銀行數字化體系建設思路之

數據能力體系一、數字化體系背景和藍圖二、數字化體系規劃

國家要求銀行抓住產業數字化、

數字化產業賦予的機遇

，

抓緊布局數字經濟

人民銀行發布

《金融科技(F

inTech)發展規劃》

商業銀行紛紛推出數字化轉型戰略

，

打造數據生態

客戶對金融服務要求越來越高

，

銀行亟需通過數字化轉型提升客戶體驗

，

增加客戶粘性

銀行的綜合金融、

場景金融等金融解決方案需要對數據進行深入挖掘和利用

業務部門通過數據分析進行客戶洞察的訴求日益強烈數字化體系—

數字化體系建設背景內部壓力外部挑戰監管要求2在市場競爭、客戶期望、政策驅動、技術進步等四大因素共同

驅動下金融機構發展金融科技勢不可擋

目前我國金融行業所處的環境與過去有著極大的差別。經濟、社會和人們的行為都在發生劇變

，來自內外部的各種力量正在重塑和改變金融服務市場，也使得銀行、保險、信托等企業在競爭、客戶、政策、技術等方面面臨著新的挑戰。人工智能、大數據、云計算、

區塊鏈等新技術日漸成熟

，為金融機構

強化自身的數字化能力提供了新動能合規和安全方面的監管，金融機構需要利用金融科技提高服務效率，滿足監管要求受利率匯率市場化、金融脫媒等因素影響

，銀行傳統的“存貸匯”

盈利模式面臨轉型挑戰客戶期望隨技術發展不斷提高

，但金融機構服務水平與日益提升的客戶需求仍存在較大差距02

.

客戶期望03.政策驅動04.技術進步

01.市場競爭

國家重視普惠金融業務且加強風險、

管控層是整個金融體系架構的“神經中樞”，其基礎架構以云計算為核心

，采用頂層設計架構，自上而下，實現互聯互通

，

滿足數據傳輸的高效率與安全性

，建構動態、

高效、

開放式、

彈性、敏捷的IT系統架構。

管控層呈現“云端化”的發展趨勢：云計算代表一種采取互聯網思維的全新技術路線

，企業基于云平臺，通過資源

組合方式的優化和資源投入的統籌安排，提高企業運營體系的整體效能。

據中國信通院調研數據顯示，近九成金融機構已經或正計劃應用云計算技術，其最主要目的是縮短應用部署時間、節約成本和業務升級不中斷。縮短應用部署時間節約成本業務升級不中斷用戶自服務系統自動擴張故障自動檢測定位67.81%62.56%53.13%50.00%32.81%32.25%數據“云化”發展趨勢，強化“管控+服務”

有計劃使用

已經使用

暫時沒有計劃使用金融機構云計算技術運用進展0.00%10.00%20.00%30.00%40.00%50.00%60.00%70.00%用戶應用云計算技術的目的數據來源：中國信通院41.2%46.8%12.0%泛金融服務入口

一站式金融服務入口零售渠道數據中臺云化基礎設施

智能金融的建設路徑，即金融科技的利用主要集中在三個層次：

管控層（企業體系架構的神經中樞，即中臺）、

基礎設施層（客戶、財務、

OA和計算和存儲設施，

即后臺）及界面層（與客戶直接交互的界面和觸點，即前臺）。金融科技滲透到運營的三個層次-業務賦能、集中管控和云化基礎設施數據采集數據治理和資產管理開放流量合作運營精細化產品運營私域流量運營全域數據自助服務數據開發DevOps指標和標簽數據門戶和API服務特征工程和機器學習支付信貸FlinkGraph

…HadoopIAASCRMOAERP

理財

客服

營銷集中管控層基礎設施層業務賦能層業務賦能自助建模開發自助指標定義自助分析和機器學習數據服務目錄

分析模型

機器學習

自助指標定義和加工

自助取數和加工、調度

數據模型

數據中心

云化基礎設元數據數字化運營的3個層次：賦能–管控–運營頂層設計示意

自助報表和分析

集中管控

需求、規劃

模型、架構

開發、流程基礎數據和能力

服務化公有云私有云OP集群資源管理服務化場景自助服務語義關系圖譜施結合我行現狀–數字化首先是透明化

結合我行現有客群和產品特點，以及未來的產品和客群重點方向，參考互聯網產品管理方式，對線上/線下的營銷、運營和服務等過程透明化：1.現有客群的生命周期–營客（現有客群主體，年齡結構，收入結構特點，

CLV的特點，比如中年客戶，挖掘潛在VIP及其投資/教育/醫療等需求）2.增量客群–獲客（獲客目標，潛在獲客主題，接觸渠道，流量轉化方式）3.

現有產品/新產品–生命周期分析（拉新、留存、活躍、轉化、傳播）和ARPU指標4.

運營的透明化–財務分析、客戶分析和產品分析指標實時化和趨勢預測智能化、場景化和個性化是數字化金融未來方向

數字化的智能金融未來發展將圍繞智能化、場景化和個性化展開。

智能化為基礎，可分為三個層次：第一層次為Robot，即機械性的，可以實現數據收集、整理和規則客服工作；第二層次為Smart，即可以實現數據的分析和可視化；

第三層次為Intelligent，即可以實現數據的知識化，提供決策支持和深

度洞察。

場景化為，智能金融將驅動金融業態不再局限于“金融”標簽，

而是轉變為一種深入各場景的生活標簽，

擺脫以往“高冷”的形象，變得更貼近生活。

個性化，是相對標準化而言的，智能金融服務將不再是單一產品推薦和服務，

而是多產品混合推薦和服務，且智能金融驅動的金融服務和產品的創新，將為人們提供更多元化的選擇，

這就是一種相對的個性化。智能化

數據的知識化和自我學習能力，提供決策支數據分析，按規則統計、跟蹤和可視化數據收集、錄入和整理場景化

個性化

持和深度洞察模型

建設數據開發數據

消費數據

智能數據產品外部數據集團數

據應用外部數據集市數字化體系圍繞“數據推動業務模

式創新”的目標

，基于基礎平臺構建數

據服務、數據能力、數據產品三位一體

的服務架構

，實現“科技+數據”雙輪

驅動推動業務發展

構建分布式大數據產品平臺

，通過

分區多集群實現資源彈性擴展與權

限靈活管控的統一

通過數據整合各類數據

，

打造

“一

橫一縱一網絡”、精準營銷、實時

風控等數據產品

打造數據探索、

數據開發、數據消

費及數據智能四大數據能力

，提供

全面快捷的數據服務

通過數據服務推動產品、

模型及需

求在風控營銷、

決策支持、客戶維

系等領域落地二數字化體系整體規劃賦能

合作脫敏

提取聲紋

識別文本

處理基礎

平臺客戶行

為縱表潛在客

戶寬表實體關

系網絡歷史明

細查詢模型

建設客群

管理數據

分析數據

探索風險

管控數據

分析精準

營銷圖像

識別決策

支持需求

實施集團數據行內數據數字化體系規劃數字化體系技術架構分為數據服務、數據產品、數據能力、基礎平臺四個層面

，大數據門戶主要提供統一

訪問界面和服務目錄

，數據服務、數據產品主要聚焦于賦能數據應用的基礎業務服務

，數據能力、基礎平

臺主要聚焦于技術基礎支撐數據能力

應用場景使用者門戶開發者門戶數據服務模型建設運營數據產品二數字化體系整體規劃-分層架構

提供統一的、標準化對外大

數據服務

打造聯接外系

統與用戶的數

據能力建設跨渠道、

多條線的數據

產品構建批量與實

時運算并存的

基礎平臺

構建一站式大

數據服務門戶技術賦能合作離線運算區數據應用區

數據提取脫敏建模分析區實時計算區

實時風控應用

建模分析應用

數據探索應用

數據開發應用

基礎平臺精準營銷應用外部數據集市客戶行為縱表實體關系網絡基礎整合層

IT項目.

數倉ETL卸載.

準實時分析/集市.

EDW的現代化.系統的交易監控（支付，物

聯網）監管合規國內要求：.監管報送1104/EAST.

反洗錢/審計后督全球要求：.

FRTB,

CECL.IFRS-9,

IFRS-17.

Privacy:GDPR.

EMIR+,

BCBS-239…高級分析.

文本語義分析NLP.

圖挖掘和分析.知識圖譜和關系網絡分析.深度學習/人工智能.

計算模擬（ABM）客戶分析（CRM）實時分析CRM.客戶標簽和統一視圖.實時交叉銷售/提升銷售.智能銷售白名單分析.

終身價值分析CustomerJourney客戶體驗分析創新類項目.

AI感知.

自動應答.

聊天機器人.

虛擬助手.

人臉識別.

簽字防偽.

區塊鏈/

DLT管理會計資金管理?日內流動性風險?資金轉移定價FTP

?

RWA風險管理新巴塞爾相關風險模型：.

市場風險監控.

信用風險.

流動風險.

操作風險綜合風險.統一風險視圖金融犯罪.

實時交易欺詐檢測.

進件反欺詐（信用欺詐）

.零售內部信用評分（FICO/SAS).

反洗錢（團伙洗錢）.

POS欺詐識別.

網絡安全/漏洞掃描具體應用場景基本可以涵蓋所有數據應用?Cloudera,Inc.All

rights

reserved.

14風險，欺詐和合規10家庭和汽車貸款161711消費者賬戶和貸款161211821310214企業和IT職能17初識探索

優化質變序號案例名稱1客戶交叉銷售/追加銷售/終身價值2客戶忠誠度和倡導/客戶流失3增強的產品目錄和發掘4實時客戶行為分析5進件盡職調查和反欺詐的自動化6增強的交易監控（欺詐）7提高SAR準確度（AML）8信用風險計算9監管風險計算-

巴塞爾協議III和CCAR10分析投資組合風險11零售銀行欺詐檢測（語音，社會分析）12欺詐檢測的支付卡監控13虛擬助手/聊天機器人14客戶服務（電話分析）15個性化的客戶服務16生物指標支付認證17網絡防攻擊風險18信用承保19現有EDW的進一步優化511154531零售銀行大數據用例成熟度路線圖同行競爭規模同行中的標準在同行群體中很常見

同行之間的戰略新的創新?Cloudera,Inc.All

rights

reserved.

15---成熟度階段→---成熟度階段→9781319986557序號案例名稱1客戶交叉銷售/追加銷售/終身價值2客戶忠誠度和倡導/客戶流失3增強的產品目錄和發掘4客戶登錄自動化客戶盡職調查5增強的交易監控（欺詐）6提高SAR準確度（AML）7信用風險計算8監管風險計算-

巴塞爾協議III和CCAR9分析投資組合風險10欺詐識別11欺詐檢測的支付卡監控12貸款/信貸承保13虛擬助手/聊天機器人14付款錯誤處理（AI）15客戶AR支付匹配（AI）16實時支付處理和可見性（AI）17網絡風險18后臺數字化（AI＆ML），

人才/人

力資源分析19EDW優化公司銀行（對公）大數據用例成熟度路線圖同行競爭規模同行中的標準在同行群體中很常見

同行之間的戰略新的創新?Cloudera,Inc.All

rights

reserved.

16存款，支付和財務服務---成熟度階段→---成熟度階段→風險，欺詐和合規企業和IT職能11101618151292114132198611341751974客戶管理借貸業務初識質變探索優化2231135911615162119171418

27104122023824客戶洞察類分析能力1.

渠道交易行為分析2.

客戶標簽畫像3.

客戶關系網絡（圖挖掘）4.

營銷產品推薦運營優化類分析能力5.

網點運營數據分析6.

基于位置的行為等分析拓展7.

平臺與渠道接觸行為分析8.外部數據引入與分析風險類應用實時能力和關系分析能力9.

風控模型實驗室10.

反欺詐信息實時捕獲和分析

11.

信用風險模型優化12.

關系網絡/圖挖掘（團伙反欺詐）數據服務開放能力13.

內部數據服務/開放API14.

集成服務總線15.

合作伙伴數據產品

16.

商業客戶數據產品數據中心管理能力17.

完善元數據及質量管理

18.

信息生命周期管理19.

大數據安全管控20.

集中化平臺運維管理數據整合與AI能力21.

數據治理22.

AI建模平臺23.

新一代數據倉庫24.

大數據平臺建設業務價值：包括提升客戶服務、創造新收入、降低各類成本、

優化使用體驗等。代價：

包括實施時間、業務技術復雜度、工作量、可能風險、

對其他能力的依賴等。17技術能力建設優先級分析與設定（樣例）

Phase1

Phase2Phase3

代價(業務&技術復雜度\風險\依賴\見效時間)一般

較高

高低中

高業務價值說明:大數據技術架構規劃擁抱開源架構，微服務，租戶化管理，云化資源調度18

能力工具

數據開發應用

數據探索應用

數據智能應用

……

資產目錄

數據產品

數據服務

數據API

……

學習培訓

在線培訓

案例中心

互動社區

……數字化體系數據門戶作為數字化體系的訪問入口

，

向數據人員提供綜合性的數據服務

，使得各部門據人員

可通過數據門戶找到相關的工具、數據、案例和支持

，進一步降低大數據使用門檻

幫助數據開發者快速查找開發資源、解

決開發過程遇到的困難等

提供開發資源目錄、開發培訓和開發社

區

，開發人員可通過學習和交流解決困

難

滿足數據使用者快速定位工具及數據，

深入挖掘數據價值

提供大數據學院培訓教程及案例中心等

功能

，幫助分析人員提升分析能力三數字化體系分層架構數據使用者數據開發者大數據應用門戶模型建設運營數據價值數據提取脫敏外部技

術合作大數據平臺數據服務是圍繞數據資產提升目標

，為總分行部門及外部客戶主動提供的客群分析、營銷風控

等數據應用的基礎服務

，基于數據產品及數據能力

，打造自助化及敏捷化的數據服務體系三數字化體系分層架構-數據服務數據分析挖掘場景需求實施技術賦能合作風控類

需求數據分

析競賽數據專

項分析模型運

營評估模型協

作部署集團賦

能輸出批量數

據脫敏高校技術合作客群類

需求實時數

據脫敏自助數

據分析明細數據提取業務模型建設營銷類需求Hadoop數據湖

+數據中臺·

跨行數據消費·

集團業務支持

歷史明細存儲·

明細數據提取大數據平臺數據產品構建大數據平臺數據湖

，基于數據湖打造“一橫一縱一網絡”、風控營銷等數據產品

，提供給各應用系統及業務部門使用·

整合行為時序·

構建行為模型·

客戶標簽處理潛在客戶整合·

外部數據消費

外部主題建設·

挖掘客戶關系·

識別潛在信息三數字化體系分層架構-數據產品客戶全景視圖客戶行為縱表實體關系網絡外部數據集市精準營銷應用實時風控應用數據資產數據消費數據探索能力數據生產

數據開發能力

組件化、可視化、流程化、標準化數據開發模式

多團隊自助開發及持續集成

開發過程事中數據治理●

數據智能能力

異構建模平臺

，支持可視化建模及傳統建模

模型統一運營大數據平臺數據能力遵循“開放、共享”的原則

，構建數據探索、數據開發、數據智能和數據消費應用

，

通過能力及流程建設進行大數據能力輸出

，提升業務需求實施效率

，推動業務賦能和創新三數字化體系分層架構-數據能力

數據字典、數據指標、事實數據等海量數據探查能力

多種數據自助分析工具

大數據服務接口配置化開發

大數據指標標簽等運算結果統一與其他系統對接數據消費能力大數據平臺基礎平臺主要是為大數據運算提供分布式計算及存儲資源

，并進行資源規劃及管控

，通過技術

迭代及資源定價提升大數據運算效率

，

降低運營成本資源及軟件自動化管控工具

建設跨集群、多組件的大數據資源管理應用

，將hadoop、

ES、

kafka等集群納入統一管理

大數據資源管理應用開放給各個部門

，供各部門實時查詢資源使用情況

大數據資源管理應用與監控平臺等運維系統對接

，實現資源管理自動化集群資源分配及管控機制

實現按部門及應用進行租戶資源管控

，定期出具資源使用報告

優化資源采購流程

，縮短資源采購及就緒時間

制定大數據資源定價機制

，將資源和成本掛鉤三數字化體系分層架構-基礎平臺定期根據業務需求進行擴容

，滿足業務發展需要持續研究和引入業內最新大數據組件

，確保技術先進性

基礎平臺資源擴容及軟件管理

優化數據存儲結構，持續推進架構體系迭代更新

基礎平臺建設資源管理工具資源管控機制

數字化體系人員組織架構圖內設數據管理

員等職位內設數據分析

師等職位內設系統架構

師等職位數據體系建設人員內設運維工程

師職位數字化體系除了在技術層面進行了基礎平臺、能力平臺、數據產品及數據服務的建設

，

同步制定人員架構

及技術體系要求

，構建完整的數字化體系制度流程人員及終端管理能力及資源管理技術及架構管理四數字化體系組織架構及制度體系數字化制度體系平臺開發崗運營維護崗數據分析崗人工智能模型客戶行為縱表r實時風控應用r五數字化體系應用場景

管控期

推廣期

審核期

應用于全過程外部數據集市

實體關系網絡

發展期數據專項分析r

產品、服務營銷

精準營銷應用客戶全景視圖r

資產管理及根源分析

貸

中

后

綜

合

管

進件及授信審批

客戶流失原因

等分析進件風險實時

高效處理提升客戶服務能力

及效率產品/服務特點

定位內外部征信信息征實

時整合及應用目標人群選取催收委外營銷+欺詐客群管理流失預警1客戶識別4客戶維系3客戶分

群2客戶特

征分析客群管理基于行內外數據

，通過客戶識別、特征分析等手段

，對客戶進行分群

，并進行客戶維系、價值提

升等工作

，快速定位目標客群

，便于后續營銷風控客戶全景視圖客戶行為信息客戶關系網絡五數字化體系應用場景-客群管理客戶價值提升外部數據董監高人群高價值人群高薪人群他行VIP65精準營銷基于海量客戶數據，通過大數據及人工智能模型洞悉客戶習慣偏好

，聯動銀行線上線下渠道

，實

現場景化、智能化、