“三步走”解决中小银行数字化转型难题

本篇文章1848字，读完约5分钟

为做好数据治理工作，中小银行应完善数据收集机制，为零售银行营销、中小企业风险控制等业务线的未来发展奠定基础；可以建立公司级的数据管控体系和基本规范，建立统一的数据仓库和数据接口，集中各个业务部门的分散数据，实现数据标准化，消除数据孤岛；借助外部第三方组织的数据模型，可以快速建立数据建模能力。

我们的记者小杨

在银监会发布《银行业金融机构数据治理指引》(以下简称《指引》)一年后，中小银行的“数据治理”再次引起市场关注。

去年5月，中国保监会在《指引》中强调:“银行业金融机构的数据管理活动应当从数据治理结构、数据管理、数据质量控制、数据价值实现和监督管理等方面进行规范。”这是中国银监会首次将数据治理提升到银行日常管理的战略层面，明确银行数据治理应规范化、持续化，标志着中国银行业数据治理新时代正式开启。重构数据治理体系已成为中小银行不可回避的任务。从去年开始，一些中小银行开始在这方面努力，并取得了初步成效。

高质量的数据被认为是提高银行管理和监督效率的重要基础。一些大银行和互联网公司凭借其在数据治理和应用方面的优势获得了一定的市场份额。然而，对于一些中小型银行来说，数据治理仍处于初级阶段，它们的数字转型非常困难。对此，金融一账户董事长兼首席执行官叶认为，中小银行应认清当前转型工作中的困难和“痛点”，对于自身力量无法解决的问题，应寻求“外部帮助”。

受三大因素的制约

中小银行的数据治理能力

日前，金融一户通、中小银行互联网金融(深圳)联盟和埃森哲联合发布了《中小银行金融技术发展研究报告》(2019年)，指出由于治理水平和内部管理流程的原因，大多数中小银行尚未形成成熟、完整的数据管控体系。内部数据的缺乏和外部数据的低质量给中小银行后续的数据整合和处理带来很大困难，无法快速高效地辅助决策，使得当前的数据应用场景变得狭窄，无法充分支持客户体验的改善、产品创新和生态优化。

报告指出，中小银行的数据收集水平呈现出内部客户数据缺乏、外部数据质量难以匹配的局面。在内部，中小银行缺乏足够的自有客户数据，难以对数据进行建模和多维度客户分析；从外部来看，外部数据平台不能满足中小银行的实际区域需求，因为其业务受区域限制，没有区域客户的数据积累。此外，作为金融机构，中小银行需要确保外部数据的真实性和可靠性。

据行业分析师称，金融机构对数据质量的要求最高，这是金融科技企业的生命。有必要确保输入数据的真实性和可靠性。如果数据被故意扭曲，将很难处理和解决它。此外，在数据管理方面，中小银行普遍缺乏成熟的公司级数据管控体系和数据规范，构建更高层次的数据湖更是凤毛麟角。业务部门还没有实现自下而上的统一采集，数据采集和连接也基本没有实现。另一个重要因素是，目前，中小银行已经基本实现了数据的初步自动化处理，但仍不具备智能分析数据的能力。数据分析后的应用场景很少，目前主要用于信贷业务。

“三步走”

提高中小银行的数据治理能力

如何做好数据治理？《报告》指出了“三步走”的道路。首先，中小银行应完善数据收集机制，为零售银行营销、中小企业风险控制等业务线的未来发展奠定基础。加强对自有客户的数据收集，包括用户行为、账户特征和金融服务倾向，实现分析维度的多样化。同时，数据收集应从生命周期的角度进行，并在系统中长期保留；对于金融机构来说，外部数据并不缺乏，但有必要构建一个对外部数据进行筛选的机制，比如第三方机构，并在合作的基础上加强对数据的自我控制。

其次，中小银行可以根据监管要求建立公司级的数据管控体系和基本规范，建立统一的数据仓库和数据接口，集中各业务部门的分散数据，实现数据标准化，消除数据孤岛，将公司的所有数据连接起来，将数据人员提升到业务部门，从而保证上报数据的质量。更高层次的数据管理是在数据仓库的基础上建立一个数据湖，实现不同结构数据的统一存储，使不同的数据有一致的存储方式，使用时便于连接，真正解决数据集成的问题。在治理方面，应该为数据管理分配特定的职责，并且可以任命一名首席信息官来管理数据。

第三，中小银行可以借助外部第三方组织的数据模型快速建立数据建模能力。在此基础上，将数据分析和应用放在所有业务部门的前面，并在所有部门设立专职的数据分析岗位，大数据分析的结果将从信贷延伸到财富管理等零售业务领域，为客户获取、风险控制和运营提供数据支持。基于业务层面的综合应用，大数据应用可以从业务层面推进到管理层面。通过引入执行驾驶舱机制，可以实现从业务概述到具体指标的全方位深度数据分析。