项目背景及目标

（1）背景及面临挑战

银保监会于2018年发布的《银行业金融机构数据治理指引》指出，商业银行应对大数据资产进行生命周期化管理，优化大数据资产配置，让大数据资产协同、持续的为经营、营销、风控等工作发挥大价值。

自省农信开展大数据建设以来，积累了海量客户与业务数据，并初步尝试运用相关大数据技术工具和算法模型为管理决策，精准营销，监管报送等场景进行赋能，但在大数据使用中的成本-收益，运维效率，生命周期管理等方面尚未形成可量化的评估机制，这导致就大数据建设的优化改进难以形成科学参照。

（2）建设目标、解决问题

本项目基于对省农信上中下游系统大数据运用价值点的系统性提炼，建立起一套大数据价值双评估体系，该体系主要解决了日常工作中数据使用效率低下问题，数据资产管理盲目性问题，以及数据流动不可持续问题。其建设目标主要体现在以下三个方面：

1）改进省农信上中下游系统运行效率。用双评估体系对各主题数据进行价值评估，以此推动上中下游系统的改进。

2）在省农信实现大数据生命周期管理。完成大数据资产化转变，以画像和图式关联等可视化工具辅助实现大数据生命周期管理运用。

3）为产业树立绿色金融大数据标杆。运用双评估体系打通数据生产到应用的可持续闭环，为产业建立具有标杆、示范性的大数据资产生命周期管理方法论。

项目方案

（1）项目架构图

（2）项目设计内容：

1）数据流动路径分析及数据价值点挖掘

基础平台按上中下游系统划分，大数据价值双评估体系则对整个数据流动路径进行整体把控。各类数据依次流经上中下游系统，完成生产到应用的整套循环后，由双评估体系对其每个环节创造的价值进行收益成本评估，通过评估结果一方面对数据进行可视化生命周期管理，一方面对上中下游系统进行反馈改进。通过分析上中下游系统对数据的处理流程，并挖掘流程中涵盖的可量化价值指标，相关指标即为双评估体系的构建基础。

2）大数据双评估体系的评分卡建立

大数据价值双评估体系是一种基于数据全生命周期下，以收益增强和成本削减两大原则为基础的数据综合价值考核方法。其原理是将上中下游系统中特定数据产生的价值点按收益-成本进行分类汇总，并按照其价值贡献进行10 分制的评分，相应评分按照价值点的重要程度进行0.5~1.0 的赋权后按收益-成本分别加总。通过评分卡已经获得特定数据在收益增强和成本削减两方面的评分来进行数据价值类别判定。

3）数据画像及数据图式关联应用

大数据价值评估体系具备一定的可视化展示能力，让使用者能够就单个数据的价值概览和不同数据间的关联结构进行深入的分析。数据画像展示了相关数据基础信息、数据在流动中产生的各种价值点等。

大数据价值双评估体系还采用三层的图式关联展示，三层递进关系依次为：数据关联总强度，数据系统性关联，数据业务性关联。

4）数据生命周期管理应用

大数据价值双评估体系的评分卡当于给出了特定数据在某一时点或某一时段的价值快照，而随省农信零售业务的不断开展，不同数据的应用价值也会随之发生变化，这就需要动态考察各类数据对应的收益评分和成本评分变化，以此确定其所在的生命周期阶段，并针对性、及时性的形成与生命周期阶段相匹配的数据管理策略。

5）基础数据平台优化改进方法

大数据价值双评估体系的建立允许使用者从全局数据价值挖掘的角度，逆向对基础数据平台进行工程性优化。在相关工程验证中存在一种技术对偶，即双评估体系考察的是在既定功能下如何通过大数据资产生命周期的管理和资产的优化配置，来大化对价值点进行挖掘，而基础平台优化则是在给定大数据资产配置的前提下，如何对功能进行修正，来放大化已挖掘的价值点。

创新点：

（1）技术创新

传统基础平台的往往重功能轻数据，而本项目直接从数据价值双评估技术出发，用数据的流动路径和价值挖掘逻辑，反过来推动平台功能的改进，不光如此，双评估体系还颠覆传统的被动式大数据工作方法，通过主动的技术性评估，让大数据在改进工作效率，决策精准度，提升经营收入，降低业务风险等方面起到更大的功效。

（2）应用创新

传统大数据的应用流程中，因缺乏对不同数据的可视化描述，数据的选则和调取过程往往晦涩而繁琐，经常出现调取的数据不匹配应用需求，甚至还出现调取错误数据的情况。而本项目通过建立数据画像和图式关联，能让使用者在错综复杂的数据环境中迅速获取数据的全局描述信息，并找到调取合适数据的直观线索。

（3）模式创新

传统工作模式仅将大数据作为一种零售业务开展中按需分配的资源，并未从大数据资产化的角度深挖其价值创造能力。而本项目把大数据资源按价值点进行改造，形成一种在不同生命周期阶段具有不同收益-成本特征的可量化评估的数据资产，通过建立一种全生命周期的数据资产组合与动态配置方法，让大数据管理决策完全依托业务价值的评定。

技术实现特点

（1）大数据价值双评估系统架构图

（2）双评估体系评分卡技术

评分卡汇总了多名业务人员和专家的评分意见，运用层次分析法对价值指标评分权重进行了向量提取，并基于Bootstrap原理的机器学习技术模拟迭代10万次，终获得指标权重的精准收敛值。

（3）数据画像技术

（4）数据资产生命周期管理技术

运用蒙特卡洛模拟技术，模拟生成了100万条不同应用环境下和不同数据特征下的数据生命周期路径，并根据数据生命周期路径的阶段性集群表现，制定了以下数据资产生命周期管理方法。

项目过程管理

（1）*****阶段

时间：2018.10～2019.02

内容：对省农信上中下游系统的数据应用状况进行功能性调研与评估，结合省联社，各法人行社与各营业网点的工作状况，确认数据运用中的关键价值点。

（2）第二阶段

时间：2019.02~2019.05

内容：结合业务经营经验和专家领导意见，在基础数据平台（融e查平台）上构建大数据价值双评估体系的评分卡模块，并运用BI工具，图式数据库工具，实现数据画像和数据图式关联的展示。

（3）第三阶段

时间：2019.05~2019.08

内容：以房易贷应用和微贷应用两个具体项目为依托，对特定数据主题实施价值双评估，在用双评估结果在省农信内部形成局部的数据生命周期管理解决方案的同时，还反向对房易贷应用和微贷应用进行功能改进。

（4）第四阶段

时间：2019.08~至今

内容：扩大大数据价值双评估体系运用范围，将部分存款业务，中间业务纳入到数据价值评估考核任务中。另外引入机器学习机制，对双评估体系进行优化迭代。

运营情况

（1）核心价值双评估体系运营情况

对上中下游系统中流动的客户基础标签，客户等级标签，客户偏好标签，客户交易标签，资产负债标签，客户维护标签，客户信用标签，企业标签，客户实时行为标签，外部数据标签等一级标签内容进行了再梳理，并根据标签属性对其中二级、三级标签所对应业务运用点和价值点进行了详细性、规范性确认。

以房易贷项目为依托，本项目对部分客户基础数据，客户资产数据，客户信用数据实施了价值双评估，结果显示，房易贷所使用的数据中长期低频数据，能按120万元/年持续创造业务收入，且该数据的使用每年可缩减审批流程中投入的人力、物力40万元。

以微贷项目为依托，本项目还对部分客户基础数据，客户交易数据，客户偏好数据，客户信用数据也实施了价值双评估，结果显示，微贷更多使用短期高频数据，每年能够创造460万元收入和节省230万元成本。

（2）其他延伸应用运营情况

运用数据画像和数据图式关联展示并揭示了部分客户基础数据和客户信用数据在房易贷与微贷中的价值交叉点，为这两种数据标签在资产化配置中如何赋权提供了依据和思路。

其次，根据明细数据标签的价值双评估结果，重新调整了房易贷和微贷应用的跑批流程和跑批资源分布，经10余轮调整，当前轮跑批速度较初始轮提升了2.5倍。

项目成效

（1）经济效益

本项目通过对大数据价值双评估体系的构建，有力深化了省农信及友行对数据价值挖掘的理解，在进行大数据资产化及引入大数据生命周期的管理的前提下，优化了基础平台的运维效率，节约了大量人力、物力在数据管理中的投入，夯实了业务经营利润收入，降低了业务风险爆发力度和概率，终用更好的服务保障了客户群体的满意度和活跃度，为零售业务的顺利转型和可持续发展奠定了良好基础。

（2）社会效益

本项目提出的大数据价值双评估体系是建立绿色金融大数据生态圈的后一环，对业内已经建设完毕数据仓库，数据集市和数据应用的友行极具借鉴意义。在业内广泛采纳双评估体系，不仅可以保障金融市场的运维活力，还能树立商业银行严谨、专业的高素质形象，更好、更快的为国内实体经济提供金融服务。

经验总结

（1）实施经验

1）因为大数据价值双评估体系需要对不同种类的数据标签进行统一口径的评分，且成本-价值评估体系中的各指标需要对所有标签具备普适性，所以在相应的数据治理工作中，积累了大量的可复用的数据清洗、归类、管理经验。

2）通过在基础平台上部署BI工具和图式数据库工具，积累了一定的数据可视化展示与分析经验，相关经验还对日后客户画像和自助分析应用的顺利实施起到了借鉴作用。

3）根据房易贷和微贷应用中所使用数据的双评估结果，初步获得了对数据资产实行生命周期管理的经验，该经验对日后省农信进行全面数据资产配置具有极强的启发性。

（2）推广经验

1）在省联社和多个法人行社开展了大数据价值双评估体系的学习和推广工作，让更多行内管理者和业务人员体验到在数据使用过程中进行成本-收益把控的实践重要性，同时领会到数据生命周期管理的前瞻性思维。

2）在友行间对大数据价值双评估体系进行了交流与探讨，并获得了一致的认同。同时通过对友行基础平台运行状况和业务经营状况的了解，不仅丰富了对双评估评分卡的设置思路，还为扩充数据画像和数据图是关联的展现内容与展现形式获取了宝贵建议。