隨著銀行2023年度報告披露結束，各上市銀行的整體戰略和未來規劃都清晰地展露在公眾視野。數據作為未來競爭的重要戰場，各銀行也將其作為重要事項裝進年報里。

拿數據 “說”事兒，國有六大行有點東西

數據獲取之后，如果不能被有效利用，就會淪為沉沒成本，這對企業發展而言，是有百害而無一利的。怎么用數成為近年來各企業尤其是數據大戶——銀行亟需解決的問題。為挖掘高質量的數據價值，也為更科學地制定產品業務策略，銀行將數據分析進行了“置頂”操作。數據分析在某些業務領域成為高層的決策中樞，數據價值打造的“核心部件”。

年報中，工行、農行、中行、建行、交通銀行以及郵儲銀行在相關業務領域對發揮數據價值的探索值得行業參考和借鑒。

中國工商銀行的年報提到，該行通過夯實數據技術支撐體系來促進雙要素（數據+技術）有效賦能。在數據支撐方面，2023年，該行的數據能力建設取得新進展，強化了企業級數據中臺建設，合規引用更多政務、運營商、互聯網公司等外部數據。

另外，該行還專門成立了數據中臺運營中心，以更豐富的數據要素和新型數據服務模式驅動業務模式變革；圍繞數字化識客、獲客、活客、粘客，推進高價值數據分析產品為基層減負賦能；還構建起千億級AI大模型技術體系并實現應用。

出色的數據處理和分析能力，讓工行有了推進數字金融同業合作的機會。通過推進數據分析、數據安全、數字化轉型咨詢、數據平臺等數字化相關項目同業輸出，該行上線了興農通APP票據經紀功能，豐富“智慧大腦”“碼上贏”數字化平臺第三方存管獲客場景，持續賦能金融同業數字化轉型。

中國農業銀行通過深入推進數字合規平臺等數字化轉型重點工程建設，促進系統對接、數據共享、功能創新、流程控制。數據治理能力的提升，增強了該行普惠金融數字化風控能力。

近年來，農行堅持全流程、智能化風控理念，構建了綜合量化風控體系，運用內外部多維數據進行客戶畫像，嚴格貸前準入、加強貸中監測、做好貸后管理，讓資產質量始終保持在監管要求范圍之內。

中國銀行的年報顯示，數據治理與集團數字化發展、金融科技、場景生態建設、創新與產品管理等同屬該行高級管理層（執行委員會）下的數字金融委員會統籌管理和專業決策的領域。

另外，中行為發展數字金融，不斷夯實數據基礎，充分發揮數據資產價值。通過推進“業務數據化”，中行持續深化數據治理，整合行內外數據，建設“中行一表通”；推進“數據業務化”，深化數據分析應用，激活數據資產價值。2023年末，該行的“數據縱橫”平臺全行用戶數達24萬人，實現“集中用數”和“自主用數”結合的數據應用服務模式。

中國建設銀行在數據治理方面有出色的表現。年報顯示，2023年，建設銀行在道德標準審計、客戶投訴系統等方面對數據分析有著很實際，也很有價值的挖掘能力。

商業道德標準審計方面，建行基于覆蓋全行的數據分析，對員工異常行為進行線上智能化預警，并定期開展集團范圍商業道德領域相關審計。

客戶投訴系統建設方面，建行不斷完善客戶投訴系統建設，在全行推廣應用投訴標簽體系與分類標準，將非結構化的投訴信息轉化為可統計可分析的結構化數據，精準定位產品和服務問題。

交通銀行在年報中透露，該行將數據治理充分應用在風控合規、反洗錢等領域，還以數據為驅動，推進財富管理、消費金融等業務的開展。2023年，該行推進合規文化建設，開展反洗錢客戶盡職調查、數據治理、數字化轉型等重點工作，不斷提升反洗錢管理能力。該行還通過發揮數據價值，賦能科技、綠色、普惠、養老等重點金融領域發展，數字技術與數據要素的雙輪驅動積厚成勢。

中國郵政郵儲銀行在數據的挖掘、分析和業務應用中有突出表現，并取得明顯成效。

為了發揮數據要素的生產力，郵儲銀行內部探索出數據分析隊伍派駐機制。在這一機制下，該行以個人金融、網絡金融、“三農”金融等重點領域為試點，將數據分析人員派駐至業務部門，形成常態化、流程化模式，提高數據應用需求響應效率。該行還通過開展“村社戶企店”等客群挖掘和數據分析，聚焦寄遞客群、商貿客群、產業鏈客群、農產品收購場景探索協同合作。

郵儲銀行構建了企業級數據資產目錄，以重塑數據資產使用體驗。該行通過漸進式開展數據資產盤點，圍繞數據來源、數據分布和數據基本情況等方面厘清數據資產“是什么、有什么、在哪里、誰負責”的問題，勾勒全行數據資產全貌，構建企業級統一的數據資產目錄。

作為數字風控的一部分，和建行類似，郵儲銀行也通過數據分析工具建設了員工合規畫像體系，實現數據分析從“鏈”到“網”轉變，精準監測發現員工違規行為。

另外，該行還通過推進數據資產管理平臺建設來完善數據資產管理底座，有效支撐數據研發、數據分析建模等多種場景。

數據人才進決策圈

支撐數字化轉型的關鍵因素之一是人才，也需要足夠的數據分析人才來保障。各銀行在數據人才戰略上也是不遺余力，部分銀行將數據人才吸納進決策圈。

工商銀行為推動數據人才培養與業務發展深度融合，廣泛集結數據分析師。截至去年年底，該行集結了9375名數據分析師，覆蓋各個專業條線及境內外機構，形成了初中高級梯次分布、專兼職有機結合的數字化人才基礎；通過建模大賽、數據菁英、跨界交流、產學研融合、體系化訓戰結合等方式，該行組建“數據+業務+應用”的分析師柔性團隊，深化數業融合，賦能業務發展。

中行的高層之中就有較深的數據分析或治理方面的從業背景。比如，該行獨立董事鄂維南是北京大學大數據分析與應用技術國家工程實驗室聯席主任，并擔任北京大數據研究院院長、中國科學技術大學大數據學院院長。該行首席信息官孟茜則在2014年3月至2014年12月期間任該行數據中心總經理。

建行為培育自己的數據分析隊伍，還將數據分析列入專業人才庫。另外，建行還推進與香港科技大學合作，共建金融科技教研中心，合作完善金融科技課程體系。2023年，建行聯合香港大學舉辦第二期數據分析師認證培訓項目，采用“境內線上長訓+境外線下短訓”的培養模式，覆蓋總分行及直屬機構130名從事數據分析相關工作的青年業務骨干。

郵儲銀行為打造復合人才隊伍，加大研發、數據分析、運維等重點領域緊缺人才引入，穩步壯大科技隊伍規模，總行IT隊伍增加至5061人，全行超過7000人。

另外，各銀行對數據分析人才的招聘也一直在進行，相關崗位與銀行自身業務的數字化有著密切聯系。

比如，交通銀行在招聘數據分析人員時，相關職責包括但不限于：負責企業網銀、企業手機銀行端客戶交易行為及交易數據的整理，并形成單產品及渠道交叉數據看板；結合數據埋點、考核指標及業務數據，構建渠道數據標簽，豐富企業客戶畫像；負責渠道數據看板及用戶行為的交叉數據分析，形成客戶行為交叉分析報告及產品或渠道建設建議等。

在涉及類似信用卡這樣更具體的業務時，中信銀行提出的職責則包括但不限于：負責信用卡中心戰略決策經營分析；負責信用卡中心業務全流程穿透分析體系建設，和數據分析工作產品化、工具化、系統化；負責信用卡中心大數據全景用戶標簽畫像體系建設，包括設計、開發、上線運營、并應用于可視化畫像、精準營銷、個性化推薦、智能服務、智能風控等業務場景等。

值得注意的是，相當多的銀行在數據分析崗位要求一欄里加入了“熟悉AI模型的設計及應用”“大模型數據分析挖掘”等與AI大模型有關的要求。這會是金融行業數據分析師技能樹上需要有所側重的方向。

責任編輯：王超