银行数字化转型路上,重点关注四个数据问题
金融大数据观察诗融2021/10/9 9:56:18

如果你对数字化转型还很迷茫,看完本文,你会释然很多!

如果你所在企业的数字化转型已经到了一定阶段,看完本文,你应该知道该怎么去对数字化转型阶段性成效的评估。

数字化转型可以说是近两年的热点,不论是传统企业还是金融机构都在大谈数字化转型,很多机构也已经开始付诸行动了。数字化转型是一个长期的过程,绝非一朝一夕的事,不可能在短期内就取得很大的成效,数字化转型的一个核心是实现全要素数据化,推动数据创造价值。因此,不论数字化转型最终走向何方,你是否真正的实现了数据要素化,释放了数据生产力却是可以评价数字化转型成败的一条重要的标准。在传统行业中,商业银行可以说已经走到比较前面了,可以进行阶段性的评估了,评估的核心就是你的数据用起来了吗?用好了吗?

释放数据生产力是数字化转型的核心

这几年,从党的十九届四中全会首次将数据纳入生产要素,到中共中央、国务院印发《关于构建更加完善的要素市场化配置体制机制的意见》,再到国家十四五规划提出的“加快数字化发展,打造数字经济新优势”,核心的目的都是基于数字经济的新特征,需要建好基础设施,推动全要素的数据化,促进数据要素自由流动,推进数据创造价值,推动数字经济发展。因此,国家层面大力推动产业数字化,是在夯实数字经济的发展基础,推动数据生产力释放。

人民银行、银保监会、国资委都在大力倡导金融机构、企业推进数字化转型。于企业来说,数字化转型的核心是实现全要素数据化,促进数据要素自由流动,推动数据创造价值,释放数据要素生产力。这边的自由流动既包括企业内部的自由流动,也包括在合法合规前提下的跨机构自由流动,重点是数据价值的创造,如果数据不能创造价值,单纯的数据化,买了一堆硬件,沉淀了一堆的数据而没有用起来是没有任何意义的,还要增加企业的IT开发和硬件成本。可以说,未来,运用数据能力的高低将很大程度上决定很多传统企业尤其是对数据强依赖的商业银行能否在市场竞争中取得优势的关键因素。

需要重点关注的四个问题

在这个背景下,不论企业、银行的转型要转向何方,都应该关注数据价值的创造,尤其是要重点关注四个问题:“全要素数据化了吗?”“数据能够自由流动了吗?”“数据用起来了吗?”“数据用好了吗?”如果这几个问题解决了,数字化转型就成功了一大半,不用担心数字化转型会走上彻底失败的结局。

首先,“全要素数据化了吗?”在企业的数字化转型方案中,是否重点考虑了数据采集、数据资产的沉淀,有没有实现数据的应采尽采?有没有实现业务、组织的全在线?如果没有,赶紧补上。数字化转型需要要从全局的视角出发,要先有数据,否则,就只是在做信息化。

第二,“数据能够自由流动了吗?”这个问题包括两个方面,一是企业是否建设了与企业业务、组织相适应的数据基础设施?是不是数据中台不重要,关键是企业是否在确保数据安全的前提下实现了数据从产生到应用的端到端的自由流动?二是企业的体制机制是否确保了数据的自由流动?是不是能够实现数据的快速流动,而不是有很多的人为的审批环节。最常见的是一方面,数据管理权不统一,虽然数据实现了物理的集中,但是,使用还要分散到各个业务条线审批。另一方面,打着数据安全的旗号,凡用必批,极大降低了数据使用效率。

第三,“数据用起来了吗?”数据基础设施搭好了,接下来的问题就是数据应用了,数据是一种特殊的资源,你不用它,它就是一堆“垃圾”,只有用起来,它才能产生价值,才能真正的称之为生产要素,定义为数据资产。

数据要用起来,包括几个方面:

一是企业是否真正的理解了数据应用,数据应用范围很广,并不仅仅是简单的做几张报表,弄个酷炫的可视化大屏,更核心的是去预测,去实现客户服务、业务决策的精准化、智能化。

二是企业是否明白了数据应用与传统软件开发的区别。数据应用基于数据解决业务问题,为业务提供解决方案,是一项探索、创新性质的工作,软件开发则是负责业务解决方案的系统实现,是一项目标明确,更偏操作性的工作,数据应用工作本质上是一项业务工作,在很多传统企业的眼里,往往容易将数据应用与传统的软件开发混为一谈,如果不能真正的理解数据应用,那么,你是无法指望数据能产生价值的,也就注定了企业的数字化转型不可能取得成功。

三是是否建立了科学的数据应用团队,数据应用团队需要数据产品经理、算法工程师、数据分析师等多种角色,相比于传统的软件开发人员,需要有更广的知识面,更深度的独立思考,更强的研究与创新精神,千万不要将之和传统软件开发人员等同,同时,还要建立与之相适应的激励机制,能够真正激发数据应用团队的主观能动性、创造性。

第四,“数据用好了吗?”当企业、金融机构都在应用数据的时候,这个时候,用的好不好就成为了决定企业竞争力的重要影响因素了。

一是是否有清晰的数据应用战略?数据应用战略主要起到指引的作用,引导数据应用的方向,要始终坚持适度的前瞻,看业务方向、看算法方向,融合思考,明确数据应用的广度和深度,广度和深度都够了,走到最后,企业的数据应用一定是遍地开花,给企业带来巨大的价值。往广了看,企业数据应用要做要全业务、全领域、全环节、全问题覆盖,往深了看,企业数据应用的终极形态一定是人工智能,要不断强化人工智能的研究与应用。

二是是否形成了良好的数据文化?任何组织、个人要接受新生事物,都需要从思想上先了解、认同、接受,因此,组织有没有通过各种手段去不断的培育数据文化?

三是是否建立了业务、数据无缝融合机制,数据只有应用到业务中去才能产生价值,数据在业务中的应用效率高不高,有没有堵点?

四是有没有形成业务、数据驱动的良性循环?一方面,业务条线是否有主动用数的想法和诉求,能够源源不断的提出需求;另一方面,数据条线是否具备主动引导业务需求,主动研发数据产品的能力。数据团队成员是否具备深刻的洞察力和优秀的创造力?

五是有没有形成开放的创新文化?数据应用工作是一项探索性、研究性的工作,随着数据应用的深入,企业会逐步走入数据应用的无人区,有一些工作就不是单靠企业内部的数据团队能够搞定的,需要广泛与高校、第三方科技公司开展合作,共创共享。

六是企业的数据应用有没有在往深水区前进?传统企业从零开始做数据应用,一定是先从容易解决的问题,运用简单的算法开始,在持续推进的过程中,有没有攻克一些更具挑战性的难题,甚至是业界没有处理过的难题,有没有使用一些更高阶的算法,甚至有一些自研的应用算法?如果一直在原地踏步,那一定不是好事。

本文转载目的在于知识分享,版权归原作者和原刊所有。如有侵权,请及时联系我们删除。

展开全文
相关阅读
资讯查询取消