以数据资产创新为驱动的数字化服务实践

        一、商业银行数字化转型背景

　　（一）看技术：新技术驱动各行业数字化转型

　　以5G、云计算、大数据、人工智能、区块链等为代表的新一代信息技术的飞速发展，为各行业打下了数字化转型的基础。短时间内，数字化转型成为各行业积极探索的课题。

　　（二）看数据：数据要素进一步驱动商业银行数字化转型

　　宏观政策上，数据已经成为了继劳动力、土地、资本、技术以外的第五大生产要素，加上《中共中央、国务院关于构建数据基础制度更好发挥数据要素作用的意见》的发布和国家数据局的成立，让商业银行科技部门真切地感受到数据的强大驱动力。微观上，银行天然拥有高质量的沉睡数据资源，是一座有待开发的金矿。业务部门希望通过数据分析进行客户洞察和经营，管理层希望通过数据分析更全面、更准确地认知和把握商业银行前进的方向，实现经营模式从传统的经验型向数据型转变。种种现状都驱使着商业银行发挥数据创新作用，探索数字化转型。

　　（三）看周边：外部环境加速数字化转型

　　在新技术的驱动下，众多互联网金融公司纷纷推出数字化转型战略，为客户提供更优质的服务，吸引了部分传统用户；同业间产品同质化严重、网点布局重叠、利率价格趋同和获客成本走高，加剧了行业间的竞争，一线对精准营销、差异化服务的诉求越来越高；监管机构对银行业务的监管日益严格，要求银行提高风险管理和合规水平，提高对反洗钱、反欺诈和客户隐私保护等方面的能力；消费者对金融服务的期望也发生了变化，希望获得更便捷、个性化、实时的金融服务体验。这些都促使着商业银行加速数字化转型。

　　（四）看自身：内部变革需要数字化的转型

　　后疫情时代，银行业面对同业竞争，自身降本增效的压力越来越大，通过自动化、流程优化等方式降低运营成本、提高工作效率，促使着内部流程变革和数字化转型。

        二、商业银行数字化转型的痛点

　　（一）数据底层服务不互通

　　商业银行，特别是成立较早的商业银行，受初期系统规划不全、开发能力有限等诸多因素的影响，其系统产生的数据质量参差不齐，数据广而散、庞而杂，相互割裂，没有形成有效集成。系统间、业务间及产品间数据的生产架构联系欠缺，缺乏全局数据观，数据价值难以有效发挥，未形成数据驱动的价值经营体系，在指导银行经营、服务实体经济、服务监管等方面成效性不足。

　　（二）个人信息安全保护要求高

　　数据时代，个人信息数据安全风险已经渗透到数据应用的各个层面，例如数据采集、数据传输、数据存储、数据共享等。出于金融行业的特殊性及对个人金融信息保护的要求，部分应用采用"封闭式"内网开展业务。如今的数字化转型需要银行将内部数据与外部众多数据源进行交互处理，以联合挖掘价值，这对银行的数据及网络监管安全提出了较高要求，即银行需要在确保数据安全合规的前提下挖掘数据价值。

　　三、数据创新的关键能力

　　结合行内数据创新的实践，上海浦东发展银行广州分行（以下简称"浦发银行广州分行"）认为影响数据创新的关键能力在于完善的基础数据服务平台和数据资产管理体系。其中，基础数据服务平台为数据资产的创新提供了底层高质量数据，而数据资产管理体系则提供了理论和实践指导。

　　（一）基础数据服务平台

　　完善的数据服务离不开相关平台的支持。浦发银行广州分行行内的金融云为整个基础数据服务平台的建设提供了硬件设施服务。基础数据服务平台主要包括数据湖、数据仓库系统和大数据服务平台等，为数据提供了采集接入、存储、计算等服务。

　　1.数据湖

　　数据湖是自主研发的平台，提供存储各种规模、类型数据的功能，并支持跨平台、跨语言的数据分析和处理，为行内外的数据提供了统一的接入服务。数据湖与大数据平台、数据仓库一起，共同构成"一湖两库，多地多集群多活多租户"的大数据基础设施体系，推动了数据基础底座自主掌控；建立了安全合规的组装式数据分布架构，支持集团内外协同与开放共享。数据湖提供了数据发布、数据订阅、数据处理等功能：行内上百个业务系统以及外部合作数据，通过数据湖的数据发布功能实现数据入湖；数据湖作为数据上游，给现有的数据仓库、大数据平台以及其他数据需求系统提供供数服务；数据湖给下游系统下发数据前，可以执行部分数据处理工作，减少下游的数据处理工作量。

　　2.大数据服务平台

       大数据平台是基于Hadoop框架体系构建的开源大规模数据处理平台，为数据开发者、平台管理者、数据应用者等提供一站式联机查询、洞察分析、应用支撑、数据支撑、租户应用等各种特色解决方案，致力于解决各类数据的采集融合、规模存储、数据治理、元数据管理、集群运维等问题，实现可视化的集群监控分析和智能化的多集群管理。同时，将集群数据同步组件、数据清洗组件、跨组件数据加载组件等多种自研组件与Hadoop生态开源技术、云原生技术、多集群管理功能进行集成融合，保障各应用场景快速落地和投入使用，是大数据项目快速实施、交付、应用的利器，加速了一站式数字化转型，更系统、更便捷、更安全地实现企业数据价值。

　　3.数据仓库

　　数据仓库是基于MPP架构构建的商用大规模数据处理平台，是重要的数据的分析平台。将各个业务系统的数据进行集中，并通过SPD-LDM（浦发银行金融主题数据模型）汇总整合，实现全行客户、账户、产品、渠道、交易等信息的单一视图和信息共享，从而为客户管理、风险管理、运营管理、绩效管理、财务管理等各类管理分析和决策应用提供稳定高效的批处理和数据分析服务。

　　（二）数据资产管理体系

　　浦发银行广州分行联合信通院在体系内发布《商业银行数据资产管理实践报告》，提出的数据资产管理体系主要分为三大部分（如图1所示）。

　　1.运营支撑为保障

　　数据资产管理体系的落地是一个长期的过程，需要运营手段来推动和保障。在具体的实践过程中，结合数据资产用户（人）、数据资产内容（货）、资产化活动（场）3方面，构建全方位的运营能力支撑，形成数据资产运营机制的闭环建设。数据资产用户即数据消费群体，基于业务场景的需要提出数据消费需求，运营的核心就是通过用户拉新、留存、促活、转化，增强用户对数据使用的黏性。数据资产内容是数据资产价值链的核心，由资产分类、资产属性、资产血缘关系等一系列集合组成，构成数据资产运营管理的内容。资产化活动是数据资产得以健康、持续运转的基础。资产化活动可以是物理存在的数据管理平台，也可以是数据资产生命周期管理的模板和工具，通过平台式的工具和能力，规范流程监督、监管资源占用、提升资产化的效率等。

　    2.管理法则为指导

　　数据资产的管理在管理和运营上都会受到多重制约和影响，因此，清晰的原则和依据将帮助企业管理者在数据采集、使用、管理和流通的资产化全过程中做到合法、合理，为崭新的数据资产管理框架制定"游戏规则"。其中，采集法则要求从资产化场景出发，应遵行"合理合法、按需采集"的原则；价值法则为数据资产价值评估提供了一个可靠的度量衡，按照"发掘-促活-变现"的路径，强化了数据资产管理的全面性、针对性和可行性；使用法则提出数据只有被最大限度地不断使用，促使数据资产"活"起来，才能衍生或积聚更大的价值，数据共享就是实现这一要求的最优途径；流通法则强调了数据资产管理的终极方向就是流通，流通则是把数据资产产品化，让产品所包含的交换价值、使用价值可以被买卖、转让和使用。

　　3.管理活动是载体

　　资产认定、资产确权、价值评估、资产处置、隐私保护五大活动保证了数据资产的管理有序开展，有效促活数据价值链演化，为企业数据资产的安全合规、合理配置保驾护航。资产认定帮助管理者明确基础型数据资产和服务型数据资产的管理范围，包括资产盘点、资产审核、资产发布、资产维护等；资产确权明确数据资产权属划分，保障数据资产相关方的权利，在内部和外部两方面明确所有权、控制权、使用权、收益权、处置权等；针对资产的内在价值、成本价值、业务价值、经济价值和市场价值，围绕数据潜能、效能和产能对基础型数据资产和服务型数据资产进行价值评估；资产处置是当数据资产满足触发处置条件时，进行数据资产下架退出或销毁；数据资产保护应依法依规确保个人金融信息，确保信息安全，防止信息泄露和滥用，为数据提供隐私相关的保护指导。

　　浦发银行广州分行将数据资产按照价值高低分为基础型数据资产和服务型数据资产两类。其中，利用企业建设、管理和使用的各类应用系统，依据法律法规和有关规定直接或间接进行采集、沉淀、加工，或通过第三方引入的数据资产被认定为基础型数据资产。服务型数据资产是指将基础型数据资产进行加工后，以数据分析为驱动，直接参与可衡量价值的业务场景的提炼后的信息，即"数据+算法+场景"组合产生的提炼后的信息。由一个或多个服务型数据资产加工形成的辅助用户作出更优决策行动的创新产品形式，被称之为数据产品。

　　四、数据资产创新驱动下的数字化转型探索实践

　　（一）服务型数据资产助力数字化转型

　　1.现状在数据资产管理体系的指导牵引下，浦发银行广州分行形成了创造服务型数据资产的热潮，在数字化客户管理、数字化风险管理、数字化营销管理、数字化运营决策等方面都有积极的创新。截至6月份，共计创造300余个服务型数据资产并在全行推广使用，已经为业务服务的服务型数据资产超过10多个，在操作风险、存客提升等方法都有积极的尝试。

　　2.重点数据资产介绍在操作风险方面，诈骗一直以来是银行业重点关注的风险，在"断卡"行动的加持下，浦发银行总行完善了零售客群诈骗预警体系。以客户账户基础数据、交易数据、行为数据等为基础，以"分布式机器学习算法+各地专家规则"不断迭代形成零售反欺诈检测模型算法，以零售客群诈骗为场景，创新了零售客群诈骗数据模型并通过行内的认定形成数据资产；在运营的支撑下，采用更多拉新、促活等方式不断提升数据资产价值；在管理法则的指导下，选取了通过识别可疑账户数的方式确认业务价值，通过分解测算法测算资产化场景总收益；在管理活动方面，明确了该资产的控制方、使用方、开发方、供数方、是否可共享等信息。自2022年浦发银行广州分行使用该服务型数据资产后，累计识别可疑账户数超过5?000多户，实现精准清除异常账户、重点减少涉案账户，不断提升异常账户以及涉案账户识别的时效性。

　　在存客提升方面，形成零售长尾客户新开网点资产提升营销清单服务型数据资产。基于LBS金融服务洞察系统，将分行存量长尾客户的营销以及新开设网点的拓展两个场景结合起来，利用位置聚类算法将长尾客户分配到最近的新开设网点，主动邀请客户参加线下活动等，通过强化与长尾客户间的连接，促活长尾客户，为客户提供更便捷的服务。该数据资产在2022年为业务贡献了千万级的月日均金融资产提升。

       3.小结

　　浦发银行广州分行在服务型数据资产应用过程中，积极运营，主动推广，通过与业务结合的方式，不断充实数据资产价值，赋能业务发展

   （二）数据资产赋能公金业务数字化经营管理

　　1.现状

　　近年来，浦发银行广州分行科技加强了对一线业务的支撑力度，不定期组织科技人员前往一线经营机构进行现场业务调研，提供科技服务，了解业务系统的使用情况和对科技方面的相关需求，现场快速解决业务提出的科技问题。在多次调研后，系统在向对公业务提供精细化支撑方面还面临诸多的挑战。一是经营数据推送时效性、可视化程度差。传统的经营数据靠人工整理推送，难以清晰、及时地了解本机构的经营数据变动情况以及与全行的对比情况；数据主要以展示当前为主，过程数据相对缺失，可视化效果差，难以快速支撑各经营机构的经营决策需求。二是客户营销和风险识别方面缺少有效的工具，无法快速对客户的行业、客户的供应链企业、客户所处的行业等形成较为全面的认识，难以实现大量新客户的营销转化。

　　2.解决方案

　　为更好地服务公金业务经营管理，提升对公客户经营管理能力，浦发银行广州分行探索实践了"公金经营数据一览"的服务型数据资产和企明星、行业洞察等数据产品。

　　（1）构建"公金经营数据一览"的服务型数据资产

　　浦发银行广州分行通过对一线需求的分析得出，一线的经营数据分散在行内CCRM、管会、信贷等系统中。其结合服务型数据资产"数据+算法+场景"三要素，打通系统间数据交换的壁垒，构建数据间的关联关系，通过数据加工，探索构建了"公金经营数据一览"的服务型数据资产。该数据资产可以为用户提供对当前经营指标、个人业绩以及中长期项目进展情况的统一查询，通过对前端应用的调用，结合数据可视化技术，客户经理和各个经营机构可清晰地了解整体经营情况和当前所处的经营排名，使其能快速了解经营情况；决策层可以清晰地了解到各经营机构近期经营指标的变动情况以及指标结构和全行的差距，助力决策层快速进行相关的经营策略调整；中场管理人员可随时查看客户经理当前的实际产能，促使中场人员发现问题并给予客户经理更符合自身成长的指导，识别优秀人才，进一步激活组织。

　　（2）创建"企明星"等多个数据产品，助力客户营销

　　结合行内现存的数据，在公金业务管理中，浦发银行广州分行打造多个数据产品，全方位赋能客户营销。在客户信息查询方面，数据产品"企明星"为一线员工提供便捷的客户工商信息查询以及清晰客户业务展示，助力一线员工初步认识企业情况；在企业关系查询方面，利用知识图谱技术实现对复杂关系数据的高效处理与可视化分析，使企业关系可视化，从企业的"朋友圈"加深一线员工对企业客户的认识，通过聚焦"点、圈、链"生态场景，赋能一线员工提升"圈链经营"的服务能力，为客户提供全方位的服务，进一步提升客户黏性；在行业信息查询方面，数据产品行业洞察从行业角度为一线提供行业信息查询、分析以及相关资讯的推送，提供行业宏观趋势和行业营销指引，助力一线员工从行业角度了解认识企业、找准痛点，提供差异化特色产品服务客户全生命周期。

       3.小结

　　该服务型数据资产的落地，实现了数据创新赋能业务管理，助力业务高质量发展。

　　（1）提高了经营效率，助力实现降本增效

　　通过应用调用"公金经营数据一览"的服务型数据资产，将一线员工关注的数据清晰、直观、多维度、实时地展示出来，方便管理人员对当前负责的经营任务有全面的认识，助力经营策略及时调整，提升经营效率；用数字化的手段减少中场管理人员手工数据通报和人为统计错误的几率，释放人力并使其在其他场景下发挥更大的价值；该服务型数据资产的构建思路也在其他分行积极探索使用，实现一点落地，服务全行。（2）发挥了数据资产的价值，提高企业竞争力在"启明星""行业洞察"等数据产品的功能加持下，一线员工在全面了解客户和行业趋势等方面有了相应的抓手，具备了为客户提供更优质、差异化服务的基础，能够及时掌握市场动态，从而制定更加精准的市场营销策略，提高客户营销的竞争力。

　　（三）隐私计算助力数字化转型的探索

　　1.现状随着大数据的发展，数据共享已成为了当今社会发展的重要趋势，是提高企业效率和推动企业发展的重要利器。但明文的数据共享不符合当前的法律法规要求，要在不暴露明文的前提下共享数据价值，就需要新的技术能力来支撑。隐私保护技术可以实现"数据可用不可见"，或成为数据流通共享中的一个重要的工具手段。为促使数据要素发挥更大的价值，促进数据流通共享，浦发银行广州分行积极拓展数据边界，衍生数据服务，以行内波塞冬联邦学习平台为抓手，积极与本地企业展开联邦学习合作，探索通过"数据资产+隐私计算"模式赋能营销。

　　波塞冬隐私计算产品是依托隐私计算打造的数据安全共享产品，可为金融产业、互联网产业以及各类实体产业提供便捷、安全、有效的数据应用通道，提升各行业数字化经营能力。

　　2.重点应用案例

　　浦发银行广州分行自2021年初开始先行先试，尝试探索联邦学习合作之路，最终达成与本地某运营商试点合作的意向。经过总分行多次与该运营商沟通，最终确定了符合双方业务、技术及安全要求的合作方案，在运营商服务器上部署波塞冬平台节点，进行联邦学习建模。目前，双方将在反欺诈等风控场景做进一步的探讨验证，探索新的符合业务需求的数据资产，赋能业务发展。

　　《中华人民共和国数据安全法》和《中华人民共和国个人信息保护法》，对数据的隐私保护都提出了明确的要求，在试点合作中双方产生了不少的问题，但也摸索出了落地联邦学习经验，具体如下。

　　（1）企业间安全互信标准不一

　　虽然联邦学习技术主打数据"可用不可见"，但由于试点合作企业对波塞冬平台的安全评估、认定缺乏统一标准，合作企业与银行之间难以基于联邦学习平台达成安全层面的互信，导致数据标签类型及部署环境受制约，运营商新技术尝试的节奏。另外，浦发银行广州分行无法直接利用运营商对银行营业有贡献的数据标签，只可使用二次生成脱敏打标签、限制标签类型范围等间接方式达成合作，预计在一定程度上会影响合作效果。

　　（2）平台互联互通技术要求较高

　　有自有平台的合作企业或政府机构基于安全考虑，往往倾向于使用自有平台，以平台互联互通的方式实现共同建模。而对于相同底层框架的联邦学习平台而言，开发互联互通需要双方技术人员评估方案、协同开发，一般需以双方总对总的方式推行；而对于不同底层框架的联邦学习平台的互联互通，还需要深度探索。

　　（3）技术还不够成熟

　　隐私计算技术整体还处在快速发展阶段，相关技术还不够成熟，目前更多是在概念验证和应用试点阶段，尚未达到大规模商用阶段。比如，联邦学习的性能效率也是后续大规模试点前需要解决的问题。

　　3.小结

　　2023年5月，北京金融科技产业联盟牵头参与完成了《金融业隐私计算互联互通技术》研究报告，该报告为后续隐私计算的互联互通提供了方向。后续，浦发银行广州分行将在报告的基础上进一步加大对隐私计算的探索力度，做好技术积累储备，逐步提升对隐私计算技术的理解和认识，稳健拓展隐私计算技术应用范围，积极为未来更大规模的数据价值流通及服务型数据资产、数据产品的丰富做好准备。

　　五、未来展望

　　一方面，继续深挖数据要素价值，推动建立完整的产业链，实现数据融合利用。在《金融科技发展规划（2022-2025年）》的指导下，在数据能力建设方面，继续发挥数字资产管理体系的基础优势，进一步扩大数据资产的范围和赋能数据生态伙伴能力建设；在数据共享流通方面，在合规的前提下积极参与数据共享机制的建立，持续推进隐私计算平台，探索跨地域、跨行业的数据资源有效共享，提升数据要素资源的配置效率。

　　另一方面，继续扩大数据对业务的支撑范围，赋能更多场景，实现数据驱动的数字化转型。随着行内在金融科技、IT系统建设等方面投入成本的积累，以及5G、区块链、知识图谱以及人工智能等技术的逐步成熟，数字化转型进程的推进也将逐步覆盖更多的业务条线，综合提升各类业务场景的智能化风控、精准营销以及运营能力，为用户带来更好的服务体验。同时，通过数据的分析，逐步将企业的经营模式从传统的经验决策型向数据决策型转变，从数字化逐步探索数智化转型。

↓↓了解更多资讯，请识别下方二维码↓↓

国脉集团

国脉集团是数据资产化先锋企业，主要提供培训、咨询和产品设计服务。为数据资源拥有者提供专业、规范、合规的全流程资产化服务，提升机构数据管理服务能力，实现数据资源价值最大化。运用最先进的培训理念方法和平台工具提供高绩效培训服务。研发“一头一体两翼”企业数据资产化咨询服务方法论，提升数据资产化战略设计、就绪度评估与咨询、入表和产品化全流程咨询服务。基于战略思维和实操需求研发“易”系列产品，并与数源方合作研发系列数据产品。

主要课程

主要课程包括数据资产入表、数据经纪人、公共数据运营和政府CDO、数据精品等精品课程。

数据产品

主要产品：数据易投、数据易贷、数据易保、数据易售。