經濟增速換擋、利率市場化、監管趨嚴的整體環境下，金融行業的冬天依然沒有過去。而銀行業，作為基礎金融的重要組成部分，也正經歷著自身的行業陣痛。

2014年，在互聯網巨頭的跨界沖擊中經歷了數字經濟的洗禮，此后，“數字化”開始成為銀行業發展的新命題。在過去的五年里，從網點經濟到APP經濟再到API經濟，數字技術正在重構銀行業的生態格局。

然而，相較于積極布局數字化的國有大行和股份制商業銀行而言，數百家城商行、上千家農商行的數字化轉型處境卻被動得多。面臨數字化轉型所需的高昂開發成本、專業隊伍組建，大多數中小銀行兩相權衡，進退維谷。

而事實上，即便有能力動議數字化升級的銀行，往往也面臨現實的數據困境。由于經營規模單一、經營范圍偏安一隅，大多數中小銀行的基礎數據規模和數據質量堪憂。而初代大數據建模過程中，數據的豐富性、完整性和連續性是決定模型精準度的重要基礎。

“基礎平臺差距大、數字人才缺乏、組織管理體系缺乏戰略性導向，是中小銀行開展數據治理工作時面臨的三大困境?！币晃怀巧绦卸麻L受訪時直言。

不過，隨著技術的成熟和發展，數據缺失的難題正在被逐步攻克。

近日，作為平安集團金融科技對外輸出的重要承載者，金融壹賬通推出了國內首個基于大數據平臺的全流程數據治理解決方案。據介紹，相較于傳統數據庫的數據治理，本次推出的加馬全流程數據治理解決方案利用自然語言處理、知識圖譜、人臉識別等多項AI技術將無序數據關聯化、隱性數據顯性化、靜態數據動態化，實現全流程的數據分析和治理管控。

金融壹賬通董事長兼CEO葉望春指出，中國銀行業的數字轉型仍處于起步階段，而專業科技公司能夠幫助銀行突破自身在人才、資金、場景這些的瓶頸：“我們跟一些區域性銀行一把手交流時發現，非一二線城市很難留住科技人才，特別是既懂業務又懂科技的復合人才。實際上，國外許多銀行已經將核心系統交由第三方機構幫助運營。未來，專業的團隊承接運營的管理方式也將越來越常見?！?/p>

1. 中小銀行的數字化困境

數字化轉型的重要性毋庸置疑。

在過去的幾年里，銀行業在數據經濟的洗禮中已切實感受到了數據治理的必要。麥肯錫的報告顯示，數字化轉型對銀行業的凈資產收益率影響幅度在40%-49%，數字銀行比傳統銀行在效益上平均提升17%。而銀行業的數據治理的成熟度也關乎著監管落地的效率。2018年5月，銀保監會也已專門出臺了《銀行業金融機構數據治理指引》。

數據，不但作為一種新型生產要素成為未來銀行的核心資產，也成為監管關注行業動態的重要抓手。

對于規模增速放緩、不良抬頭明顯的城商行和農商行而言，加強數字治理對于優化財務效率、提升風控水平和獲客渠道都有著明顯的積極意義。

然而，對大多數銀行而言，這并非一個簡單命題。

“真正的數字治理，需要利用現代科技對銀行的營銷、獲客、產品、風控、運營的全流程業務進行數字化采集、歸攏、分析，并基于數據指導銀行整個經營決策的模式?！苯鹑谝假~通聯席總經理邱寒表示。換言之，這是一個系統化的復雜工程。

即使有著豐富數據和雄厚資金實力的國有大行和股份制商業銀行，也未能輕易完成這一使命。對于經營范圍聚焦區域的城商行和農商行而言，則更在競爭中先天處于被動地位。數據不足加之轉型所需的高昂開發成本，大多數中小銀行難以下定決心傾力轉型。

近日，金融壹賬通、中小銀行互聯網金融（深圳）聯盟、埃森哲聯合發布《中小銀行金融科技發展研究報告（2019）》數據顯示，27%的中小銀行缺乏公司級數據規范，數據多頭管理，部門數據互通靠自發或人工傳遞；46%的中小銀行初步搭建公司級數據管控體系和基礎規范，但應用尚未下沉到業務，數據互通程度不理想；僅18%的中小銀行初步建立數據管理體系和管控工具，進行了平臺整合，各部門基本落實公司數據規范體系；僅9%的中小銀行實現有效數據治理，數據管理體系完善，全面實現大數據應用。

不同數據庫之間未能打通、缺失統一的數據管理標準、數據質量差監控難、敏感數據分散泄露風險高、運算速度慢分析效率低和數據報送不及時等問題是行業普遍現象。此外，目前各銀行在業務場景中接入外部數據也面臨著開發周期長、監控管理困難等，報送監管數據時也面臨手工操作多、效率低、出錯率高等問題。

而上述研報體系中，針對城商行及農商行發布的兩份子報告顯示，大多數城商行和農商行的數字化基礎更為薄弱。目前，大多中小銀行仍使用文檔手工管理元數據，數據資產不清晰、格式混亂且更新不及時，導致業務人員難以運用數據并進行深入分析挖掘，了解數據含義溝通成本高、耗時長，使用數據出錯率高。數字化程度不足也最終導致了銀行的頂層決策層無法及時、清晰、全面地了解銀行的實際經營情況，以致決策犯難。

在邱寒看來，數據治理之于金融機構的重要性，無異于下水道治理對一座城市發展的意義，雖看不見，卻必不可少?！白龊没A設施，初期需要一定的投入，但隨著應用頻次、成本分攤、效益創收等方面的不斷改善，其投入產出比會持續下降?！鼻窈毖?。

2. “全流程”數據治理方案

他山之石，可以攻玉。

對中小銀行而言，囿于獨立開發的成本限制和底層數據上的缺失，最為高效的解決路徑是尋求外腦的助力，用科技巨頭的解決方案與銀行自身的個性化經營狀況相結合，形成適合自身現實經營處境的策略。

而事實上，幫助中小銀行實現數字升級正在成為科技巨頭們的一門生意。在過去的幾年里，從專注于行業解決方案的金融壹賬通、螞蟻金服到專注于解決單一垂直領域痛點的中小科技公司都在嘗試為銀行賦能。

金融壹賬通作為平安集團科技研發的承載主體，過往數年在區塊鏈、人臉識別、AI算法等領域投入了大量人力、財力。中小銀行的數字化轉型升級，一直是金融壹賬通重點聚焦的市場之一，其取得的科技成果也被綜合運用到了上述解決方案之中。

邱寒透露，加馬全流程數據治理解決方案的部署時間比傳統產品要縮短1-2個月，其借助AI和大數據，將無序數據關聯化、隱性數據顯性化、靜態數據動態化，以解決業內普遍存在的數據難看清、難收集、難運用和難管理等痛點，幫助中小銀行實現“數據驅動業務、數據驅動決策”的目標。

在金融壹賬通加馬人工智能研究院首席科學家施奕明看來，銀行數字化轉型主要分為三個層次：基礎數據層、業務應用層和經營管理層。其中，基礎數據層是金融機構數字化轉型的基石，只有做好數據的統一存儲、管理、安全、挖掘、應用，才能夠真正在經營決策層做到真正意義上的“數據驅動”的精細化經營決策。

據悉，上述方案通過標準管理檢索、元數據管理、數據質量監控、數據安全管理、治理監控分析、數據接入報送六大智能模塊幫助中小銀行構建一個完整的數字銀行經營體系?；A數據層面，針對銀行內部的數據質量問題發現不及時等，該方案中使用了變動異常掃描、標準質量監控等工具定期全方位掃描各種數據并一鍵生成質量分析報告，幫助工作人員快速定位到相關的數據標準，解決目前中小銀行因標準文檔繁多、信息量大而難以查找關鍵信息問題。

同樣地，針對敏感數據分散、泄露風險高等問題，該方案亦提供了智能掃描識別敏感數據、一鍵配置脫敏等方式，并以日志監控預警等工具實時追蹤、抓取、分析大數據平臺相關日志，監控用戶對數據的使用操作，有效降低大數據平臺操作及數據泄露風險。

在業務應用層，該方案可以幫助銀行深入渠道管理、客戶經營、產品設計、風險管理、運營服務等各個場景，對全流程業務進行數字化重塑，打造強大的中臺體系。

舉個例子，營銷方面，以往銀行在收集客戶信息過程中存在大量的手工作業，經過金融壹賬通數字化改造之后，可實時生成客戶畫像，利用智能營銷推薦引擎推薦產品，大幅提升了營銷效率和準確性；風控方面，通過將風控流程線上化、數字化，通過智能認證、微表情遠程面審、智能風控引擎等，將原先不能夠為銀行所用的非結構化數據加以利用，提升零售業務運營效率的同時，大幅降低貸款不良率。

在最頂端的經營決策層，該方案針對不同經營管理場景，建立基于數據的分析決策體系與平臺，通過對數據的處理加工，將業務形成可視化引擎，幫助管理層協同追蹤、作出決策。

在施奕明看來，數據治理絕不等同于簡單的數據歸攏或數據查詢?！氨仨毾让鞔_業務規劃，再考慮使用什么技術手段、需要儲存哪些數據、人才隊伍怎么搭建，這是一系列的配套工程?！?/p>

責任編輯：Rachel