农行新一代核心银行系统建设阶段性成果

农行新一代核心银行系统建设阶段性成果”专题报道之一 打造农行特有的业务和IT架构 张鹏           2011年04月21日     农业银行业务架构及IT架构规划以业务需求为基础，以业界领先实践为参考，在信息科技部门和业务部门的共同参与和努力下，最终形成了企业级视角的一套方法、企业架构资产的一个框架和指导信息化建设的一种思路。一套方法、一个框架和一种思路三者三位一体，密不可分，共同组成了农行的业务及IT架构，保证了业务及IT架构的动态适应性。 　　  　　企业级视角的一套方法 　　  　　企业级视角的一套方法就是从企业级视角按照“规划、分析、设计、实施”分阶段层层推进，将信息化建设从部门级的软件工程转变为企业工程的方法。这套方法的核心是一体化的流程建模和数据建模，贯穿于企业工程的全生命周期。一体化的流程建模和数据建模方法最重要的特点就是企业级，具体体现在层次化、标准化、一体化三个方面。 　　企业级视角的一套方法不仅仅是一套方法论，它已经在实际工作中运用并取得了不错的效果。风险管理部运用这套方法，对风险管理需求进行了梳理和整合，构建出风险管理需求框架；信息技术管理部运用这套方法，对2011年信息化项目从需求整合、架构设计、系统定位等几方面进行了论证，形成了详细的信息化项目整合建议；内控合规部运用这套方法，针对反洗钱工作存在的问题从业务、数据、应用三方面提出了一揽子解决方案。 　　  　　企业架构资产的一个框架 　　  　　新一代核心银行系统的业务架构及IT架构规划以目标需求为输入，运用企业级视角的一套方法，形成了企业架构资产的一个框架，目前已经向全行发布了企业架构资产库。框架包括业务架构、数据架构、应用架构和实施路线图四部分内容。 　　业务架构基于流程模型来描述，具有三种表现形式：用户流程模型，统一流程模型和业务能力模型。用户流程模型描述了部门级流程，主要按产品和管理对业务部门梳理的原始业务流程进行标准化。统一流程模型采用了去差异化分析手段，去除了用户流程在产品、客户、渠道三方面的差异，按内容相似性对用户流程进行归并。由于产品、客户、渠道属性会随着市场不断变化，去除这些差异之后的统一流程模型具有更强的稳定性。业务能力模型将上述流程提升为业务能力，与战略相匹配，描述了实现战略应具备的业务能力。业务架构结构化、标准化地描述了银行业务全貌，形成了银行的业务知识库，对支持战略决策、规范明晰需求等方面都具有非常重要的作用。 　　数据架构基于数据模型来描述，它有三种表现形式：概念数据模型、逻辑数据模型和数据标准规范。概念数据模型主要用于统一全行的业务概念，它参考了FSDM的理念，根据流程的输入输出项以及业务需求中采集的数据需求，将全行业务概念划分为9大主题，形成了4000多个概念项。逻辑数据模型是针对特定的管理目标，将相关的全行各部门共同遵循。针对农行现存的重点问题，新一代核心银行项目组对客户、产品、机构、人员四个重点专题的现有标准进行了整合，形成了统一视图。数据架构能够促进业务规范，帮助评价各类管理需求，对助推信息化建设转型具有非常重要的作用。 　　应用架构以流程模型和数据模型为输入，参考行业领先实践，对应用进行了布局。应用架构的成果分为三方面，分别是应用架构功能视图、应用架构交互视图和应用平台规划。应用架构功能视图描述了每个应用支持哪些流程、实现哪些数据。应用架构交互视图描述了应用与应用之间的交互关系，参考行业领先的应用架构模型RFS-A对应用进行分层布局。应用平台规划从技术层面规划了实现以上应用需要搭建的公共技术平台。应用架构能有效支持业务目标的实现,为架构评审和架构管控提供了依据。 　　以业务需求为基础，基于业务架构及IT架构，结合农行组织架构现状，项目组设计了以BoEing（Blue Ocean Engine蓝海引擎,即农行新的核心业务系统）为核心的10大项目群40个项目，制定了科学、可行的实施路线图，明确了项目目标、范围和边界。按照路线图：2011年夯实基础，重点先行；2012年加强服务，全面提升；2013年面向管理，同业领先，力争三年初步建成、五年全面完成新一代核心银行系统建设。 　　  　　指导信息化建设的一种思路 　　  　　指导信息化建设的一种思路与一套方法、一个框架密不可分，同样是农业银行业务架构及IT架构的重要组成部分。一种思路就是：以数据模型为核心，整合需求，统筹系统建设，开展数据治理，推动系统优化改造与提升。 　　以数据模型为指导整合业务需求。业务需求整合的重要意义众所周知，但是结合农行现状应该怎么整合、以什么为切入点整合？还需要重点研究，而数据为我们提供了一个很好的抓手。从纵向看，业务需求整合的关键就是数据标准规范的整合，只有在统一的数据模型的指导下整合不同部门的数据标准规范，才能真正将部门级需求整合为企业级需求。从横向看，管理需求和经营需求也需要整合，管理需求应该反映在经营需求中，只有这样，经营活动才能提供管理所需的各类数据，在这方面，数据模型为管理需求与经营需求的整合提供了平台，它能将数据有效地组织和归类，提供企业级的数据体系框架。 　　以数据模型为依据统筹系统建设。系统建设有其内在的规律性，从数据角度看，这个规律就是数据在系统中的流转，它反映了数据在业务经营管理活动中的流转。一般来说，银行的业务经营活动可以归纳为三个阶段：业务发起、业务服务和财务核算。在业务发起阶段，客户向银行提出申请，产生了申请信息，之后与客户签订协议，于是产生了协议信息。在业务服务阶段，银行向客户销售产品或服务，产生了客户金融信息、产品信息和合约信息，客户每做一次交易都会产生交易信息和账户信息。在财务核算阶段，银行经过风险加权和减值处理产生了资产负债、损益等信息。同时，为了控制和支持业务经营，还产生了一些管理类数据，例如营销管理类数据、风险管理类数据等。在这些数据的管理下，业务经营类数据才实现了转换。这样，我们就可以依据数据在系统中的流转规律来划分系统边界，厘清系统之间的关联关系，以此为基础，科学地做好系统统筹。新一代核心银行系统建设的实施路线图正是按照这种思路对10大项目群40个项目的边界进行了划分，最终形成了较为清晰的项目地图。 　　以数据模型为基础开展数据治理。“十二五”信息化建设的重点是提升管理信息化水平，前提就是解决数据质量问题。农行之前存在数据质量不高的问题，很多专业化的管理模型无法在当前的数据质量条件下得以应用。因此，在系统建设的过程中，应通过数据模型指导数据治理，通过数据治理整合并固化数据标准规范，逐步形成一种良性循环的长效机制。只有这样，才能充分发挥系统和数据的价值，进而促进管理水平的提升。 　　以上就是农业银行业务架构及IT架构规划成果，这是国内第一个以业务架构为切入点的规划项目，形成的业务架构及IT架构不仅具有先进性、科学性，而且在实际工作中得到了验证，能够动态适应战略和组织的调整，是农业银行特有的架构。相信按照这套方法和思路，经过三到五年的信息化建设，农业银行的信息化水平必然能够跻身领先行列，达到打造优秀大型上市银行宏伟目标的要求。 “农行新一代核心银行系统建设阶段性成果”专题报道之二

为蓝海战略提供发展引擎

李洪波           2011年05月05日

农业银行于2008年年底正式启动新一代核心银行系统建设工程，并着手建设先进的、能够灵活适应业务发展要求的新一代综合业务系统（中文名称：蓝海引擎,英文名称：Blue Ocean Engine，以下简称BoEing系统）。 　　目前，BoEing项目已进入设计开发阶段，基本完成了BoEing系统的概要设计，并计划于2011年10月底完成系统（一期）开发，启动分行试点工作。 　　BoEing系统的建设目标是构建以客户为中心、以产品集合平台为支撑，功能更加丰富灵活的产品服务创新体系，以适应农行在服务“三农”、新兴业务以及高附加值业务领域拓展的需要，为蓝海战略提供发展引擎。BoEing系统将覆盖原综合业务系统（ABIS）的业务功能范围，并满足农行业务经营、内部管理、外部监管及技术自身发展的要求，实现以客户为中心、快速产品创新、改善管理能力三大核心价值。 　　  　　满足客户需求 　　  　　BoEing系统以最大化满足客户金融需求，为客户提供差异化和个性化服务为目标，建立完善的客户管理体系，实现“以账户为中心”向“以客户为中心”的转变。 　　以客户为中心的组织结构。在BoEing系统中，每个客户和合约（账户）都可以有一个或多个管户经理。管户经理是客户信息维护的责任主体，并负责与客户联络，对客户开展个性化营销，及时收集客户对银行产品和服务的反馈意见。管户经理的设置是实现以客户为中心的关键，有利于保证客户信息质量，提升客户体验，同时也对内部考核和精细化管理提供了技术基础。 　　有效识别客户。BoEing系统详细记载并集中管理客户的基本信息、合约信息、财产信息、交易信息、关系信息等各类信息，建立起完整的客户统一视图，帮助银行有效识别客户，了解客户的情况，从而更有针对性地提供服务。 　　为客户提供差异化服务。在有效识别客户的基础上，借助客户分组分类、客户营销管理、客户风险控制等手段细分客户，并通过产品定向销售、差异化定价为客户提供差异化、个性化的金融服务，提高客户满意度。 　　为客户贡献度分析提供充足数据。通过系统记载的完整而准确的客户信息、营销信息、合约信息、交易信息及信息之间的关联关系，能够为客户贡献度分析提供翔实的数据，满足各类管理要求。 　　  　　快速产品创新 　　  　　BoEing系统具备快速设计开发产品的能力，通过灵活的参数化配置即可为客户提供差异化的产品服务，从而极大地提高农行金融产品的前瞻性和应变力。BoEing系统的产品创新主要体现在以下三个方面： 　　功能创新。BoEing系统基于“产品工厂”模式，采用层次化的结构，将农行现有的产品功能抽象和细分成若干组件和参数，建立起全行统一的产品目录。如果把产品看成汽车的话，产品目录中的组件和参数就类似于生产汽车的零部件，产品工厂就像汽车生产车间一样进行零部件的管理及组装。在这种模式下，新产品开发过程就是选取产品目录中的组件和参数，进行有机组合和简单设置的过程，就如同汽车的组装一样，这就改变以往所有新产品需求都需要硬编码实现的产品开发方式，极大地提高产品研发效率和市场响应速度。例如：要开发可透支的活期存款产品，只需要选取产品目录中的资金存取服务、贷方结算、透支服务、存折服务、对账单服务等组件，并对存款利率、结算周期、透支利率等参数加以设置，就可以轻松实现。 　　价格创新。BoEing系统在价格控制要素、定价方式、价格协商和管理机制等方面做了全方位的改进，能够灵活地对产品进行定价，从而有效应对利率市场化发展方向和日益增长的服务收费需求。系统主要通过以下手段实现灵活定价：一是多种参数类型。系统提供了利息类、费用类、列表类、范围类、矩阵类等多种类型的参数，能够很好地支持各种价格定义方式，为价格的灵活设置提供了基础。二是多级别的协商定价。系统提供一定权限控制下的不同层级的利率和费率的协商和管理机制。在产品开发过程中，产品管理人员可以对产品的价格进行定义；在产品销售过程中，产品销售人员可以在一定的权限控制下与客户协商产品价格；在客户进行业务操作时，系统也可以依据事先设置的条件对产品进行定价，例如对于借记卡取现交易，系统自动判定本地取现不收取费用，而异地取现则计算出手续费。三是多维度的差异化定价。系统支持多种维度的差异化定价方式，能够根据多种条件（如渠道类型、客户级别、客户类型等）制定不同的价格策略，满足综合报价的需求。例如：对某项业务，可以设置柜台交易收费，而ATM交易不收费；对另一项业务，可以设置普通客户全额收费，黄金客户收取一半费用，白金客户不收取费用等。 　　方式创新。基于先进的技术架构，BoEing系统将更好地支持柜面、网上银行、手机银行、自助终端等各种服务渠道的统一接入，并实现渠道协同，从而为客户提供“3A”（Anytime任何时间, Anywhere任何地点, Anyhow任何方式）式服务，有效提升客户体验。此外，系统还实现了渠道统一签约和渠道合约的统一管理，并支持不同渠道的差异化定价，从而有力地推动柜面业务分流和网点转型。 　　  　　改善管理能力 　　  　　BoEing系统采用完善的数据模型，能够详尽地记录银行经营活动中的各种信息，使农行能够及时、准确、全面地掌握自身经营状况，从而极大地改善管理能力。 　　绩效管理能力。BoEing系统将每个合约（账户）与它所属的客户、产品、部门、机构等信息相关联，并将业务活动中合约所发生的资金、利息、费用等信息以合约为中心的结构加以记录。基于这些信息，能够准确地计算出合约的资本占用和资金成本，从而为从产品、客户、员工、机构、渠道等维度度量绩效提供了技术基础，使得按各种维度进行独立核算和利润生产成为可能。 　　报告与信息披露能力。BoEing系统制订了统一的数据标准和概念指标，能够准确完整地记录经营过程中的客户信息、产品信息、市场营销信息等信息以及信息间的关联关系，并对这些信息进行集中有效的管理。并且，基于BoEing系统先进的技术架构和数据模型，对外围应用系统进行整合与完善，将有效减少数据分散重复部署，解决“信息孤岛”问题。因此，通过BoEing系统的建设，能够有效地提高内部报告与外部信息披露的及时性、准确性、一致性和完整性，满足内部管理与外部监管的要求。 　　产品管理能力。BoEing系统明确界定了产品的定义和划分标准，并以此为基础建立了产品目录，实现了产品的统一管理。同时，系统对产品创建、产品销售、产品使用直到产品退出市场的全过程进行管控，并记录产品生命周期中的各项有效信息，为产品绩效评估和产品优化提供了技术基础，从而推动农行实现从粗放式的业务管理到精细化的产品管理的转变。 　　BoEing系统作为农行新一代核心银行系统的核心，通过引入先进的设计理念，实现以客户为中心、快速产品创新、改善管理能力三大核心价值，将从根本上提升农行业务经营水平。 夯实精细化管理的数据基础 肖建           2011年05月12日 　 　伴随着银行业务转型以及精细化管理的推进和深化，中国银行业对数据重要性的认识和理解不断提高，各银行普遍意识到高质量的数据将成为新时期“信息化银行”的核心竞争力之一。 　　为了充分发挥和提升数据资产的价值，农业银行紧密结合新一代核心银行系统建设工程，于2008年年底启动了数据综合治理工作。经过两年多来的探索和实践，农行不仅规划了数据治理的整体工作方案，积累了一定的实施经验，而且系统数据质量开始逐步提升，数据应用水平不断提高。 　　  　　数据问题成信息化瓶颈 　　  　　随着全球化步伐加快、金融监管力度加强，以及市场披露进一步透明化，数据质量成为衡量银行精细化管理程度的一把标尺，准确的、一致的、共享的数据更是各银行实现业务转型的重要根基。但是，早期的信息化建设普遍关注于满足各个业务领域的电子化需求，对系统内数据质量和跨系统数据整合的重要性认识不到位，缺乏配套的数据管控机制，致使系统中的数据不准确、不完善、缺乏逻辑关联，难以满足新形势的需要。 　　这种现象在农行同样存在。据了解，农行在2006年完成全国数据大集中以后，先后建设了近200个系统，形成了比较完整的应用体系，有效支持了各部门的稳健运营。但是，随着农行体制改革的深化，“以客户为中心”、“全面风险管理”、“流程银行”、“事业部制”等新的经营管理理念集中出现，给数据提出了很高要求，给农行信息化带来了较大冲击，有关矛盾通过数据问题突出显现出来。 　　农行的新一代核心银行系统建设工程把“统筹解决数据问题”，作为与“实现产品快速部署”、“打造以客户为中心的流程银行”并重的一件大事来抓，从数据的视角来挖掘现有系统存在的缺陷，并通过系统整合、优化、改造、提升，促进系统之间的数据共享和逻辑整合，实现信息系统从“大而全”向“优而强”的转变。两年多来，农行把数据治理作为与系统建设并行的一条信息化工作主线，规划与实施并举，开展了一系列数据治理相关工作。 　　  　　整体规划数据治理方案 　　  　　经过内部充分论证准备，农行于2009年底引入咨询公司，开展了数据治理的咨询规划工作，在全面梳理现状和问题的基础上，形成了数据综合治理整体方案。 　　首先，引入业界金融数据模型产品，并进行本地化改造，构建农行的数据模型，用以指导系统建设和数据管理；其次，设计数据管控机制，并针对数据管理职责、数据架构管理、数据标准管理、数据质量管理等重点问题提出具体建议；第三，对农行基础数据平台建设现状进行梳理和诊断，规划平台中数据仓库、数据管控系统、统一数据交换系统等模块，明确了未来基础数据平台作为全行数据服务平台和数据管控平台的整体定位，制定了包含总体技术方案、数据管控实施方案、管理制度及流程、建设实施方案等在内的基础数据平台建设方案。 　　农行的数据治理方案得到了银监会的高度认可，在银行业信息科技“十二五”规划中，银监会委托农行牵头编制数据治理专题的规划报告。 　　  　　不断夯实各项数据基础 　　  　　农行在整体规划数据治理方案的同时，从业务急需的重点专题入手，在数据标准化、数据质量管理、数据整合应用等方面推进数据治理实施工作，各项数据质量得到有效提升。 　　统一规范，加快数据标准建设。数据标准是数据治理的重要基础性工作，数据治理的过程就是推动业务、技术等各层面相互融合、统一标准的过程。农行积极探索建立数据标准的规范管理流程，并进行了初步的尝试。在基础数据方面，农行以数据模型为基础，形成了客户、产品、机构、人员等基础性的统一视图规范定义；制定发布了组织机构标识规范、第一批个人客户信息数据标准、法人房地产开发贷款分类及编码规范等。同时，受人民银行委托，承担了银行业客户信息标准的编制工作，该标准已作为国家标准立项。这些工作，有助于指导前台业务系统的逻辑集中，确保各系统遵循统一的数据标准，实现数据在全行范围内的完整性和一致性。在分析汇总数据方面，建立了农行常用指标库，制定了各业务领域常用指标的含义、口径及加工规则等。常用指标库的建设，有助于促进管理分析系统整合，避免同一指标在多个系统中多头加工导致数据不一致的问题。 　　整改清理，改善重点数据质量。近年来，农行科技部门与业务部门携手，共同推进了个人客户信息治理、机构信息清理、信贷数据整改、ABIS与CMS数据一致性研究与治理、零售内部评级数据清理等多个专题治理项目，沿着标准规范梳理、系统建设、历史信息清理、长效管控机制四个条线落实治理工作，成效显著。其中，“个人客户信息治理”项目作为农行“2111工程”的组成部分，优先对私人银行客户的部分重要信息项进行集中清理，有效提升了客户信息质量；“机构信息清理”项目以构建一套全行统一管理、信息准确、完整、规范的、为全行各应用系统共享使用的机构体系为最终目标，为组织机构标识规范的落地提供重要载体；“信贷数据整改”项目，依托信贷管理系统（CMS三期）上线的时机，总计整改2000余万项错误数据，使全行信贷数据质量得到了明显提高。 　　优化架构，推动数据整合应用。和其他银行的情况相似，农行的数据分散在许多部门级的业务系统中，由于早期缺乏合理的数据架构指导、缺乏企业级的统一数据视图，导致农行对数据之间潜藏的内在关系关注不够，数据应用深度不足。为了应对现代商业银行所面临的内在和外在压力，农行依托新一代核心银行系统建设工程，把促进数据的逻辑整合应用作为出发点，推动相关的系统建设或改造，以打破部门、业务条线、时间的限制，满足各类业务需求。 　　基础数据平台是农行核心业务数据的集中存储和共享服务平台，目前已完成基础数据平台二期上线，满足了各业务领域的多项重点基础数据需求，并对多个分析应用系统提供数据支持，初步实现了数据的“统一采集、集中管理、共享使用”；新版信息共享平台上线，实现了常用指标库的数据统一加工和发布，初步解决指标数据缺口大、口径不一致、准确性不高的问题。 　　  　　推进规划成果全面落地      　　  　　在积累实践经验的同时，农行对数据治理工作的重点和难点也有了更深刻的体会。据农总行信息技术管理部有关人员介绍，许多数据职责和重大数据规则都是跨领域、跨部门的，需要有全行性的、常规的数据治理决策协调机构加以仲裁；同时，数据问题本质上是管理问题的集中体现，只有从源头进行治理才能彻底解决数据问题，需要全行各部门对数据治理的深入参与和主动负责。 　　数据治理是一项涉及全行，跨系统、跨部门、长期的、渐进式的工程，不是做个规划、定一些标准、建几个系统就可以彻底解决的。农行的下一步计划是推动规划成果的全面落地，不仅要继续整改提升业务重点专题的数据质量，还要在这种专题驱动、项目驱动的工作方式基础上，进一步建立起长效的、常态化的数据管控机制，建立包括决策层、管理层、实施层的数据治理组织架构，形成覆盖各部门、各级行的数据管控责任人体系，通过全行上下共同参与、分工合作，各部门密切配合、联动实施，持续优化和规范数据治理工作流程，不断提升银行的核心价值。