银行数字化体系建设思路

银行数字化体系建设思路之

数据能力体系一、数字化体系背景和蓝图二、数字化体系规划

国家要求银行抓住产业数字化、

数字化产业赋予的机遇

，

抓紧布局数字经济

人民银行发布

《金融科技(F

inTech)发展规划》

商业银行纷纷推出数字化转型战略

，

打造数据生态

客户对金融服务要求越来越高

，

银行亟需通过数字化转型提升客户体验

，

增加客户粘性

银行的综合金融、

场景金融等金融解决方案需要对数据进行深入挖掘和利用

业务部门通过数据分析进行客户洞察的诉求日益强烈数字化体系—

数字化体系建设背景内部压力外部挑战监管要求2在市场竞争、客户期望、政策驱动、技术进步等四大因素共同

驱动下金融机构发展金融科技势不可挡

目前我国金融行业所处的环境与过去有着极大的差别。经济、社会和人们的行为都在发生剧变

，来自内外部的各种力量正在重塑和改变金融服务市场，也使得银行、保险、信托等企业在竞争、客户、政策、技术等方面面临着新的挑战。人工智能、大数据、云计算、

区块链等新技术日渐成熟

，为金融机构

强化自身的数字化能力提供了新动能合规和安全方面的监管，金融机构需要利用金融科技提高服务效率，满足监管要求受利率汇率市场化、金融脱媒等因素影响

，银行传统的“存贷汇”

盈利模式面临转型挑战客户期望随技术发展不断提高

，但金融机构服务水平与日益提升的客户需求仍存在较大差距02

.

客户期望03.政策驱动04.技术进步

01.市场竞争

国家重视普惠金融业务且加强风险、

管控层是整个金融体系架构的“神经中枢”，其基础架构以云计算为核心

，采用顶层设计架构，自上而下，实现互联互通

，

满足数据传输的高效率与安全性

，建构动态、

高效、

开放式、

弹性、敏捷的IT系统架构。

管控层呈现“云端化”的发展趋势：云计算代表一种采取互联网思维的全新技术路线

，企业基于云平台，通过资源

组合方式的优化和资源投入的统筹安排，提高企业运营体系的整体效能。

据中国信通院调研数据显示，近九成金融机构已经或正计划应用云计算技术，其最主要目的是缩短应用部署时间、节约成本和业务升级不中断。缩短应用部署时间节约成本业务升级不中断用户自服务系统自动扩张故障自动检测定位67.81%62.56%53.13%50.00%32.81%32.25%数据“云化”发展趋势，强化“管控+服务”

有计划使用

已经使用

暂时没有计划使用金融机构云计算技术运用进展0.00%10.00%20.00%30.00%40.00%50.00%60.00%70.00%用户应用云计算技术的目的数据来源：中国信通院41.2%46.8%12.0%泛金融服务入口

一站式金融服务入口零售渠道数据中台云化基础设施

智能金融的建设路径，即金融科技的利用主要集中在三个层次：

管控层（企业体系架构的神经中枢，即中台）、

基础设施层（客户、财务、

OA和计算和存储设施，

即后台）及界面层（与客户直接交互的界面和触点，即前台）。金融科技渗透到运营的三个层次-业务赋能、集中管控和云化基础设施数据采集数据治理和资产管理开放流量合作运营精细化产品运营私域流量运营全域数据自助服务数据开发DevOps指标和标签数据门户和API服务特征工程和机器学习支付信贷FlinkGraph

…HadoopIAASCRMOAERP

理财

客服

营销集中管控层基础设施层业务赋能层业务赋能自助建模开发自助指标定义自助分析和机器学习数据服务目录

分析模型

机器学习

自助指标定义和加工

自助取数和加工、调度

数据模型

数据中心

云化基础设元数据数字化运营的3个层次：赋能–管控–运营顶层设计示意

自助报表和分析

集中管控

需求、规划

模型、架构

开发、流程基础数据和能力

服务化公有云私有云OP集群资源管理服务化场景自助服务语义关系图谱施结合我行现状–数字化首先是透明化

结合我行现有客群和产品特点，以及未来的产品和客群重点方向，参考互联网产品管理方式，对线上/线下的营销、运营和服务等过程透明化：1.现有客群的生命周期–营客（现有客群主体，年龄结构，收入结构特点，

CLV的特点，比如中年客户，挖掘潜在VIP及其投资/教育/医疗等需求）2.增量客群–获客（获客目标，潜在获客主题，接触渠道，流量转化方式）3.

现有产品/新产品–生命周期分析（拉新、留存、活跃、转化、传播）和ARPU指标4.

运营的透明化–财务分析、客户分析和产品分析指标实时化和趋势预测智能化、场景化和个性化是数字化金融未来方向

数字化的智能金融未来发展将围绕智能化、场景化和个性化展开。

智能化为基础，可分为三个层次：第一层次为Robot，即机械性的，可以实现数据收集、整理和规则客服工作；第二层次为Smart，即可以实现数据的分析和可视化；

第三层次为Intelligent，即可以实现数据的知识化，提供决策支持和深

度洞察。

场景化为，智能金融将驱动金融业态不再局限于“金融”标签，

而是转变为一种深入各场景的生活标签，

摆脱以往“高冷”的形象，变得更贴近生活。

个性化，是相对标准化而言的，智能金融服务将不再是单一产品推荐和服务，

而是多产品混合推荐和服务，且智能金融驱动的金融服务和产品的创新，将为人们提供更多元化的选择，

这就是一种相对的个性化。智能化

数据的知识化和自我学习能力，提供决策支数据分析，按规则统计、跟踪和可视化数据收集、录入和整理场景化

个性化

持和深度洞察模型

建设数据开发数据

消费数据

智能数据产品外部数据集团数

据应用外部数据集市数字化体系围绕“数据推动业务模

式创新”的目标

，基于基础平台构建数

据服务、数据能力、数据产品三位一体

的服务架构

，实现“科技+数据”双轮

驱动推动业务发展

构建分布式大数据产品平台

，通过

分区多集群实现资源弹性扩展与权

限灵活管控的统一

通过数据整合各类数据

，

打造

“一

横一纵一网络”、精准营销、实时

风控等数据产品

打造数据探索、

数据开发、数据消

费及数据智能四大数据能力

，提供

全面快捷的数据服务

通过数据服务推动产品、

模型及需

求在风控营销、

决策支持、客户维

系等领域落地二数字化体系整体规划赋能

合作脱敏

提取声纹

识别文本

处理基础

平台客户行

为纵表潜在客

户宽表实体关

系网络历史明

细查询模型

建设客群

管理数据

分析数据

探索风险

管控数据

分析精准

营销图像

识别决策

支持需求

实施集团数据行内数据数字化体系规划数字化体系技术架构分为数据服务、数据产品、数据能力、基础平台四个层面

，大数据门户主要提供统一

访问界面和服务目录

，数据服务、数据产品主要聚焦于赋能数据应用的基础业务服务

，数据能力、基础平

台主要聚焦于技术基础支撑数据能力

应用场景使用者门户开发者门户数据服务模型建设运营数据产品二数字化体系整体规划-分层架构

提供统一的、标准化对外大

数据服务

打造联接外系

统与用户的数

据能力建设跨渠道、

多条线的数据

产品构建批量与实

时运算并存的

基础平台

构建一站式大

数据服务门户技术赋能合作离线运算区数据应用区

数据提取脱敏建模分析区实时计算区

实时风控应用

建模分析应用

数据探索应用

数据开发应用

基础平台精准营销应用外部数据集市客户行为纵表实体关系网络基础整合层

IT项目.

数仓ETL卸载.

准实时分析/集市.

EDW的现代化.系统的交易监控（支付，物

联网）监管合规国内要求：.监管报送1104/EAST.

反洗钱/审计后督全球要求：.

FRTB,

CECL.IFRS-9,

IFRS-17.

Privacy:GDPR.

EMIR+,

BCBS-239…高级分析.

文本语义分析NLP.

图挖掘和分析.知识图谱和关系网络分析.深度学习/人工智能.

计算模拟（ABM）客户分析（CRM）实时分析CRM.客户标签和统一视图.实时交叉销售/提升销售.智能销售白名单分析.

终身价值分析CustomerJourney客户体验分析创新类项目.

AI感知.

自动应答.

聊天机器人.

虚拟助手.

人脸识别.

签字防伪.

区块链/

DLT管理会计资金管理•日内流动性风险•资金转移定价FTP

•

RWA风险管理新巴塞尔相关风险模型：.

市场风险监控.

信用风险.

流动风险.

操作风险综合风险.统一风险视图金融犯罪.

实时交易欺诈检测.

进件反欺诈（信用欺诈）

.零售内部信用评分（FICO/SAS).

反洗钱（团伙洗钱）.

POS欺诈识别.

网络安全/漏洞扫描具体应用场景基本可以涵盖所有数据应用©Cloudera,Inc.All

rights

reserved.

14风险，欺诈和合规10家庭和汽车贷款161711消费者账户和贷款161211821310214企业和IT职能17初识探索

优化质变序号案例名称1客户交叉销售/追加销售/终身价值2客户忠诚度和倡导/客户流失3增强的产品目录和发掘4实时客户行为分析5进件尽职调查和反欺诈的自动化6增强的交易监控（欺诈）7提高SAR准确度（AML）8信用风险计算9监管风险计算-

巴塞尔协议III和CCAR10分析投资组合风险11零售银行欺诈检测（语音，社会分析）12欺诈检测的支付卡监控13虚拟助手/聊天机器人14客户服务（电话分析）15个性化的客户服务16生物指标支付认证17网络防攻击风险18信用承保19现有EDW的进一步优化511154531零售银行大数据用例成熟度路线图同行竞争规模同行中的标准在同行群体中很常见

同行之间的战略新的创新©Cloudera,Inc.All

rights

reserved.

15---成熟度阶段→---成熟度阶段→9781319986557序号案例名称1客户交叉销售/追加销售/终身价值2客户忠诚度和倡导/客户流失3增强的产品目录和发掘4客户登录自动化客户尽职调查5增强的交易监控（欺诈）6提高SAR准确度（AML）7信用风险计算8监管风险计算-

巴塞尔协议III和CCAR9分析投资组合风险10欺诈识别11欺诈检测的支付卡监控12贷款/信贷承保13虚拟助手/聊天机器人14付款错误处理（AI）15客户AR支付匹配（AI）16实时支付处理和可见性（AI）17网络风险18后台数字化（AI＆ML），

人才/人

力资源分析19EDW优化公司银行（对公）大数据用例成熟度路线图同行竞争规模同行中的标准在同行群体中很常见

同行之间的战略新的创新©Cloudera,Inc.All

rights

reserved.

16存款，支付和财务服务---成熟度阶段→---成熟度阶段→风险，欺诈和合规企业和IT职能11101618151292114132198611341751974客户管理借贷业务初识质变探索优化2231135911615162119171418

27104122023824客户洞察类分析能力1.

渠道交易行为分析2.

客户标签画像3.

客户关系网络（图挖掘）4.

营销产品推荐运营优化类分析能力5.

网点运营数据分析6.

基于位置的行为等分析拓展7.

平台与渠道接触行为分析8.外部数据引入与分析风险类应用实时能力和关系分析能力9.

风控模型实验室10.

反欺诈信息实时捕获和分析

11.

信用风险模型优化12.

关系网络/图挖掘（团伙反欺诈）数据服务开放能力13.

内部数据服务/开放API14.

集成服务总线15.

合作伙伴数据产品

16.

商业客户数据产品数据中心管理能力17.

完善元数据及质量管理

18.

信息生命周期管理19.

大数据安全管控20.

集中化平台运维管理数据整合与AI能力21.

数据治理22.

AI建模平台23.

新一代数据仓库24.

大数据平台建设业务价值：包括提升客户服务、创造新收入、降低各类成本、

优化使用体验等。代价：

包括实施时间、业务技术复杂度、工作量、可能风险、

对其他能力的依赖等。17技术能力建设优先级分析与设定（样例）

Phase1

Phase2Phase3

代价(业务&技术复杂度\风险\依赖\见效时间)一般

较高

高低中

高业务价值说明:大数据技术架构规划拥抱开源架构，微服务，租户化管理，云化资源调度18

能力工具

数据开发应用

数据探索应用

数据智能应用

……

资产目录

数据产品

数据服务

数据API

……

学习培训

在线培训

案例中心

互动社区

……数字化体系数据门户作为数字化体系的访问入口

，

向数据人员提供综合性的数据服务

，使得各部门据人员

可通过数据门户找到相关的工具、数据、案例和支持

，进一步降低大数据使用门槛

帮助数据开发者快速查找开发资源、解

决开发过程遇到的困难等

提供开发资源目录、开发培训和开发社

区

，开发人员可通过学习和交流解决困

难

满足数据使用者快速定位工具及数据，

深入挖掘数据价值

提供大数据学院培训教程及案例中心等

功能

，帮助分析人员提升分析能力三数字化体系分层架构数据使用者数据开发者大数据应用门户模型建设运营数据价值数据提取脱敏外部技

术合作大数据平台数据服务是围绕数据资产提升目标

，为总分行部门及外部客户主动提供的客群分析、营销风控

等数据应用的基础服务

，基于数据产品及数据能力

，打造自助化及敏捷化的数据服务体系三数字化体系分层架构-数据服务数据分析挖掘场景需求实施技术赋能合作风控类

需求数据分

析竞赛数据专

项分析模型运

营评估模型协

作部署集团赋

能输出批量数

据脱敏高校技术合作客群类

需求实时数

据脱敏自助数

据分析明细数据提取业务模型建设营销类需求Hadoop数据湖

+数据中台·

跨行数据消费·

集团业务支持

历史明细存储·

明细数据提取大数据平台数据产品构建大数据平台数据湖

，基于数据湖打造“一横一纵一网络”、风控营销等数据产品

，提供给各应用系统及业务部门使用·

整合行为时序·

构建行为模型·

客户标签处理潜在客户整合·

外部数据消费

外部主题建设·

挖掘客户关系·

识别潜在信息三数字化体系分层架构-数据产品客户全景视图客户行为纵表实体关系网络外部数据集市精准营销应用实时风控应用数据资产数据消费数据探索能力数据生产

数据开发能力

组件化、可视化、流程化、标准化数据开发模式

多团队自助开发及持续集成

开发过程事中数据治理●

数据智能能力

异构建模平台

，支持可视化建模及传统建模

模型统一运营大数据平台数据能力遵循“开放、共享”的原则

，构建数据探索、数据开发、数据智能和数据消费应用

，

通过能力及流程建设进行大数据能力输出

，提升业务需求实施效率

，推动业务赋能和创新三数字化体系分层架构-数据能力

数据字典、数据指标、事实数据等海量数据探查能力

多种数据自助分析工具

大数据服务接口配置化开发

大数据指标标签等运算结果统一与其他系统对接数据消费能力大数据平台基础平台主要是为大数据运算提供分布式计算及存储资源

，并进行资源规划及管控

，通过技术

迭代及资源定价提升大数据运算效率

，

降低运营成本资源及软件自动化管控工具

建设跨集群、多组件的大数据资源管理应用

，将hadoop、

ES、

kafka等集群纳入统一管理

大数据资源管理应用开放给各个部门

，供各部门实时查询资源使用情况

大数据资源管理应用与监控平台等运维系统对接

，实现资源管理自动化集群资源分配及管控机制

实现按部门及应用进行租户资源管控

，定期出具资源使用报告

优化资源采购流程

，缩短资源采购及就绪时间

制定大数据资源定价机制

，将资源和成本挂钩三数字化体系分层架构-基础平台定期根据业务需求进行扩容

，满足业务发展需要持续研究和引入业内最新大数据组件

，确保技术先进性

基础平台资源扩容及软件管理

优化数据存储结构，持续推进架构体系迭代更新

基础平台建设资源管理工具资源管控机制

数字化体系人员组织架构图内设数据管理

员等职位内设数据分析

师等职位内设系统架构

师等职位数据体系建设人员内设运维工程

师职位数字化体系除了在技术层面进行了基础平台、能力平台、数据产品及数据服务的建设

，

同步制定人员架构

及技术体系要求

，构建完整的数字化体系制度流程人员及终端管理能力及资源管理技术及架构管理四数字化体系组织架构及制度体系数字化制度体系平台开发岗运营维护岗数据分析岗人工智能模型客户行为纵表r实时风控应用r五数字化体系应用场景

管控期

推广期

审核期

应用于全过程外部数据集市

实体关系网络

发展期数据专项分析r

产品、服务营销

精准营销应用客户全景视图r

资产管理及根源分析

贷

中

后

综

合

管

进件及授信审批

客户流失原因

等分析进件风险实时

高效处理提升客户服务能力

及效率产品/服务特点

定位内外部征信信息征实

时整合及应用目标人群选取催收委外营销+欺诈客群管理流失预警1客户识别4客户维系3客户分

群2客户特

征分析客群管理基于行内外数据

，通过客户识别、特征分析等手段

，对客户进行分群

，并进行客户维系、价值提

升等工作

，快速定位目标客群

，便于后续营销风控客户全景视图客户行为信息客户关系网络五数字化体系应用场景-客群管理客户价值提升外部数据董监高人群高价值人群高薪人群他行VIP65精准营销基于海量客户数据，通过大数据及人工智能模型洞悉客户习惯偏好

，联动银行线上线下渠道

，实

现场景化、智能化、