以數(shù)據(jù)建模與應(yīng)用為銀行賦能

陳銘新

隨著云計(jì)算、大數(shù)據(jù)、物聯(lián)網(wǎng)、人工智能、區(qū)塊鏈、5G等新技術(shù)的廣泛應(yīng)用，全球加速進(jìn)入“萬物互聯(lián)、泛在智能”的數(shù)字經(jīng)濟(jì)時(shí)代。在此背景下應(yīng)運(yùn)而生的新金融，是以數(shù)據(jù)為關(guān)鍵生產(chǎn)要素、以科技為核心生產(chǎn)工具、以平臺(tái)生態(tài)為主要生產(chǎn)方式的現(xiàn)代金融供給服務(wù)體系。

在新金融體系下，數(shù)據(jù)已成為關(guān)鍵的生產(chǎn)要素，通過采集和整合金融機(jī)構(gòu)自身業(yè)務(wù)系統(tǒng)數(shù)據(jù)、生態(tài)場(chǎng)景中的用戶行為數(shù)據(jù)，以及物聯(lián)網(wǎng)數(shù)據(jù)等全域數(shù)據(jù)，沉淀并形成可共享、可復(fù)用的數(shù)據(jù)資產(chǎn)，充分挖掘其內(nèi)在價(jià)值，尤其是與不同金融場(chǎng)景相結(jié)合所產(chǎn)生的價(jià)值，并通過平臺(tái)生態(tài)的生產(chǎn)方式，智能合理地配置金融資源，引流至民生環(huán)境的改善和弱勢(shì)群體生存發(fā)展領(lǐng)域，以及未來真正需要經(jīng)濟(jì)資源滋潤(rùn)的領(lǐng)域，不斷提升金融產(chǎn)品的種類和服務(wù)的質(zhì)量與效率。從數(shù)據(jù)采集、集成整合、數(shù)據(jù)價(jià)值挖掘、共享服務(wù)能力四個(gè)維度形成數(shù)據(jù)價(jià)值、數(shù)據(jù)服務(wù)和數(shù)據(jù)運(yùn)營(yíng)閉環(huán)，讓數(shù)據(jù)來源于生態(tài)場(chǎng)景，又反哺服務(wù)于生態(tài)場(chǎng)景，數(shù)據(jù)能力建設(shè)也因此成為助力金融機(jī)構(gòu)推進(jìn)數(shù)字化轉(zhuǎn)型的主要抓手。

金融機(jī)構(gòu)數(shù)據(jù)能力建設(shè)賦能

近年來，各家商業(yè)銀行紛紛沉淀金融科技能力，開始建設(shè)數(shù)據(jù)中臺(tái)，構(gòu)建可信、一致、準(zhǔn)確、完整、及時(shí)、好用的數(shù)據(jù)管理體系，強(qiáng)化自身數(shù)據(jù)能力建設(shè)，全面服務(wù)第一曲線和第二曲線的業(yè)務(wù)經(jīng)營(yíng)層面，賦能產(chǎn)品、流程、體驗(yàn)、運(yùn)營(yíng)和風(fēng)控等方面，提升數(shù)據(jù)要素價(jià)值創(chuàng)造力，滿足新金融體系數(shù)字化轉(zhuǎn)型的要求。

數(shù)據(jù)中臺(tái)是提供企業(yè)級(jí)數(shù)據(jù)與分析能力的智能中樞，是全域數(shù)據(jù)供應(yīng)網(wǎng)的核心基礎(chǔ)設(shè)施，通過聚合和治理跨領(lǐng)域的海量數(shù)據(jù)，將數(shù)據(jù)抽象封裝成數(shù)據(jù)產(chǎn)品和服務(wù)，為業(yè)務(wù)中臺(tái)和業(yè)務(wù)前臺(tái)提供可共享、可復(fù)用的數(shù)據(jù)能力，是集中體現(xiàn)企業(yè)的“數(shù)字力”（即企業(yè)級(jí)數(shù)據(jù)獲取、管理和運(yùn)用的能力）水平的標(biāo)志性載體，打造開放共享的數(shù)據(jù)經(jīng)營(yíng)文化。數(shù)據(jù)中臺(tái)的核心能力包括以下幾個(gè)方面。

第一，全方位的數(shù)據(jù)采集能力：支持多渠道、多類型、多方式的數(shù)據(jù)獲取，提供大吞吐量、插件式、可配置的數(shù)據(jù)采集能力;支持拓展采集社交場(chǎng)景的用戶行為數(shù)據(jù)，以及網(wǎng)點(diǎn)、供應(yīng)鏈、普惠金融場(chǎng)景的設(shè)備、環(huán)境等物聯(lián)數(shù)據(jù);基于多方安全共享，支持工商稅務(wù)、金融市場(chǎng)行情、互聯(lián)網(wǎng)輿情等外部數(shù)據(jù)合作，豐富數(shù)據(jù)的維度和粒度。

第二，高效海量的數(shù)據(jù)計(jì)算能力：支持海量處理、彈性伸縮，提供高性能數(shù)據(jù)檢核、清洗、轉(zhuǎn)換、加載和多異構(gòu)數(shù)據(jù)庫(kù)的數(shù)據(jù)集成能力，提升數(shù)據(jù)供給的時(shí)效性;按照統(tǒng)一的數(shù)據(jù)模型和實(shí)施工藝，對(duì)內(nèi)外部多種類數(shù)據(jù)進(jìn)行全方位的鏈接和融通，打通不同部門、層級(jí)與不同行業(yè)間的數(shù)據(jù)孤島，實(shí)現(xiàn)明細(xì)數(shù)據(jù)、衍生數(shù)據(jù)的集成與整合，形成企業(yè)級(jí)、一致、共享可信的全景數(shù)據(jù)視圖。

第三，靈活的數(shù)據(jù)服務(wù)能力：支持高性能、高并發(fā)的數(shù)據(jù)服務(wù)，建立以數(shù)據(jù)分析挖掘?yàn)橹行牡挠押糜脭?shù)環(huán)境，支持各類數(shù)據(jù)用戶敏捷地開展數(shù)據(jù)分析和構(gòu)建機(jī)器學(xué)習(xí)模型，實(shí)現(xiàn)“將數(shù)據(jù)交給業(yè)務(wù)人員”的目標(biāo)，即時(shí)賦能業(yè)務(wù)，打造“衣食住行教娛醫(yī)公共服務(wù)”及社會(huì)治理生態(tài)樣板間，支持?jǐn)U展客群、營(yíng)銷觸達(dá)等應(yīng)用場(chǎng)景。

第四，企業(yè)級(jí)的數(shù)據(jù)資產(chǎn)管理能力：基于統(tǒng)一的數(shù)據(jù)標(biāo)準(zhǔn)和模型方法，從數(shù)據(jù)的定義、產(chǎn)生/加工、關(guān)聯(lián)、資產(chǎn)盤點(diǎn)、評(píng)價(jià)與運(yùn)營(yíng)等各階段，將企業(yè)的數(shù)據(jù)資產(chǎn)統(tǒng)一管理起來，實(shí)現(xiàn)數(shù)據(jù)資產(chǎn)的可見、可懂、可用、可評(píng)價(jià)和可運(yùn)營(yíng)，讓數(shù)據(jù)越用越多、越用越好，提升數(shù)據(jù)價(jià)值，最終實(shí)現(xiàn)對(duì)業(yè)務(wù)的深度賦能。

第五，數(shù)據(jù)安全運(yùn)營(yíng)能力：支持全渠道、全產(chǎn)品、全場(chǎng)景的客戶隱私數(shù)據(jù)授權(quán)管理，建立數(shù)據(jù)分級(jí)、分類授權(quán)體系，支持字段級(jí)的精細(xì)訪問控制，支持?jǐn)?shù)據(jù)的使用行為分析、異常操作的監(jiān)控和阻斷，構(gòu)建客戶授權(quán)統(tǒng)一視圖，提供金融級(jí)數(shù)據(jù)安全和運(yùn)維保障能力。

數(shù)據(jù)中臺(tái)的數(shù)據(jù)模型建設(shè)探索

數(shù)據(jù)中臺(tái)是把多源、異構(gòu)、分散的數(shù)據(jù)進(jìn)行關(guān)聯(lián)、融通，加工成為重要生產(chǎn)要素的高能轉(zhuǎn)化器，數(shù)據(jù)建模設(shè)計(jì)是保證數(shù)據(jù)完整性、一致性與準(zhǔn)確性，并實(shí)現(xiàn)數(shù)據(jù)共享的基礎(chǔ)，也因此成為數(shù)據(jù)中臺(tái)建設(shè)的基礎(chǔ)。

建模思路

數(shù)據(jù)中臺(tái)的數(shù)據(jù)模型設(shè)計(jì)既要滿足數(shù)據(jù)中臺(tái)全域數(shù)據(jù)的整合和統(tǒng)一管理、數(shù)據(jù)應(yīng)用共性需求沉淀復(fù)用的總體目標(biāo)，又要確保數(shù)據(jù)可信、數(shù)據(jù)單點(diǎn)加工、數(shù)據(jù)路徑全局最優(yōu)的基本原則。

以往的數(shù)據(jù)類系統(tǒng)（OLAP）較常采用的維度建模方式，可滿足多維分析的“上卷、下鉆”場(chǎng)景需求，但維度建模并不強(qiáng)調(diào)企業(yè)“單一業(yè)務(wù)真相”的概念，缺乏明確的企業(yè)級(jí)數(shù)據(jù)建模過程，很難保證數(shù)據(jù)的一致性和準(zhǔn)確性，不適用于數(shù)據(jù)中臺(tái)整合數(shù)據(jù)模型的建設(shè)。

基于對(duì)數(shù)據(jù)模型設(shè)計(jì)經(jīng)驗(yàn)的歸納，并結(jié)合范式模型和維度模型的特點(diǎn)，探索、總結(jié)、提煉出一套統(tǒng)一的、體系化的粒度建模方法，以“數(shù)據(jù)粒度”為核心概念，將來源于各個(gè)系統(tǒng)或應(yīng)用的數(shù)據(jù)從企業(yè)全局的角度按粒度進(jìn)行定義，并對(duì)歸屬同一數(shù)據(jù)粒度的數(shù)據(jù)項(xiàng)（屬性）作合并同類項(xiàng)處理，包括同名同義屬性去重、同名不同義屬性拆分、同義不同名屬性合并等，保證數(shù)據(jù)的單點(diǎn)加工，為數(shù)據(jù)分析應(yīng)用提供全局、統(tǒng)一、一致的數(shù)據(jù)資產(chǎn)。

數(shù)據(jù)中臺(tái)模型的構(gòu)建過程并非從零開始，而是在原有數(shù)據(jù)模型資產(chǎn)基礎(chǔ)上的繼承和完善，采用粒度建模方法，整合原生數(shù)據(jù)及所有應(yīng)用的衍生數(shù)據(jù)，對(duì)跨業(yè)務(wù)領(lǐng)域的數(shù)據(jù)作標(biāo)準(zhǔn)化處理，抽取通用業(yè)務(wù)邏輯，優(yōu)化數(shù)據(jù)路徑，解決數(shù)據(jù)重復(fù)計(jì)算、數(shù)據(jù)不一致等痛點(diǎn)，通過模型的共建及共享機(jī)制建設(shè)，形成完整統(tǒng)一的數(shù)據(jù)模型。

總體設(shè)計(jì)思路是，以企業(yè)級(jí)業(yè)務(wù)邏輯模型、數(shù)據(jù)字典、數(shù)據(jù)標(biāo)準(zhǔn)、數(shù)據(jù)規(guī)范和數(shù)據(jù)需求為輸入，按照數(shù)據(jù)調(diào)研（包括業(yè)務(wù)調(diào)研、需求調(diào)研）、主題域模型設(shè)計(jì)、概念模型設(shè)計(jì)、邏輯模型設(shè)計(jì)和物理模型設(shè)計(jì)逐層細(xì)化，最終輸出數(shù)據(jù)中臺(tái)整合模型（見圖1）。

模型設(shè)計(jì)

作為數(shù)據(jù)中臺(tái)面向用戶并提供數(shù)據(jù)能力和業(yè)務(wù)能力的總覽，整合邏輯模型可以直接支持相關(guān)人員自主查數(shù)和用數(shù)的數(shù)據(jù)資產(chǎn)清單，是數(shù)據(jù)中臺(tái)的統(tǒng)一數(shù)據(jù)視圖。

整合邏輯模型按照“一級(jí)數(shù)據(jù)域—二級(jí)數(shù)據(jù)域—三級(jí)數(shù)據(jù)域—數(shù)據(jù)粒度”的框架進(jìn)行設(shè)計(jì)，具體包括數(shù)據(jù)調(diào)研、模型滿足度分析、數(shù)據(jù)域設(shè)計(jì)、粒度分類設(shè)計(jì)和屬性設(shè)計(jì)等過程（見圖2）。

在邏輯模型層面，實(shí)體與粒度是一對(duì)一的關(guān)系。同一數(shù)據(jù)粒度的所有數(shù)據(jù)項(xiàng)在邏輯上都屬于同一實(shí)體，因此每個(gè)實(shí)體都是數(shù)據(jù)粒度的“寬視圖”（見圖3）。

建設(shè)效果

基于粒度建模方法建設(shè)數(shù)據(jù)模型，可以從根本上保證數(shù)據(jù)的完整性、準(zhǔn)確性、一致性和易用性，提升數(shù)據(jù)時(shí)效性，推動(dòng)數(shù)據(jù)的整合與共建共享，全面提升數(shù)據(jù)價(jià)值，支持更多用數(shù)場(chǎng)景，為數(shù)字化經(jīng)營(yíng)提供支撐。有如下幾個(gè)特點(diǎn)。

第一，全域整合：繼承、重構(gòu)和完善金融機(jī)構(gòu)現(xiàn)有的數(shù)據(jù)模型資產(chǎn)，按數(shù)據(jù)粒度構(gòu)建全域整合模型，覆蓋應(yīng)用使用的所有具有業(yè)務(wù)含義的原生和衍生數(shù)據(jù);第二，內(nèi)外連接：通過各類識(shí)別特征，將銀行內(nèi)部數(shù)據(jù)與集團(tuán)數(shù)據(jù)、生態(tài)平臺(tái)等外部數(shù)據(jù)進(jìn)行鏈接和融通，避免數(shù)據(jù)孤島;第三，一套標(biāo)準(zhǔn)：整合模型嚴(yán)格遵循企業(yè)級(jí)數(shù)據(jù)規(guī)范，所有數(shù)據(jù)項(xiàng)都納入企業(yè)級(jí)數(shù)據(jù)字典管理，實(shí)現(xiàn)企業(yè)級(jí)的“書同文、車同軌”;第四，單點(diǎn)加工：通過掛接屬性合并同類項(xiàng)，進(jìn)行去重、拆分、合并等處理，確保屬性定義無二義性、數(shù)據(jù)單點(diǎn)加工，避免“一個(gè)數(shù)據(jù)多點(diǎn)加工”帶來的數(shù)據(jù)冗余及數(shù)據(jù)不一致問題;第五，提升時(shí)效：遵循整體最優(yōu)原則，通過路徑穿透分析，優(yōu)化數(shù)據(jù)加工路徑，整合與下沉公共衍生數(shù)據(jù)，加工前移，確保數(shù)據(jù)路徑全局最優(yōu)，避免數(shù)據(jù)間網(wǎng)狀依賴及多層依賴帶來的時(shí)效性問題，提升數(shù)據(jù)的復(fù)用性和時(shí)效性;第六，易于使用：根據(jù)面向業(yè)務(wù)的“多級(jí)數(shù)據(jù)域+數(shù)據(jù)粒度”的設(shè)計(jì)框架，組織企業(yè)級(jí)業(yè)務(wù)對(duì)象大寬表，使數(shù)據(jù)變得可閱讀、易理解，方便業(yè)務(wù)人員直觀、便捷地使用數(shù)據(jù);第七，敏捷交付：通過公共衍生數(shù)據(jù)等基礎(chǔ)數(shù)據(jù)能力的整合和下沉，實(shí)現(xiàn)應(yīng)用的敏捷快速交付。

數(shù)據(jù)中臺(tái)數(shù)據(jù)資產(chǎn)建設(shè)與運(yùn)營(yíng)

數(shù)據(jù)資產(chǎn)是有價(jià)值的、能帶來未來經(jīng)濟(jì)利益的數(shù)據(jù)資源，是金融機(jī)構(gòu)開展數(shù)字化經(jīng)營(yíng)和管理活動(dòng)的基本生產(chǎn)要素。采用粒度建模方法建設(shè)數(shù)據(jù)模型，有助于從整體視角直觀地反映企業(yè)級(jí)業(yè)務(wù)活動(dòng)模式的本質(zhì)，了解數(shù)據(jù)的業(yè)務(wù)規(guī)則。而企業(yè)級(jí)數(shù)據(jù)資產(chǎn)管理，提供企業(yè)級(jí)的全面、清晰和易用的數(shù)據(jù)資產(chǎn)（數(shù)據(jù)業(yè)務(wù)規(guī)則）的統(tǒng)一管理、分析和共享服務(wù)，則有助于創(chuàng)造和提升數(shù)據(jù)價(jià)值。因此，數(shù)據(jù)資產(chǎn)的建設(shè)與運(yùn)營(yíng)，是數(shù)據(jù)中臺(tái)建設(shè)的重點(diǎn)工作。

數(shù)據(jù)資產(chǎn)體系

根據(jù)數(shù)據(jù)在數(shù)據(jù)中臺(tái)架構(gòu)中的定位、數(shù)據(jù)的產(chǎn)生方式和應(yīng)用場(chǎng)景，可以將數(shù)據(jù)資產(chǎn)劃分為基礎(chǔ)數(shù)據(jù)資產(chǎn)、集成數(shù)據(jù)資產(chǎn)、萃取數(shù)據(jù)資產(chǎn)、應(yīng)用數(shù)據(jù)資產(chǎn)、數(shù)據(jù)規(guī)范資產(chǎn)等。

基礎(chǔ)數(shù)據(jù)資產(chǎn)來源于數(shù)據(jù)采集層和業(yè)務(wù)應(yīng)用，主要包括已采集的原始數(shù)據(jù)及未采集的系統(tǒng)數(shù)據(jù)，如貼源數(shù)據(jù)物理模型、應(yīng)用物理模型等?；A(chǔ)數(shù)據(jù)資產(chǎn)須滿足業(yè)務(wù)邏輯模型和企業(yè)級(jí)數(shù)據(jù)字典、數(shù)據(jù)架構(gòu)管理要求。

集成數(shù)據(jù)資產(chǎn)主要來源于數(shù)據(jù)整合層，是把不同來源、格式及特征的基礎(chǔ)數(shù)據(jù)在集成環(huán)境中進(jìn)行集中、整合，形成企業(yè)級(jí)單一視圖的數(shù)據(jù)，例如整合數(shù)據(jù)。

萃取數(shù)據(jù)資產(chǎn)來源于數(shù)據(jù)產(chǎn)品層，是面向業(yè)務(wù)對(duì)象匹配業(yè)務(wù)需求，對(duì)基礎(chǔ)數(shù)據(jù)、集成數(shù)據(jù)進(jìn)行抽象、分類、提煉、加工后產(chǎn)生的，具備同一粒度，且更適用于業(yè)務(wù)場(chǎng)景的數(shù)據(jù)，例如指標(biāo)（定量類）、標(biāo)簽（定性類）等。

應(yīng)用數(shù)據(jù)資產(chǎn)來源于數(shù)據(jù)整合層、數(shù)據(jù)產(chǎn)品層和數(shù)據(jù)服務(wù)層，是為滿足最終業(yè)務(wù)應(yīng)用場(chǎng)景，通過對(duì)基礎(chǔ)數(shù)據(jù)、集成數(shù)據(jù)和萃取數(shù)據(jù)進(jìn)行組織、封裝和再加工等方式，形成的數(shù)據(jù)驅(qū)動(dòng)應(yīng)用和服務(wù)，例如報(bào)表、報(bào)告、可視化展示視圖、數(shù)據(jù)服務(wù)接口，以及計(jì)算邏輯（包括標(biāo)簽的加工規(guī)則、指標(biāo)的統(tǒng)計(jì)分析邏輯、復(fù)雜計(jì)算模型、人工智能模型、圖算法模型、分析挖掘算法）等。

數(shù)據(jù)規(guī)范資產(chǎn)是業(yè)務(wù)數(shù)據(jù)統(tǒng)一化、結(jié)構(gòu)化、標(biāo)準(zhǔn)化的數(shù)據(jù)定義和規(guī)則，例如企業(yè)級(jí)數(shù)據(jù)字典（覆蓋所有基礎(chǔ)元數(shù)據(jù)需要的數(shù)據(jù)標(biāo)準(zhǔn)和數(shù)據(jù)規(guī)范）、業(yè)務(wù)邏輯模型（覆蓋所有業(yè)務(wù)基礎(chǔ)信息的邏輯模型和數(shù)據(jù)標(biāo)準(zhǔn)）等。

數(shù)據(jù)資產(chǎn)建設(shè)

數(shù)據(jù)資產(chǎn)的建設(shè)內(nèi)容，包括數(shù)據(jù)資產(chǎn)盤點(diǎn)、數(shù)據(jù)資產(chǎn)類目體系構(gòu)建、數(shù)據(jù)資產(chǎn)多維畫像和數(shù)據(jù)資產(chǎn)管理平臺(tái)建設(shè)等。

數(shù)據(jù)資產(chǎn)盤點(diǎn)?；跀?shù)據(jù)資產(chǎn)體系，逐步開展數(shù)據(jù)資產(chǎn)的全面識(shí)別、采集、梳理和盤點(diǎn)，摸清數(shù)據(jù)家底，掌握數(shù)據(jù)分布，解決“數(shù)在哪”的問題（見圖4）。

數(shù)據(jù)資產(chǎn)類目體系構(gòu)建。構(gòu)建數(shù)據(jù)資產(chǎn)類目體系，從數(shù)據(jù)內(nèi)容出發(fā)，建立多維度、全域數(shù)據(jù)資產(chǎn)版圖，方便不同類型用戶按照用數(shù)習(xí)慣查找數(shù)據(jù)，解決“找數(shù)難”問題（見圖5）。

數(shù)據(jù)資產(chǎn)多維畫像。在構(gòu)建企業(yè)級(jí)統(tǒng)一數(shù)據(jù)資產(chǎn)目錄的基礎(chǔ)上，給數(shù)據(jù)資產(chǎn)打上標(biāo)簽，形成數(shù)據(jù)資產(chǎn)的多維畫像，涵蓋數(shù)據(jù)資產(chǎn)的業(yè)務(wù)屬性、數(shù)據(jù)屬性、技術(shù)屬性等，幫助不同用戶找到從自身工作領(lǐng)域去“認(rèn)知和理解”數(shù)據(jù)資產(chǎn)的“切入點(diǎn)”，進(jìn)一步解決“數(shù)難懂”問題。

數(shù)據(jù)資產(chǎn)管理平臺(tái)建設(shè)。建設(shè)數(shù)據(jù)資產(chǎn)管理平臺(tái)，動(dòng)態(tài)更新維護(hù)數(shù)據(jù)資產(chǎn)的目錄和內(nèi)容;發(fā)揮數(shù)據(jù)可視化的優(yōu)勢(shì)，根據(jù)業(yè)務(wù)需求建設(shè)系列業(yè)務(wù)專題的數(shù)據(jù)資產(chǎn)視圖，如普惠金融專題數(shù)據(jù)資產(chǎn)視圖、房金條線專題數(shù)據(jù)資產(chǎn)視圖等，展現(xiàn)數(shù)據(jù)資產(chǎn)的貢獻(xiàn)度、與內(nèi)部數(shù)據(jù)交互和相關(guān)數(shù)據(jù)產(chǎn)品服務(wù)的支持情況，方便用戶“查數(shù)、知數(shù)、用數(shù)”。

全鏈路數(shù)據(jù)質(zhì)量管理。通過對(duì)數(shù)據(jù)庫(kù)表、接口等數(shù)據(jù)對(duì)象的識(shí)別及數(shù)據(jù)關(guān)系的解析構(gòu)建全鏈路數(shù)據(jù)血緣，建立數(shù)據(jù)從源頭到應(yīng)用的全流程穿透式質(zhì)量管理機(jī)制。根據(jù)上層應(yīng)用（如監(jiān)管報(bào)送等）對(duì)數(shù)據(jù)項(xiàng)的要求，逐層分解落實(shí)至對(duì)應(yīng)源系統(tǒng)數(shù)據(jù)項(xiàng)的質(zhì)量要求，定期出具質(zhì)量報(bào)告、促進(jìn)整改，確保為上層應(yīng)用提供高質(zhì)量源數(shù)據(jù)。

數(shù)據(jù)資產(chǎn)運(yùn)營(yíng)

數(shù)據(jù)資產(chǎn)運(yùn)營(yíng)以用戶為中心，以發(fā)揮數(shù)據(jù)的業(yè)務(wù)價(jià)值為導(dǎo)向，以“敏捷用數(shù)”支持業(yè)務(wù)開展為目標(biāo)，依托數(shù)據(jù)資產(chǎn)管理平臺(tái)工具的能力，采用“明確目標(biāo)—多維評(píng)估—改進(jìn)優(yōu)化”的閉環(huán)式迭代管理模式，促進(jìn)數(shù)據(jù)資產(chǎn)時(shí)效、質(zhì)量、成本和價(jià)值的持續(xù)優(yōu)化，達(dá)到資源使用效率最大化與數(shù)據(jù)價(jià)值敏捷變現(xiàn)的效果，支持業(yè)務(wù)開展。

數(shù)據(jù)賦能應(yīng)用拓展

客戶畫像分析

數(shù)字化經(jīng)營(yíng)以用戶為中心，參考業(yè)界多個(gè)客戶評(píng)價(jià)維度，結(jié)合在業(yè)務(wù)管理、風(fēng)控領(lǐng)域積累的業(yè)務(wù)經(jīng)驗(yàn)，基于金融機(jī)構(gòu)內(nèi)外部融合數(shù)據(jù)，全面分析客戶的社會(huì)屬性、產(chǎn)品屬性、行為習(xí)慣、風(fēng)險(xiǎn)承受能力等客戶商業(yè)全貌，形成覆蓋身份特質(zhì)、行為偏好、關(guān)系信息、信用記錄、經(jīng)營(yíng)狀況、履約能力、金融特征、風(fēng)險(xiǎn)合規(guī)等八大維度的統(tǒng)一客戶畫像體系。與同業(yè)相比，該體系更多地從客戶的金融特征、風(fēng)險(xiǎn)合規(guī)及企業(yè)的經(jīng)營(yíng)狀況等視角進(jìn)行客戶識(shí)別，可廣泛應(yīng)用到業(yè)務(wù)推廣、風(fēng)險(xiǎn)管控等多領(lǐng)域、多業(yè)務(wù)場(chǎng)景。

知識(shí)圖譜應(yīng)用

數(shù)字化經(jīng)營(yíng)的本質(zhì)是連接，包括人與人的連接、人與物的連接和物與物的連接?；谪S富的數(shù)據(jù)資產(chǎn)，建信金科開展了數(shù)據(jù)線索連接探索工作，累計(jì)探索了資金上下游、泛集團(tuán)派系、控股股東、一致行動(dòng)人、企業(yè)實(shí)際控制人、小微企業(yè)黑名單關(guān)聯(lián)、基于企業(yè)相關(guān)人資金交易流水的疑似團(tuán)伙發(fā)現(xiàn)、疑似行外賬戶識(shí)別、失聯(lián)人關(guān)系修復(fù)、企業(yè)違約風(fēng)險(xiǎn)傳導(dǎo)、企業(yè)與企業(yè)關(guān)聯(lián)緊密度等十幾個(gè)模型，挖掘出泛集團(tuán)關(guān)系、一致行動(dòng)人、實(shí)際控制人、疑似親屬、企業(yè)緊密關(guān)聯(lián)度、小微企業(yè)社區(qū)標(biāo)簽、疑似賬戶持有、資金上下游、違約風(fēng)險(xiǎn)傳導(dǎo)系數(shù)等關(guān)系和屬性，有效補(bǔ)充了組織機(jī)構(gòu)知識(shí)圖譜等潛在知識(shí)，提升風(fēng)險(xiǎn)管控能力，支撐穿透式監(jiān)管等場(chǎng)景應(yīng)用。

普惠金融業(yè)務(wù)增信

服務(wù)實(shí)體經(jīng)濟(jì)是商業(yè)銀行的重要使命之一，實(shí)體經(jīng)濟(jì)中的新興市場(chǎng)主體大多數(shù)是民營(yíng)小微企業(yè)，具有平均生命周期短、技術(shù)升級(jí)換代快、輕資產(chǎn)且對(duì)資金依賴程度高等特點(diǎn)。針對(duì)小微企業(yè)融資難、融資貴的問題，建信金科基于多方安全共享能力，與產(chǎn)業(yè)鏈合作，融合企業(yè)納稅、社保、質(zhì)檢、海關(guān)等多維數(shù)據(jù)進(jìn)行智能增信，實(shí)現(xiàn)客戶的智能分層，基于分層結(jié)果進(jìn)行綜合信用評(píng)價(jià)和授信，讓優(yōu)質(zhì)客戶獲得更合理的融資額度和貸款利率，拓展普惠業(yè)務(wù)、服務(wù)普惠金融業(yè)務(wù)（見圖6）。

多層次的智能反欺詐體系

新冠肺炎疫情加速了社會(huì)數(shù)字化進(jìn)程，線上化已成為常態(tài)化生活方式。針對(duì)近年高發(fā)的網(wǎng)絡(luò)詐騙等痛點(diǎn)，建信金科構(gòu)建了多層次的智能反欺詐體系。利用數(shù)據(jù)埋點(diǎn)與實(shí)時(shí)數(shù)據(jù)采集來補(bǔ)充反欺詐偵測(cè)的數(shù)據(jù)源，滿足準(zhǔn)實(shí)時(shí)欺詐偵測(cè)場(chǎng)景;通過整合模型、指標(biāo)、標(biāo)簽等能力建設(shè)，建立反欺詐指標(biāo)模型資產(chǎn)，滿足反欺詐日常策略、模型的快速迭代和應(yīng)用建設(shè);利用流計(jì)算能力，提高多維實(shí)時(shí)計(jì)算能力，提升反欺詐應(yīng)用能力;實(shí)現(xiàn)包括渠道、客戶、產(chǎn)品的事前、事中、事后的欺詐實(shí)時(shí)預(yù)警或阻斷，突破傳統(tǒng)的“規(guī)則+名單”偵測(cè)體系，使用“名單+規(guī)則+模型”的智能偵測(cè)模型，實(shí)現(xiàn)首筆實(shí)時(shí)的反欺詐能力（見圖7）。

（作者系建信金融科技有限責(zé)任公司數(shù)據(jù)業(yè)務(wù)總監(jiān)、Big Data中心總裁）

責(zé)任編輯：董 治