文 / 武汉农村商业银行信息科技部总经理? 李喆
2020年伊始，一场突如其来的新冠肺炎疫情从武汉爆发进而迅速蔓延全国，对我国经济运行和发展产生较大影响。在这场来势汹汹的疫情防控战中，“零接触、纯线上”的金融服务方式成为金融活动的主导形式。疫情后，中国银行业或将迎来更广泛、更彻底的转型发展浪潮，基于智能化的线上金融模式将成为经济增长的新引擎。站在发展转型的风口，中小银行更需要破旧立新，找到特色化发展之路。
数据作为数字化时代的核心资产，在银行发展转型中发挥着不可或缺的作用，大数据挖掘能力正在成为金融机构未来发展的核心竞争力。在一些大型银行中，数据挖掘已得到成熟应用。对于中小银行来说，成功落地数据挖掘应用，又将面临哪些挑战？
大部分中小银行已经认识到数据挖掘的重要性，并积极探索大数据创新应用。通过各个业务系统信息化和自动化的实现，中小银行各领域业务系统产生了大量的业务数据，但这些数据并非为了分析而收集，而是因银行正常业务运营而产生。由于基础薄弱、起步较晚，大部分中小银行仍处于数据挖掘的初步阶段，数据应用效果不明显。
1.数据未充分共享。尽管许多中小银行都建立了数据仓库或其他数据整合..，但大都未对数据共享进行统筹管理，未设置合理的共享策略、范围，数据仅仅做到了存储，并未最大限度地服务于全行。由于数据共享不充分，银行难以实现对客户信息、业务信息等高度关联的数据进行精准、协同分析，大数据在精准..、风险防控、管理决策等领域的价值未能充分体现。
2.数据未充分管控。相比大型银行，大部分中小银行仍未构建成熟完整的数据管控体系，普遍存在数据多头管理的现象，管理职责分散，标准不统一。由于管控不充分，多数中小银行存在数据源准确性不高、手工记录和系统提取的数据不一致、统计口径定义不清等情况，数据的真实性、准确性、连续性难以保证，数据挖掘困难重重。
3.业务创新难。大多数中小银行仍保持着传统的经营模式和思维模式，数据驱动业务的核心理念和思想尚未成型，各行对于数据管理、挖掘等技术人才的配备和培养不足，导致大数据应用创新仍处于起步和探索阶段，成熟案例和解决方案仍相对较少。
4.缺乏高效的数据挖掘能力。多数中小银行尚未搭建专业用于数据深挖、分析的软件..和工具，数据挖掘缺乏完善的系统支撑和技术手段。尽管拥有海量数据，但如何实现数据挖掘与反欺诈、授信决策、精准..、舆情感知等具体场景的结合，如何线上、快速、智能落地数据挖掘，仍是中小银行面临的主要问题。随着大数据技术的不断演进，计算机性能的不断提升，越来越多的业务、产品、功能都需要算法模型的支撑，如何快速、高效地训练模型、使用模型，亦是中小银行亟待解决的问题。
中小银行数据挖掘体系建设不可能一蹴而就，需要从体系架构、治理管控、人员培养、算法及工具的引入等全方位不断改进并积累经验，从整体规划到局部实施、持续改进，最终实现质的飞跃。
1.合理规划是共享的基础。数据充分共享需要一套合理健全的规划作为支撑，从思想意识、流程规范、..工具等方面建立适宜共享的土壤。首先，提升对数据管理的战略认知，逐步培养各部门主动利用数据开展挖掘的意识和习惯，逐步解决业务需求与数据挖掘需求脱节、数据不知如何用等问题；其次，在业务系统建设过程中除了考虑满足业务需求，还应考虑业务数据标准、数据交互、数据共享策略等数据层面的需求，在业务系统变更过程中，要充分重视数据影响性分析、血缘分析等相关工作；最后，逐步建设集数据接入、数据处理、数据存储、查询检索、应用挖掘、数据及产品输出等于一体的公共服务..，实现数据集聚、验证查询、黑白名单管理、风险预警、反欺诈集成、舆情分析监测、精准..数据处理、数据存储、查询检索、应用挖掘等功能。通过持续建设，最终实现数据共享，将数据真正转化为生产力，为行内的业务拓展、经营管理、风险控制等提供服务。
2.数据管控是燃料的补给。中小银行要利用数据制胜，首先需要解决的就是数据质量问题。数据治理是一项持续性工作，中小银行可将实现数据资产化、共享化、价值化作为目标，迭代推进数据治理。
在实施数据治理时，中小银行可采用“急用先行”原则，结合自身实际，集中数据治理资源选择薄弱环节有针对性地实施，建议从组织架构、制度流程、技术支撑三个层面入手。首先，定义组织架构，明确数据的“权、责”，将数据的定义权、解释权、发布权归属到指定部门，同时该部门对相应的数据质量负责；其次，构建长效数据治理保障机制，完善制度及流程，建立数据治理标准化工作机制、协作机制、管理机制，通过各部门协同配合扎实推进数据治理工作；最后，转变传统单一的数据治理模式，建设“全行级数据资产管理..”，借助先进的数据治理自动化工具，支撑数据治理体系高效运转，快速为上层应用提供标准、及时的数据服务，加速银行业务创新。通过持续的数据治理，逐步提升数据质量、规范数据标准、保障数据安全、促进数据交换、打造全行的数据文化，为深度挖掘数据价值铺平道路。
3.数据素养是创新关键。数据挖掘人才储备不足、缺乏数据赋能和数据创新意识是造成业务创新难的根本原因。中小银行应尽快制定人才培养计划，提升全员数据素养，明确人才渠道（自行培养、招聘等），丰富数据人才储备，确保数据分析专业人才规模能够充分支持数据挖掘体系建设和行内分析挖掘需求。
提升数据素养，是培养数据挖掘人才的关键，也是开展数据工作的基础。数据素养包括意识、知识、能力三方面内容，反映单位和个人对数据的整体运用能力，体现在对数据的敏感性、数据收集能力、数据分析处理能力、数据决策能力以及数据批判性思维五个方面。要提升数据素养，必须“知行合一”：一是通过必要的自学、集中..、宣讲会等方式普及数据相关基础知识，提高银行干部员工对数据的认知，培养“凡事以数据说话”的数据思维模式；二是实践参与数据项目，激发全员思考，站在自身岗位的角度，按照“谁使用谁负责”的原则，担负起数据整合、数据应用及管理等责任。
4.算法是数据挖掘的引擎。中小银行虽然已开始进行数据挖掘分析的尝试，但大多是偶发的、零散的、凭经验的，缺乏全局观念，准确性和效率也偏低。人工智能、深度学习的兴起，为数据挖掘注入了新的可能性。
在数据挖掘的实际操作中，总有些业务场景特征是不明显的，需要用深度网络来抽象出特征变量，总有些场景识别问题可以转换成图像识别问题。利用算法分析庞大的完整数据集，取代用电子数据表处理和理解小范围数据的做法，可以更加精准地获得经营管理所需信息，为精准..、精细管理、产品创新和风险管理服务。中小银行可以结合自身实际尝试引入外部公司的先进技术，不断完善技术工具，通过数据模型和数据分析工具，把海量数据、多维数据、多类型数据联系在一起，进行清洗、整合、挖掘、分析，运用一定的数学算法，形成数据洞察力，服务业务发展。
1.数据挖掘可以“以点带面”。中小银行数据挖掘工作尚处起步和探索阶段，不建议一味追求广而全的实施方案，应选择重点领域，以“数据挖掘解决业务问题”为目的，短平快的直接切入业务价值目标、落地场景。在较短的时期内，应锁定能够迅速实现巨大价值的业务领域，快速实现数据价值认同，减少实施阻力和试错成本。其中，最为重要的是打破部门壁垒，科技部门可以转变思路，摒弃以往的“人在家中坐，需求找上门”的工作方式，采取“主动走出去”的方式以寻求与业务部门的合作契机。寻找并聚焦数据价值的关键点，即可以此为切入点深入挖掘数据资产价值，进而推广至全行，做到串珠成线、遍地开花。
2.数据挖掘可以“有的放矢”。中小银行必须制定更为清晰的实施路径，确定聚焦于哪些数据、如何配置数据挖掘资源、努力实现的目标等，将数据挖掘得到的知识转化为实际行动，真正产生业务价值。例如，在成本管理层面，通过挖掘多个..数据，分析成本管理短板，有针对性地改进，节约经营成本；在工作效率层面，通过机器学习替代人工完成重复性较高的工作，提升工作效率；在数据安全层面，通过对大数据应用机器学习技术，做数据挖掘和分析，准确识别敏感数据和异常数据，提升全行数据安全能力。
从IT时代到DT时代，银行业逐步向业务系统智能化方向发展，许多知名金融机构已率先进入个性化服务和科学决策阶段。数据治理与应用决定了企业管理和运营效率，也影响着企业竞争的成败，越来越多的银行认识到数据价值，积极主动拥抱大数据，实现自我革新。
中小银行过去在金融科技创新、特别大数据应用领域的投入不大。站在转型的十字路口，中小银行只要化压力为动力，从小目标着手，向大目标进军，打开挖掘数据价值的全新空间，必定能走出一条特色化的发展道路。
本文到此结束，希望对大家有所帮助。