独家 | 上海农商银行：数据中台建设：以数据应用赋能业务发展
数据治理要以业务提升为导向，通过数据赋能实现数据高效整合管理和有效治理，为流程优化和运营效率提升提供数据化支撑，从而形成能够为客户提供全生命周期、个性化服务的能力。
数据中台建设：以数据应用赋能业务发展
作者：上海农商银行首席信息官 周衡昌
随着数字化转型深入推进，上海农商银行率先践行数字经济思想，以“普惠金融助力百姓美好生活”为使命，践行“坚持客户中心、坚守普惠金融、坚定数字化转型”的核心战略，持续探索业务、数据双驱动的数字化转型之路，努力打造为客户创造价值的服务型银行，开启新时代农商银行以数据应用赋能业务发展的新征程。
转型关键在于全方位提升数据应用能力
数字化转型的本质是通过数据的流动化解大数据时代银行经营发展所面临的复杂性和不确定性，打通和激活银行价值链。其中一个重要任务是在企业级架构的指引和支撑下，深化数据应用，发挥数据价值，赋能业务发展。
业务和数据双轮驱动数字化能力提升。业务驱动以客户为中心，从业务场景出发规划业务路径，重视提升用户体验、重构业务流程、提高运营效率，业务站位越高，业务数字化能力效果越明显。数据驱动以业务提升为导向，通过数据的高效整合管理和有效治理，为流程优化和运营效率提升提供数据化支撑，加快形成为客户提供全生命周期、个性化服务的能力。以数据为核心，打造统一的数据平台，通过数据获取、建模、分析、执行驱动业务决策和运行，整合数据仓库、大数据平台、数据集市等，形成全行统一、高效的数据体系。同时，全面融合数据挖掘、可视化等数字化工具为用户闭环运营提供数据支撑，深度挖掘数据价值，赋能业务发展。
业务驱动需从传统的、割裂的业务流程转变为以业务场景服务为对象、以场景为导向的灵活组合流程服务；从传统重业务结果、轻客户活动体验转变为客户全生命周期管理。但同时也面临传统“竖井式”业务系统缺少数据共享和流程连通等挑战。数据驱动则需要从以数据仓库为主的传统数据平台向体系化、专业化、响应快速转变，增强实时数据服务能力。
提升业务数字化能力的重点在于加强客户全生命周期管理、智慧营销和经营管理决策三大业务能力和筑牢客户经营中台、数据底座和数字化经营工具三大数据支撑。具体来看，结合客户不同阶段的不同需求，明确提升客户全生命周期管理能力的策略，通过打通行内外数据以及挖掘完善客户行为属性等，进一步丰富全行客户视图。丰富与拓展营销渠道，提升场景营销、网格化营销以及智能营销等场景化、实时化智慧营销能力。从全行全局、资源布局、跟踪支持与分析管理视角，建立业务运行的动态感知地图以提升经营管理决策能力。采用多中心服务模式搭建客户经营中台，服务前台应用系统同时避免功能重复开发以及接口格式混乱等问题。
“三大举措”推动数据治理提质效
——完善数字化转型战略顶层设计
在数字化转型战略的指导下制定数据治理战略，加强在风险管理、业务经营与内部合规等领域的数据应用，逐步落地战略规划，实现业务与数据双轮驱动，充分发挥数据价值，赋能业务发展。
确保数字化转型和数据管理工作有效组织、充分协调、沟通顺畅，基于通用组织架构的分层要求，建立体系化的组织架构，明确各层级职责分工，与日常各项工作协同推进。在全行范围重构“1+1+1+M+N”的金融科技组织布局，打破内部的部门边界，建立跨职能部门、协同、实体敏捷型组织，推动业务侧和数据侧融合发展。1个金融科技与创新业务委员会负总责；1个数字化转型办公室牵头组织推动；1个金融科技部按业务领域设立研发交付中心；M个业技深度融合的主要业务部门全面落实金融科技职责；N个一定业务规模以上的分支机构设置金融科技团队。设立数据治理部，牵头全行数据管理和治理。
——构建高效数据管理体系
明确目标。遵循“价值创造、系统全面、协同推进、安全合规”原则，制定数据管控体系化、数据管理专业化、数据应用智能化三个逐步递进的发展阶段目标，有效整合并融合内外部数据，赋能业务价值实现。实现数据管控体系化要通过统筹规划、健全组织架构、厘清管理职责，建立一套完善的制度流程体系和专业人才队伍；数据管理专业化要通过构建基础数据平台和集市架构，提升数据模型整合能力，打造客户、机构、员工、产品四大主数据权威数据源，打通数据链路，将数据标准规范嵌入到开发流程中，建立“定测析改控评”的数据质量管理和数据分级分类体系，保障数据质量和安全；数据应用智能化要通过有效整合、融合内外部数据，规范数据标准，从而提升监管科技水平、创新产品和服务模式。
保障机制。技术平台、数据合规和审计是数据管理体系的重要基础保障。上海农商银行构建可靠性高、灵活度高、功能性强的数据中台并辅以人工智能AI、区块链、云计算、大数据等前沿技术支撑数字化转型。发挥数据合规和数据审计二、三道防线作用，健全数据合规治理体系，将数据合规融入数据全生命周期，提升内控合规数智化能力建设，保障数据治理战略有效落地。
能力成熟度评估赋能数据管理。数据管理能力成熟度评估模型是我国数据管理领域首个国家标准，通过评估与判定企业八大数据管理能力域等级，持续完善数据管理组织、程序和制度，积极推进数据标准建设、客户主数据建设、外部数据管理、数据质量闭环管理等数据管理基础设施建设以及数据需求管理等数据管理工作。
——加快数据中台建设
上海农商银行围绕数字化转型核心战略，以云平台和数据底座为基础，聚焦场景化、服务化、能力化三个方向，搭建涵盖数据安全、数据开放、数据治理、监管科技、数据应用五个维度的数据中台，实现了场景生态化、经营数字化、产品自助化、渠道综合化、营运自动化、风控智能化六大目标。
构建包括数据底座、数据仓库、统一服务、指标标签、客户画像“五位一体”的数据服务支撑体系，以及流计算、离线计算、分布式数据存储的数据底座，具体包括以下重点内容：一是以规范化、体系化、平台化、服务化为原则，构建数据全生命周期集中统一管理体系，实现数据开发、管控、运维、服务一体化；制定数据开发应用、数据服务、模型管理规范，提升标准化、规范化水平。二是引入分布式数据模型、统一外部数据管理体系，并在此基础上构建用户指标体系、标签体系，实现行内外数据的集中统一管理，确保应用数据来源的统一，解决行内业务部门取数难、取数不准的问题，提升数据驱动业务发展的水平。三是引入图引擎、决策引擎等前沿科技，结合现有机器学习、深度学习、OCR、NLP等AI能力，实现多元化模型训练，一体化模型管理，以自动化的业务流程配置，推动数智化对营销、风控、运营场景的全面支撑。四是引入数据服务平台和统一数据门户，整合行内散落各部门的数据，构建数据共享和开放服务体系，实现对外提供数据服务、数据查询、数据分析的统一化。
原文首发于《中国农村金融》杂志2023年第20期
