关于传统银行建设业务型大数据团队的讨论

近期在国内传统银行业界，数字化转型是一个热点。银行的数字化转型是一个全球性的大趋势，国内传统银行早在上个世纪九十年代末就已经逐步展开业务的电子化进程，然而真正开始考虑以数据驱动业务发展，则更多是应归结于这两年大数据与金融科技的进步与突破，互联网金融的蓬勃兴旺给传统银行业务所带来的巨大冲击，以及整个国民经济在经历过一个高速增长阶段后必然驶入一个需要平稳发展轨道的大环境，使得众多银行业同仁深感压力，也蓦然顿悟，过去一直擅长和奏效的传统业务模式，已经到了不可久为之的地步，而依靠数据驱动的业务精细化运营和管理，则将是银行业务可持续发展的出路和动力。同时很多人也意识到，在推进数字化转型的摸索中，尝试建设业务型大数据团队则又不失为是一项明智的选择。

本文是针对有着在传统业务框架上实现数字化转型需求的传统银行为对象开展讨论，故讨论内容不适合近期在全新基础上设立的民营银行和虚拟银行等。这类新型银行往往从一开始就将业务发展和系统建设定位在数字化基础上，而不需要通过刮骨疗毒式的转型来实现，对于他们更为挑战的则是诸如如何在没有任何线下网点的条件下大量获客等的问题。

数字化转型触发建设业务型大数据团队的需求

对于传统银行来说，业务的数字化转型是一项无法一蹴而就的巨大变革，需要各个部门之间通力配合，花很大气力才能完成的事情。

由于大多数国内传统银行目前都处于整体数字化运营基础很薄弱的状态，因此当前首先面临的最重要和紧急的任务就是要做好数据治理和环境配置，为后续有效推进实质性的数字化转型打好基础。通常这些相关数据存储、管理和分析的基础性工作包括，探查和梳理现有数据资源的效用、关系和质量，打通、关联、清洗、加工和整合由各个业务部门主导的各类分散数据，建立统一的数据分类和存储的定义与规范，建立外部数据采集、接入、过滤和应用的标准，开发供业务人员使用的数据分析平台，开发跨业务的客户全方位统一视图，建立数据使用、共享和安全的管理制度及流程等。所有这些工作在一定程度上尚属于偏系统技术和程序开发层面的、以及管理架构梳理层面的工作，大多数银行是由科技部或计财部牵头主导并以项目形式来落实完成。

银行内部一般在科技部属下也都有（大）数据科室，这个数据团队很多是先期随着银行上线数据仓库数据集市而设立，通常在当前的数据治理工作中担负着牵头主导作用，也负责维护银行的数据集市和数据分析平台，为其他部门的数据分析需求提供数据抽取和输出等支持服务，还负责撰写银行对于统计分析和报表系统的优化和升级的开发需求与管理等工作。这个数据团队的人才结构则还是以编程和系统开发类人员为主。

而随着数字化转型基础性准备工作的初步就绪，下一步银行需要真正地将所拥有的数据资产有效使用起来，需要大力发展数据挖掘、数据分析、数据模型和数据驱动智能决策的事项。所有这些工作本质上都是更偏向于业务类型的事项，若银行依旧依靠传统科技开发项目管理的资源和经验，来进一步推进大数据的应用则是不合适了。业务导向的大数据团队强项应是在于应用，原有的技术导向的数据团队强项则是在于系统，两者对于工作人员的基本技能要求也是很不一样。此时此刻，银行建设以业务导向的专业化大数据团队也就必然是应时而生。

业务型大数据团队的独立设置和工作特点

筹建业务型大数据团队可以分两步走。银行先期依旧依靠原有的技术型数据团队，首先做好数据基本治理和分析平台开发等一系列项目，夯实数字化运营的基础，积累一定的经验，尤其是数据管理和分析软件熟悉使用方面的经验。然后在原有的技术型数据团队的基础上，扩大团队功能，增加业务导向的分析型人才，建成业务型大数据团队。

业务型大数据团队是要以业务为导向的，因此需要非常紧密地结合业务。大数据的应用可以是采取将相关的工作职能分散分配和嵌入在各个相关的业务部门中去，但从目前国内传统银行的实际情况出发，则还是以在银行总行层面建设一个予以集中管理的独立的业务型大数据团队为好。

目前各家银行数字化的人才非常匮乏，各个前台业务部门的运营和管理模式很不适应流程化，数字化观念的确立和工作方法的转变都需要相当的时间，数字化经营和管理的具体流程及措施很多还是在尝试之中，支撑数据驱动业务决策的各种量化模型也还需要逐步巩固和进化，尤其是在一些考核指标和风险控制方面业务型大数据团队尚需要与传统业务部门有一层隔离。

业务型大数据团队所对应的工作既有项目类型也有日常类型，理想状态是该团队能同时兼有项目型和日常型的工作管理方式，这也是非常适合当前整个银行数字化转型过程自身所同时具有项目型和长期型的工作特点。在原有技术型数据团队的基础上建立起来，业务型大数据团队自身应该是继承了项目型的工作管理方式，然而对于后继需要开展的满足业务支持的数据分析工作，尤其是以业务流程数字化监控为背景的数据分析工作，则有相当一部分是属于日常型的工作。

集中管理的业务型大数据团队对于各个业务部门重大数据分析工作的支持，反过来可以采用以项目或日常派遣嵌入的形式，即在人员培训、管理与考核上以及技术标准方面归大数据团队本身，而在具体的工作上与业务部门在一起。在相关数据人才资源紧缺的情况下，大数据团队可以采纳更加灵活的人力资源安排措施，成员可以是一身兼多个业务部门的嵌入，也可以是按照项目形式阶段性地替换等。

业务型大数据团队在行内的定位和作用

传统银行的数字化转型，最终是要向建设具有综合溢出效应的服务平台发展，而数据与业务与技术三者积累得越多结合得越好，则综合溢出效应越高。在这个转型过程中，业务型大数据团队将起到核心作用，团队将不是一个简单的后台支撑部门，至少应该是定位为一个连接前台业务部门与相关后台功能部门的中台单位，并在一定的程度上起到前台业务驱动的作用。

要理解业务型大数据团队的这种连接作用，笔者认为是可以以当前各家银行中网络金融部的定位和作用做近似的比照。虽然各家银行对于网络金融部的部署和定位各有差异，但无非就是在兼顾传统型的行内电子渠道建设的同时，负责与新开展的各项线上业务相关系统的设计、需求、维护和应用等，并在有条件的情况下，直接承担线上业务的拓展和运营，重点负责与作为渠道入口的各类互联网平台的各项合作事宜。

以数据为依据，实现智能型的业务决策，最终将是所有银行业务部门的基本业务模式。因此当这一天到来的时候，本文所讨论的独立的业务型大数据团队也就没有存在的必要了，那时候专门的数据团队又将回到只是负责管理数据及其相关系统的纯后台支持部门的角色，而所有数据应用分析则都已经成为各个业务部门的日常技能。不过这一天不会很快到来，还需要相当长的一段时间。总之可以这么说，业务型大数据团队建设的最终目的就是为了完美地消灭自己，从而使得整个银行站上了一个数字化的新的高度。

在目前阶段，对于有条件并且有强大需求的银行，业务型大数据团队可以设置为银行的一级部门，不过对于大多数银行目前可选择的，是设置成为一个与业务条线紧密结合的二级部门。这个部门可以依旧挂靠在科技条线下面，也可以考虑挂靠在零售业务条线下面。如果银行已经开始了很积极的创新摸索，搭建了独立的事业部或准事业部，比如有多家银行已成立了独立的数字银行、直销银行或互联网银行等，则将这个大数据团队设置在事业部或准事业部的框架下是个很好的选择。大数据团队首先承担创新事业部的数字化探索工作，然后逐步兼顾行内其他部门的数字化转型的支持。

业务型大数据团队的主要工作职责和内容

业务型大数据团队，首先要继承原来在科技条线下数据团队的几乎所有基础性工作，包括继续推进数据治理和数据平台的优化，承担管理数据资源和维护数据平台及相关数据分析工具系统的责任，撰写和评估各种新的数字化应用所相关的开发需求，管理、测试和上线与之相关的开发工作，进一步健全数据应用环境中的图像化可视化设施，建立并完善数据安全和信息保护的一整套工作流程与管理措施等。

业务型大数据团队所新增加的主要工作职责和内容，包括但不限于集中协调管理银行的数据资产并负责对各项数据资产应用价值的评估，跟踪与控制数据应用过程中的数据质量变化，开发与上线多种数据决策的业务规则和模型，承担业务流程的数字化监控工作，检验与判断新的外部数据资源的价值及可用性，打造行内自己的数字产品并嵌入到业务流程中去，建立健全业务层面的冠军与挑战和各种压力测试实践，开展多项数据分析与数据挖掘工作，对于数据结果进行完整的业务比对和解释，在数据挖掘结果的基础上向业务部门提出解决建议，建设数字化风控的流程和体系，对业务进程设置自动化的警戒和熔断并配合紧急处置措施，提升全行数字化精细化管理及考核的标准和口径，为业务前台部门培养数字化运营的能力和具备业务数据观察的人才等。而所有这些工作中最为重要也是最为基本的能力，就是这个团队能够在有迫切需求的情况下，通过大量的数据分析，抽丝剥茧，去伪存真，快速地发掘出在常规条件下很难发现的业务痛点的根源。

业务型大数据团队，还需要承担更多的前瞻性开拓和推进工作，通过市场调查和同业取经，不断发现新的数字化技术方法和手段，重点研究各种新的统计和人工智能算法及其应用实施案例，帮助业务部门梳理流程摸清痛点并有的放矢地进行新方法和手段的尝试，进一步完善已上线的行内各项数字化解决方案，着力降低由数据原始偏差所导致的业务决策偏差的幅度，支持规划和完善数字化运营的整体框架，大力培育与传播全行数字化运营的文化意识和知识，不断扩展数字化经营的收益面，从传统标准金融服务向场景金融服务、个性定制金融服务、产业链金融服务、合作金融代理服务、开放平台金融服务渗透，为银行的全面数字化转型保驾护航。

限于篇幅，本文的讨论先集中在上述几项内容上。关于从业务角度看待大数据团队所发挥的作用，规划考虑大数据业务应用实践的有序推进、大数据应用的量化模型开发与敏捷管理机制、业务型大数据团队的人才结构和培养等内容的讨论，笔者将在下一篇文章中继续展开。

来源：公众号“老古成都”