和常用指標規范，持續推進各類標準貫徹應用，并依托元數據管理系統對數據標準進行統一管理。強化數據質量管控，提升源頭數據質量水平。構建數據質量定義、控制、監測、整改、評估的完整鏈條，理順相關方的職責關系，建立數據質量管控的良性循環機制，促進數據質量穩步提升。

海量數據資產是一座亟待發掘的金礦，圍繞全行數字化轉型戰略，持續推進一體化數據中臺建設，凝神聚力、交融互鑒、開拓創新，利用大數據賦能業務特點，將數據的觸角延伸至經營管理各個領域，深度助力農行數字化轉型，譜寫新時代高質量發展新篇章。