前言

2022年，中国人民银行印发的《金融科技发展规划（2022-2025年）》中指出，要坚持“数字驱动”的发展原则，以加强金融数据要素应用为基础，加快金融机构数字化转型，注重金融创新的科技驱动和数据赋能，从而推动我国金融科技发展，在未来实现整体水平与核心竞争力跨越式提升。

数据驱动型银行业务发展的内核体现了将数据作为全新生产要素，强调提升由数据洞察发起业务活动在整体工作中的占比，实现将数据从“结果端”向“动能端”的转变。在银行业整体前进道路中，将数据作为全新生产因素，可以在风控、投资、保险、贷款等业务场景中最大发挥数据价值。

因此，通过工商银行自身探索结合同业领先机构实践的归纳与总结，本文提出一套数据驱动银行发展模式的建设思路。

数据驱动银行发展的现状与挑战

习近平总书记近期就推动我国数字经济健康发展发表重要讲话，为数字经济指明了前进方向，也为金融业推进数字化转型提供了重要指示。数据驱动下银行发展模式，其核心在于如何通过对数据的管理和应用，实现业务在全链路的数字化，达到降低运营成本、提升业务效果的目的。相比起其他行业，金融业本身具有高度电子化的优势，因此银行业数字化转型的起步相对迅速，但如何能将转型深化到使用数据要素来继续驱动银行业务的数字化发展，依然面临许多挑战。

一、银行业务数字化发展历程与现状

在银行转型发展过程中，大型银行数字化转型已从“数字技术反映现实世界”的“数字化1.0”阶段，进入到了金融业务与技术数据聚变式融合的数字化2.0新阶段。也进入技术生态、数据生态、金融生态交叉式融合的生态化、全链条发展新阶段。数据成为生产过程中的关键要素，数据驱动银行业发展模式创新也成为推动行业前进的重要手段。

金融业大数据应用领域情况如图1.1所示。

图1.1 金融业大数据应用领域情况

1. 银行数据基建现状

自移动互联网、云计算、物联网等技术普及以来，数据呈现出前所未有的爆炸式增长为了能够驾驭和使用如此庞大的数据、并应对其迅勐的增速，国内银行持续演进自身的大数据体系，打造符合自身发展需要的数据新基建。

工商银行在2013年启动了新一代大数据技术架构转型工作，率先实现全栈国产化的大数据平台，并完成数据仓库转型与数据湖体系建设。农业银行、中国银行、建设银行和招商银行等多家国内大型银行和股份制银行也在逐步加快建设自主可控的大数据体系，夯实数据驱动下金融行业快速发展创新的基础建设。

2. 银行数据应用现状

目前，国内银行业，尤其是中大型银行纷纷在数据驱动业务发展的模式上进行了探索与实践，取得了令人瞩目的成果。其应用成果主要集中在营销、风控、运营等领域，将数据与人工智能技术融合，共同驱动业务流程智能化发展。

在营销方面，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。

在风控方面，工商银行的“融安e信”大数据反欺诈系统，目前在集团内全渠道覆盖49个业务场景，累计预警超500万笔，涉及风险金额超200亿元。

在运营方面，平安银行公司业务创新“上有卫星，下有物联网设备，中有数字口袋、数字财资和开放银行”数字经济服务生态，提升其数字化经营能力。

二、数据驱动下银行业务发展面临的挑战

商业银行在长期业务发展过程中积累了海量数据基础，对客户、账户信息的存储和使用有健全的管理机制，但由于其早期业务发展对数据依赖度不高，所以对数据作为生产要素管理投入上仍需进一步加速，加快数据驱动转型。基于同业交流与调研访谈等情况，本文总结出以下四个方面，数据驱动下银行业务发展模式创新所面临的挑战。

1. 企业内部数据共享困难

国内银行业经过长时间的发展，已经形成了规模庞大、分工明确的业务部门体系，各业务部门之间通常会形成一个个信息孤岛，导致银行内部的数据无法实现融合应用，严重缺乏关联性。因此，如何实现数据资产在内部的高效流转，提高数据的内部服务能力，对银行将是一个不小的挑战。

2. 外部数据融合挑战

数据在企业之间的数据共享使用中，也存在很大的挑战。首先在数据要素时代，数据信息的保护是数据使用过程中的首个重点关注问题，所有的工作都要在保护客户隐私的前提下进行，因此如何在隐私保护前提下，有效评估数据价值，建立多方共识的数据价值认定和交换机制，也是对数据价值发挥的重要挑战。

3. 数据的智能化应用不足

由于技术改造成本高、相关人才缺乏等原因，部分银行并未在当前业务环节中大规模采用数据智能决策的方案，这导致大量数据未被充分开发和应用，驱动力严重不足。而另一部分银行随着应用规模的不断扩大和力度的不断深化，产品重复建设、缺乏管控的新挑战逐渐露出端倪。

4. 数据运营能力不足

对于银行的线上业务来说，数据驱动下各专业条线运营分析的成果，尚没有形成标准的方法指导和迭代评估机制。对于线下业务来说，由于业务流程中没有适当的标志或回溯信息，无法获知哪些业务变化与数据决策有关，哪些数据可以用于进一步完善数据决策等。这进一步加大了线上决策与线下执行结果之间的差异，造成了业务环节未能环环相扣。

数据驱动银行发展模式的探索与实践

如何做好企业数据资产的治理形成数据基石；如何打通部门界限，构造数据共享平台；如何深度挖掘数据价值，形成数字化、智能化的驱动力；如何将数据价值在业务流程中闭环，有效利用数据使银行的发展模式得到创新等问题都是数据驱动银行发展的关键。面对上述各项挑战，通过对业界探索与实践的归纳与整理，提出了一套可参考借鉴的解决方案(如图2.1所示)——以数据中台来为数据驱动力的中枢与基石；基于隐私计算技术打通企业内外部数据要素流通管道，引入数据发展的新能源，丰富数据中台的内容；以人工智能、大数据等前沿技术为驱动引擎；以服务客户为中心，围绕感知洞察，制定决策、决策执行和效果反馈建立数字化业务运营框架。

图2.1 数据驱动银行发展模式的探索与实践

一、数据中台，数据赋能业务发展的基石

中台战略的原理是将不同业务通用的工具和技术加以沉淀，成立专门的中台部门，这样新的业务需求可以不再重新设计，避免因重复的功能建设和维护造成资源浪费，数据中台的构建也正契合了这种战略意义。常见的数据中台架构如下图2.2所示。

图2.2 数据中台架构

二、隐私计算，数据要素流通提升业务发展

隐私计算技术可以使数据拥有者能够在数据不离开本地的情况下将“价值”、“知识”、“信息”传递出去，而不是原始数据，做到数据“可用不可见”，既让潜在的数据价值被挖掘释放，又不损害数据所有者的权益和隐私权。从而打破隐私保护和数据流通之间的瓶颈，消除“数据孤岛”的现象，并能够丰富数据中台的数据资产和生产要素。

图2.3 隐私计算技术能力概览

隐私计算技术近几年发展迅速，但行业内不同产品之间尚未实现互联互通，商业银行在隐私计算技术平台建设思路上，可以通过自研改造的方式，融合开源技术框架和商业版产品进行建设企业级隐私计算平台。常见隐私计算平台框架如图2.4所示。

图2.4 隐私计算平台框架

三、人工智能，数据加速业务发展的引擎

人工智能技术所提供的算法，可以将数据转化为模型，而模型应用于决策，这样就形成了一条智能化的决策链路。商业银行的人工智能应用历程，大致可以分为三个阶段，如图2.5所示。

图2.5 人工智能应用发展阶段

当前，银行业对于人工智能的应用逐步进入到第三阶段，即生态化应用阶段。为解决应用规模逐步扩大所带来的挑战，提出了AI中台的建设理念，AI中台包含智能计算支撑、AI研发平台、AI技术服务和AI管理运行四大核心层级。

图2.6 AI体系与功能架构

四、数字化运营模式，建立数据驱动框架

基于数据驱动的新型业务模式，需要建立以客户为中心的数字化运营闭环。如图2.7所示。

• 感知（Sence）：通过数据的关联分析/AI分析，感知客户需求，实现业务场景洞察。
• 决策（Decision）：基于大量、全面、多维度、实时分析，制定运营计划。
• 行动（Action）：在全渠道部署执行运营计划，及时触达客户。
• 反馈（Feedback）：通过A/B测试等方式对行动进行效果评估与反馈，并成为下一次迭代运营计划的感知来源。

图2.7 基于SDAF框架开展数字化活动运营示例

结合SDAF框架理论，可以打造出自动化、智能化的数字化运营平台，如图2.8所示。通过全端采集、数据打通、用户统一识别、智能数据校验和用户管理打下高质量的数据基础；通过面向业务的指标拆解，建设易于上手的自动化运营平台并对指标进行深度分析和挖掘转化，实现业务赋能。

图2.8 数字化运营体系架构

五、小结

多种数据平台的建设成为了以数据为基础，创新银行发展模式的必要条件。在此过程中，数据中台加强数据价值挖掘的功能建设、降低数据处理成本。利用隐私计算技术，解决数据在存储、使用、共享、流通等环节所面临的数据隐私问题。利用人工智能技术，可以对场景的问题解决上形成一条智能化的决策链路，从而赋能金融业务。建立数据驱动框架，可以有效将数字化和业务需要结合在一起，从而高效、智能、低耗的实现数据驱动下的银行发展模式创新这一重大举措。

图2.9 数据驱动银行发展模式创新整体策略

展望

党的十九大提出“数字中国”战略发展方向；国家“十四五”规划进一步明确“打造数字经济新优势”；2020年国务院颁布《关于构建更加完善的要素市场化配置体制机制的意见》中将数据正式确立为五大生产要素之一。因此，以数据为驱动发展业务创新是大势所趋。

银行业需构建政产学研用为一体的开放、共享、互利、共赢的数据产业生态体系。在数据共享方面，应加强顶层设计和统筹协调，推动资源整合和公共数据互联开放共享。在数据安全方面，应不断完善法规制度和标准体系，切实保障数据安全。在数据质量方面，高质量的数据是数据发挥效能的“生命线”，应采取系统性方法进行全生命流程的数据质量管理，从数据源头出发改善数据质量并提供持续迭代的资源投入。在人才队伍方面，应着力培育具备业务视角与技术敏锐度的跨界复合型人才，为建立数据分析导向的智能化应用和全生命周期链路持续提供输入。在创新研究方面，应聚焦数据创新前沿，加强前瞻性研究的同时利用柔性团队迭代开发快速孵化新应用。

可以预期，未来将有越来越多的商业银行用数据驱动银行智能转型发展，打造有温度的普惠金融产品，培育健康向上的金融生态，为实体经济服务，为普罗大众服务，做客户心上的银行。

点击下载《数据驱动银行发展模式创新》全文