登录 注册
VIEW
观点
全部 中台 开放银行 人工智能 大数据 监管合规 数据治理 云计算 区块链
搭建金融业数字化
创新知识服务平台
www.fintechinchina.com
首页 > 观点 >观点详情
【建设银行数据管理部副总经理 刘贤荣】挖掘数据资源 助力精细化管理
时间:2021-09-15 作者:刘贤荣 来源:金融电子化 关键词: 浏览次数:30

截屏2021-09-15 下午1.30.31.png

刘贤荣,中国建设银行数据管理部副总经理。中国人民大学统计学硕士,1999 年进入中国建设银行工作,从事信息统计、数据分析等工作,工作领域包括监管统计、新资本协议第三支柱、数据分析等,参与企业级数据仓库、RWA 等管理类系统开发,熟悉银行数据管理、外部监管和内部管理统计指标体系。目前主要工作重点是大数据在银行业应用的研究,包括数据在客户营销、产品创新、营运管理和风险管理中的应用。

 

银行本身是数据密集型公司,在现代银行业务经营过程中,资金流、数据流天然融合在一起,银行在为客户提供产品和服务的过程,就是数据在系统中流转的过程。据统计,在各个行业中,银行每万元收入所对应的数据量高居第一位。

 

在以往的银行管理中,银行主要借助于资金结算和存贷款等产品优势,为客户提供金融服务,在经营中积累的大量数据更多用于财务报告和统计等。但随着市场竞争的加剧,尤其是近年来以互联网公司为代表的其他行业加速跨界,银行面临的形势日益严峻,转型发展成为各商业银行面临的重任。面对客户、竞争、监管等变化带来的挑战,银行需要明确适合自身的增长路径和战略定位,建立差异化竞争优势。传统的组织结构和人力资源管理体系越来越不能及时、有效地响应客户需求和市场变化,影响银行竞争力提升和业务创新;以产品为中心,部门银行式的运作体系严重妨碍了银行对客户需求的及时有效响应、产品与服务创新、风险管理和运营效率。如何充分发挥数据的作用,帮助银行提升精细化管理水平,成为银行在转型发展中面临的必然问题。建设银行近年来着力深挖系统数据资源,尤其是借助借助新一代核心系统建设,建立了体系化数据管理和应用流程,制定了大数据工作规划,明确将大数据作为全行战略转型的重要保障。

 

在银行数据库系统中,已经积累了海量的数据,尤其是其中资金交易数据的质量非常高。利用这些数据,一方面可以洞察客户需求,为客户营销、产品创新提供支持,另一方面能够如实反映银行收入、成本的具体结构,为银行了解哪些客户、哪些产品、哪些机构、哪些员工是利润的主要来源,哪些业务的成本收益更高,为优化资源配置、提高经营效益提供依据,从而提升银行精细化管理水平。从这个意义上讲,银行必须要加大系统数据深度挖掘分析,精耕细作,充分发挥数据在管理中“指南针、望远镜和显微镜”的作用。真正让数据说话、用数据说话,提升对客户辨识、定价、营销策略、客户贡献度等业绩计量和评价的支持,指导各项业务的精细化管理和精准化客户营销,促进全行业务快速发展和市场竞争力稳步提升。

 

建立企业级数据规范体系,加强数据管控,为经营管理提供高质量数据支持

 

准确的绩效计量离不开高质量的数据支持,如果银行不同业务条线、不同机构的数据无法有效整合,形成一个个“数据孤岛”,则无法支持进一步的管理分析。建设银行从2004 年起就认识到数据管理的重要性,开始探索适合建行特色的数据管理体系。尤其是2011 年来依托新一代核心系统项目实施,借鉴国际上最领先的实践经验,建立了较为完善的数据管理体系。

 

一是在全行形成了一套规范的数据语言。建立了包括数据标准、业务术语、指标体系、业务数据模型等在内的完整的数据规范体系,准确定义了数据名称、业务含义、各类技术参数以及采集加工规则。同时,在新一代项目开发过程中严格执行已经定义的各类数据规范,为从根本上消除数据孤岛、实现数据的互联整合奠定了基础。

 

二是建立了从数据采集到数据应用全流程的数据管控机制,保证数据质量。将数据作为关键生产要素和资源,开发了企业级、可视化的数据资产管理工具平台,支持对全行数据实施全生命周期的管理。在此基础上,扩展完善企业级数据仓库,集中整合全量数据,开发多维度数据统一视图。建立了统一的企业级数据提供渠道,形成了以自助查询、固定报表、即席查询、数据实验室、数据模板、决策仪表盘等多种模式支持全行各层级、各业务条线、灵活多样的用数需求。

 

充分挖掘数据资源,支持多维度盈利和成本分析,提升精细化管理水平

 

数据价值的实现依赖于深入的挖掘分析,尤其是根据管理目标对数据进行整合和应用,对有数亿个人客户、几百万公司客户的大型银行而言,这是一个巨大的挑战。建设银行依托企业级数据仓库、管理会计系统、企业级数据应用平台等系统,整合各类交易系统中的大量基础数据,从产品、客户、条线、渠道等多个管理视角反映银行经营成果,分析银行的盈利结构,为实现以客户为中心、综合化、多功能、集约化的战略转型目标提供有力支持。企业级数据仓库从2005 年开始建设,整合了全行近百个系统的基础数据,是内部管理数据的主要来源。在此基础上建立了包括数据应用、管理会计、绩效考核等大量的信息应用系统,构建了涵盖外部监管、管理会计、资债管理、定价、绩效、风险管理在内的全面的内部管理体系,支持营销机会、转移收费、成本控制、流程优化、产能管理、产品定价、绩效考核等经营管理目标,对管理起到了很好的支持作用。总结来看,主要有以下几个方面。

 

一是实现了交易级最细粒度的基础数据整合。包括存款、贷款、利息收入和支出、中间业务收入支出、交易量等,在此基础上在各个维度上进行聚合,建立了各维度层面的利息收支和非利息收支的计量和拆分方法,形成了支持盈利和成本计量的准确的基础数据。在交易流水数据之上,账户是盈利成本分析的主要数据载体,包括存贷款账户、中间业务收入账户以及有关的各类虚拟账户。不同账户带有不同的数据结构,例如存款账户就至少包括了机构、经营主体、条线、产品、客户、余额、日均、利息支出、转移收入、交易笔数等数据维度。基础数据的整合是银行实施管理会计、绩效考核的基础和关键工作,需要高级管理层和数据管理部门高度关注。

 

二是统一了维度标识,并在此基础上进行多角度的各种数据挖掘和组合分析分析。在银行的大量数据中,维度数据是最重要的一类数据,也是“主数据”的重要组成部门。建设银行在数据规范中,严格定义了机构、客户、渠道、产品、业务条线等数据标准,并实现了取值的集中统一管理,统一加工、全行共享,确保这些数据在全行的一致性。标准化以后,将每笔交易、每个账户分摊对应到各个条线、各个产品和各个客户,在交易流水、责任中心上标注渠道属性和机构属性。统一维度标示后,可以按照不同维度对银行业务进行报告评价,例如分客户、条线、产品、经营主体、渠道等。另外,还可以按照账户和交易流水的价值特征(或属性)进行组合,生成新的数据,不断补充新的与客户有关、与产品有关的有价值特征(或属性),扩展价值分析维度。以绩效考核为例,依托系统中标准化的交易和维度数据,通过分析可以支持对客户经理、网点、产品和渠道的绩效评价和考核。

 

三是以账户和交易级数据为基础,搭建多维度盈利性计量方法和成本分摊方法,形成较完整的管理会计方法,提高绩效计量的准确性。通过整合完整的账户或科目信息、建立多维度的账户体系,在此基础上应用业务分成、成本分摊等计量方法,搭建起多维度的、包含收益成本风险等全面指标的内部管理报告体系。以成本分摊为例,基于系统中账务和交易数据,依据发生成本的责任中心的职能,确定成本分解方法、流程及动因,将责任中心的成本分解至不同成本对象,实现对客户、条线、产品、经营主体的成本计量。例如对于网点成本,可以选择交易为动因、运用作业成本法分摊到账户,再进行多维度归集。这样,银行就能够提供各维度层面的利息收支和非利息收支数据,帮助银行识别不同客户、产品、渠道等的盈利和成本差异,向有价值的客户营销适合的产品组合、创造新的盈利增长点,支持客户综合定价、客户综合营销拓展、产品战略开发以及多维度绩效考核。建设银行已经建立包括风险、收益在内的企业级指标体系,统一了对各维度的财务收支、税前利润以及经济增加值等指标的计量方法和计量模型。同时,建立了多维度的收支计量平台,支持不同维度之间的不同责任主体共享收入的计量(例如电子银行业务收入在电子银行渠道和客户两个维度上的计量),建立了业务分成平台,支持同一维度内不同责任主体共享收入的分成计量。

 

四是应用各维度盈利计量结果,全方位提升内部精细化管理水平。例如,应用各维度贡献度计量及覆盖度结果,实施科学合理的计划指引、绩效考核等财务管理。基于市场资金成本和成本盈利分析结果支持准确计价,为客户提供公平、一致的价格。在全行业务应用统一的基础上,支持分行层面客户经理、部门等绩效考评的需要,解决分行在经营管理中面临的实际问题。应用客户多维度盈利性分析结果,能够实施细分的市场策略,开展精准化、差别化的客户营销。应用产品盈利和覆盖度分析功能,制定产品经营策略,选择重点产品,客观、合理地评价产品经营中心和经营团队的贡献。

 

建立了数据应用与数据质量提升的良性循环机制

 

数据质量是内部数据应用的基础,但由于传统上银行数据采集、管理和数据应用间缺乏有机沟通,数据采集往往成为纯粹的成本,数据质量一直没有得到有效提升。在实施管理会计、绩效考核中,银行逐渐探索出一条数据应用和质量提升的良性机制,使数据成为各方面绩效评价的基础,明确定义数据认责部门,使大家主动关注和提升数据质量。近几年,银行数据不但大量应用于财务条线的计划、分析、考核等方面,更逐渐应用于业务条线的客户营销、产品创新、综合定价等,切实支持了“以客户为中心”战略的实施。数据在经营管理中应用的越广泛和深入,就越能发现源数据、数据计量方法和数据模型的待完善之处;通过完善数据基础质量,反过来会提升数据应用的深度和广度。

 

建设银行利用企业级数据建模及新一代核心系统建设的契机,全面优化了全行数据结构和质量,很大程度上推动了数据在经营管理中的深入应用。

 

大数据时代已经到来。除了传统上银行已经采集整合的交易、账户、产品等结构化数据外,银行还开始采集客户电子渠道交易行为、客户语音、客户社交等数据。对这些数据的整合、分析,将为银行进一步拓展内部盈利和成本分析、提升绩效管理水平带来很大的机遇。这已成为银行面对互联网金融冲击、实施转型发展必须解决的重要课题。

 


推荐阅读:
本网站案例,除特殊标明来源的,版权归金科创新社所有,未经许可不得转载,否则将视为侵权,对于不遵守此声明或者其他违法使用本文内容者,本网站依法保留追究权。另,本网站部分案例、观点文章来源于网络素材,如有侵权,请邮件联系 fenglei@fintechinchina.com 处理!
特别提示:本网站免费为广大金融企业提供IT规划、选型咨询参考报告,详情点击 【 需求提交 】