商业银行企业级数据开放服务平台建设与应用
吴永飞1，2，易永丰1，王彦博1，2，
魏文术1，李 娜1，张 军2
（1.华夏银行股份有限公司；
2.龙盈智达（北京）科技有限公司）
随着我国经济社会的不断进步，以数字化引领产业变革、助推现代化产业体系建设，已成为“数字中国”发展的必由之路。党的二十大报告中明确指出要“加快发展数字经济，促进数字经济和实体经济深度融合，打造具有国际竞争力的数字产业集群”。面向这一目标，商业银行积极布局，明确将企业级数据治理和数据应用作为主基调，推进从数据应用场景到数据应用人才的全面发展。在此背景下，构建企业级数据开放服务平台，以“创新引领、科技先行”为模式，以“搭平台、做产品、引需求、促融合”为原则，全面提高商业银行数据价值实现能力，已成为商业银行数字化转型发展的重中之重。本文立足商业银行业务实践，在全面推进银行数字化转型大背景下，探索打造生态化数据运营场景，推进“平民化、民主化、生态化、社交化”数据平台普惠建设，以期深挖数据服务在商业银行的应用价值，助力商业银行变“需求驱动”为“业务价值驱动”，在为银行业企业级数据开放服务平台的建设与应用提供借鉴的同时，为数字经济建设贡献力量。
银行企业级数据开放服务平台是数据分析和数据服务体系的重要组成部分，需要以满足数据分析和服务需求为出发点，以实现服务运营与管理能力提升为立足点，充分发挥数据服务价值。作为给商业银行业务条线人员提供数据展示、数据加工及报表报告制作的统一服务平台，在内外部数据融合的基础上，企业级数据开放服务平台往往会构建诸如精准营销、智能风控、智慧经营、监管合规等各种数据应用主题，承担着构筑整套企业级数据服务解决方案的重要使命。构建商业银行企业级数据开放服务平台具有如下优势：
一是解决数据分析痛点。 从商业银行的经营实践来看，总分行数据分析主要有“四大难点”，往往表现为数据获取困难、数据理解困难、数据使用困难及智能化支持困难。针对数据获取及理解困难，在银行企业级数据开放服务平台的构建过程中，明确了相关概念和术语表达显示的详细信息；针对数据使用及智能化支持困难，通过使用自然语言处理、低代码等新兴技术，让非技术背景人员也能快速上手。
二是推动数据服务体系健全。 通过数据整合，将商业银行各个业务领域的数据整合到银行企业级数据开放服务平台系统中，为员工提供全面的数据开放服务，帮助业务人员进行数据分析和决策支持。在此过程中，持续完善数据开放服务平台的平台架构和功能，确保系统的稳定性和易用性。
三是提升数据平台使用体验。 企业级数据开放服务平台通过统一数据应用服务界面，提供数据加工、展示和探索等自助服务功能，让业务人员自主进行数据分析和应用。同时，平台鼓励业务人员共建场景并分享，提升数据开放服务平台的智能能力，通过智能化推荐和引导，帮助业务人员更好地利用系统进行数据分析和决策支持。
（一）系统概述
以华夏银行打造的企业级数据开放服务平台“数据魔方”为例，该平台系统将数据应用同业务发展的实际需要相结合，全面挖掘数据应用中对业务决策、业务机会、业务复盘的重要价值，通过固定化格式报表+商务智能自助分析双轮驱动，实现从报表中发现问题，在商务智能中分析问题，到业务实质上解决问题，最终实现业务新发展。该平台系统的主要功能如图1所示。
该平台系统的构建有效平衡了健全性和创新性，形成如下鲜明特点：
一是具备健全的数据建设体系标准。 该平台系统具备数据整合能力，总行统一提供数据服务，保证数据的一致性和可靠性；分行则根据自身需求，进行个性化的数据服务输出。同时，平台系统采用脱敏、敏感扫描、分类分级、授权审批和全链路监控等手段确保数据安全性和合规性。此外，该平台系统能够对接数据资产管理平台，通过统一标准和深度治理，实现数据的一致性和规范性，与数据治理融合贯通，涵盖数据安全和治理的各个环节及要素，注重隐私与数据保护，提供全面的数据服务，实现数据服务的规范、安全和可追溯。
二是满足创新应用发展需求。 该平台系统采用云原生系统框架，灵活适应不断变化的需求和业务规模的膨胀性增长，并独立地控制系统的核心功能。平台系统的开发团队拥有数据分析和数据服务领域的丰富专业技能，并在关键技术领域中具备自我创新和利用尖端技术的能力，能够自主主导系统的核心技术，保证平台系统的运营稳定性和可控性。
（二）特色功能
一是可降低自助用数技术隔阂。 平台系统支持自助用数和自助数据分析，在解决数据获取困难、理解困难、使用困难的同时，强调用户自主性，减少技术隔阂。通过创新性引入商务智能（Business Intelligence，BI）自助分析工具、低代码自助报表工具以及自然语言搜索分析工具等多种新兴数字化技术，让非技术背景人员也能够快速地进行数据分析，提高工作效率，获取更全面、系统的数据洞察，更好地理解业务状况，做出更准确的决策。
二是具备丰富的数据展现途径。 通过高度集成的管理驾驶舱和大屏功能，将来自多个数据源的数据进行整合、分析和展示。管理驾驶舱可以为决策者提供更深入了解企业运营状况的视角，大屏则是将数据以更为清晰、直观的方式展示，以便更好地进行数据分析和决策。两者在业务运营监控、风险控制、客户行为分析、资产负债管理和经营决策等多个领域都得到了广泛的应用。同时将原有的数据分析工具迁移到移动设备上，根据移动设备特性增加特有功能，摆脱了时间和空间的限制，同时利用移动端轻应用特性为团队成员提供了更加便捷的交流途径，使信息掌握在方寸、沟通变得易如反掌。
三是面向热点业务场景打造。 注重热点业务场景打造，培养业务人员数据使用习惯，提高数据应用意识，实现数据创造价值。业务运营监控场景，将各种风险指标的数据集成展示，便于风险管理人员及时发现和控制风险。客户行为分析场景，将客户账户信息、交易信息等数据整合在一起，实现客户行为分析。资产负债管理场景，利用展示不同资产的数据，打造个性化的资产分析和预测模型，实现监控和把握市场动态的能力。经营决策场景，利用界定业务增长点，根据整合后的数据进行分析，从中发现潜在的商业机会。
四是有效加强数据赋能。 该平台系统具有移动化、可交互、可视化能力，以更直观的展示与交互方式替代PPT及各类手工报告。数据权限由系统自动控制，在提高数据展示的吸引力和效果的同时，保障数据的安全性和隐私性。通过与大流量系统集成，吸引更多用户实现数据“赋能”，从而推动企业创新和效率提升。
五是支持定制化服务。 该平台系统提供智能触达功能，可根据用户的行为和偏好，定制个性化的首页，通过自动化算法推荐、人工干预和全局搜索功能，满足用户需要，让用户更快找到所需数据，节省时间和精力。同时，可提供用户反馈和需求进行人工干预调整，更快更准地直达数据，让数据找寻更加精准。
“春潮行动”是按照《华夏银行2021—2025年数字科技转型行动方案》要求，为助力全行数字化转型发展，落实“禹治工程”对数据应用的部署安排，开展面向全行的大数据专项行动。该行动聚焦数据应用人才培养、“数据魔方”运营、分行数据集市推广、支持重点应用场景等方面。在“数据魔方”应用推广过程中，华夏银行始终坚持对齐“春潮行动”行动目标，重策略、强落实，真抓实干全面促进“数据魔方”日常使用；坚持数据导向、考核导向双管齐下促进分行业务强落实，从而助力该平台系统在用户访问、活跃度、自助产品研发及产品访问量等多个方面得到极大的提升。截至2023年9月末，魔方用户数32 768人，登陆人数11 823人，活跃人数6006人（占比20.02%）；建设了包括“个人业务速赢看板”“资产质量监测”“量子应用部落”等热门业务场景，产品访问量18.8万次，其中分行自助发布报表、报告类产品1344个，产品访问量7.68万次。回顾推广运营的整个历程，坚持“人人会数据、人人懂业务”的原则，围绕人才培养、资质考核、场景落地、团队协作、运营效果等方面，通过强有力的运营布局，全面实现“有组织”“有培养”“有生态”“有激励”的“四有”运营，为该平台系统的成功应用推广奠定了良好的基石，其中重点在如下领域形成了相应的经验。
（一） 深挖业务需求
通过建设总、分行数据分析场景体系，按不同业务条线划分运营管理，涵盖产品分析、个人业务分析、对公业务分析、风险防控分析等场景，同时大力推广北京分行、福州分行、南京分行、上海分行、济南分行等主导实施的分行特色应用场景，从而深度挖潜全行业务需求。此外，激励开展总分行间、业务条线间的产品分享、产品创新和技术创新工作，通力实现数据分析场景的全覆盖。
（二）着力人才培养
着力培育“数字+科技+专业”二复合或三复合人才，启动业务人员、数字化转型相关岗位人员培训和认证，科学组织制定全年“数据魔方”及数据分析人才的培训工作安排，制定总分行培训及数据分析大赛计划方案，坚持以教促学，以练带学，以考验学，最终实现学以致用。通过这一体系全面落地数据人才培养，已实现员工报名参加“数据魔方”培训占全行人数的14.38%，培训学员资格认证持证人员3658人，覆盖全行员工的12.19%，远超预期目标。
（三）构建推广运营体系
全面构建“数据魔方”推广运营体系，上层组建“数据魔方”军团，全面把握“数据魔方”战略发展及业务推广脉搏；推广层创新成立“数据魔方”赋能官团队，构建赋能官价值推广体系，将全国业务分为四大片区，以竞赛代替督导，营造数据分析“比、学、赶、超”的良好氛围。积分激励方面，设置运营积分制，在应用场景、培训资质、运营效果、团队协作完成质量上给予不同积分设置，激励分行运营积极性。
数字经济时代背景下，构建商业银行企业级数据开放服务平台，通过“创新引领、科技先行”的模式助力商业银行数字化转型能力的升级，已经成为各家银行加速发展的必由之路。本文基于华夏银行构建的“数据魔方”开放服务平台，探讨了构建商业银行企业级数据开放服务体系的技术方案与可行路径，以期为银行业数字化转型发展提供借鉴。
龙盈智达（北京）科技有限公司杨璇、王一多对本文亦有贡献。
本文已发表于《科技中国》2023年第11期。
(欢迎大家加入数据工匠知识星球获取更多资讯。)
联系我们
扫描二维码关注我们
微信：SZH9543 邮箱：ccjiu@163.com QQ：2286075659热门文章
【新书推荐】数据治理多少事，都付本书中-《数据治理：工业企业数字化转型之道》（文后有福利） 一文尽览98家央企数字科技公司布局及发展情况 什么是时序数据？如何治理？有哪些应用场景？终于有人讲明白了
深度解读DMBOK2.0袖珍版《穿越数据迷宫–数据管理执行指南》
成功的大数据治理项目须坚持“六个导向”和“三个相结合原则”及“四个坚持和五个避免” ( 推荐收藏)
“一平台、两体系、三性特征、四个统一、五个超越、六类服务 ”一篇读懂数据治理、共享和应用（值得收藏）
资产密集型企业的物料/资产/设备数据治理难点和建设思路(推荐收藏)
“五段码”描述模型技术和 “四个八二法则”实施方法论是物料数据治理成功基石
深度解读数据管理葵花宝典-《DAMA-DMBOK2数据管理知识体系指南（第2版）》
我们的使命： 发展数据治理行业、普及数据治理知识、改变企业数据管理现状、提高企业数据质量、推动企业走进大数据时代。
我们的愿景： 打造数据治理专家、数据治理平台、数据治理生态圈。
我们的价值观： 凝聚行业力量、打造数据治理全链条平台、改变数据治理生态圈。
了解更多精彩内容
长按，识别二维码，关注我们吧！
数据工匠俱乐部
微信号：zgsjgjjlb
专注数据治理，推动大数据发展。