大数据中国

搜索
大数据中国 首页 行业资讯 查看内容
国内首个基于大数据平台的全流程数据治理方案亮相
2019-8-12 21:27 | 查看: 220| 评论: 0

近年来,银行业的市场竞争格局变得更加严峻,同时随着互联网技术与智能设备的成熟与普及,用户入口发生转变,触达银行客户的主要渠道从线下物理网点转向数字终端与生活场景。在此背景下,近几年,全球多个国家和地区陆续涌现新型的数字银行形式。

8月8日,中国数字银行论坛·2019桂林论坛中,金融壹账通正式向行业推出了数据治理解决方案,助力打造银行数字化体系建设。

“银行数字化转型是银行业伴随金融科技发展的必然趋势。而数据治理是实现银行数字化转型的基础,没有数据治理,就谈不上推进数字银行建设。”金融壹账通董事长兼CEO叶望春指出银行数字化发展的核心,“为了推动银行数据治理建设进程,真正实现数据价值转化,金融壹账通推出数据治理解决方案,这是我国首个基于大数据平台的全流程数据治理解决方案。”

“我们对数字银行的理解,可以归纳为,利用现代科技,对银行的营销、 获客、 产品、风控运营等全流程业务进行数字化采集、归拢分析,并基于数据指导银行整体经营管理的业务模式。” 金融壹账通联席总经理邱寒在会上表示。“完整的数字银行经营体系,应覆盖三个层面”,邱寒进一步指出,“一是基础数据层、二是业务应用层、三是经营管理层,只有这三层为一体的体系做到智能化、数字化,才能构建一个完整的数字银行经营体系。其中,基础数据层的建设是业务应用和经营管理的基础。”

科技贯通三层核心 建设完整数字银行经营体系

最底层是基础数据层,基于业界最前沿的大数据技术架构底层数据平台,搭建标准管理检索、元数据管理、数据质量监控、数据安全管理、治理监控分析、数据接入报送六大模块,为应用层的运用提供数据基础。

在第二层——业务应用层,可帮助银行深入渠道管理、客户经营、产品设计、风险管理、运营服务等各个场景,对全流程业务进行数字化重塑,进行全面的数字化采集、归拢、分析和应用,打造出强大的中台体系。

在渠道管理上,要建立覆盖线上线下的全渠道, 实现线上线下相结合。金融壹账通的智慧网点解决方案,线上营销解决方案,O2O销售管理解决方案,即可帮助银行实现数字化的渠道管理。

在客户经营上,以往的客户信息收集存在大量手工工作,容易造成信息流失,流程断档。而经过金融壹账通数字化再造之后,从生成实时客户画像,到智能营销推荐引擎推荐产品,再到多渠道触达,最后全渠道交互实时数字化分析结果,形成了闭环管理,实现精细化的客户经营,大幅提升了营销效率和准确性。

在产品设计上,以数据为基础,从标准化产品到差异化产品设计和个性化定价。比如,智能存款一体化解决方案和智能贷款产品解决方案等,实现差异化存款产品灵活设计。

在风险管理上,数字化更显奇效,以前大量工作需在线下完成,耗时耗力还不能保证效果,金融壹账通通过在线申请、智能认证、微表情远程面审、智能风控引擎等环节,可以将贷款发放的时效提升至几分钟,并大幅降低不良率。

在运营服务上,智能客服机器人的运用,能够代替大量人工服务环节,降低运营成本,提升服务水平。

在最顶层——经营决策层,则需要针对不同经营管理场景,建立基于数据的分析决策体系。金融壹账通提供的智慧经营分析平台,通过对数据的处理加工,将业务形成可视化引擎,再通过智能分析,让管理层能够协同追踪,让业务情况看得见、可分析、能追踪。

91%的中小银行没有建立完善有效的数据管理体系

去年五月,银保监会颁布《银行业金融机构数据治理指引》(以下简称《指引》),其中强调,“从数据治理架构、数据管理、数据质量控制、数据价值实现、监督管理等方面规范银行业金融机构的数据管理活动”。《指引》发布一年多来,已有一部分中小银行在此方面开始发力,并初见成效,但数据治理目前基本还处于萌芽期,其数字化转型举步维艰。

《中小银行金融科技发展研究报告(2019)》数据显示,目前,27%的中小银行缺乏公司级数据规范,数据多头管理,部门数据互通靠自发或人工传递;46%的中小银行初步搭建公司级数据管控体系和基础规范,但应用尚未下沉到业务,数据互通程度不理想;18%的中小银行初步建立数据管理体系和管控工具,进行了平台整合,各部门基本落实公司数据规范体系;仅9%的中小银行实现有效数据治理,数据管理体系完善,全面实现大数据应用。究其原因,主要是数据治理存在四大痛点亟待突破。

第一,数据分散、杂乱、割裂、难以看清。银行业务线众多,数据源分散,且各系统间无法打通,成为各信息孤岛,数据搜集标准也不相同,零散存储在各个业务系统中,难以形成全局数据联动。

第二、数据收集渠道单一、模式落后、效率低、成本高。业务增长带来数据增长,传统数据管理模式难以应对大数据增长,从渠道上来说,传统数据收集渠道单一、落后、偏线下化,从方式上来说,大多中小银行收集信息手段仍停留在手工阶段收集阶段,效率低、成本高且造成数据出入。

第三、数据标准不统一、缺乏分析工具,数据难运用。数据标准不统一,导致整合困难,难以进行全局联动,再加上缺乏数据分析工具、仅靠数据专业人才难以满足银行需求,且难以看到数据实时变化及价值。难以真正实现数据驱动业务发展,提升运营管理水平。

第四、系统落后、难以满足数据管理需求,存在数据风险隐患。在数据井喷式增长的当下,银行系统未能跟上数据增长而变化的需求,难以满足监管要求,同时存在数据隐患及风险问题。

首个基于大数据平台的全流程数据治理解决方案推出

加马数据治理解决方案是国内首个基于大数据平台的全流程数据治理解决方案,与传统数据治理解决方案比起来,金融壹账通推出的加马数据治理解决方案基于前沿大数据平台,支持丰富的场景、采用领先的算法、可以实现灵活的拓展以及快速的部署,具有明显优势。”邱寒指出,在数据井喷式增长的当下,如何利用数据创造价值成了行业共同思考的问题。如今,金融壹账通加马数据治理解决方案给出答案,将无序数据关联化、隐性数据显性化、静态数据动态化,帮助中小银行利用六大智能模块,看清数据、运用数据以及管理数据。

标准管理检索,建立适合银行的数据标准规范

针对银行业金融机构,加马数据治理解决方案可以帮助客户制定一整套数据标准规范,包含基础类数据标准,分析数据标准两大部分。同时利用自然语言技术及知识图谱技术帮助工作人员快速定位到相关的数据标准,解决目前中小银行因标准文档繁多、信息量大而难以查找关键信息问题。

元数据管理,自动化梳理数据资产和数据关系

目前,大多中小银行使用文档手工管理元数据,存在数据资产不清晰、格式混乱以及更新不及时等问题,导致业务人员难以运用数据并进行深入分析挖掘,了解数据含义沟通成本高、耗时长,使用数据出错率高。加马数据治理解决方案通过数据地图等功能梳理出数据和数据之间的关系,可视化展示数据资产视图,同时自动化分析数据流向及上下游血缘关系。通过简单查询即可检索数据的业务含义、数据位置、数据量、数据字典、数据关系等信息。

数据质量监控,打造全方位数据质量监控体系

针对银行内部数据变动监控难,以及数据质量问题发现不及时等问题,加马数据治理解决方案提供变动异常扫描、标准质量监控等工具,自动配置质量核验规则库,定期扫描分析各数据库质量,一键生成质量分析报告,通过数据定义和数据值抽样检查结合的方法全方位扫描各种数据质量问题。帮助银行实现智能数据质量监控。

数据安全管理 智能脱敏+智能监控全面保障数据安全

面对银行敏感数据分散,泄露风险高等问题,加马数据治理解决方案通过智能扫描识别敏感数据一键配置脱敏的方式解决大数据平台上的海量数据识别脱敏问题,同时,日志监控预警通过大数据实时计算流处理技术追踪、抓取、分析大数据平台相关日志,监控用户对数据的使用操作,有效降低大数据平台操作及数据泄露风险。

治理监控分析,智能工具全面提升数据管理效率

数据治理监控分析往往在银行难以实现,一是因为专业门槛高,管理人员难以使用,二是监控项目复杂,传统分析方式耗时耗力,三是传统报表工具呆板单一,难以支撑监控分析。加马数据治理解决方案灵活运用自然语言技术、维度自助下钻等技术,自动了解用户分析意图,呈现数据治理相关监控结果方便进行自助探索分析。

智能数据报送,快速实现外部数据接入与监管数据报送

目前各银行在业务场景中接入使用外部数据时普遍面临开发周期长,监控管理困难等问题。报送监管数据时也面临手工操作多、效率低、费时费力、出错率高等问题。加马数据治理解决方案通过图形化工具实现零代码开发接入外部数据,智能检测外部数据质量,实现多数据源智能路由,实时监控接口流量与并发量,并以可视化图形、报表实时反馈监控结果,提示风险预警。

金融壹账通此次聚焦中国的中小银行在数字银行建设短板、以数据治理为重要落脚点,体现响应国家供给侧结构性改革的决心,用真正实用、有效的智能化工具全面赋能中小银行,推动其数字化转型。
免责声明: 除非特别声明,文章均为网络转载,仅代表作者观点,与大数据中国网无关。其原创性以及文中陈述文字和内容未经本站证实,对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺,请读者仅作参考,并请自行核实相关内容。如果本文内容有侵犯你的权益,请发送信息至ab12-120@163.com,我们会及时删除

最新评论

关闭

站长推荐上一条 /1 下一条

 
 
在线客服①
在线客服②
大数据行业交流
大数据行业交流
大数据求职招聘
大数据求职招聘
服务电话:
15010106923
微信联系:
hb-0310
服务邮箱:
ab12-120@163.com
官方微信扫一扫
大数据中国微信

QQ   
冀ICP备15018178号-3

版权所有: Discuz! © 2001-2013 大数据.

GMT+8, 2019-10-22 17:53 , Processed in 0.030265 second(s), 24 queries .

返回顶部