中国建设银行

数据管理部总经理刘静芳

实现企业级数据互联互通，夯实工作基础

建设银行从2003年开始认识到数据治理的重要性，开始探索适合建行特色的数据治理体系。2011年以来，建设银行依托新一代核心系统工程，建立了完善的数据管理和数据应用体系，夯实了覆盖所有业务的规范统一、集成互联的数据基础，实现了企业级、全流程数据管控，努力让使用者在正确的时间、正确的环境、以正确的方式获得正确的数据和服务，促进商业智能的提升。

建设银行建立了完善的企业级数据规范体系，并在新一代核心系统中全面落地执行。数据规范体系包括数据标准、业务术语、指标体系、业务数据模型等内容，为从根本上消除数据孤岛实现数据的互联整合奠定了基础。截至2017年末，建设银行累计制定数据规范80000余项并全面执行，从源头上保证了数据一致性。

建设银行建立了外部数据资源统一引入和共享机制，数据仓库在集成行内125个系统数据的基础上，引入业务场景需要的工商、法律、海关、中经网等外部数据，实现企业级数据集成整合、互联互通和全面共享。

建设银行建立了完整的数据管控机制，开发了企业级、可视化的数据资产管理工具，支持对全行数据实施全生命周期的管理。建立企业级元数据资产库，提供元数据应用服务。建立企业级数据质量平台，提供可定制的数据质量监测服务，促进业务数据质量不断提升，为挖掘数据价值保驾护航。

建立一体化协同机制，保障大数据战略实施

大数据能力建设是覆盖和贯通数据价值链中采集、加工、管理、应用各个环节的全局性工作，所有机构都是直接的参与者。大数据工作取得成效的关键在于，遵循科学规律，结合具体实践，以全行一盘棋的思路做好顶层设计，建立适应互联网和大数据新竞合业态下的工作组织体系，充分激发全行各级机构管理数据、应用数据的积极性和创造性，促进全行经营管理向数据智能型迈进。

为保证大数据战略有效实施，建设银行自上而下建立了完整的组织管理和工作机制，成立了总行行领导挂帅的工作领导决策机构，强化了总行数据管理部作为大数据能力建设牵头部门的职能定位，与新组建的大数据智慧中心一体化协同运作，加强大数据工作的体系化统筹管理、创新动能培育和内聚赋能能力。大数据智慧中心作为专门为全行提供大数据应用支持的专业化机构，为总分行各业务部门大数据应用提供全面的数据、分析方法、工具和专业人员支持，协助业务部门满足管理决策、客户营销、风险管理、产品创新等数据分析，共同实现全行大数据战略目标。同时，为在全行范围推广大数据理念，培养数据分析人才，建设银行每年组织实施“绿树工程”大数据种子人才培养计划，选拔总、分行骨干人员到大数据中心学习工作一段时间，以集中授课、项目实践双管齐下的形式，培训骨干人员掌握大数据分析工具、技术和方法，为全行培养了一大批数据分析人才。

总行各部门相继设立大数据应用岗位，以多方合作开展大数据应用项目的形式，深挖全行数据资源，逐步实现数据引领和数据驱动业务发展的目标。各分行数据管理条线参照总行大数据组织管理架构，在各层级机构共同推进大数据分析成果落地应用。

全面规划工作平台，构建大数据生态体系

银行业要发挥数据价值，驱动业务发展与创新，需要在传统数据处理平台的基础上再上一个台阶。建设银行规划并建设了大数据工作平台，将其定位为：面向全行数据分析人员大数据生态体系的基石，是全行大数据分析工作的实验室、工具箱和知识库；具备多类型数据整合、海量数据处理、数据产品创造等能力，并提供各类共享数据分析挖掘应用资源。在平台项目实施过程中，以基础先行、应用导向为原则，推进大数据相关技术、工具的研究、引进或功能开发，逐步实现涵盖数据采集与转换、存储与计算、展现与运用等能力为一体的大数据生态体系。

在数据采集与转换能力建设方面，制定了统一的结构化、非结构化数据采集规范，在合法合规的前提下，实现对企业内部、互联网网站、社交媒体、第三方机构等结构化与非结构化数据的采集，进一步丰富数据来源。

在数据存储与计算能力建设方面，依托“MPP+Ha-doop”的融合架构，搭建符合大数据处理要求的结构化、非结构化数据存储与计算平台，形成对多种数据类型的海量数据存储能力、海量数据快速计算能力、针对流数据等动态数据的计算处理能力以及运用机器学习等技术实现的数据分析和挖掘能力。

在数据展现与运用能力建设方面，在传统的可视化分析基础上，增加大数据处理所需的可视化分析工具，支持更有效的图形、图表等可视化分析与展示需求；同时打通大数据工作平台与多渠道的信息交互通道，支持将数据分析成果对接到应用组件、短信平台、微信公众号等。

探索前沿分析技术，不断提升大数据能力

围绕大数据生态体系，建设银行不断跟踪大数据及相关领域的最新技术成果，深入研究大数据领域相关技术应用，积极引入各类先进的分析工具和技术，培育数据挖掘和分析技能，在继续提升全行传统结构化数据分析能力的同时，结合非结构化数据的特点，因地制宜、各尽所能，分类建设多种不同的分析能力。

在传统数据挖掘分析领域，通过引入数据分析挖掘工具，运用统计分析、逻辑回归等方法处理结构化数据，从中获得经营管理所需的信息，为精准营销、精细管理、产品创新和风险管理服务。

在机器学习领域，引入Python、R、Spark、Zeppe-lin等数据分析语言及工具，运用典型的关联分析、LDA聚类、随机森林、协同过滤等机器学习算法处理客服语音文本、智能客服会话文本等非结构化数据，融合处理结构化、非结构化数据，构建热点问题分析、来电原因分类分析、投诉升级预测分析、智能推荐等一系列挖掘分析模型，从而洞悉客户心声、预测客户需求，为优化业务运营、提升业务效益服务。

在深度学习领域，基于开源的TensorFlow深度学习框架等工具，在图像识别等领域进行探索与应用；在图分析领域，引进了专门工具用于实现图分析、路径分析，并在此基础上探索研究Neo4j、JanusGraph等开源图数据库工具，用于构建客户关系图谱、预测客户资金流向等。

积极推进大数据应用，实现创造业务价值

建设银行大数据战略实施三年以来，聚焦全行业务发展的热点、难点问题，着力提升大数据分析挖掘能力，推动全行体系化大数据应用，从无到有，从弱到强。

建设银行在普惠金融领域，结合企业及企业主行内外数据，运用大数据技术，建立全新的客户评价体系，围绕客户履约能力、信用状况、资产状况等方面进行综合评价，选择诚信纳税优质小微企业给予信用贷款，采用全线上自助贷款流程，实现针对性贷后预警监测，依托大数据技术实现在客户选择、信贷流程、风险控制等方面的全面创新。

建设银行在住房金融领域，基于我行自身海量、高质的住房交易数据，整合外部优质数据资源，采用特征价格法编制住房租赁价格指数，以完整反映住房租赁市场格局和动态，为政府部门、企业机构和各类市场参与者提供系统性支持和服务。建设银行因此成为国内首家由金融机构编制发布住房市场分析监测指标的机构。

此外，建设银行借助大数据技术深入探索语音、图像、文本等非结构化数据的应用。一是分析客户来电投诉语音数据，预测客户投诉升级可能性，及早做好客户服务和矛盾化解工作；二是运用深度机器学习技术，对客户行驶证图像数据进行自动识别分析，获取客户的购车日期、车型档次等信息，精准定位客户车型续保时点，预测客户换车需求，驱动车险、购车分期等信用卡产品精准化营销；三是根据各个渠道采集到的客户咨询、建议等文本内容，运用自然语言分析工具，挖掘客户业务需求和业务场景，关联客户交易行为，精准定位营销目标客户群体，结合对应的金融产品，制定营销策略和营销话术，开展手机银行获客、活客精准营销。

当前，建设银行履行大行责任，贯彻落实以人民为中心的发展思想，以服务大众追求美好生活为目标，将自身工作与国家战略和民生需求紧密结合，主动以金融的力量解决社会痛点、难点问题，适时启动了住房租赁、普惠金融、金融科技三大战略。在支持战略实施过程中，建设银行大数据能力建设和应用工作将不断推进和深化，进一步发挥潜能，提高水平，基于自然开放的数据生态，重构以“客户和客户体验为中心”的新型经营管理模式，以大数据智慧化银行的从容姿态，拥抱未来。