挖掘数据资源助力精细化管理 文ｌｌ中国建设银行数据管理部副总经理刘贤荣 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 银 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 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年进入中目 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 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 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 行必须耍加大系统数据深度挖掘分析，精耕细作，充 位。 在以往的银行管理中，银行主要借 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 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｝只、 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 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 全行业务陕速发展和市场竞争力稳步提升。 工作重点是大数据在银 行业应用的研究，包括 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， 数据在客户营销、产品 创新、营运管理和风险 管理中的应用。 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 形成一个个“数据孤岛”，则无法支持进一步的管理分 １０ Ｉ ２０１５年１０月 析。建设银行从２００４年起就认识到数据管理的重要性，开始 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 探索适合建行特色的数据管理体系。尤其是２０１ １年来依托新 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 一代核心系统项目实施，借鉴国际上最领先的实践经验，建 本计量的准确的基础数据。在交易流水数据之上，账户是盈 立了较为完善的数据管理体系。 利成本分析的主要数据载体，包括存贷款账户、中间业务收 一是在全行形成了一套规范的数据语言。建立了包括数 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 据标准、业务术语、指标体系、业务数据模型等在内的完整 结构，例如存款账户就至少包括了机构、经营主体、条线、 的数据规范体系，准确定义了数据名称、业务含义、各类技 产品、客户、余额、日均、利息支出、转移收入、交易笔数 术参数以及采集加工规则。同时，在新一代项目开发过程中 等数据维度。基础数据的整合是银行实施管理会计、绩效考 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 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 岛、实现数据的互联整合奠定了基础。 关注。 二是建立了从数据采集到数据应用全流程的数据管控机 二是统一了维度标识，并在此基础上进行多角度的各种 制，保证数据质量。将数据作为关键生产要素和资源，开发 数据挖掘和组合分析分析。在银行的大量数据中，维度数据 了企业级、可视化的数据资产管理工具平台，支持对全行数 是最重要的一类数据，也是“主数据”的重要组成部门。建 据实施全生命周期的管理。在此基础上，扩展完善企业级数 设银行在数据规范中，严格定义了机构、客户、渠道、产品、 据仓库，集中整合全量数据，开发多维度数据统一视图。建 业务条线等数据标准，并实现了取值的集中统一管理，统一 立了统一的企业级数据提供渠道，形成了以自助查询、固定 加工、全行共享，确保这些数据在全行的一致性。标准化以后， 报表、即席查询、数据宴验室、数据模板、决策仪表盘等多 将每笔交易、每个账户分摊对应到各个条线、各个产品和各 种模式支持全行各层级、各业务条线、灵活多样的用数需求。 个客户，在交易流水、责任中心上标注渠道属性和机构属｝生。 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 充分挖掘数据资源。支持多维度盈利和成本分 价，例如分客户、条线、产品、经营主体、渠道等。另外， 析，提升精细化管理水平 还可以按照账户和交易流水的价值特征（或属性）进行组合， 数据价值的实现依赖于深入的挖掘分析，尤其是根据管 生成新的数据，不断补充新的与客户有关、与产品有关的有 理目标对数据进行整合和应用，对有数亿个人客户、几百万 价值特征（或属性），扩展价值分析维度。以绩效考核为例， 公司客户的大型银行而言，这是一个巨大的挑战。建设银行 依托系统中标准化的交易和维度数据，通过分析可以支持对 依托企业级数据仓库、管理会计系统、企业级数据应用平台 客户经理、网点、产品和渠道的绩效评价和考核。 等系统，整合各类交易系统中的大量基础数据，从产品、客户、 三是以账户和交易级数据为基础，搭建多维度盈利性计 条线、渠道等多个管理视角反映银行经营成果，分析银行的 量方法和成本分摊方法，形成较完整的管理会计方法，提高 盈利结构，为实现以客户为中心、综合化、多功能、集约化 绩效计量的准确性。通过整合完整的账户或科目信息、建立 的战略转型目标提供有力支持。企业级数据仓库从２００５年开 多维度的账户体系，在此基础上应用业务分成、成本分摊等 始建设，整合了全行近百个系统的基础数据。是内部管理数 计量方法，搭建起多维度的、包含收益成本风险等全面指标 据的主要来源。在此基础上建立了包括数据应用、管理会计、 的内部管理报告体系。以成本分摊为例，基于系统中账务和 绩效考核等大量的信息应用系统，构建了涵盖外部监管、管 交易数据，依据发生成本的责任中心的职能，确定成本分解 理会计、资债管理、定价、绩效、风险管理在内的全面的内 方法、流程及动因。将责任中心的成本分解至不同成本对象． 部管理体系，支持营销机会、转移收费、成本控制、流程优化、 实现对客户、条线、产品、经营主体的成本计量。例如对于 产能管理、产品定价、绩效考核等经营管理目标，对管理起 网点成本。可以选择交易为动因、运用作业成本法分摊到账 到了很好的支持作用。总结来看，主要有以下几个方面。 户，再进行多维度归集。这样，银行就能够提供各维度层面 一是实现了交易级最细粒度的基础数据整合。包括存款、 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、 贷款、利息收入和支出、中间业务收入支出、交易量等。在 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 金Ｂ屯 池Ｉ伯 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 质量提升的良陛机制，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。园 …杰伊．利博维茨：《大数据与商业分析》，清华大学出版社，２（）１５（）４ 【２ｉ查尔斯．Ｔ．亨格瑞等：《成本与管理会计》，中国人民大学出版社，２（３１（Ｊ．（１９ 加Ｉ ２０１５年１Ｏ月 随 大幕也已拉开，加快战略转型势存 必行。新常态下，“未来金融业将 迎来哪些挑战？应该从哪些方 着 手推动转型？”对各家银行而言都 是一个难题。在此背景下，民生银 行率先提出：实施大数据“平台十 产品”双轮驱动战略，以“标准化、 云端化、智能化、移动化”为发展 方向，充分挖掘大数据的商业价值， 打造智能银行。 大数据是连接网络与实体经济 的纽带。大数据不仅作为推动创新 的工具，更将成为未来银行重要的 生产要素和资本。大数据将基于“互 联网＋”在全新尺度上大幅提升银 行价值。世界范围来看，大数据已 经为西方先进银行创造了臣大的尚 业价值。我国银行对大数据的认识 也在快速提升，大数据价值正在 现，数据化管理和智能化营销已开 始呈现百舸争流、千帆竞发之势 “平台＋产品’’双轮驱动 的民生银行大数据战略 以创新和改革著称的民生银 行，素有重视数据、用数据说话的 传统。大数据的概念未出现以前， 数据已经在民生银行经营中 有亟 要的地位，民生银行数据平台先后 获得国家级发明专利两项、省部级 科技进步二等奖两项。经过多年的 积累，民生银行数据平台的自主化 水平、数据整合的质量和数量、数 据分析对业务的影响力等方面都处 于国内同业的领先水平。 为迎接大数据浪潮，民生
