大数据规模化应用是中国银行业大势所趋

据麦肯锡全球资深董事合伙人、中国区金融机构咨询业务负责人曲向军介绍：“全球前50大银行中，90%以上都在积极应用高级分析技术。全球领先银行将税息前利润的15%至17%投入到数字化、科技和大数据领域，科技和大数据人员占到总人数的17%左右;与之相比，中国银行业的相关人才比例不足5%。拥抱大数据、提升银行竞争力已是整个行业的共识，能够率先转型为‘科技银行’、‘数据银行’的金融机构，将在未来10年领跑同业。”

但需要注意的是，现阶段，国内银行在大数据规模化方面还存在几大共性问题，如：大型银行往往耗费大量时间和金钱，从全面数据治理开始大数据规模化应用，但这些投入却久不见价值;小型银行则畏难情绪严重，较差的数据基础致使他们多止于观望;此外，各类银行还普遍存在模型搭建与业务场景应用“两张皮”的情况，未遵循“用例驱动”和“闭环循环优化”原则;大数据人才匮乏进一步制约了规模化应用。

对此，《报告》给出了三项战略举措。首先，制定价值驱动的大数据实施路线图：通过大数据诊断，识别出银行的机会点，定义并对大数据用例进行优先排序，制定最佳实施路线图，并在全行上下达成共识;其次，端到端大数据用例试点：通过落地1至2个试点用例，跑通端到端大数据用例闭环，对用例进行快速迭代优化，并验证其业务价值，实现速赢;最后，夯实支撑体系，加速大数据规模化落地：对于一家信息科技预算在10亿美元的银行而言，简化、梳理及优化数据管理工作，每年能给其节省0.71亿美元。银行需在18个月内循序渐进地建立大数据卓越中心，招募并培养大数据核心人才，完善数据治理机制，以及构建大数据相关系统，是保证大数据规模化落地的重中之重。

曲向军最后总结道：“第一，银行大数据应用要先从‘小数据’做起，从银行内部数据入手，通过分析产生价值，实现小步快跑;第二，相比从下而上进行数据清理，从上而下用例驱动的方式更加有效;第三，数据清理是一个持续性工程，不是一劳永逸;第四，大数据用例要规模化，从亮点到规模、最终搭建平台;第五，大数据人才培养要规模化，银行应建立人才中心、大数据学院，实现人才的批量培养;第六，搭建联邦制组织架构，在前台业务部门和科技部门都应配备数据分析人员，让业务与数据、科技实现有机融合;第七，银行决策层要形成数据驱动型(IBS)决策文化，让数据文化融入到银行的DNA。

（编辑：莆田站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!