- 监管机构
- 银行
- 租赁
- 其他金融
时间:2021-05-21
从2005年开始,银行业的数据管理从局部管理发展到统筹管理,再到管理运营。银行在数据管理向数据资产管理与运营的转型中,其数据政策、管理手段、运营模式在大数据时代的浪潮下不断修正与重塑,已经从简单的支持经营分析与业务决策向推动业务创新、资源整合应用以及数据价值变现方向跨越,并根据自身特色开展数据资产管理与运营实践。随着银行业与各行业融合度不断加深,银行数据规模急剧增大,数据不断衍生,数据类型不断丰富,银行加速向数字金融、网络金融、智能金融方向推进。在此环境下,商业银行以管理驱动的数据战略导向亟待转变,寻求可持续、价值型的数据发展成为必然选择,以价值为导向的数据资产运营正是实现这一转型的有力工具。
目前国内银行对数据资产的管理和应用还处于初步阶段,在不断探索实践过程中碰到了诸多困难,可以总结为五大痛点。
缺乏整体规划,持续迭代能力较弱,造成的结果是投入大、产出小。目前大多数银行缺少明确可落地的数据资产管理与运营整体规划,采用“头痛医头,脚痛医脚”的方式开展数据资产管理工作。运营的理念较为薄弱,往往依靠数据咨询项目出具顶层规划产物来驱动数据资产管理,如制定数据标准、建立数据模型、开展数据质量提升等方式。但是数据资产管理与运营是一个系统化工程,数据标准或者数据质量相互独立又互相依存,需要 用全局的角度和统筹的方法,实现数据资产管理与运营生态。
缺乏统一的数据资产视图,用户“不知、不懂、不会”问题显著。随着业务发展,银行堆积着大量数据,但不同种类的数据散落在各系统和平台中,数据使用者面对海量的数据,不知道有多少可利用的数据,并且数据含义或在文档中体现,或口口相传,解释不够权威,用户难以懂得数据真正的含义,同时传统的数据服务多为被动式服务,只是单纯地汇总并展示数据,专业性强,使用门槛高,用户获取和使用数据需要较多的数据背景,知道数据在哪里才能抽丝剥茧般地找到,效率较低。
部分银行过于追求大而全的数据标准,难以落地。部分银行对于数据标准过于依赖,追求构建全行适用、全业务可落地的数据标准,造成数据标准越做越多,落地工作量越来越大。如某城商行制定全行数据标准,标准从1000条逐渐增加到20000条,扩充了20倍,但是数据质量并没有提升,反而因为标准过多,难以落地,造成数据孤岛化,数据质量参差不齐,阻碍了业务和金融科技的快速发展。
数据应用发展缓慢,单点发力,缺少统一的运营管理。受限于数据规模和数据源种类的丰富程度,多数银行的数据应用刚刚起步,主要集中在精准营销、舆情感知和风险控制等单点场景,并且由于没有统一的数据资产运营规划,应用场景深度不够,且不成体系,发展缓慢,难以全面发挥数据价值。
数据价值难以估算,无法准确衡量数据效能。由于数据的价值很难评估,银行难以对数据的成本及其对业务的贡献进行评估,导致难以像运营有形资产一样管理数据资产,无法有针对性地进行数据效能评估,从而精准地进行资源倾斜,快速发挥数据资产价值。
“互联网 + ”应用领域的不断拓展,加速了我国政务的信息化转型进程。伴随着一系列新技术的应用,政务信息化正朝着智慧政务的方向推进。
数字化转型基本会分为以下几个阶段: 1、数字化阶段——利用数字渠道、技术、工具等等将现有品牌、产品、服务等进行数字场景部署与实现。比如搭建APP、小程序、系统等等,这个阶段的核心是解决问题、合理实现、基础建设。 2、数据化阶段——逐步意识并建立企业数据资产,因为数字化后最关键和核心就是各种数据,人的数据、业务的数据、流程的数据、经营的数据...数据可以帮助企业分析现在、定义未来
随着数字时代的到来,我们对大数据的关注度也越来越高,在过去的十年中,我国的数据量不仅增长速度迅速,大数据技术和产业大数据应用也越来越成熟,以大数据作为支撑推动产业数字化转型已是热潮。