文 / 中国光大银行数据资产管理部 赵苗 朱良姝 郭丛敏
当前，我国经济转向高质量发展的新阶段，坚持高质量发展是新时代的硬道理。习近平总书记在中央金融工作会议上提出“做好科技金融、绿色金融、普惠金融、养老金融、数字金融五篇大文章”，为牢牢把握推进金融高质量发展这一主题指明了方向。数字经济和数字金融的蓬勃发展离不开数据作为关键生产要素作用的充分发挥。如何高效释放数据要素价值，发挥数据要素的乘数效应，助力自身高质量发展，是商业银行当前面临的重大机遇和挑战。
商业银行零售业务数据价值释放的机遇与挑战
伴随着数字化转型的进程，商业银行零售业务产生和积累的数据数量急剧增加，数据类型也不断丰富。这就为释放数据要素价值、发挥数据要素的乘数效应带来了机遇。
1.数据具有高度的多场景可复用性。随着数字化、网络化、智能化进程不断加快，数据逐渐成为经济活动中不可或缺的生产要素，也成为推动经济增长的重要动力。激活数据要素价值，就要认识数据要素的基本特征。相对于“多主体产生”“权属复杂”“价值密度不均匀”等特征，数据最重要的特征就是其具有多场景复用的能力。一组数据可以多次复用，不断挖掘出新的价值，这也成为发挥数据“高流动性”“低成本复制”“报酬递增”特点的基础特性。
2.数据是知识的载体，可以创造新的价值增量。随着业务数字化转型的不断深入，零售业务流程的各个环节积累了大量数据。可以从这些数据中学习挖掘，将过去业务专家积累的业务经验以及沉淀在数据中不易人工发现的隐性规律拓展成为机器能够捕捉、人员能够理解的显性经验，并将这些经验应用到不同的业务场景中，从而实现工具升级、知识扩散、价值倍增。
商业银行在零售业务的发展过程中，希望数据能够成为价值创造的重要源泉，培育业务发展的新动能。然而这一愿景的实现也面临着较大的挑战。
3.数据只有与场景有效结合，才有可能释放出价值，发挥乘数效应。生产要素是经济活动中的基本要素，是创造社会财富的坚实基础。数据作为生产要素还是要进入生产应用，为业务高质量发展赋能。国家数据局联合多个部门印发的《“数据要素×”三年行动计划（2024—2026年）》就明确提出要让沉睡的数据活起来，结合不同行业的基础条件和数据禀赋，挖掘和释放数据要素典型领域应用场景，以场景为牵引，推动加快数据要素化进程，从而更好实现数据价值，构建以数据为关键要素的数字经济。银行业虽然有众多业务场景，但不同业务数据积累和分析基础有较大区别，如何高效进行数据价值的发掘和场景复用仍有待探索。
4.数据作为新劳动对象，需要有新劳动者和新生产工具以及与之适应的机制模式配合，才能构建新质生产力。新质生产力具有高科技、高效能、高质量的特征，需要有“能够充分利用现代技术”“具有知识快速迭代能力”的新型人才和大数据、人工智能等技术基础设施的配合。银行业在数据相关人才培养和基础设施建设上有一定积累，但由于自身业务发展的历程和组织架构的现状，还存在着人员和技术设备分布上的差距和不平衡性。如何在现有资源条件下，充分提高效能，满足业务发展的数据分析需求，释放数据价值，是商业银行正在面对的现实挑战。
“联创陪跑，总分协同”的分析赋能新模式
根据数据作为生产要素的属性特点，结合商业银行零售业务数字化转型的需求和进程，光大银行零售业务条线和金融科技条线与分行联合开展了以“联创陪跑”为主题的“数赢行动”，探索出一套促进数据分析赋能、数据价值深挖、数据要素乘数效应发挥的新工作模式。
1.建立“联创陪跑”机制，聚焦分行竞争力提升。结合分行零售和科技现状及能力选取重点分行开展“联创陪跑”，辅导分行深化数字实践，推动数字化营销转型规划与落地，陪伴分行数字化营销场景孵化与复制，培育数字化转型先锋样本分行。总行数据资产管理部与各重点分行构建协作机制，共同推动数据分析工作开展与成果落地，以数据分析为驱动，提升分行的经营竞争力。总行为分行提供全链路数据服务支持，采取“总行主导、分行参与”和“总行指导、分行自主完成”两种分析模式，建立“总行与分行数据分析师搭档组队定期沟通机制”“联创陪跑双周汇报会”等一系列举措，围绕分行关注的分析主题，总分协同开展分析工作，进而提升分行的数据分析能力。
2.建立分析需求直达模式，打造零售数据分析地图。积极开展调研，打造线上线下结合的总分支需求直达模式，深入一线开展需求访谈。围绕零售业务，与总行多个部门处室和多家分行的访谈对象开展现场调研访谈。基于调研收集的分析需求，打造零售领域数据分析地图。全面覆盖零售财富管理、零售信贷、信用卡、远程银行等零售业务，包含保持收入增长、提升客户经营能力、提升产品运营能力、提升业务协同效益和提升渠道运营能力5大方向的分析能力。通过数据分析地图快速匹配业务赋能分析需求，组成总分联创团队，开展分析工作。
3.建立数据分析标准方法指引与工作模板，总分协同开展数据分析工作。总行数据资产管理部总结自身长期从事数据分析工作的经验，打造数据分析八步法的具体落地实施方案。在收集分析需求阶段，依托标准化需求采集模板收集需求，满足分析需求管理、分析工作分配、分析工作排期的需求。随后梳理分析任务，从分析对象、对象属性两方面协助业务人员和数据人员在具体分析工作范围上达成统一，然后开展数据探查。分析开始前，对齐分析因子口径，并针对口径缺失或不准的因子明确核准过程业数双方的责任，再制定分析计划，保证业务与数据部门在分析工作开展计划、业务参与环节、参与要求方面达成一致，保障业数双方充分融合。之后开展分析工作，依托分析方法指引、分析结论示例指导，支持数据分析工作更加高效地开展，进而输出洞察成果，参照洞察成果示例进行成果输出，加强数据分析成果对业务的赋能与支撑作用，同时编制分析报告，参照洞察分析报告模板，制作更易读、更规范的报告。最后在落地分析成果阶段明确分析报告交付后的落地要求，包括分析因子沉淀、看板制作、落地效果监测等内容。
4.沉淀数据资产，持续推广发挥乘数效应。在“联创陪跑，总分协同”的数据分析工作中沉淀数据分析因子，支持分行数据分析师直接复用，提升共享效率与分析准确度。基于报告中分行较为认可的分析内容，采用商业智能软件工具开发数据分析看板，沉淀数据分析资产，以此为蓝本支持其他分行在当前看板基础上进行定制与敏捷开发。对于分析过程中沉淀的数据看板、客户经营标签、既往成功落地方案等不受限于分行特色的成果，经数据验证后直接复用于其他分行。通过探索一批“跑得通、有成效、可复制推广”的实践，从不同业务场景和不同机构两个方向挖掘数据价值，发挥数据的乘数效应。
新模式新机制的成果和经验思考
在“联创陪跑，总分协同”分析赋能的新模式下，总分行密切合作，已高效完成北京、石家庄、苏州、合肥、郑州、广州等分行的零售领域专项数据分析赋能工作，解决了分行急难愁盼问题，并协助推动实际营销落地，使分行零售业务数字能力实现有效提升。总结新模式新机制落地成果产出的经验，可以发现两个关键点。
1.分析赋能，需要聚焦经营痛点与业务重点，打造有洞察力、能见效的分析成果。以结果为导向，让业务部门人员切实感受到数字化转型和数据的赋能价值。建立数据洞察成果结论、洞察分析报告等输出示例模板，明确分析报告交付后的落地要求，加强数据分析成果对业务的赋能与支撑作用。
2.总分协同需要长效“陪跑”，保证分析进度和落地效果。在前述多种分析模式、沟通和统筹管理机制的基础上，针对银行业总分业务科技架构的特点，进一步采用总分行合作清单制，从需求、问题、落地的角度定时维护、共同更新工作清单，保证分析进度和落地成果。并通过对这些措施持之以恒的实践，在有效解决业务痛点的同时培养分行自主数据分析能力，赋能分行零售业务新发展。
“联创陪跑，总分协同”分析赋能的新模式新机制，在保证高效完成数据分析价值挖掘的业务需求的同时，有效提升了银行业务科技人员的数据思维和数据应用能力。聚焦经营痛点与业务重点，打造有洞察力、能见效的分析成果，通过可复制、可推广的场景案例与数据资产的结合，为银行业发挥数据要素乘数效应提供行之有效的参考。
（此文刊发于《金融电子化》2024年11月上半月刊）
新媒体中心
主任 / 邝源
编辑 / 姚亮宇 傅甜甜 张珺 邰思琪
