银行促进数字化的基本能力——大数据

未来十年，大数据能力是银行的核心竞争力，世界各大银行都把建设大数据能力作为核心战略，并在市场营销、风险管理、运营管理等方面积极投入。调查显示，大数据可以推动交叉销售业务增长10-30%，减少10-15%的信贷成本，减少20-25%的后台运营成本。

但银行在大数据应用领域依然面临着挑战。我们认为，国际领先的银行是从四个维度来培养大数据能力的：

一、建立“数据湖”和改善数据基础设施。

银行业内的大部分据点是零碎的，信息的使用非常不便。通常情况下，每个项目都有一个单独的数据集，导致数据集多得惊人，并且合并数据库成本很高。由于上述原因，一些领先的公司已经转向了使用全行通用的 DataSystem总分析层，从分散的各个数据源中提取数据，将所有数据以非结构化形式存储在 DataSystem中。所有数据都处于初始状态，没有经过典型的数据仓库处理，如结构化、整合或筛选。这就是说，数据湖覆盖了大量的细节。它能提高组织对数据的利用效率，保持灵活性和灵活性。

以数据用例为基础，与业务应用紧密结合，促进数据分析和治理改进，提升使用价值。数据湖技术的早期应用表明，在数据湖设计阶段，成功企业应该主要从业务问题(而非技术性因素)的角度来考虑。他们首先要找出商业单位能从数据湖中获得最大收益的情况，然后在设计存储方案和推广决策时考虑到这些情况。然后根据实际需要，逐步将特定集群或用例的数据填充到数据湖中。最理想的情况是，银行应该根据业务案例的优先级，从高到低分批地填满数据。

二、建立高层次的分析“卓越中心”，使数据组织模式和管理架构合理化。

为充分挖掘大数据的价值，实现大规模应用，一些银行建立了集中式的先进分析卓越中心(CoE)。虽然组建 CoE的方式多种多样，但最有效的方式还是中央数据团队统筹指导，业务事业部内嵌数据团队实施的“中心辐射模式”。借以集中稀少的高级分析人才，同时打通与企业的合作。

三、建立大数据人才梯队(包括内部培养和外部引进)。

培养大数据能力，人才是关键。很多银行的分析部门都引进了数据科学家和工程师。在业务部门和数据专家之间仍然需要联系，但是并不是很好。这个职位也可以被理解为“翻译”，帮助数据专家了解待解决的业务问题，并支持数据专家开发新的变数和行为洞见，以一种简单易懂的方式向业务部门反馈模型洞见。在项目的后期，“翻译”变得越来越重要，他们既要确保业务部门研究相关的模式，积极行动，也要跟踪业务部门行动的效果，提供意见反馈，并不断改进模型和过程。

四、建立敏捷组织与创新文化

“敏捷组织”在传统组织架构已不能支持产品迭代和创新的情况下，成为领先银行实现跨越式发展的重要手段。

突破传统银行的“条框框”，对标网络公司的扁平架构，从各业务部门抽调相关人员，形成灵活的项目制“群组”，实施扁平决策机制，推动企业整体变革。一家国际领先的银行通过敏捷变革实现了管理层次的扁平化，原来的6个层次，30多个独立的部门，近3500名员工被缩减为3个层次，13个敏捷部族，2500名员工。根据新的敏捷组织和工作机制，产品上线周期由一年2~3次减少到2~3周一次，员工效率提高30%，客户净推荐值(NPS)大幅度提高，客户参与度提高20分。

另外，敏捷组织需要建立市场化的评价机制，鼓励创新。以上提到的是国际领先的银行每年举行的创新训练营比赛， CEO亲自从一千多个参赛团队中挑选出最优秀的三个，奖励是六个月的银行创新孵化“创新工场”的研发机会。谷歌允许员工在与工作无关的创新活动中花费20%的工作时间，并为贡献突出的员工提供丰厚的奖金(与同级别员工相比，薪酬相差5倍)。