数据驱动型银行的第一本秘籍出现了……

一论数据驱动型银行的构建：数据资产管理（一）

从经验驱动到数据驱动，随着传统银行在大数据应用上的逐渐深入，构建数据驱动型银行正成为很多银行孜孜以求的目标，那么，要如何才能构建成功的数据驱动型银行呢？无非三大方面：数据、平台、应用。笔者将分成连续的数篇文章对三大方面进行逐一论述。本篇开始针对数据方面展开探讨。

数据是大数据的生产资料，没有数据，玩不了大数据，没有好的数据管理，玩不好大数据，没有合适的价值变现，大数据也玩不长久。因此，数据方面的核心是数据资产的管理，数据资产管理这个概念大家都在谈，那么，需要管什么？怎么管？目前来看，网络上大多是些碎片化的东西，缺乏整体的阐述，无法让我们看清整体的轮廓。在笔者看来，数据资产管理要回答几个方面的问题，一是数据从哪里来？二是数据到哪里去？三是数据怎么去？四是数据给谁用？五是数据资产价值怎么评估？这几个问题的答案对应的就是以下五个方面的答案。

（一）数据采集管理

对于商业银行来说，数据从哪里来？答案无非两个方面，一方面来自于自身业务产生，另一方面，来自于外部数据的采集。从数据资产管理的角度来说，既然我们都认为数据是和石油一样重要的资产，我们从数据的采集端就要做好管理工作，不能放任资产的流失。内部数据主要来源于前端业务系统在业务开办中采集的业务数据，然而，长期以来，由于缺乏数据分析的思维，我们在构建业务系统的时候，往往重交易数据，轻行为数据，重关键业务数据，轻一般数据，造成了很多资产就这样白白的流失掉了，比如，网络行为浏览数据，有采集这块数据的银行不多，即便在银行业务大规模互联网化的今天，我们依然有很多的网络行为数据没有采集。再比如，我们在开发系统的时候，由于牵头开发的部门往往是某个业务部门，因此，他在软件需求中，对于客户输入项往往只关注该业务需要的关键数据，而忽视了其他相关的数据。

上面，我们说的都是内部数据采集的问题，那么，是不是在外部数据采集上就没有问题了呢？显然不是，在互联网巨头携科技优势涉足金融，蚕食金融业务的今天，很多业务部门对于利用外部数据进行业务拓展或者风险防范，有着迫切的需求，而且一些业务部门由于业务上的优势，能更快的从一些数据源获得外部数据，因此，一些业务部门会独立的去引进外部数据，这虽然有利于该业务条线业务的快速拓展，但是，对于数据共享，对于全行的数据资产管理来说，并不见得是一见好事，比如，对于同一业务领域的数据，单一部门的采集更多的是考虑本部门的数据需求，缺乏企业级的视角，下次，另一个部门要用了，却发现该数据不能完全满足其需求，还得重新再采购，带来的是更高的采购成本和数据整合成本。

因此，我们也可以发现在数据采集环节，银行就面临着不小的挑战，需要采取相应的措施做好数据采集管理，夯实数据资产。

首先，设置数据资产管理员岗位。在技术部门或者数据部门设置数据资产管理员一职，主要负责数据资产的管理，数据资产管理员需要站在企业级的视角去管理数据资产，对数据的全面性、准确性负责。不论是内外部数据，业务部门在开始某项产品研发的时候，数据资产管理员就应参与其中，和业务部门共同协商提出数据采集的需求，包括内部业务系统的数据采集和外部数据源的数据采集需求。

第二，要建立数据采集规范。要对数据进行梳理，从站在数字化运营的视角，建立起相应的数据采集规范。一是明确数据采集范围。核心是要做好企业级和部门级的结合。比如，哪些数据是所有业务系统在开发的时候都需要考虑的，哪些数据是要在和客户的互动中不断更新的，这些都应该用规范的方式确定下来。也就是说，要定义出企业级的数据采集规范，明确采集要素。要抓住一切与客户互动的机会，在合法合规的前提下，尽可能多的采集数据。二是明确数据标准。数据标准是后续数据质量的保证，更是数据生命力的基础保证，一定要予以高度的重视。要制定统一的字段命名规范，统一的业务编码规范，比如，对于客户编号，各个系统都应统一的编码规则，统一的字段名称等。

第三，建立数据采集监测地图。在规范的基础上，定义出数据采集的目录，要尽可能的细化，然后，用可视化的方式，展现数据采集目录，监控哪些数据是已经采集了，哪些数据还未采集，哪些数据需要更新。要通过定义一些指标进行监测，包括数据的覆盖率，数据的差错率，数据的连续性、数据的更新率等，比方说，客户的学历信息，虽然已经采集，但是，覆盖率和更新率过低，需要采取相应的对策。

第四，建立数据分类采集策略。在定义了数据采集规范，建立了数据采集地图的基础上，要针对不同的数据现状制定分类采集策略。比如，对于上述的学历信息，建设覆盖率50%，近一年更新率5%，就需要提升客户学历信息的覆盖率和更新率，可以采取的策略包括一是客户到银行各渠道办理业务的时候，未采集学历的要求客户提供，已经采集的让客户确认更新，这是成本较低的方式。二是可以在客户授权的情况下，批量获取相应的信息，但这要综合考虑采集成本。

（二）数据流动管理

数据是采集进来就能用的吗？这个问题也不难回答，当然是能用，但是不一定好用，大数据追求的是多维的数据，单一的数据并不能释放多少数据价值，核心是数据的整合应用，因此，数据从源头到最终的整合应用，必然是需要一个过程，需要经过一系列环节和节点，因此，数据流动管理是数据资产管理的第二个重要的命题。（欲知后事如何，请看下文分解）