京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代引发商业银行对数据治理关注的升温
近日,国内领先的科技服务领导厂商文思海辉宣布,在华润银行、东莞银行、成都银行等数据治理咨询项目招标的激烈竞争中脱颖而出,获得为上述多家银行提供数据管控咨询、数据标准咨询服务的机会。这是继广发银行、北京银行、民生银行等数据管控咨询、实施项目之后,文思海辉商业智能事业部在此领域的再次结出硕果,标志着文思海辉在银行业数据治理能力上获得了更为广泛的认可。
文思海辉副总裁、金融行业专家贾丕星指出:近年来,民营银行、城商行之所以大面积开展数据治理工作,与金融业改革和监管、互联网金融创新以及大数据技术的崛起有密切关系。在数据治理上,文思海辉与众多商业银行取得了“打造智慧银行”的共识,正是凭借在金融解决方案、数据仓库和数据治理方面积累的丰富经验,才获得了众多银行的认可。
“大数据”时代催生数据治理
近几年来,金融业主管部门不断通过政策和法规指引,加强金融业科技含量和数据标准化工作。
由央行、银监会、证监会和保监会联合发布《中国银行业信息科技“十二五”发展规划监管指导意见》,提出“坚持围绕银行发展战略”、“坚持自主创新”、“坚持全面风控”和“坚持科技引领”四大指导原则。同时,银监会强调了针对数据能力的良好标准检查的要求,人民银行也强力推动“金融标准化工程”。
与此同时,互联网金融新生势力正凭借海量的数据来源和强大的IT系统,催生更多的互联网业态,试图渗透和瓜分银行的既有市场,这让传统金融业在感受压力的同时也意识到了大数据的威力。
如今,商业银行在经历了“数据大集中”后,已经迈入大数据时代,客户数据、交易数据、管理数据等均呈现爆炸式增长。IDC数据显示,目前,中国金融行业数据量已超过100TB,非结构化数据增长更快,而这还是仅仅是大数据量级的初级阶段。
当前,利率市场化、监管要求、银行精细化管理、互联网金融的冲击以及大数据的快速增长,这都商业银行在数据处理技术和方法作带来了挑战。
“数据治理为应对这一挑战提供了便利”,文思海辉副总裁贾丕星说,大数据和数据治理为银行创新和变革性价值提供了技术和实现方式,也为银行业服务及管理模式提升创造了根本条件。未来银行在大数据上的发展之路,将会突破数据银行,迈向数据分析、数据解读、数据洞察乃至数据驱动银行,并为银行开展多元创新打下基础,利用“大数据”的能力将成为决定银行竞争力的关键因素。
传统方式遭遇挑战,数据价值亟待提升
数据是银行最为重要的资产之一,是银行支持精细化管理、实现差异化服务、加强业务创新、提升风险分析能力的基础。
湖北银监局副局长阙方平近日撰文指出,随着大数据时代的来临和利率市场化进程的加快,商业银行单纯靠做大资产规模增加盈利的模式将难以为继,必然从重视资产规模经营,逐渐转向客户群体与市场的范围经营。尤其是通过信息资源来扩大客户群体,通过对信息数据的收集分析,提供个性化、有针对性的服务,提升客户忠诚度,巩固客户群体。
在这过程中,银行对于新增数据的获取、分析、管控和驾驭能力正在遭受考验。一方面,经过多年的积累,银行各个部门产生了大量的数据,却未能实现有效整合;另外一方面,基于财务视角的内部数据仅仅做了到支撑流程银行业务,在支撑银行重大决策支撑上显得力不从心。
监管、竞争需要和服务于内部业务创新的决策都对数据质量提出了更高的要求。正是因为这种自发性内因和外因的双向驱动,使得商业银行产生了数据治理体系推动的强烈意愿,大型商业银行和股份制商业银行、城市商业银行以及“农村金融机构”纷纷开展了借助IT信息进行业务提升和战略转型的步伐。广发银行、北京银行、民生银行正是洞察了技术和业务的趋势,开行业直线,率先引进“大数据”战略,率性引进数据仓库,进而开展数据治理工作。
在贾丕星看来,从最近广受关注的互联网金融获得快速发展的经验来看,依赖数据积累和挖掘、数据分析和处理、数据的管控和治理,对于传统银行业不可或缺甚至是迫在眉睫。对于民营银行来说,由于具有决策灵活的机制,从发展之初就引进“数据治理”的理念,提升数据价值,及早开始将会获得更多优势。
驾驭大数据,数据治理推动银行业务“内外兼修”
来自万事达卡的报告显示,2020年中国的信用卡发卡规模将从目前的3亿张增长到9亿张,成为世界最大的信用卡市场。基于此,关注银行业信息化的分析师指出,目前,各大银行推出的产品和服务存在很大的同质性,大数据为银行开展个性化产品开发、实现差异化竞争打开了一扇大门。
贾丕星说,引入数据治理将使得银行的业务和战略实现“内外兼修”,增强数据洞察力,实现“数据驱动”为战略的增长模式。通过大量数据进行抽取、转换、分析和模型化处理,从中提取出有助于商业决策的关键性数据。通过数据治理体系的建立,银行将能够实现数据的标准化、有序化、可视化,凭借数据管控平台,银行管理者将能够从纷繁复杂的海量数据中解放出来,实现决策的科学和系统化。
来自银行界人士表示,通过引入大数据治理技术和方法,商业银行将在风险管理和客户管理两个层面获得收益。在风险管理方面,数据治理能够帮助业务部门实现基于现有数据的风险评估和控制,甚至把风险防范推进到了“前瞻性”和“可预测性”等更高层级;在客户管理方面,则能够帮助营销部门精准获得新客户、保留并防止丢失老客户、持续优化客户服务,在创造了深化客户挖掘、强化交叉销售、加快产品创新的广阔空间。总之,数据洞察将成为关键决策的重要依据。
基于大数据领域的全球经验和国内金融业的深入认识,文思海辉一直朝着“银行业全价值链解决方案供应商”迈进,做为领先的商业智能供应商,文思海辉已经为众多财富500强企业及其他知名公司成功提供BI和数据仓库、数据治理解决方案,有着超过15年的大型银行系统开发、实施和支持经验,凭借文思海辉在商业智能领域的先进经验,帮助国内商业银行提升日常业务运营能力和商业分析决策能力。
对于商业银行来说,数据之争就是未来之争,从数据中获得洞察力,占据数据价值链核心位置,才能赢得未来。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19