企业数据战略实施方案（上）

       01  商业银行数据战略框

       商业银行的数据战略是指在商业银行行业范围内及单个商业银行中，通过新建、梳理、优化新旧数据、数据载体、数据生产者（业务流程、交易行为等）、数据使用者（数据分析团队、业务人员等）、支撑体系之间的关系，建立商业银行数据全景；继而通过全局统筹，协调商业银行数据工作，利用数据达成助力经营业绩，提高客服质量等经营目标，在行业内获得战略优势。在探讨商业银行数据战略框架时，可以参考军事战略。军事战略需要师出有名，以便号召多方力量，为共同的战略目标努力。在战略愿景的大旗下，将军需要告诉他的军队，本次战役要实现哪几个目标，是要获取粮马、收复失地，还是要攻城掠池。有了清晰的战略目标，军队就有了行动纲领。除了清晰的战略目标，军队行动的总体原则、每次战役举措的制定及每次行动的战术策略也是致胜的关键。在拥有了战略愿景、战略目标、战略原则、战役举措及相应战术后，确保战略顺利落实还离不开军规军纪、后勤保障、粮草营地、充满战斗力的军队文化等基础保障。相似地，在商业银行数据战略制定的初期，一个满足多方高阶诉求的愿景极为重要，战略愿景下要有明确的战略目标及战略原则承接，为了实现战略目标，制定相应的战略举措和实施策略。商业银行数据战略的框架，自上而下分别为数据发展愿景、数据战略目标、数据战略建设总体原则、数据能力建设的关键举措、数据战略实施策略，以及数据战略的评估体系。       数据战略愿景位于整个数据战略规划的最高层，是整个数据战略的最高指引，是商业银行所有利益相关者本质诉求的有机结合，是商业银行发展的“诗和远方”。数据战略愿景可以是完全围绕数据的，对数据本身的管理、发展做出展望，也可以是以数据作为重要战略手段，实现更高层次、全局性的业务愿景。数据战略目标在整个数据战略规划中位于承上启下的位置，是战略愿景的承接和拆解，是战略举措的指引纲领。为了呼应战略愿景，商业银行可能需要制定若干个、分阶段的战略目标，分别对应商业银行不同阶段自身的政策能力及外部的形势环境。数据战略总体原则对上承接数据战略目标，对下指引数据战略举措，在数据战略举措的制定和具体的实施中，具有非常重要的作用，是后续战略推进中做出决策的统领原则。数据战略举措位于整个数据战略规划的主体位置，是数据战略的关键组成部分，是实现战略目标的途径，其涉及的范围可宽可窄，可深可浅，需要商业银行根据自身情况及战略目标进行调整。商业银行数据战略应从以下方面进行重点建设：

        1.数据资产管理

       围绕数据资产内容、数据资产运营、数据资产平台等支撑能力，建设商业银行数据资产管理体系，从根本上解决业务人员关心的有哪些数据、数据在哪里、用哪个数据、怎么用数据的问题，使数据可见、数据可懂、数据可信，让更多的用户能更好地使用数据资产，真正实现商业银行的数据普惠目标。

        2.数据标准管理

       通过商业银行统一的元数据模型，建设元数据驱动的数据标准管理机制，实现业务到IT语义的转换，提高业务和IT之间的一致性，保障IT系统能够真实反映业务事实，通过业务系统间相关数据标准、数据映射关系和数据规则的描述，为业务系统集成提供支撑。

        3.数据质量管理

       左移式管控：通过技术手段和规范操作控制，加强业务系统录入端控制，从源头减少数据质量问题，降低数据质量问题整改成本，实现数据质量问题事后管理向源头管控前移的管控策略。差异化管控：通过数据等级划分，建立大数据分级质量管理机制，应用先进质量管理工具，提升数据质量检核与预警能力，逐步形成问题根因分析、问题管理、评价与衡量、响应问责的数据质量闭环管理。

        4.数据架构

        流批一体：打造一个既能支持低延迟又能满足高吞吐要求的融合型计算引擎，实现大规模复杂实时计算能力。数据中台：融入AI、BI技术，构建数据中台架构，通过打破数据壁垒， 实现全行数据资产统一加工，构建数据资产全域共享能力；通过算法、模型为导向的深度加工，打造数据价值挖掘的智慧能力。

        5.数据生存周期管理

       数据分级存储：围绕数据生命周期的不同阶段，制定不同数据类型的数据分级存储策略，合理使用存储资源，根据数据使用频度、数据重要程度对数据进行归档、销毁等处理，降低存储成本，提升整体数据处理效率。数据加工路径优化：通过数据使用情况的自动化监测，识别较少使用的数据集，借助元数据地图，定位并优化数据加工路径，释放数据处理资源，降低数据处理计算成本。

      6.数据安全管理数据

       安全体系：围绕数据分级管理，构建数据安全和隐私合规的数据安全体系，从管控框架、技术架构及运营机制等方面，全面提升基础安全风险防护和新兴安全挑战应对能力。个人信息保护：针对《个人信息保护法》要求，构建个人信息数据生命周期和管理闭环协同的数据安全体系，提升商业银行个人隐私管理水平， 满足监管合规的政策要求。 

      7.数据开发管理

      通过引入DataOps体系，借助自动化工具和协助机制，简化数据分析应用的设计、开发和维护流程，形成具备持续集成、持续交付、质量保障、安全合规等优点的敏捷型数据分析体系，使业务人员快速获取数据洞察，降低数据团队解决数据孤岛和数据质量问题的困境，实现IT和业务的深度融合协助。

       8.数据应用管理

      围绕商业银行业务场景，建设业务数字智能创新全景应用，从报表查询、数据分析挖掘、大数据应用等领域，通过借助AI、机器学习等技术，进行数据应用数字化升级，实现商业银行精细化管理，实现从客户营销与服务、风险管理、运营优化与提升、产品创新与设计、监管合规等领域， 识别业务创新机会，提升数据赋能水平。

       9.数据金融

       在数据资源转变为数据资产过程中，商业银行必将面临确权、合规、估值与流通在内的一系列挑战，迫切需要结合商业银行数据资产的特点，建立科学、统一的数据估值和定价机制，探索新的商业模式，引入安全可信技术，推进数据在更高层次的协同和共享，助力数字经济可持续发展。基于数据资产估值体系，探索和建立包括数据银行、数据信托、数据证券、数据中介在内的创新商业模式或数据资产金融工具，催生新的银行业务模式，为银行自身发展创造新的动能，推动国家数字经济可持续发展。数据战略实施策略位于整个数据战略规划的下层，是战略举措的拆解和落地，包括实施路径规划及制度保障、组织分工、资源配置、文化共识等保障措施。实施策略的落地应重点保障短期目标的实施规划及资源投入，快速获得实施项目的收益，为后续大规模项目开展提供经验支持。在资源投入方面，商业银行可以通过设立CDO，通过一把手工程推动数据文化落地实施，加大数据人才培养和引进机制，逐步提高商业银行内部数据决策的意识，以场景为依托探索数据赋能业务的运作机制，建立配套的制度和流程，积极引导商业银行数据文化的良性培育。评估体系是对商业银行数据能力及数据战略实施情况的客观评价。商业银行数据能力的评估从全能力域的角度考虑，确保商业银行的数据能力符合建设预期及建设目标，作为商业银行定期自检自查及与其他同业数据能力进行参考对比的指标，为商业银行数据战略规划提供依据，为商业银行数据战略实施过程提供落地分析，协助商业银行动态调整资源，及时完成战略规划目标。数据战略实施的评估从重点实施项目的角度考虑，从落地层面评估数据战略的实施效果，推动商业银行数据能力提升，提高数据能力评估准确性。数据能力评估与战略实施评估之间关系如下图所示。       

       02  商业银行数据战略地图

       基于商业银行数据战略框架，结合实际的项目经验，普华永道总结出由“一个愿景”、“两点聚焦”、“四大赋能”、“六大支柱”构成商业银行数据战略地图，通过数据战略实现“数据+”的战略愿景。

        一、两点聚焦

       1. 数据势能：从数据赋能数字化转型，数据驱动业务、技术和商业模式创新等角度，通过对数据资产的开发、管理和运营等手段，聚集数据能量，实现数据资产的保值和增值。2. 数据动能：围绕数据生态场景，数据交易模式，创新数据金融产品，隐私保护等领域，通过多元化的数据共享手段，充分唤醒数据潜在的经济价值和社会价值。

       二、四大赋能

       1.数据+转型

       依托数智化手段，通过数据驱动运营模式、数据驱动经营决策、数据驱动业务流程等方面的变革，实现用户洞察、改善用户体验、创新产品和服务、优化运营流程、强化风险控制、重塑商业模式，充分释放数据生产力。

       2.数据+创新

       数据产品创新：充分利用数据、标签、模型， 结合业务场景，进行数据产品化模式的创新， 同时，利用产品创新，牵引管理能力和技术能力的提升。数据管理创新：利用科学的建模作业、敏捷的数据运营、创新的数据资产管理等手段，实现数据资产价值的快速发现、保值和增值。数据技术创新：积极探索、尝试和引入前沿技术，利用新兴技术充分发现数据在广度、深度、频度和安全等方面的潜在价值。

       3.数据+生态

       场景生态：围绕业务场景，构建数据驱动的客户管理、营销管理、运营管理、风险管理、财务管理等数字智能全景，充分赋能业务，兑现数据的业务价值和经济价值。产品生态：构建多层次多形态多模式数据产品体系，降低数据使用门槛，全面赋能各类用户，实现数据普惠，兑现数据的内在价值。交易生态：接轨国家数据要素市场化建设，探索和构建数据能充分共享和交易的商业模式， 兑现数据的市场价值。安全生态：充分利用区块链、多方安全计算等数字化手段，以数据确权为前提，建立个人隐私及其它敏感数据全生命周期的保护体系，兑现数据的社会价值。 

       4.数据+金融

       基于数据资产估值体系，探索和建立包括数据银行、数据信托、数据证券、数据中介在内的创新商业模式或数据资产金融工具，催生新的银行业务模式，为银行自身发展创造新的动能，推动国家数字经济可持续发展。

       三、六大支柱

       数据组织：商业银行要适应性调整组织架构，加大资源投入，增加复合型人才比例，通过培训提升员工数据技能，支撑数据能力建设，形成数据与业务深度融合的数字化组织，构建数据能力中心。数据文化：商业银行要构建数据文化，让数据成为商业银行的行为和信仰体系，逐渐培养员工的数据觉察力和敏感度，提升员工的数据素养，让数据真正成为商业银行文化的重要部分。数据治理：商业银行要建立面向服务的主动型数据治理机制，提升治理效率和服务业务满意度， 通过新技术丰富治理手段， 提升自动化治理能力，建立大数据治理机制，丰富商业银行可用数据资源。数据资产：商业银行以数据价值为导向，从资产登记、资产服务化、资产评价和估值等方面，构建数据资产运营管理体系，让数据资产可见，可懂、可信，建立业务与数据的桥梁。数据合规：商业银行要围绕法律法规要求，加强个人隐私的数据保护，强化数据资源全生命周期安全保护，建设大数据环境下数据分类分级保护能力，加强数据安全评估，推动数据向外安全有序流动。数据智商：商业银行通过引入数据编织、低代码工具和机器学习等技术，降低数据服务门槛，提高商业银行运营决策效率，丰富数据产品数量， 让商业银行成为真正的数据驱动型组织。