中国农业银行：大数据变革之道

　　现代商战不乏外行打败内行的例子，一个陌生领域的知识带来全新的思维视野和战略方式，也意味着先于竞争对手处于更高的纬度，就如同数据时代，对存量及动态复杂数据的收集、处理、分析，得出规律性总结、趋势性预测，对企业而言是巨大的知识资产，新的产业机会和游戏规则也随之产生。

　　转变思维，唤醒沉睡的数据，传统银行面临的挑战前所未有。尝试建立强大稳定的数据分析系统，开发创新数据应用，实现经营转型，是银行业大数据时代迫在眉睫的任务。

　　数据属性的现实窘境

　　银行业具有天然的数据属性，但相比电商企业，其经营管理数据采集、管理及挖掘方式明显落后。与其他传统银行一样，中国农业银行也面临数据经营的壁垒。

　　中国农业银行软件开发部副总经理王实红将其现实困境总结为三点。首先，农行自身缺乏数据占领能力，几十年信息化建设为农行积累了海量存贷客户信息的结构化数据，而面向非结构化数据需要农行彻底颠覆传统数据仓库建设和数据扩展的理念和方式，同时也要满足数据存储的低成本、低能耗、高可靠性的目标。”

　　其次，庞大的数据来源和分析工具的产生，催生互联网的新业态直接瓜分传统金融业务市场。互联网金融在信息收集和处理层面的天然优势，可提供从支付、转账到小额信贷、理财等服务，触及传统金融业务的核心领域。

　　而传统银行面临的商业运营模式变革是阵痛的核心。“互联网金融、移动金融、金融IC卡的普及及应用环境的成熟倒逼银行改变面向客户提供产品、服务的渠道和形式。”王实红认为：“从管理视角看，银行信息化中的数字证书、数据信息及网络模式下的流程化管理，乃至银行传统经营模式必须融入大数据时代，借助大数据手段谋求突破。”

　　数据治理 理念先行

　　“强化数据治行是农行应对之道的核心。”王实红表示，要强调大数据的开发利用，建立分析数据的习惯，提升全行数据质量管理，真正做到人人心中有“数”，用数据说话，准确描述事实，反映逻辑，将数据转化为资源。

　　在手段上，农行通过建设大数据平台解决数据采集和数据质量问题。该平台可概括为四个基础平台、五类数据服务、九大技术创新。“构建农行企业级数据仓库是建设四大基础平台的第一步，目的是处理存贷客户信息为主的核心结构化数据。”

　　第二是建立信息共享平台，以存储、处理行内非结构化数据，辅助处理其他第三方数据；第三是建设实时流计算平台，通过平台实现数据快速采集、交换和应用，主要面向对实时性要求较高的业务场景；第四是建立高性能数据处理平台，以高性能特点来提升对综合数据的处理能力。

　　“农行大数据平台的五类数据服务包括：一是通过指标、报表查询服务，通过指标库的构建为每个业务条件，提供常用查询服务；二是采用特定工具构建功能强大的查询知识库，来满足各类灵活的查询需求；三是定制化信息服务，通过智能资源管理平台，集中面向不同业务定制化的个性服务；四是多维数据分析服务，通过提供图形化界面、拖拽式操作方式，支持业务从各个纬度综合分析；五是采用回归算法实现深度数据挖掘。”王实红说。

　　王实红介绍说，农行的核心创新点在于首度引入国产高性能数据库应用。“农业整体架构是融合体系、异构相容，目前已使用MPP数据库、Hadoop，以及Oracle等深度融合的体系架构。我们通过构建统一的智能资源管理平台，实现各类资源智能化，通过建立动态混合的调用机制，保证高性能稳定运转，同时，我们也基于多形态的灾备技术，确保高可用机制。”

　　数据应用 实效为先

　　农行大数据平台建设以“数据是基础，治理是保障，技术是支撑，分析是关键，应用是目标”为原则，核心目标是实现数据价值在业务应用中转变为生产力，构建数据价值利用的有效闭环，真正实现从数据支撑到数据运用的转变。“而只有坚定不移地进行数据治理，提高数据质量，更好地满足数据挖掘需求，才能为数据价值在业务中的深入应用打下好的基础。”王实红向记者表示。

　　为此，农行明确了大数据应用的方向，即通过实施大数据应用促进全行经营理念、业务运营、组织流程不断创新，全力打造信息化银行和智慧银行。主要是目标要营销更精准、服务更贴心、管理更精细、监管更透明、风险更可控、决策更智能。

　　据王实红介绍，目前农行大数据应用主要集中在七大领域。

　　一是客户关系管理领域，基于行内外的数据构建全生命周期的客户关系管理模型，准确洞察客户需求，实现精准营销与个性化服务。二是运营分析，建设大数据深入洞察运营细节，优化业务处理流程，改善运行效率和客户体验，快速响应市场来提升银行核心竞争力。三是通过外部监管来满足银监会、人民银行对银行经营数据披露的监管要求。四是互联网金融，创新性地为中小微企业提供支付、融资等方面的大数据服务。五是资产负债管理，提供资产负债组合管理、流动性管理，资金转移计价、定价、外币资金管理、同业融资等功能。六是风险管理，借助流计算等先进技术，构建趋势预判、风险评估、实时欺诈等大数据分析挖掘模型。七是财务管理，提供核算管理、预算管理、价值管理、资源配置、绩效考评等功能。

　　“当然，大数据平台的建设并非一蹴而就，是一个持续迭代的工程。”王实红表示，本着开放、平等、协作、分享的互联网精神，农行将不断完善大数据平台生态圈，向相互协同、相互促进的良好态势推进。

　　链接

　　农行大数据应用实践

　　案例1 客户信用卡精准营销

　　依托行内外综合数据，通过聚类分析、关联规则发现、决策树等数据挖掘算法，对于尚未持有农行信用卡的贵宾客户识别其潜在需求，并根据客户消费行为、自然属性、忠诚度等进行分析，划分客户群组，针对不同群组开发不同产品，配置不同策略。

　　案例2 客户互联网理财需求分析

　　首先采集第三方机构数据，并融合我行内部数据比对后，对购买互联网理财产品的客户特点进行挖掘，对这一特点的客户再进行综合画像。再通过挖掘分析，采用神经网络、回归算法等方式对即将流失的客户进行智能识别，针对不同客户特点，制定不同的客户挽留措施。通过对客户和资产流失的深度分析，在产品层面提出创新方向的具体指导意见，产品优化和创新之后，再通过数据挖掘，分析效果并实现持续优化，这是大数据的迭代应用。

　　本报记者 洪蕾