数据分析周期缩短一半!看招商银行如何加速数字化运营
商业智能是提高企业智能化的手段,可以满足企业发展的需要,提高企业的竞争力。与此同时,它可以在改善金融业的风险管理和对外服务质量方面发挥关键作用。
在市场竞争和银行业务转型时期,商业智能在提高业务和内部管理水平方面发挥了重要作用。在银行数据集中的背景下,商业智能逐渐成为战略转型的选择之一。如何从业务和技术两方面推动金融行业商业智能的发展,引起了当前金融行业相关人员的关注。
本文以最早在金融科技领域起航的商业银行之一——招商银行为例,从金融科技萌芽阶段到开放融合新阶段这一过程,分享招商银行在大数据、云计算、人工智能、区块链和行业合作伙伴打造的生态能力获得的长足进步。
早在2016年,招商银行就提出了金融科技的概念。2017年招商银行金融科技道路的战略确定,并成立了招行金融科技基金,扶持金融创新项目。至2021年,招行每年在金融科技基金方面的投入占到营收的3.5%。
2020年,招行的金融科技进入到开放融合的新阶段。对于开放与融合,招行给出了明确的定义,即向外与合作伙伴共创包含生活圈、工作圈、经营权的开放性生态圈,寻求更多服务机会;向内打破内部组织边界、业务边界,通过服务的组合,增强服务的价值与粘性,提升内部服务能力。
在开放融合的新阶段,招商银行对于数据赋能提出新的要求,期望让拥有最多数据分析需求的分行一线业务人员,能够更深度地享受金融科技技术迭代、创新成果,让一线业务人员能够自主、敏捷地进行数据分析,挖掘数据价值赋能业务运营。
基于此,招商银行与观远数据携手,优化数据分析环境和分析工具,降低数据使用门槛,支持招商银行全行的数据分析能够自主、敏捷用数,以数据智能助力招行金融科技在开放融合的新阶段取得创新发展。
以“自主”和“敏捷”作为数据赋能的方向和目标,招商银行携手观远数据推进了分行数据云平台的建设,并利用观远数据企业级BI能力,对招行大数据平台与可视化分析平台升级迭代。
观远数据以“让业务用起来”为核心,首先深度调研了招商银行数据分析人员以及一线业务人员在日常工作中,面对的数据分析“难题”。
首当其冲的难题是招商银行服务网点遍布全球、业务场景多样、产品及服务条线齐全,其所拥有的数据体量甚为巨大的同时,数据分散在各个业务系统中,所需数据难以快速获取。
此外,数据的口径太多、太复杂也是一个问题,招行原有的固定报表无法满足甚至一天一变的数据口径,亟需敏捷的数据分析能力来满足业务需求。
业务人员用数难则是其中最迫在眉睫需要解决的问题。招行迫切地需要改变从数据加工开始经过层层审批,才能到一线数据分析人员手上这个复杂曲折的过程,让业务人员能够以更低门槛、更便捷的使用数据指导运营。
在深入了解招商银行在数据分析方面面对的难题后,观远数据给出了完善的解决方案。
观远数据以企业级BI,帮助招商银行构建了数据辅助决策机制,全面升级产品、渠道及客户三方面的数智化运营及管理:
- 产品运营方面,通过对产品AUM增长贡献、产品交叉持有概况、重点类别产品、产品交叉组合等进行分析,提升产品收益及运营优化;
- 渠道运营及管理方面,通过对资金流动渠道、跨行转账、资金流动路径等进行数据分析,整体把控渠经营状况;
- 客户管理方面,通过对管理资产、个人存款、个人贷款等业务场景分析,发现不足并不断提升服务质量,提高客户满意度。
企业级BI为招商银行构建了结合业务场景的数据分析指标,大大加快了数据分析的周期。其中包含盈利指标、流动性指标及风险指标等数据分析场景,针对性地进行效益指标分析,并设立指标预警和指标管理体系;以及包括核心客户指标、客户发展概况、客户主要构成等核心客户指标分析。
除了健全的数据辅助决策机制和与业务场景相结合的数据分析指标,为招商银行解决了取数难和数据口径复杂等问题,使数据分析门槛降低及提升业务人员数据分析能力外,企业级BI的引入为一线业务人员快速、灵活地实现数据分析的目标提供了有力支撑。
在这个彻底改变的商业环境中,观远数据正与企业合作,提供数字优势的五个杠杆,旨在预测和塑造数据驱动的结果,为生产力和效率实现大规模自动化,始终确保所有接触点的安全,使基础设施现代化,并以新技术驱动的数字业务模式进行转型。