杂志汇中国信息化

激烈的市场竞争趋势和日趋严格的外部监管要求，也对商业银行数据的准确性提出了更高的要求。

缘起于青萍之末

华夏银行股份有限公司（以下简称华夏银行）是一家综合实力非常强的全国性股份制商业银行。经过20多年的发展，目前，华夏银行在87个中心城市设立了38家一级分行、43家二级分行和10家异地支行，营业网点达到638家，形成了“立足经济发达城市，辐射全国”的机构体系；与境外1千多家银行建立了代理业务关系，代理行网络遍及五大洲115个国家和地区的329个城市，建成了覆盖全球主要贸易区的结算网络。

目前，华夏银行总资产已达到19501.15亿元，并且其资产规模始终保持着稳步增长，盈利能力逐年提升。如此迅猛的发展态势，一定程度上要归功于其强大的时代适应能力和前瞻性的预见能力。

在互联网、大数据等创新技术的冲击下，华夏银行意识到，跟随时代发展，将企业管理高度信息化，将是国内银行向“以客户为中心”转型的必由之路。利用互联网让更多金融产品和服务对接创新需求，善于高效运用海量数据的金融机构，将会在未来的竞争中脱颖而出。而对技术的应用也将成为商业银行获取差异化竞争优势的重要途径。

于是一场关于华夏银行的转型之变悄然开始。

华夏银行紧扣互联网发展契机，服务平台经济发展，于2012年同业首推“平台金融”业务模式；2015年初，积极响应国家提出的“互联网+”计划，进一步实施“互联网+平台金融”计划。经过3年的探索完善，“平台金融”已升至5.0，集本外币在线融资、跨行支付、电子对账、现金管理在内的综合服务体系日趋完善。

其中，“平台金融”即运用互联网将该行支付融资系统（CPM）与企业ERP、销售或财务等系统对接，整合平台客户与其上下游、体系内的小微企业和个人客户之间的交易信息，实现信息流、资金流、物流同步，使金融服务精准匹配企业需求，有效提高信贷资金使用效率。对于小微企业而言，“平台金融”基于对交易信息分析，突破了银企之间信息不对称、担保不充分的融资难题；申请、放款、还款在线自助操作，随借随还，按天计息，相比到期还本付息的传统模式，企业实际资金使用成本降低30%~50%。对于平台企业而言，“平台金融”在优化企业财务状况、壮大产业链条的同时，相当于一个强大的现金管理工具，有效提升企业财务管理水平，由此实现大中小微各类型企业在互联网时代中的共生共赢。

而在大数据应用方面，在现如今的银行业竞争中，对于数据的分析和挖掘将成为决定银行经营成败的关键。零售业务由于其本身拥有庞大的数据量，更能体现大数据分析的优势。在当前经济“新常态”背景下，随着互联网金融理念不断深入，构建商业银行零售业务大数据模式对推动银行业转型升级意义重大。传统的数据处理致力于对结构化数据的分析与整合，然而在大数据背景下，传统的数据库已无法满足大量半结构化，甚至非结构化数据的处理要求。因此，必须加快建立零售业务的大数据分析平台，整合银行内部自然数据，协同外部社会化数据，完善大数据环境下的银行数据分析，提高银行决策效率，否则技术带给银行业的不只是商机还可能有更加巨大的风险。

一边是技术创新为传统银行业转型所开拓的大片疆土，一边是大数据治理所要求的近乎严苛的标准与管控。 商业银行想要在创新与风险管控间寻求一条和平共处的道路也并不那么艰难，数据治理就是重要途径之一。

随着金融创新的快速发展和信息科技的日新月异，商业银行积累的数据量呈现几何倍数的增长，数据来源从传统的结构化数据逐渐扩展到以网络日志、社交媒体为代表的半结构化和非结构化数据。大数据治理能够降低海量数据带来的各种噪声，解决日益突出的数据质量问题。大数据治理，究竟能给商业银行带来什么样的收益？结合商业银行涉及到的具体业务，华夏银行与普元信息合作从以下三个方面开展了业务场景分析。

在客户营销方面，商业银行可收集互联网上客户的消费频率、消费地点等信息，通过大数据治理平台，对获取到的海量数据进行质量把关，排除冗杂数据，更精准地获知客户行为，洞察客户情感与情绪，预测客户未来需求，并及时提供与之匹配的金融产品和个性化服务，提升客户满意度。

在风险管理方面，银行可利用互联网上的各类信息，利用大数据治理平台的文本分析能力，对非结构化信息进行梳理，精准地计算出客户的信用情况和违约概率，构建出新的信用评价模型，打造智能化引擎支持的“直通式”全流程在线融资服务模式，最大化提高融资效率，降低信贷风险。

在IT管控方面，在大数据的推动下，银行数据资产变得日益复杂，而与企业的其他资产不同，银行难以直接了解到自身数据资产的总体情况，大数据治理平台可以对整个企业的数据资产进行可视化展现，不仅可以帮助银行了解其内部的大数据资产情况，还能够进一步加强银行对复杂数据资产的管控能力。

除此之外，大数据治理还可以应用于反欺诈的实时可靠监控、客户流失的精准预测、增值服务的有效化提升等方面，全面提高银行的经营和服务能力。

对于银行业来说，大数据管理体系的实际实施需要技术平台的支撑。以银行业务的安全稳定运营为前提，为满足其在客户营销、风险管理、IT管控等方面的多重需要，大数据治理平台相关技术需要围绕大数据整个生命周期，以元数据管理为核心，建立数据标准的全流程管理和高效的智能化海量数据质量管理能力，并提供大数据全过程的追溯能力。

大数据治理相关工作需要从管理和技术两个维度同时展开才可能达到预期效果。首先，银行需要建立完善的大数据治理管理体系，包括大数据管理规范与流程的制定、大数据标准体系的建设、大数据质量的规划等。同时，需要完善的大数据治理技术平台支撑，从技术层面落地管理体系内容，控制数据质量，辅助数据标准实施落地，形成自动化的管控能力。

制定科学的大数据管理规范与流程对于银行业合理应用大数据技术至关重要。大数据管控的核心是建立统一的企业级管理规范与流程体系，通过全行范围数据的有机共享，可有效提高数据的管理和使用水平。银行需要为大数据治理的开展提供有据可依的管理办法，明确大数据治理的业务流程和认责体系，并颁布大数据治理的规章制度政策。

除此之外，还需要构建完整的数据标准体系。这要结合大数据治理平台的建设，依据数据标准管理的相关办法，落实数据标准管理相关人员的职责，紧扣数据标准管理的流程规范，持续对已有的数据标准管理框架进行优化，并使之真正成为可落地执行的框架体系。

最后，制定前瞻性的大数据质量规划是做好大数据质量管理的前提和基础。大数据的管理和应用要纳入商业银行全行统一的数据质量规划范畴。新建项目的业务范围和系统规划必须完全参照已正式发布的数据标准，已经建设完成的系统需在数据质量规划的要求下酌情进行适应性改造。