人工智能、大数据、云计算等技术不断成熟，给银行业带来前所未有的机遇和挑战。在自身发展和外部竞争的双重压力之下，数字化转型已成为商业银行高质量发展的战略选择。近年来，农业银行积极融入数字中国建设，将数字经营作为三大战略之一，全面推进数字化转型，加快形成数据赋能、科技支撑、数字经营的智慧银行新模式，打造数字时代竞争新优势。转型过程中，农业银行高度重视数据要素的驱动作用，围绕数据“用起来”，优化数据组织、深化数据应用、实施综合治理，并在“用数”中培养业务人员的数据思维、迭代提升数据服务能力，让业务越来越会用，让数据越来越好用，创新性地构建了数据建设与业务应用互促互进的价值闭环，逐步培育数据资产丰富、业务应用深入、数据治理有效的数字生态，较好地发挥了数据要素对经营转型的支撑和驱动作用。

中国农业银行信息管理部总经理 孙建平

一、高层重视，布局顶层设计

数据产生于业务、承载于系统，经过加工分析终又“反哺”业务。这一过程贯穿银行经营管理始终，涉及业务、数据、科技等多个部门及总分行各级机构，是一个复杂的系统，需要全局的设计布局和强大的组织推动。农业银行高管层历来重视数据管理与应用，从战略层面明晰职能、理顺关系、培养人才，为数据资源的管理应用搭建了顶层机制。

1.坚持数据能力统一建设，强化数据管理部门的归口作用。提出“集中建设，共享使用”的总体策略，由总行数据管理部门统筹数据资源的管理使用、统一推进数据能力建设，避免各条线各分行重复建设、“各自为政”。作为全行数据的统筹管理者，数据管理部门依托数据中台为全行提供统一数据服务，确保了数据的权威性、一致性。

2.以项目形式落地数据应用，将数据切实融入业务经营。数据能不能用起来、用得好不好，关键还要看业务部门。数字经营战略实施以来，农业银行聚焦业务痛点难点、结合数据应用急需，每年优选10个示范项目，建立“业技数”融合的敏捷团队，通过项目迭代方式推动数据应用做深做透。一方面使数据能够真正融入业务、创造价值；另一方面发挥重点项目的示范引领作用，以点带面推动“用数”常态化。

3.科技对口集中支持，夯实数据工作落地实施的技术支撑。数据部门和科技部门间建立“协同共建”的合作模式，在科技部门指定专门团队对口负责数据类基础设施、工具平台的技术实施和日常运维。数据部门侧重“管”“用”、科技部门侧重“采”“建”，形成数据能力建设合力。

4.加强专业人才培养，做实数据分析师“1+N”队伍。专业人才队伍是数据要素作用发挥的基础支撑。与数字化转型同步，农业银行采用卓越中心型组织模式，以“集中为主，统分结合”为原则组建数据分析师“1+N”队伍。其中，“1”为数据部门核心团队，“N”为各部门、各分行小型团队，“1”与“N”以项目为单位聚集，分别发挥“懂数据”“懂业务”的优势，协作完成数据应用。

二、降低门槛、提升体验，“建—用”迭代让数据更好用

传统以数据集成为主的用数方式高度依赖数据团队和技术人员，门槛高、周期长、响应慢。这是用数难的根本原因，也在一定程度上挫败了业务的积极性。农业银行依托数据中台，提炼数据资产，创新工具方法，面向用户提供功能化、自助式的数据服务，并根据用户使用反馈持续打磨优化，形成了让数据越用越好用的正向循环。

1.以数据资产为核心打牢“用数根基”。在持续建设“三库一谱”（数据标签库、统一指标库、分析模型库和知识图谱），提炼积累数据标签、统一指标、分析模型、知识图谱等数据资产的基础上，针对新形势下数据应用精度要求越来越高、粒度要求越来越细的总体趋势，借鉴企业级架构理念，启动了宽表建设。宽表认定可信数据源、落地数据标准，对数据中台基础数据进行更为标准化的组织整理，提升数据的规范性、准确性、一致性，让底层数据更加清晰、易用。

2.以用户为中心打磨数据服务。针对高频用数方式或应用场景，面向不同类型用户打造多元化数据服务，并持续打磨完善，不断提升服务便捷性、时效性。

一是自助式BI。为满足业务灵活多变、快速增长的用数需求，在传统BI基础上，引入自助式BI工具，基于宽表数据，让各级经营管理人员、初级数据分析师等可以通过功能点选、图形拖拽的方式独立完成简单统计分析、即时赋能业务决策。自助式BI作为指标报表服务的补充，弥合了业务人员数据技能上的差距，既拉近了业务与数据的距离、提升了数据获取效率，又可以将数据人员从大量的数据统计、分析报告等任务中解放出来，专注于数据能力建设工作。

二是高级分析AI。面向高级数据分析师，打造了数据分析挖掘平台，提供丰富的分析挖掘工具、集成的算法库及共享的知识库，支撑数据分析全流程线上化运营和计算、存储资源的统一管理与分配，为复杂建模、深度挖掘等提供“数据+算法”一站式服务，让跨部门协作创新、数据分析成果复用变得高效便捷。

三是数据产品。着眼于营销价值链，面向各级行营销策划人员，构建“标签中心+决策引擎”，为数字营销提供一体化数据和工具支撑。前端，依托标签中心，以可视化、“拖拉拽”的方式提供灵活客户筛选和全维度客户画像服务，并引入ClickHouse分析引擎，以强大的算力提升海量标签交叉组合效率。标签中心一经推出就受到各级行广泛欢迎，业务应用快速扩面上量，2021、2022年总分行应用量分别3075、14831批次，2023年上半年应用达16382批次、超2022年全年总和。后端，创新决策引擎，提供营销策略配置、ABTest、后评价分析等功能，帮助解答“营销是否有效”“营销对什么人有效”等问题，助力营销策略孵化、迭代与快速部署。同时，针对基层一线用数难情况，联合分行建设大数据实验室，按照“直通基层、敏捷创新”的思路，面向客户经理，快速创新孵化了智迎客、智挽客、智链客等“智”系列数据产品，成熟一个推广一个。丰富多样的数据产品功能实用、上手简单、操作便捷，既可以直接被用户访问，也可以作为组件嵌入业务系统，为数字时代以客户为中心的精细化运营提供了全方位服务支持。

3.数据服务目录助力数据查找、理解。从供给端来看，虽然积淀了丰富的数据、提炼了好用的资产，但业务真正用起来还常常面临找不到数据、不理解数据等问题，阻碍了数据消费。对此，农业银行盘点数据资产，理清内在关系，形成企业级数据服务目录；依托数据资产管理平台对各类元数据进行统一存储、统一管理、统一监控；并面向业务用户，以数据搜索为核心，提供数据资产的模糊查询和目录查找服务，帮助各类用户更加高效地找到数据、读懂数据。作为数据供给端和消费端之间连接的桥梁，数据服务目录打通了数据“用起来”的“后一公里”，目前已覆盖源系统数据、数据湖数据表、宽表数据、数据标签、统一指标、分析模型、知识图谱等全部数据资产。

三、在项目实践中推动“用数”深化，实现转型突破

数据要素要发挥对经营转型的驱动作用，必须与业务深度融合。由于非数字原生企业，传统银行往往难以破解业务与数据“两张皮”问题。农业银行发挥“1+N”优势，以数据分析师为纽带连接数据和业务双方，数据部门的“1”个核心团队充分发挥引导、带动、支持作用，与业务部门的“N”个小型团队联合起来，以项目方式开展数据应用，通过深度用数，驱动业务模式变革、牵引组织机制调整，实现数字化转型落地。同时，项目浓厚的用数氛围、日渐累积的数据能力，带动了业务人员数据思维的逐步提升，进而整体提高了全行用数效率。

1.以数据应用项目为载体，赋能业务、牵引业务模式变革。坚持问题导向，聚焦业务痛点难点，每年优选10个数据应用示范项目，既切中了业务所需，又能调动业务人员积极性。做实闭环迭代，数据建模后即投入试点应用，根据试点结果和应用反馈快速优化，形成“建设—试点—反馈—优化”的迭代闭环；建立全链路指标体系，对项目的实施过程、结果及数据模型进行量化分析，便于精准优化。例如，在普惠金融贷后风险防控中，构建反中介助贷模型，识别黑灰产业助贷引发的欺诈风险，经过3轮迭代，模型准确率由初期的45%提升至83%。强化价值实现，一方面通过数据赋能实现降本增效，发挥数据价值；另一方面驱动业务模式创新，牵引业务流程重塑，实现数字化转型落地。例如，围绕客户旅程，一体化推进信用卡营销、风控、运营数字化变革，打造精准获客、智慧活客、数字运营的全流程数字化经营模式。以项目的方式在数据应用上实现“速赢”，项目成果显化了数据价值，也在大程度上帮助业务树立信心，进一步激发用数热情。

2.积累公共数据能力，服务全行数据应用。如果说数字技术是生产力，那么数据和算法就是生产资料。数据分析师核心团队（即“1”）“以用带建”，在用数的同时建设数据、模型、工具，沉淀方法、技能、案例，为全行数据应用提供一站式服务，助力生产力的大化。经验表明，数据模型构建，60%的工作都在进行前期数据准备。公共数据能力支持可以有效解决为业务需求匹配“合适数据”的问题，典型案例也可以在领域间、分行间规模化复制推广，提升数据应用效率。与此同时，坚持实施“繁星计划”，通过集中培训、跟班学习、分享交流、以赛促学等方式，将数据分析师核心团队积累的知识经验向外输出，帮助各部门各分行持续提升数据应用能力和数据意识。

3.在实践中培养数据思维、增强数据意识。数字化转型，数据和算法是手段，业务转型才是目的。要达到这一目的，业务需要具备数据思维，能够将数据能力和自身业务深度融合，做到用数据思考、用数据说话、用数据管理、用数据决策。面对业务人员在数据上的天然短板，农业银行核心团队数据分析师以项目为抓手，带着业务人员融入数据应用实际、体验数据驱动价值、学习数据应用方法。从开始的不认可、不了解到逐步理解、认同，再到能够主动提出用数需求、拥有敏锐的数据感知，业务的数据思维逐步养成、数据应用能力日渐提升。这不仅能够降低“业数”沟通成本、提升用数效率，反过来业务人员数据应用能力的提升也会对数据本身提出更高要求，促进了数据能力建设的不断演进。

值得关注的是，数据思维的养成和数据应用的深化是一个循序渐进的过程。不同发展阶段，核心团队数据分析师的角色有所不同。初始期“拉着做”，核心团队数据分析师作为引领者，启发用数意向，做好项目实施，推动落地应用，展示项目价值，激发用数热情。成长期“带着做”，项目逐步回归业务主导，核心团队数据分析师作为带动者，根据业务需求做好项目实施，持续培养业务用数思维。成熟期“陪着做”，数据驱动的“主动权”完全交给业务，以业务为主完成数据应用，核心团队数据分析师作为支持者，做好公共数据能力支持。

四、实施综合治理，筑牢“用数”保障

从数据使用者的角度来看，数据质量的好坏制约了数据价值的发挥，而任何形式的数据应用又都必须安全合规。数据治理涉及系统、制度、流程、管理等各个方面，是一个复杂过程，往往投入多、推动难、见效慢。实际工作中，农业银行围绕数据“用起来”，落地两个Owner原则（即数据管理部门是全行数据的所有者和统筹管理者，牵头建立整体工作机制；各业务主管部门是本领域数据的所有者，负责本领域数据治理等工作），以满足使用需要为原则推进综合治理，拉高数据质量的“上线”，筑牢数据安全的“底线”，形成“以用促治、用治结合”的良性循环。

1.“以用促治”推进全链路数据质量管控。坚持“应用导向、讲求实效”，以用数过程中发现的问题为驱动，推动数据问题源头治理。联动数据标准管理，串联数据的标准制定、质量监测、问题整改和考核评价，逐步建立贯通数据采集、整合、加工、应用各环节的全链路管控机制，并依托数据治理平台，实现数据质量闭环管控的系统化、自动化。同时结合监管关注和业务重点，以专题形式扎实推进客户、产品、账户、交易等重点业务领域数据治理。例如，依托数据治理平台与前台营销系统的交互，深化客户信息治理，夯实客户数据基础。

2.数据安全管理体系为安全合规“用数”保驾护航。紧跟监管政策、聚焦重点事项，稳步推进数据安全管理体系健全完善。健全组织与机制，建立横向覆盖各个部门、纵向触达5级机构的数据安全管理员体系，制定发布《中国农业银行数据安全管理办法》。完善管理基础，大力推进数据分级分类，制定敏感数据目录与保护指引、实施敏感数据集中清理，强化系统建设过程中数据安全管控，建立数据安全风险监测和应急机制。针对客户个人信息保护、数据出境出行等重点场景，以专题形式推进安全保护落地落实，并针对数据应用中的用户行为这一关键，从管理、技术两个维度探索建立“人防+技防”的双层管控模式。

从“星星之火”到“百舸争流”，从基础支撑到驱动转型，数据在农业银行各领域各机构中的应用日益广泛、日渐深远，对业务的赋能效果越来越好，对转型的牵引作用越来越大。未来，农业银行将继续坚守“用数”这一核心，在安全合规的前提下持续打磨数据闭环、繁荣数据生态，通过数据潜能的有效释放驱动高质量发展，为国家数据要素化提供农行智慧，为数字中国建设贡献农行力量！