本刊记者 张蕊

中国民生银行信用卡中心数据信息管理部 副总经理余金桥

    无论是监管部门来检查风险管控还是同业来交流运营经验，民生银行的高管都喜欢把来访者带到远在北京大兴区的民生银行信用卡中心数据信息管理部。在数据价值已经引起广泛关注的金融业界，这个部门带给民生银行的不会只是光鲜的形象代言，它受到如此推崇的真正原由是什么？带着一丝疑问，记者采访了中国民生银行（以下简称“民生银行”）信用卡中心数据信息管理部副总经理余金桥。
    “民生银行信用卡中心数据信息管理部成立于2008年，发展至今不过两年时间。”余金桥介绍道，“但是，民生银行对数据的利用很早就开始了。信用卡中心自成立之初，就很重视数据分析。” 2005年，民生银行开始发行信用卡。信用卡行业是一个靠规模效应盈利的行业，这个行业更需要依赖科学的数据分析工具实现对大规模客户的营销和管理。早期民生银行积累的客户信息有限，尽管如此，民生银行信用卡中心总裁杨科仍提出建立数据分析中心，把全行数据集中，然后利用SAS等工具进行统一整合的数据分析，以指导业务决策，帮助民生银行进行精细化管理和科学决策。除了管理层的支持，民生银行在实际工作中也遇到了问题问题：随着持卡客群的扩大和业务发展的需要，分布在各个外挂系统中的数据不能有效整合的问题已经严重影响业务的发展；另一方面，管理者不能及时、准确的了解业务全面进展情况，整合数据平台势在必行。于是，民生银行在考察了同业的成功经验后，在信用卡发行一年半以后，即2006年底，正式着手SAS系统的建设和开发，“SAS的上线是民生银行数据分析工作的一个里程碑。从此，民生银行信用卡中心的数据分析工作进入了一个全新的时代。”余金桥回忆道。随着SAS运用的深入，决策层发现，整合的团队实现更加专业化的分工，可提高数据的使用效率，有利于全盘把握数据动向。于是，2008年10月份，民生银行将分布在各个部门的既懂业务又懂SAS的骨干整合起来，成立了数据信息管理部，该部门下辖四个处室：负责数据导入、模型开发的项目开发室，负责平台维护的信息管理室，负责给各个业务部门提供数据的数据统计室，还有给决策层、管理层提供数据分析服务的决策支持室。“这个部门的职能被定位为‘深入挖掘信息内涵、提升客户价值、保障信息支持的基本宗旨，整合各大系统数据，为管理层提供科学决策支持，为实现信用卡业务科学管理提供全方位的数据信息服务’，该部门成立之后，信用卡中心的数据分析工作以及经营管理水平都迈上了一个崭新的台阶。”余金桥介绍道。
    目前，数据信息管理部对数据的利用体现在三个方面。首先，向各个业务管理部门提供基于全面的数据平台的数据统计结果。余金桥介绍道：“我们为信审部、资产部、市场部、企划部等业务部门提供数据分析、挖掘、查询等支持。比如，业务部门需要知道民生银行的金卡客群在成都地区的表现如何，我们就可以通过数据分析，把结果提供给他们。”其次，提供面向管理层的数据分析结果，即为管理层提供决策支持。余金桥说：“我们定期或者按照领导的指示，对各个业务线条的经营状况以及各个分中心的经营情况进行梳理分析，每个月推出一本数据分析报告汇编，其中包括交易的波动原因分析、不良贷款率的发展趋势分析、新产品的市场表现分析以及分行信用卡中心经营状况的分析。在报告中，我们会提示决策层一些关注点，有助于及时进行决策。在数据信息库成立之前，很多决策都是‘拍脑袋’做出的，有了数据分析支持，我们就可以全方位、较客观地看待问题，进而解决问题。信用卡中心乃至整个银行决策层对数据库分析决策报告的分析广度和深度都非常认可。”客观的、独立的数据其实不会说话，所谓“数据会说话”，指的就是通过对数据的分析形成结论，显然，数据信息管理部的这本分析报告汇编正是这个部门最大的价值体现。此外，数据信息管理部根据业务发展的需要还研发了一系列的模型，如客户评级模型、风险评分模型、客户流失预警模型等直接运用于业务。

    在市场竞争的压力下，国内商业银行已经纷纷意识到商业银行的盈利模式需要从单纯的以对公客户为主转向以零售业务为主的新的利润增长点的多元化盈利模式。很多商业银行也陆续意识到，整合零售业务各条业务线的数据资源确实能在银行内部实现交叉销售、扩大业务规模和提高市场竞争力。零售业务的经营和管理需要数据库营销系统的支持，但是整合数据资源面临着一些现实问题的挑战。目前，各商业银行普遍面临的困难是，由于历史的原因，商业银行过去对零售业务不够重视，对数据的用途和重要性了解不多，不注重数据的采集和保留，数据完备性和数据质量难以保障，给数据资源整合带来了现实的困难。余金桥说：“数据的积累当然是时间越长越好。民生银行2005年才开始发卡，到2007年我们创建模型的时候，发现数据量确实不够。但目前看来，随着市场逐步扩大，加上我们创建模型积累了一定经验，数据相对来说已经比较完备。”
    采访的最后，余金桥言简意赅地指出了数据信息管理部的价值所在：“数据挖掘工具和分析结论的广泛使用无疑提高了各个部门的运作效率、降低了决策风险、增加了资本的获利率。长期看，数据分析和挖掘工作必然会提高我行业务管理的精细化水平，提高我行数据库营销的实施能力，增强我们把握市场机会、寻找盈利空间的能力。” FCC