中信银行信息技术管理部总经理王燕

端坐在记者面前的王总，宛如金融IT业界男性天下中的一抹霞光，闪耀着女性的温柔与智慧。多么复杂的科技问题，经她娓娓道来，就好像夏日里忽然吹来的一阵清风，令人豁然明朗。

数据治理与大数据应用的关系构建

数据治理是由组织架构、数据全生命周期的管理流程、方法、工具和基础设施构成的体系。在组织结构上是由董事会、高管层、业务应用部门、技术部门共同构成的。之所以提到这个高度，是因为数据对于银行来讲是渗透在日常所有经营工作的一个过程。抽象的看银行经营的最重要的两件事：一是资金，另一件就是数据。所有的资金都是由数据化形式表达的，银行经营需要数据，有充分的数据很多事就比较好开展，反之就很难。所以，数据治理一定是企业整体的事情，包括管理框架、数据资源、流程和技术平台、以及与之相应的治理结构。

在以前的信息化时代，银行就非常注重数据治理，但主要是针对内部数据，包括：如何采集准确的数据，如何形成标准，质量管控、数据架构管理等；并按照数据采集、加工、分析、质量控制等管理过程、方法来实施。到了大数据时代，数据治理越发重要，其本质虽未改变，但其外延和内涵却已被扩大，从外延看，不仅要看银行内部的数据，还要看外部的数据以及与大数据相关的事情，包括与外部的一些数据OWNER合作开展业务；从内涵看，数据治理正在向数据经营发展，数据正在构建新的业务模式。

如果原来董事会与高管层只需做到对数据重视，关注数据真实性、数据的质量，那么现在则必须是战略层面的事情。数据治理已明确被写入银行的战略规划，这不仅是来源于监管机构的管理要求，更主要是来自银行自身的要求。比如我们银行在战略转型中，与数据治理的结合更紧密，并充分结合业务发展。这是一个非常大的变化，也是典型的特征。

数据治理的工作原来在技术部门，伴随数据和业务结合更加紧密，目前则有了两个重要变化：1、与业务深度结合，出现了新的业务模式。如：资本协议中的信贷业务、《巴Ⅲ》中的风险管理，我们之前用自己历史形成的数据建立数据分析模型。现在我们已在和外部有关企业合作，提供多头借贷等方面的数据；我行与百度成立的百信银行，完全靠数据和技术构建其业务模式，正式开业不到一年，业务快速增长，势头良好。2、数据不仅是决策、经营的依据，也是经营本身。目前，我行的客户经营、业务推荐，风控和防欺诈模型，都是依靠数据。种种迹象表明，数据已经上升为企业价值管理层面的属性，越来越多的银行通过数据构建新业务，银行的数据治理无论是外延还是内涵已经明确地被扩大。

金融行业数据治理的核心价值

很多年前对数据治理的风险建模、分析挖掘等，最被大家认可的业务价值是在节约资本方面。当今，核心价值扩展到新的业务模式，可以扩大自己的客户群，把原来服务不到的客户考虑进来，如将长尾客户发展为客户，之前不做是因为我们没有办法了解他们，不知道他们是否有可靠的还款能力。现在则可以通过大数据来分析，比如通过客户的日常各种消费习惯行为等非金融数据，来分析他们的需求，从而辅助银行更好地服务于他们，包括他们的理财需求、借贷需求。所以对于经营资本节约、扩大经营，帮助银行挖掘扩大客户群，帮助判断银行的经营决策等方面，都是很有效的。

当前业务重点关注的数据治理价值

一、分析挖掘潜在客户。从2013年开始，中信银行团队开始规划架构和搭建数据仓库和大数据平台。对比同业，我们起步比较晚，但同时也有着后发的一些优势，因为可以同时来构思部署新的技术。经过几年的实践，我们在零售方面做的还是很好的，这依托于我们优秀的客户数据分析团队。他们在促进客户AUM增长、睡眠客户唤醒方面都取得了很好的分析效果。经过对数据的深入分析挖掘，利用模型分析营销，完成闭环的分析与营销工作，仅去年通过数据分析带来的AUM增长达到1500亿。

二、发现客户潜在流失风险，及时采取措施，避免客户流失。我们在对公业务传统上比较强，积累了很多的经验，服务于很多大型企业。目前也在着重发展新的业务领域，利用“链式营销”，分析、挖掘潜在消费客户。之前是从购买合理公开的数据基础上，用传统方式营销，新业务拓展效果相当有限。而现在利用数据分析法，使用了链式营销，效果提升了几百倍，同时也大幅提升了对核心客户的服务能力。

三、风险管理上，数据治理工作必不可少。在这几年的分析、挖掘、收集、优化的闭环工作中，我们发现不足，不断改良提升，提高模型精确度和数据准确度。合规是银行的底线，不可逾越。以前银行不太重视，只要完成交易业务就可以了，现在在反洗钱，反欺诈等问题上，都要求保证交易双方交易信息的完整性，通过这几年的治理，合规部、审计部、风险部、业务部门和技术部门一起，通力大力配合，

已基本解决了这一问题。数据治理不仅满足了合规要求，同时也为客户轨迹分析提供的数据积累，不但达成了监管部门的要求，也对我们内部的信息完整性、数据模型的建设都带来了好处。

另一个数据治理典型的例子是我行治理手机号。数据在不同时间、条件下，准确性要求也发生了变化，比如手机号码。长期以来，在客户开户时，实名、身份证是法定必要记录并登记的，客户联系方式手机号码却不是很重要。但现在变了，随着移动互联网发展，手机号码变成了非常重要、甚至是最重要的数据，关系到客户资金的安全，要有数据的权威性，甚至要为之改变业务流程。业务部门了解了相关要求和重要性，主动积极地配合这种调整，大家共同推动完成。

数据治理对风控价值的认识正不断提高，越来越多的业务部门逐步认识数据的价值，对数据治理的工作也重视起来。现在，大家都在主动配合、主动提出来做相应的工作。

银行业数据治理工作实战建议

以往我也会经常强调：现在的数据治理工作一定要从业务价值出发，与业务部门一起分析价值，关注数据风险。在数据采集、质量控制、变更等工作全过程中，都会有和数据治理发生的各种关系。比如：电子渠道的业务协同，一些数据更改，在单个渠道上看似没有风险，但是在另外一个渠道上就出现业务风险了，很容易被欺诈团伙利用和攻击。

在大数据方面，要避免一些误区。比如曾经有些业务部门同事认为，数据现在哪里都有，买来就可以用；海量数据时代，为什么我们还要自己整理还要录入才能用？但是，通过实战中发现，即便与最好的数据公司合作，买来最好质量的、不涉及隐私的数据，在行内测试中都会发现还是有些问题，几乎50%左右的数据都有问题，不能直接使用。实际上，外部数据也要认真分析整理后才能用。数据治理的本质没有变，不会因为数据来源扩大了，就不需要管理了，不但要对内部数据管理好，对外部数据也要管理起来，仔细甄别管理，控制成本，使数据发挥出最大的效力，切实地管好用好数据。

数据治理虽然听起来高大上抽象一些，但在实际工作中我认为：它就是和业务流程、质量控制、信息安全、风险控制等方面都息息相关，是一件件具体的工作和案例。里面要有技术方案、要有业务流程、要落地。这在零售业务上体现的尤为充分。

中小银行数据采集应用工作建议

中小银行业务比较小，我建议：

首先，合作是根本。通过合作来扩大业务范围和工作模式；

第二，可以根据每家行的目标客户、服务客户和业务模式，来使用和管理数据。要把数据当作一种资产而不仅是工具，并且与业务相结合，找到一个点开始。每家中小银行不可能面面俱到，但一定会有自己的特色，利用好自己现有的数据；

第三，监管机构已认识到数据治理的重要，也在建立一些平台，帮助银行利用好数据。大银行的样本量很充足，但中小银行样本量可

能不足，很难做出好模型。但也可以探索做一些建模工作，找一些评级企业来做些专业化评级分析，帮助分析出好的、不好的情况。同时与外部企业合作，合理利用内外的数据并对自己的情况做些评级。根据自己的特色、目标客户与风险偏好来做好选择。

第四，用数据说话，用数据决策，反应经营状况工作。这块虽然有难度也要坚持做好，保证数据准确性、保证信息安全、保证数据收集的有效性和及时性，善于利用与展现这些数据。

数据治理与人工智能分析与展望

数据治理是人工智能的基础，如果这块做不好，人工智能开展就困难。我们要坚持两条腿走路，把自己内部数据管好、用好、采集好。另外也不放弃与外面的合作，帮助我们做好工作。

原来是报表很多，但现在有了很多的新技术、开源小工具，很灵活好用，只依托以往报表的手段就不够了。目前我们也在讨论和反思，如何把数据采集、加工做好，不仅让大家能用好，还要能够长期、主动地用起来。这是不是类似积木：很简单的一些标准件，可以做出很多排列组合。

我们尝试提供工具和平台，鼓励同事们自己来做些数据分析。低端用报表来处理，高端用SAAS和人工智能模型来用，我们技术部门力求不把这块做成高难的技术型，而是要让非技术部门的同事都可以利用起来。同时，通过技术骨干的培养，帮助行里其他部门人员使用这些技术工具，用数据分析来帮助业务工作的开展。当然好多的机会不是事先来定的，而是在工作中发现了解，判断出来的。技术人员要既懂技术、又懂业务，才能更有效帮助行里其他部门。这一点也可以为其他兄弟银行做些参考，做些实际的事情。

相信未来，会在更多领域、更多层面体现出人工智能与数据治理的作用，从而帮助我们更好地生活。