百信银行陈龙强丨三大维度构建百信金融大脑

亿欧网 • 6年前扫码分享

【编者按】当前，数字化对中国乃至世界经济都产生了深远影响。金融是数字化、智能化转型的重要领域，从银行角度来看，其走向数字化、智能化的重要探索就是直销银行模式。数据治理是实现数据价值的必要途径，对于我国直销银行突破发展“瓶颈”，向场景化、生态化、自动化发展至关重要。

本文作者 陈龙强为百信银行战略发展部总经理，胡瑞娟为百信银行大数据部高级工程师，管正刚为百信银行战略发展部创新业务负责人，其原标题为《百信银行：如何从三大维度构建金融大脑——浅析互联网银行数据治理及数据战略的实践路径》，文章从三个维度阐明了百信银行金融大脑构建的背后逻辑，为我国直销银行发展提供多视角借鉴，并助力数字普惠金融发展。

值得一提的是，百信银行战略发展部经理陈龙强将出席6月15日，亿欧在上海举办「 2018全球AI领袖峰会——智能+新金融峰会」，敬请关注！

大数据是智能金融的“燃料”，数据治理是实现数据价值的必要途径。百信银行从 数据即服务、平台即服务 和 软件即服务 三个维度构建本行金融大脑，使之成为百信银行的“参谋部”，指导和验证经营管理决策，发展数字普惠金融业务，力图树立互联网银行智能化发展的标杆。

数字化转型已对中国经济产生了深远影响，中国企业正通过“互联网+”战略深入布局多行业、多元化的数字生态系统，力图深入触及消费者生活的各个方面，对全球数字化格局的影响也与日俱增。金融作为数字化、智能化转型的重要领域，在大数据时代下，叠加人工智能、云计算、物联网（Internet of Things，IoT）、区块链等前沿技术，智能化金融正迎来前所未有的繁荣发展时期。

由中信银行和百度战略投资的百信银行，作为国务院、银监会（现为“银保监会”）特批的全国首家独立法人直销银行，承载了新时代下传统银行业向互联网转型发展的重任，是一种新型互联网银行形态。本文将以百信银行为例，从数据即服务、平台即服务和软件即服务三个维度，浅析百信银行如何构建“金融大脑”，并使之成为全行的“参谋部”，指导和验证经营管理决策，发展数字普惠金融业务，期以树立互联网银行智能化发展的标杆。

百信银行陈龙强丨三大维度构建百信金融大脑

构建基于价值实现的精细化数据运营体系

数据即服务（Data-as-a-Service，Daas）——数据是互联网银行的战略资源。百信银行通过B+B（商业+银行）、线上+线下（O+O）的发展模式为客户提供产品和服务，每个业务都在源源不断地生产数据。数据即服务（Daas）是指与数据相关的任何服务都能够集中整合处理，然后提供针对用户的数据服务。涉及到元素涵盖数据采集、数据集成、数据治理以及数据运营等内容。

数据采集

区别于传统银行，百信银行暂时不具有大量的历史数据沉淀，在积累数据方面需充分利用自有数据，大力挖掘行内数据价值，并千方百计捕捉新的数据源，快速形成数据规模，努力实现“数据在线”，用实时数据支持业务发展以及智能金融应用的需要。百信银行数据涵盖以下几类。

（1） 传统客户交易数据 ：这些数据来源基于客户和银行发生业务关系所沉淀的传统金融数据，一般为结构化数据。例如，客户数据、账户数据、交易数据等。这类数据模型构建比较成熟，传统银行对于此类数据的应用深度和广度最好。

（2） 新型业务数据 ：该类数据相比传统的客户交易数据来说，属于比较新型的数据类型，一般为半结构化数据和非结构化数据，例如，系统运行日志、客服语音、视频影像数据以及埋点行为数据。近几年，部分银行开始重视这类数据的内在价值，但是应用深度和广度无法和传统客户交易数据相提并论。

（3） 互联网数据 ：该类数据是银行数据源的有效补充，例如，互联网社交数据、移动定位数据、舆情数据等，但是此类数据的质量和标准化程度较差。

（4） 第三方数据 ：该类数据一般通过授权或者外购获取，例如，征信数据、水电通信数据、社保公积金、工商税务海关等数据。该类数据是互联网银行数据的重要来源，是对银行内部自有数据的有益补充。此类数据的质量高于互联网数据。

数据集成

数据集成是形成数据产品的必要前提条件。银行数据按照数据形态和存储方式分为结构化数据、半结构化数据和非结构化数据；按照数据加工时效分为实时数据和批量数据。数据集成将来自内外部不同渠道的各种数据形态、各种时效的数据进行处理和加工以及深度整合，达到数据“好用”和“易用”的目标。传统银行对于结构化数据的加工和处理流程相对成熟，市场上也存在应用比较广泛的数据整合模型和数据仓库产品。但是互联网银行多渠道、多样化的数据源，注定了其数据集成整合的复杂度与传统银行相比，不可同日而语。

数据治理

当数据作为企业的信息资产而存在时，企业如何从数据中发现问题、分析问题以及解决问题，实现数据价值最大化？这是大数据时代每个企业必须慎重考虑的问题。数据治理就是实现数据价值的必要途径。

数据治理概念目前没有统一的定义,不同的组织机构从不同的方面对数据治理定义进行了阐述。《银行业金融机构数据治理指引》（征求意见稿）中定义“数据治理是指通过建立组织架构、明确董事会、高级管理层、部门等职责要求，制定和实施系统化的制度、流程和方法，确保数据统一管理、高效运行，并在经营管理中充分发挥价值的动态过程”。数据治理是以价值实现为目标，是组织、制度、流程和技术的有机集成，这四部分是实现常态化数据治理的手段与工具。数据治理的核心领域主要包括数据标准管理、数据质量管理、元数据管理以及数据安全管理等主题。

百信银行成立了全行级别的数据治理委员会，统一协调数据治理工作；同时发布数据标准管理办法、数据安全管理办法等多项数据治理相关的制度和流程，并在数据标准管理、数据质量管理、元数据管理、外部数据资源管理等数据治理平台进行落实。

（1）数据标准管理

数据标准管理是数据治理中的一项基础职能。数据标准管理关键点在于如何规范数据项，统一全行定义；难点在于如何在信息系统设计开发以及日常业务处理中落实数据标准。

和传统银行相比，百信银行没有历史包袱，在IT规划之初，便制定了“标准先行”的数据治理方针，发布了行内关键的基础数据标准，并在行内业务系统中落地实施，从源头规范数据，保障数据质量。

（2）数据质量管理

数据质量管理是数据治理的一项核心职能，其最终目标是提升数据价值。建立数据质量检核规则和检核指标，是对数据质量实施最直接也是最易见成效的管控模式。数据质量管理重在持续性，是长期循序渐进的过程，按照发现问题、分析问题、解决问题、深入纠改、形成规则、防范和监控的形式循环提升。数据质量管理一定要先配合后评价，将数据质量问题的解决情况纳入到部门和员工的考核评价中。百信银行在对数据采集和内外部数据整合过程中，对于关键的数据项制定业务检核以及技术检核规则，定期出具数据质量检查报告，督促相关系统整改数据质量问题。

（3）元数据管理

元数据是“描述数据的数据”，相当于查找数据的“数据地图”。通过元数据管理，可以更好地维护、分析、使用和解释数据。大数据背景下，除了传统系统数据字典和业务定义之外，还需考虑纳入与大数据相关的元数据内容：术语字典应包含大数据的术语；需要为非结构化数据提供分类、语义支持；Hadoop、NoSQL 数据库的技术元数据需要纳入元数据存储库管理。有些企业为了充分发挥元数据的价值，对元数据管理的范围进行了扩大，从简单的库表，到整个大数据平台，再到服务管理，甚至驱动微服务，不断突破传统元数据管理范畴。元数据管理的关键在于如何和银行信息系统开发上线体系进行有机结合，以保证元数据维护的及时性和准确性，并以此分析上线系统对其他系统的影响。百信银行借助数据治理平台将行外数据和行内关键业务系统数据进行了统一管控，实现了数据的血缘分析和影响性分析。

（4）数据安全管理

在大数据时代，数据安全比以往显得尤为重要。2017 年，国家颁布了《网络安全法》，从法律层面对于网络信息安全进行了规定要求。从企业的角度，建立完备的数据安全管理体系，不仅是为了满足国家法规、行业准则和监管要求，更是为了保证银行生产运行的稳定性和连续性，为了保护银行和客户的有形或无形资产。数据安全管理的关键点在于数据脱敏规则的制定和执行。百信银行对数据安全管理持一贯重视态度，全面梳理了数据安全管理的关键环节，采取加域、水印、加密、脱敏等多种技术措施，确保数据资产在使用过程中能被恰当的认证、授权、访问和审计。对于敏感数据制定脱敏规则，在数据访问和数据交换时进行动态脱敏和静态脱敏，加强对敏感数据的访问管控力度。

百信银行陈龙强丨三大维度构建百信金融大脑

构建数据价值评估体系

数据价值评估在数据资产管理、数据开放共享、数据交易流通中起到重要作用。在大数据时代，如何对数据进行价值评估和变现？百信银行为了进一步度量大数据的价值，正在积极探索构建数据价值的评估方法，制定数据价值评估的标准。目标是打造数据价值的“度量衡”，有效促进行内数据和行外数据变现。

构建基于开源技术的大数据算力和算法平台

平台即服务（PaaS）——将大数据基础平台计算引擎或者组件作为一种“产品”，对行内和行外提供算力和算法服务，避免使用方重复搭建大数据相关的基础平台，实现平台和应用的分离，专业的人员做专业的事。这个思想目前在某些大数据公司已经变成了现实。大数据平台可以提供批量计算、流式计算、图计算、内存计算、算法库以及大数据基础服务平台、流式平台和AI平台等多种算力和平台服务。百信银行利用云计算、大数据、人工智能等技术，搭建了业内领先的完全基于Hadoop生态的云端大数据基础平台，支持超千节点的快速扩展。同时，创新性地推出了基于大数据开源技术的流式计算平台， 解决了离线大数据和近线大数据实时融合处理等技术难题。

流式计算平台

流式计算平台aiStream 是百信银行自主研发的产品，基于开源JStorm 技术，在设计中充分考虑了分布式实时流式计算的难点，采用了主流的计算框架，基于分布式内存并行计算，支持拆分、合并、缺失值填充、类型转换等多种预处理模式及特征过滤、特征离散、特征尺度变换等多种特征工程处理能力，平台将这些能力封装成基础组件，提供通用接口，支持业务模块低成本快速接入，根据业务需求灵活组合使用和业务集成，后续将扩大计算规模，提供在线统计、学习和预测能力。该流式计算平台aiStream 在百信消费信贷业务的风险实时监控和策略干预上发挥着重大作用，后续也将在理财、内部创新等多领域或业务中进行深度应用，助力全行业务加速。同时考虑通过云服务向外界输出实时计算能力，让更多中小金融企业和用户享受到百信银行实时计算的技术成果。

百信银行陈龙强丨三大维度构建百信金融大脑

AI基础服务平台

如果银行只是单独采购如人脸识别等AI 技术，虽然能够解决某个场景中的具体需求，却无法自己生成通用的AI能力。一旦应用场景发生变化，或者需要与其他业务深度结合，单个的AI技术还是无法帮助银行解决复杂而多样的业务难题。银行需要的是AI能力，而不仅仅是单个AI技术。打造AI基础服务平台作为银行AI核心系统势在必行。

AI是百信银行品牌的核心元素。百信银行正在着力研究如何打造百信AI基础服务平台，搭建本行AI核心系统，集成AI常用模型和算法，提供一站式AI服务，助力AI在百信银行落地、演化，实现全方位AI。该AI平台使用成熟后，将进一步市场化，最大化模型价值。

构建基于场景的智能化金融服务

软件即服务（SaaS）——这种交付模式具有良好的可扩展性，非常适合应用在大数据领域。大数据来源于业务，也服务于业务。大数据是智能金融的“燃料”，它为人工智能不断学习、快速成长提供源源不断的动力。百信银行作为一家AI银行，通过构建百信金融大脑，逐步落地大数据在智能风控、智能客服、智能投顾等业务上的应用，并将陆续实现其他领域的创新实践。

智能风控

智能风控是百信银行首要打造的核心竞争力，也是“智能银行即服务”体系的关键组成部分。目前百信银行初步建立了富有互联网银行特色、简单有效的风险管控体系。利用模糊匹配、深度学习、设备指纹、神经网络等前沿技术，初步打造了百信银行大数据风控体系，可以通过1万多个标签对个人用户风险进行实施准确评估。2018 年，将继续完善以白名单为主的大数据风控模型，同步建设用户特征变量库，特征变量达10000 个以上，建立风控策略模型实验室，打造具有市场竞争力的大数据信用评分体系和智能定价体系，为拓宽银行服务的边界、践行数字普惠金融打下坚实的基础。

智能客服

银行传统客服侧重于解决客户问题，而互联网银行由于没有实体网点，客服就成为重要的营销渠道。智能客服不仅是帮助客户解决问题的窗口，也是深入了解客户需求的途径。与图像识别、声纹识别、VR、AR、全息投影等技术相结合，智能客服将重新定义商业银行现有服务模式，客户与银行之间的交互将更加智能化，更加接近人们与生俱来的自然行为。百信银行致力于落地“智能银行即服务”，有赖于智能客服机器人与客户形成良好的互动，挖掘用户潜在的需求，为客户提供智能化、个性化、有人情味儿的服务。百信银行将采用自然语言处理技术，充分利用客户画像成果，精准提取并理解客户意图和情感，基于知识图谱构建并持续优化客服机器人的理解和答复知识库，以至于能够预测客户未来的行为和需求，为客户提供超预期的服务，逐步减少甚至替代传统客服人员，实现自动化服务和销售。

智能投顾

由于国内市场公募基金和交易型开放式指数基金（Exchange Traded Funds，ETF）类产品的固有特性，传统意义上的智能投顾服务并不能良好地达成为客户做合理资产配置和精准建议的目的。百信银行在C端智能投顾应用上，用更贴近客户需求和国内市场现实的思路，打造“智能顾+投”的复合智能服务。百信银行充分发挥数据优势和平台优势，充分挖掘自身用户数据和合作伙伴的非结构化数据价值，将用户在不同场景的金融和非金融数据打通，借助多种大数据手段对用户进行精准画像，做到比用户更认识用户。基于充分了解用户风险收益偏好和家庭财务状况的前提，百信银行将充分发挥技术优势，借助机器学习和量化投资模型，通过配置全品类的金融产品，达到最大限度满足不同用户的不同投资需求的目的。