中国农业银行信息管理部总经理孙建平

  作为新型生产要素，数据已成为数字经济发展的核心引擎。商业银行是技术和知识密集型企业，具备天然的数据基因，具有利用数据降本增效的内生需求和外生动力。近年来，各行积极推进数字化转型，工作重心加快由技术驱动向数据驱动转变，数据正逐步成为银行数字经营的核心要素和重要生产力。

  农业银行视数据为战略资源，大力推进数据资产管理与应用，近两年，以数据分析师“1+N”队伍为支撑，依托数据中台建设高标准组织数据，通过高水平应用数据赋能数字化转型，有效盘活了海量数据资源，持续提升数据价值创造能力，为高质量发展、服务实体经济和乡村振兴打下了坚实基础。

  一、建设数据中台，构筑数据资产管理新枢纽

  业务种类多、交易体量大，决定了商业银行不仅数据产出量大，对数据的依赖度也更高。尤其随着数字化转型的深入推进，银行业务经营数据黏性越来越强，急需整合各类数据，为全行提供集中统一的共享服务。

  2019年，与数字化转型同步，农业银行启动了数据中台建设。数据中台对数据资源进行汇集、加工、封装，让数据变得可得、可用，本质上是对数据能力的抽象与复用。农业银行牢牢把握这一本质，通过规范化的整合实现数据互联互通，将其提炼加工为各类半成品或成品，并沉淀为标准化的数据资产，供业务系统共享复用，提升数据供给服务质效。建设过程中，农业银行始终坚持“以用带建”，创造性地构建了数据建设与数据应用互促互进的价值闭环。经过三期打磨，农业银行数据中台具备了企业级标准化数据能力，成为全行数据应用的核心“枢纽”。

  一是建成“三库一市一谱”数据资产体系。标准化、可复用的数据资产是数据中台的核心能力。农业银行统筹规划了数据标签库、统一指标库、分析模型库、公共数据集市和知识图谱“三库一市一谱”总体框架，按照“以用带建”策略，提炼形成数据标签、统一指标、分析模型、多维数据、知识图谱五类数据资产。

  数据标签库从自然属性、行为特征、需求偏好等角度对客户明细数据进行抽象，描绘客户立体画像;已建成发布标签5831个，形成三级标签体系，涵盖自然、资产、交易等十大主题。

  统一指标库基于“报表指标化、指标规范化”思想，建立经营管理通用指标体系，为各级行提供权威指标数据;已积累核心指标3938个，并可多维交叉生成海量派生指标，满足综合绩效考核、核心业务监测等业务需要。

  分析模型库从数据分析应用中提炼共性数据特征或算法模型，在总分行间共享，提升数据分析挖掘建模效率，已积累具有复用价值的典型算法200余个。

  公共数据集市从业务视角对数据进行关联、整合，在底层实现全域数据互联互通;经过多期迭代，已积累数据主题模型5009个，以批量接口形式持续为全行业务系统提供稳定的数据服务。

  知识图谱以网状结构组织数据构建实体之间的关系，目前以个人、法人和物品为实体构建了60余种关系、22种图谱资产。

  二是实行全生命周期数据资产管理和服务。元数据是数据资产管理的核心抓手。农业银行将元数据管理贯穿于数据架构设计、源头数据采集、数据入湖存储、上层加工应用等的全过程，使数据资产管理触角触及数据产生和消费的全生命周期。

  从管理端来看，依托数据资产管理平台对元数据进行统一存储、统一管理、统一监控;将源系统数据、数据湖数据表、数据标签、统一指标、分析模型、集市多维模型、知识图谱等全部资产纳入管理范畴，形成较为完整的数据资产视图。

  从服务端来看，从业务视角构建统一数据服务目录，依托数据中台门户将数据资产分类摆放、逐级展示，面向总分行提供一键搜索、使用跳转等服务，帮助用户快速查找、理解、使用数据;同时，对标数据运维方法(DataOps)，探索数据资产快速交付、优化迭代、持续集成的研发运营一体化模式。

  三是以全链路数据治理提升数据资产品质。农业银行将治理与应用相结合，以用数过程中发现的问题为导向推动数据治理，逐步完善覆盖数据采集、整合、应用各环节的“全链路”管控机制，持续提升数据资产的规范性、准确性和安全性，形成“以用促治、用治结合”的良性循环。

  在规范性方面，在推动源头贯标的基础上，以客户、机构、产品三大主数据为切入点，将数据标准在数据中台先行落地，并建立“事前需求研制、事中上线验收、事后入湖检查”的长效管控机制;目前已完成客户数据标准在数据中台的映射，实现多源数据唯一可信，解决了源头数据不一致的问题。

  在准确性方面，建成较为完备的数据质量监测规则库，常态化运行“监测—分析—整改—考核”闭环管控机制，持续提升数据质量;打造数据质量管理平台，支持“数据监测、问题发现、任务分发、整改跟踪和结果评价”全流程自动化。

  在安全性方面，发布《中国农业银行数据安全管理办法(试行)》，大力推进数据分级分类，制定发布敏感数据目录，常态化开展敏感数据“扫描—通报—核实—清理”闭环管控，强化客户个人信息保护，加强数据出境出行安全评估，为数据资产安全合规使用保驾护航。

  二、深化数据应用，打造数字经营转型新引擎

  数据中台并非一个简单的系统平台，而是一套让数据持续用起来的机制。把数据用起来，充分释放数据价值，是数据资产管理的根本目的。作为非数字原生企业，传统银行存在业务与数据“两张皮”的问题，如何让数据真正用起来是长期困扰各大商业银行的难题，也是推动数字化转型向前迈进的关键一步。从本质上看，用数的载体是业务，用数的主体是人，数据应用水平的高低，关键要看数据是否融入业务场景、嵌入业务流程，员工是否具备数据思维、采取数据行动。

  农业银行以数据分析师“1+N”队伍为纽带促进“业数”融合，以功能化、自助化、智能化为思路降低用数门槛，将数据资产作为生产资料融入业务经营流程，广泛应用于精准营销、智能风控、产品创新、管理决策等业务场景，致力于打造“一线员工依靠数据作业、各级行依靠数据经营、总行依靠数据决策”的崭新格局，使数据成为驱动经营转型的新“引擎”。

  按照数据应用由浅入深、由易到难的原则，农业银行结合不同用户的不同用数能力、不同业务的不同用数场景，提炼与之相适应、相匹配的用数方式，打造了指标报表、数据标签、分析挖掘、数据产品四类主流用数模式。

  一是智能化指标报表——日常经营管理数字化。农业银行面向各级行经营管理人员，基于统一指标库，构建“报表中心+经营管理信息平台+灵活查询中心”BI工具体系，提供权威、一致、及时、共享的报表指标一体化查询服务，并以“拖拉拽”方式支持报表个性化定制、数据多维分析及明细下钻;同步上线推广移动服务，加快数据交付，提升用户体验，实现核心指标按需查看、“T+8.5”展示(用户一上班即可查看前一天数据)，使智能化指标报表成为各级行日常经营管理的有效抓手。

  二是功能化数据标签——简单数据分析自助化。农业银行面向各级行营销策划人员，基于数据标签库，构建以“查、建、用”为用户旅程的标签中心，提供可视化用户界面、“拖拉拽”交互方式和全维度客户画像，并引入ClickHouse分析引擎，以强大的算力保障海量标签自由交叉组合，支持用户快速、灵活地筛选目标客群，并将筛选结果直接对接至业务系统以开展营销活动。标签中心助力业务人员在简单数据分析上实现全流程可视化、自助化，有效降低了用数门槛，提高了用数效率，现已推广至二级分行，受到基层的广泛欢迎，成为精准营销的一大“利器”，年均支持数据应用上万批次。

  三是项目式数据分析——复杂分析挖掘精准化。农业银行通过总分行数据分析师联动，以项目形式开展数据深度分析挖掘，以“数据+算法”服务业务经营、驱动转型发展。同时，农业银行每年精选10个项目，迭代优化，示范引领，让用数方法和理念持续提升、不断深入。2022年，聚焦营销、风控领域实施的10个重点数据分析项目，全面形成“筛选—布放—执行—回收—优化”五步数据闭环，持续提升数据模型精准性，有效激发业务模式创新，探索实践数字化经营闭环，推动业务用数实现了质的突破;10个项目的示范效应也带动全行数据意识持续提升，较好地推动了数据应用向纵深拓展。

  在营销方面，农业银行将知识图谱应用于公司业务，使对公客户经营由传统单一客户营销向新型链式营销转变，显著提升了企业客户服务能力;与人民银行金融基础数据中心开展联合建模，细致洞察小微企业首贷需求，大大提升了普惠金融服务质效。

  在风控方面，农业银行综合运用机器学习算法和涉赌涉诈规则，使线上交易风险规模得到有效压降;将集团客户关联关系分析和风险分析模型嵌入信用风险监测流程，提升了防范化解系统性风险的能力。

  四是创新型数据产品——赋能基层一线精准营销。在多级机构管理模式下，分行用数往往存在梯度衰减现象。对此，农业银行总分联合成立大数据实验室，依托实验室建立创新机制，以敏捷迭代的方式快速孵化数据产品，直通基层，赋能营销。2021年以来，农业银行先后推出智迎客、智挽客、智链客等一批拳头数据产品，形成了“智”系列品牌。在这些产品成熟后植入前台移动营销PAD，功能实用、上手简单、操作便捷，可帮助客户经理有效了解客户特点、洞察客户需求、定制服务方案，深受一线人员好评。大数据实验室采取贯通总分、直通基层的创新模式，充分发挥基层贴近客户、总行精于数据的优势，能够直接切中基层所需、解决用数痛点，正以一种渐进的方式改变着一线作业模式，加速数字化转型向基层延伸。

  三、优化组织机制，培育数据驱动发展新生态

  数据深度应用不仅涉及业务经营方式的转变、系统设计理念的变革，更需要与之相适应的组织方式与流程机制。农业银行牢牢把握“生产关系要适应新的生产力”这一根本原理，从战略、文化、人才等方面持续完善组织机制，使数据要素的关系和流程更加高效、数据工作的组织和结构更加优化，形成“业务数据化、数据业务化”互促互进、螺旋式上升的良性循环，逐步培育数据驱动发展的新生态。

  一是高层领导重视推动。农业银行高管层高度重视数据工作，将数据资产管理与应用纳入公司治理进行统筹谋划：发布《中国农业银行数据治理基本制度》，明确企业级数据管理组织架构及“两会一层”、各部门职责分工;制定大数据战略，将数据管理作为重要内容融入全行“十四五”规划;行领导经常听取相关工作汇报，指引工作方向，指导工作推进。高层领导的高度重视和大力推动正确引领了农业银行数据管理工作发展道路，有力促进了数据应用快速普及。

  二是提升数据思维意识。意识转变是付诸行动的先导。数据认知高度与思维深度的提升不是一蹴而就的，需要在长期实践的浸润中慢慢养成。农业银行在数据应用上强调“业数”融合和总分联动，数据部门带着业务部门一起做，总行带着分行一起干;尤其是典型示范项目的实施，让全行直接看到数据产生的业务效果，切身感受到数据带来的巨大价值。经过近几年的努力，全行的数据意识逐步觉醒、数据思维持续增强，运用数据开展业务经营的积极性、主动性越来越强。

  三是建设数据人才队伍。人才是支撑高质量发展的根本保障。农业银行高度重视数据人才，将数据分析师队伍作为数字化转型“四支队伍”之一加快建设。2019年，在实施数字化转型的同时，采用“集中为主，统分结合”模式，组建数据分析师“1+N”队伍，该队伍覆盖33个总行部门和37家分行，目前规模达到1100人;配套实施“繁星计划”，通过跟班学习、项目实践、培训交流、考试比赛等多种形式，持续提升数据分析师的专业能力。这里，“1”指数据部门核心团队，作为引领者，统筹全行数据分析应用，实施专业性复杂分析项目，为全行提供统一的数据、工具、算法支持;“N”指各部门、各分行数据分析小型团队，是落地执行者，主要负责需求提出、成果落地等工作;“1”与“N”以项目为单位组成柔性团队，分别发挥懂数据、懂业务的优势，协作完成数据分析应用全过程，确保项目落地见效，实现“业数”融合互促，从整体上最大程度提升了数据应用效率，产生“‘1+N’>1+N”的效果。

  数据管理工作具有基础性、长期性的特点。未来，农业银行将继续发扬久久为功的工匠精神，持续打磨数据这块“基石”，更好释放数据要素潜能、赋能业务经营转型，为金融业高质量发展贡献农行智慧，为数字中国建设贡献农行力量!