中国光大银行史晨阳：提速数据能力建设，探索商业银行数字化转型之路

 

作者：史晨阳 

 

数字经济时代，数据要素已明确上升为国家数字化战略的重点。具有天然数据禀赋的商业银行，成为探索数据要素前进方向的先行者，并积极开展数字化转型，而数据赋能银行数字化转型已经成为大数据时代的必然选择。数字化转型对银行传统的数据管理和运营理念，乃至数据应用模式都有颠覆性的冲击，银行如何加强数据能力建设并发挥数据价值，已成为商业银行无法回避和亟待解决的重大课题。 

 

全面加强数据能力建设势在必行 

 

在大数据时代的浪潮下，数据要素市场的建设如火如荼，数据资产已成为关键的生产要素，并发挥出对其他生产要素的乘数倍增作用，数据要素已上升为国家数字化战略的重点。 

 

中央和地方政府对数据要素高度重视并积极实践 

 

2020年4月，《中共中央 国务院关于构建更加完善的要素市场化配置体制机制的意见》首次将“数据”纳入生产要素，明确提出“加快培育数据要素市场”。2021年3月，“十四五”规划中提出“迎接数字时代，激活数据要素潜能”。同时，部分省市率先探索数据要素市场化改革，广东、深圳、上海等地相继出台《数据要素市场化配置改革行动方案》《数据条例》等法规和指导文件，北京、上海、深圳等国际大数据交易所相继成立或已处于筹建阶段。各级数据支持政策的频繁发布，体现了国家和地方各级政府对数据要素市场的发展高度重视，也坚定了商业银行推进数字化转型的决心。 

 

监管机构和银行对数据能力的要求和关注度日益提升 

 

在数据要素市场建设全面提速的背景下，监管部门加强了对数据能力建设及数据治理的要求和指引。2021年，银保监会 在《商业银行监管评级办法》中首次增加“数据治理”要素。2022年，中国人民银行印发的《金融科技发展规划（2022-2025年）》明确提出“全面加强数据能力建设”。此外，中国人民银行发布的《金融业数据能力建设指引》、银保监会发布的《关于银行业保险业数字化转型的指导意见》均对数据能力建设的各项工作提出了指导意见，自上而下地推动行业数字化转型。在银行4.0时代，作为商业银行持续创造财富的“内燃机”的数据资产化如何通过数据能力建设提升金融数据的规范性和科学性，释放数据生产力，充分激活数据资产潜能，已成为行业关注焦点。 

 

数据驱动业务发展催生出丰富的数据融合需求 

 

物联网、云计算、人工智能等新一代信息技术的发展，进一步催生了数字经济的新产业、新业态及新模式，各商业银行纷纷尝试打破传统的数据管理理念，拓宽数据应用场景，改变人们的生产、生活和消费模式。在当前的新时代下，新机遇不断涌现，也催生出了诸多新挑战，可以总结为以下四个方面。 

 

缺乏数据战略顶层规划，投入大，产出小。数据能力建设是一个体系化、系统化的工程，需要“谋定而后动”，须用全局的角度和统筹的方法形成统一的数据思想，指导数据工作的开展。目前，大多数银行缺少顶层数据战略整体规划，导致数据方面资源投入不足，重点数据建设路径不明确，对数据价值的理解不一致，不能形成业务与科技的合力，无法快速应对数字经济时代的各种挑战。 

 

亟须建立科学有效的数据治理体系。当前，大部分银行的数据治理仍停留在单点和被动治理的层面，主要采用“头痛医头，脚痛医脚”的方式凭经验开展数据治理，主要体现在以下几个方面：一是缺少组织级的保证，组织内部职责不清晰，问题追溯机制不健全，人力资源不足；二是数据标准管理以规模速度型为主，建标快、落标难，造成数据标准与实际脱节，数据质量不高；三是缺少通用的实践理论指导，不同的治理人的治理思路、方法存在较大差异，需要体系化的工艺路线指导。 

 

新业态下，银行对数据共享畅联的需求日益旺盛，打破“数据壁垒”和“信息孤岛”势在必行。在传统的各业务条线应用系统的烟囱式建设的模式下，沉淀了海量、多源、碎片化的数据。同时，随着业务的不断发展，引入了大量的外部数据，这些数据散落在不同部门的不同系统中，没有经过统一的管理和整合，数据使用受到“部门墙”的限制，难以有效共享，造成数据频繁搬家，浪费大量存储和计算资源，且数据的一致性难以保证，无法有效地支持银行的经营决策。 

 

业务发展对数据融合的广度、深度、敏捷度提出了更高的要求。受限于数据规模和数据源种类的丰富程度，多数银行的数据应用刚刚起步，主要运用经营结果数据产生经营分析报告进行辅助决策，对数据的挖掘深度不足，数据应用场景较少。此外，数据服务目前主要采用传统交付模式，自动化程度低，不能快速响应业务的需求，数据产品和服务对不同群体的差异化和针对性设计不足，导致数据产品的使用率和普及率较低，业务场景的数智化程度亟待提升。 

 

光大银行数据能力建设实践 

 

在商业银行数字化转型过程中，数据是基础。但数据并非天然是生产要素，只有经过价值化的转换过程才能释放数据价值。而数据能力正是数据价值释放的催化剂，是银行金融科技发展与创新的基石。光大银行在数据战略、数据治理体系、数据中台建设、业数融合等方面持续深耕、积极实践，探索释放数据价值的有效路径。 

 

全面规划企业级数据战略，构建价值驱动的服务式数据治理体系 

 

规划企业级数据战略蓝图，为数据能力建设“立柱架梁”。在“一流财富管理银行”的战略愿景的驱动下，光大银行构建了企业级数据战略规划蓝图，明确数据资产可信化、数据构建敏捷化、业务运营数智化及数据资产货币化四大目标工程。其中，数据资产可信化是数据资产可建、可用的基础和必要条件，包括数据资产本身质量、数据标准可信化，以及相应治理机制的可信化和数据安全的可信化；数据构建敏捷化是提升数据资产效能的必要途径，数据的敏捷构建离不开与之相匹配的数据算力支撑，通过企业级的数据中台以适应日趋灵活、即时的数据服务要求；业务运营数智化是数据战略的核心目的，通过梳理现有的业务场景，识别数智业务环节，与业务深度融合，赋能业务运营；最终通过数据资产货币化实现数据资产价值的变现。同时，数据战略还制定了10大举措，明确了银行未来3～5年的数据发展路线，为数据能力提升“立柱架梁”。

 

建设可持续的数据资产管理与运营体系，提升数据治理能力。数据只有用起来才有价值。数据资产管理与运营体系的落地，需要管理与执行并重。光大银行提出以“全面、权威、智能、敏捷、生态”为核心目标，开展内容建设、平台建设和机制建设，实现全行内外部数据资产的统一采集、智能盘点和应用，提供一站式的数据资产服务。以“服务”驱动数据资产管理，助力数据内容更准确、完整、透明、安全；以“运营”打通数据资产链路，使数据的使用过程更人性化、更快捷、更智能，推进业务数字化、数字价值化、科技智能化。实现不同种类、不同形式的数据资产的自动采集与统一管理，智能化盘点出全行35万数据资产，覆盖200多个系统（见图1）。

 

建设数据标准、质量一体化机制，提升数据权威。光大银行秉承“一张蓝图绘到底”的指导理念，推动数据战略实施工作的落地执行，形成价值驱动模式的数据治理体系，开展数据标准和质量一体化治理，提升数据质量。制定数据标准2.0体系框架和数据标准作业流程，通过魔豆、魔数工具实现数据标准智能落标，推动标准化发展由“数量规模型”向“质量效益型”转变。建立源头数据质量监控机制及数据质量刚控机制，降低数据质量问题数量和处置成本；开展数据质量专项提升工作，通过监管报送整改、数据落标及系统建设等专项工作，实现特定领域“短、平、快”的数据质量提升。强化数据认责机制，以监管要求为驱动，贯通数据管理各环节，依据“谁主管谁牵头、谁为主谁牵头、谁靠近谁牵头”原则，明确数据责任，推动数据管理工作落实到位、提升数据质量。 

 

构建数据全生命周期的安全合规体系，护航数据共享应用。随着《数据安全法》《个人信息保护法》等法律的颁布实施，安全合规已成为挖掘数据要素价值的必要前提。在此背景下，光大银行率先上线业内首家基于多方安全计算技术的数据共享融合平台，实现数据的“可用不可见”及“可控可计量”，促进数据资产安全地在社会各企业及机构间的共享和融合。平台上线以来，全面开展业务应用赋能，已用于挖潜高净值客户价值、信用卡精准营销等多个应用场景，为金融业数据安全合规共享作出了创新性探索和标杆示范性作用。 

 

建设敏捷、实时、全域开放的光大特色的数据中台 

 

光大银行的数据中台以“敏捷、连接、治理”为愿景目标，以“厚中台、云服务、新工艺、高质量”为建设方案，把“数据资产”作为基础要素，由数据资产中心和数据交付中心组成。数据资产中心汇聚全行的数据资产，数据交付中心支持方式多样的敏捷交付数据，全面支持数字化转型。 

 

建设企业级数据资产统一加工中心，发挥数据资产生产力。数据中台具备打通多维粒度数据、打通内外部数据、打破数据资产壁垒等特点，实现从“采、建、管、用”全生命周期、一站式的快速数据加工和共享。建立统一数据需求管理机制，提供更多的数据资产加工积累，实现数据资产以集市为主的供给体系向以数据中台为主的供给体系的转型。 

 

统筹全行企业级指标管理，提升数据资产应用效率。统筹全行企业级指标管理，依据统一的数据指标标准规范和定义，对指标类公用数据统一管理、统一业务口径、统一加工和应用，对核心企业级指标可视化展示，为产品升级、营销管理与决策提供纵览全局的数据支持；搭建客户标签体系，构建客户画像，为普惠金融、精准营销、新客预测等营销场景提供高效的数据服务；融合内外部数据，构建安全、风控、反洗钱、反欺诈等场景的统一指标模型，为风控、反欺诈等业务场景提供丰富多维的数据支持，提升隐含风险发现能力及风险挖掘能力，深化风险类场景应用，提升风险识别及风险传导路径判别能力。 

 

运用大数据技术建设敏捷多态的数据交付中心。数据中台的数据交付中心充分利用Hive、Hbase、Flink、SparkStreaming、Kafka、Redis等各类大数据技术，对非结构化数据、海量数据和实时数据进行多维度整合，微服务配置化开发，建立健康度评估体系，提供实时、订阅化及批量的数据交付服务，满足不同业务场景对数据时效性的需求，提供敏捷的数据交付能力。

 

充分应用国产化技术提升数据开发效率。数据中台创新数据工艺，应用国产化产品华为GaussDB，全力支持催熟国产化金融科技创新。数据资产中心通过业务聚合层对银行经营活动的最细粒度对象业务呈现，业务领域层面向应用需求，供各类前端应用直接访问经过简单加工后使用的数据层次，大大提升了数据建模的规范性以及响应的效率。依托于行内底层数据仓库、数据湖和准实时系统所提供的批量和流式数据处理能力，实现了Kafaka在线数据、“MPP+Hive”离线数据的统一采集与加工，支持快速实现“厚中台”；以“云服务”多集群间互联互通；采用智能化数据开发平台、数据画像等工艺，有效提升开发效率。 

 

深挖数据价值，数智赋能业务全景 

 

光大银行深化“业、技、数融合”，已建立算法模型近千个，沉淀全行客户画像标签两千余个。基于企业级平台化的支撑，光大银行积极建设“AI模型工厂”，深化数据挖掘在零售金融、公司金融、风险管理等方面的应用，数据驱动价值创造效果凸显。

 

智慧化零售模式实现新突破。2019年，光大银行零售客户突破1亿户大关，科技赋能智慧零售新模式是助力业务发展的关键。近年来，光大银行聚焦“智慧零售”理念，运用大数据技术，深化零售、私行、长尾等行内重点客群经营，强化手机银行流量经营，赋能零售金融价值创造。

 

第一，提升零售客群价值贡献。构建“客户+产品+渠道”的零售客户智能营销体系，敏锐洞察客户的潜在价值，精准预测客户的生命周期变化和产品服务需求，优化客户经营策略，引导客户营销模式从关系驱动向数据驱动转变，提高零售客户价值挖掘及综合经营能力，提升客户体验和客户贡献。同时，积极开展“总分协同”，将总行营销模型、营销策略和培训下沉至分行，实现数字化营销业绩的规模化增长，提升AUM资产数百亿元。

 

第二，强化手机银行流量经营。以“数据—模型—策略—运营—反馈”的运营闭环为核心，开展智能流量经营，实现获客、活客和客户价值提升。围绕手机银行月活提升目标，通过数据分析挖掘手段和大数据技术从存量盘活、流量经营、权益促活、社交获客四个方面定位精准客群，细化用户生命周期和行为特征，开展差异化运营，提升业务运营效率和用户体验。 

 

数字化公司金融开启新发展。为充分发挥公司金融的“压舱石”作用，光大银行充分挖掘行内外数据价值，建立数字化精准营销体系，推进重点关注行业的客户经营，持续扩展壮大对公客群，持续发展普惠生态链，提升小微客群经营能力，助力公司金融业务实现新突破。 

 

第一，扩展对公业务的有效客群。针对绿色低碳行业、高端制造业等国家重点关注行业开展精细、全面、深入的数据分析，建设对公客户营销模型，打造对公智慧经营模式，开展对公客户数字化精准营销，增强高价值客户的挖掘、获取、转化和提升能力。 

 

第二，持续发展普惠金融生态。围绕普惠金融“两增两控”的监管指标开展普惠数字化营销，建立普惠大数据经营分析体系，提升小微客户经营能力，实现普惠金融产品数据运营闭环。支持光大名品“小微快贷”及多种生态链、供应链产品运营，持续发展普惠生态链。 

 

全面化风险管控展现新担当。光大银行以“知大局、守底线、强管理”为指导方针，落实监管要求，坚持合规经营，加强全面风险管控，利用云计算、大数据、人工智能等新技术提升全面风险管理能力，助力风险防控体系建设，在反欺诈、反洗钱领域已取得一定成效。 

 

第一，提高账户风险识别能力。深入推进电信网络诈骗和跨境赌博“资金链”治理，提高账户交易风险的识别与管理能力。搭建企业级智能反欺诈平台，快速甄别海量交易数据，实现对高风险交易、异常可疑账户的动态监控、智能预警、综合查询治理，建设账户全生命周期模型体系，实现高精度、广覆盖、自动化的账户风险识别管控，提高网点可疑账户排查质效，提升账户风险管控的准确率与覆盖度，多次协助警方抓捕嫌疑人，有效支持了国家的反欺诈工作。 

 

第二，提升洗钱交易监测能力。光大银行坚持创新驱动，围绕监管要求，深入洗钱可疑交易监测与回溯分析，在智能反洗钱领域研发实现两项专利技术，建设智能反洗钱模型，根据上游洗钱场景类型使用专利技术及其他监管科技，有效提取洗钱及上游犯罪活动的关键特征，及时、准确、全面地识别疑似洗钱客户及团伙，切实提高反洗钱数据报送质量，提升洗钱可疑交易监测能力，有效预防洗钱及相关违法犯罪活动。 

 

结束语 

 

随着数据要素市场建设的深入，全国数据交易流通生态体系已经初具雏形。数据与业务、技术的深度融合，正在迅速积聚数据资产的能量，在公开、公正、公平的数据交易市场中有序流通，释放出巨大的数据资产价值。未来，光大银行将以数据驱动引领为定位，以“新体验、新模式、新融合”及“中台化、敏捷化、智能化”为目标，夯实数据能力建设基础，积极探索商业银行在全国数据交易流通生态体系中的定位和角色，探索数据资产入表，创新数据资产融资产品，促进数据创新成果的转化，为共筑数据交易流通生态体系，持续促进金融业乃至于全社会的数据要素融合贡献光大力量。 

 

(作者系中国光大银行信息科技部总经理)

 

责任编辑：魏敏倩