一、引言

自2018年银保监会发布《银行业金融机构数据治理指引》以来，商业银行数据治理工作便进入了快速发展阶段。各家商业银行已基本建立企业数据治理体系，成立专业化数据部门牵头推进数据治理制度规范编制、流程机制设立、系统平台建设等工作。与此同时，各行纷纷建设企业级数据平台，将治理后的数据汇聚融通后对外提供应用服务，为业务发展和经营管理提供了重要的数据支撑。

然而，相较于如火如荼的总行数据治理工作而言，分行的数据基础较为薄弱，在数据治理与应用方面仍处于起步阶段，其数据工作重心仍聚焦于监管数据报送和分析应用工具的推广，距离充分发挥数据价值仍有一定的距离。

二、分行数据工作的痛点

从各家行实践来看，分行数据治理与应用工作通常存在如下痛点：

1.经营管理数据难以精细化拆分

随着商业银行数字化转型深入，总行各业务领域的数据应用蓬勃发展，解决了分行部分数据获取难的问题，但仍有一定的明细化、精细化管理诉求难以满足。总行的数据应用一般是从全行、全局的角度出发进行设计和使用的，其成果主要体现在业务统计指标的整合与展现。但从分行实际经营的角度，需要业务统计指标进一步按产品、客群等维度细化展现，以便更好分析业绩的组成结构，为后续的经营决策与业务营销提供更明确的指导。

2.考核指标难以进一步下钻

在总行层面，各家行都在推进考核指标的系统化生成和线上化提供，形成了全行统一的考核数据管理平台。但与经营管理指标类似，考核指标往往也仅细化至分行层面，对于总行可能足够使用，但分行需要进一步形成从省分行到网点的管理策略，需要将数据进一步拆分至支行、网点、客户经理、业务记录。在考核数据的计算口径通常并不明确或存在手工调整的情况下，分行只能基于总行数据不断拆解尝试，拼凑出与总行考核指标接近的明细数据。

3.高时效业务数据供给不足

在激烈的市场竞争下，业务机会往往转瞬即逝，高时效业务数据所承载的信息价值会随着时间推移快速衰减。因此，银行一线经营单位往往组织晨会、夕会，以及时掌握业务新动态，进行决策。然而，总行下发的整合后的业务数据往往在业务开展后一两天才能看到，仅能用于查缺补漏或工作复盘，难以支持经营单位进行及时决策。为此，客户经理需要手工查询各个业务系统后台数据，梳理并上报，过程繁琐，效率较低。

4.分行本地特色化、个性化数据应用诉求得不到满足

尽管商业银行总行已经开发了大量标准化数据应用，覆盖了分行内部管理、经营分析等场景，满足了分行在经营管理、指标考核、业务营销等方面基本的、简单的用数需求。但总行开发的标准化应用往往仅考虑了常见场景，而各家分行面临的实际情况千差万别，常常会面临业务创新、特色报送等敏捷用数需求，需要更加全面的数据和灵活的工具来支持其个性化的分析需求。

三、解决策略与实施方案

商业银行总行应当加强企业级治理成果在分行层面的推广，加大标准化数字产品和分析能力的供给，为分行提供便捷的平台和工具，让规模较小的分行能够方便使用好的数据产品，并支持科技实力较强分行针对特定业务场景进行特色开发。

1.发挥数据驱动，支撑分行数字化经营管理

总行业务部门应当转变思维，建立基于业务基础的数字化解决方案的思考路径和能力。例如，从客户视角梳理现有业务流程，详尽收集客户经营的过程性数据，形成多维度、多层次的客户、业务标签，进而形成客户、业务画像。协助分行找出客户获取、经营和服务中的薄弱点，指导分行针对性地提升客户服务和客户体验，赋予分行基于数据驱动的数字化获客、经营和服务能力。

2.无量化不考核，下发粒度细的考核指标明细

在制定考核指标时，总行业务部门应充分考虑分行的执行能力，确保考核指标能够得到有效落实。提供考核结果的同时，还应提供细粒度的指标明细，并确保指标明细数据与考核结果完全对应后，保障总分行考核数据口径一致。以此支持分行精准向下考核、激励和引导员工，提高一线人员的工作积极性，充分发挥考核的指挥棒作用。

3.优化数据加工链路，下发高时效业务数据

应重点梳理高时效业务场景，做好数据时效提升。例如针对晨会、夕会等应用场景，可以由经营单位先梳理需要的数据，总行业务部门提出优化需求，总行技术部门落地实施。总行业务部门可通过数据血缘分析，梳理数据的加工链路并通过解耦复杂加工计算逻辑等方式，实现高时效数据的加工链路短、优；总行技术部门可采用流批一体等技术框架，提供数据的批量、小时级、实时级加工能力，提升数据加工处理能力。

这样不仅使客户经理从繁琐的业务数据查询工作中解放出来，避免了数据的错漏，还可以通过实时数据实现更及时、更智能的业务异动洞察，从而更好的支持经营单位基于新业务现状做出及时准确的决策。

4.加强企业级治理成果推广，赋能分行开展个性化数据分析

为了更好地推动分行数据治理工作，总行应当加强推广企业级数据治理成果，包括企业级数据资产管理平台、企业级数据平台以及灵活易用的数据分析工具。这些平台和工具可以帮助分行更好地解决“数据在哪儿”、“数据怎么用”的问题。

首先，通过开放全行的数据资产目录，可以向分行提供清晰的数据来源和可用数据列表，确保分行能够了解并使用全行的数据资源。其次，通过数据确权，可以明确数据的总行业务归属部门，落实主管部门责任，分行在遇到数据问题时，可向数据归属部门求助。此外，通过数据质量管理，可以建立线上反馈渠道，让分行在使用数据过程中发现的问题能够及时得到处理和解决。

为了简化分行的数据分析工作，商业银行可以提供BI工具和标准化应用场景分析模板。这些工具和模板可以帮助分行业务人员快速提取所需数据，并聚焦于核心业务工作上。通过简单修改应用场景分析模板，分行可以实现业务场景分析的快速定制化。在更深层次的数据建模和挖掘方面，商业银行可以组建总分联合的柔性团队，协同进行数据建模工作。基于总行的分析挖掘经验和分行的市场感知，利用大数据技术融合内外部数据，可以深化市场洞察能力，实现特色场景的精准化营销和差异化运营。

通过以上措施，总行数据治理成果可以更好地赋能分行，实现总分行数据工作的协同，提升全行数据应用能力和创新能力，释放数据治理与应用工作价值。