放大
缩小
默认当前，数据已成为银行重要的战略资源，健全数据管理体系、提高数据处理效能对于银行实现客户精准营销、提升服务质效、增强市场竞争力具有重要的意义。
与大型商业银行数据治理体系日益完善相比，大多数农商银行的数据运用基本还处于起步阶段，在数据采集、管理、分析、运用等环节还存在诸多问题。一是数据来源单一。大部分农商银行的数据仍以内部业务数据为主，且多为结构化数据，图片、视频、音频等非结构化数据尚未纳入，客户行为数据和外部工商、税务、法院等跨行业数据未能有效整合。二是数据质量不高。农商银行业务种类多样，各业务条线相对独立，数据多头、重复收集时有发生，且数据采集标准不一，统计口径各异，造成数据质量参差不齐，难以实现共享。三是数据运用困难。多数农商银行科研投入相对不足，科技专业人才缺乏，数据分析能力较为欠缺，应用领域较窄，利用数据建模分析解决实际问题的能力有待提高。四是安全意识较弱。部分机构数据保护意识不强，对数据下载、传输等环节管控不严，易造成数据泄露，损害客户利益及银行形象。
信息时代，谁掌握了大数据，谁就掌握了未来竞争的主动权。农商银行应将数据治理纳入中长期发展规划，通过科学的数据管理机制，不断提升数据挖掘分析能力，增强核心竞争力，实现高质量发展。
扩大数据来源，加大数据收集力度。统一规划全行数据管理架构，建立健全数据采集机制及标准体系，严控数据质量，为业务拓展奠定坚实基础。一方面，充分发挥自身点多、面广、人熟的优势，以网格化走访为手段，在依法合规的前提下，采取科学严谨的方法，全面采集客户基本信息、资产状况、投资情况、金融服务需求与喜好、本行及同业金融渗透等相关信息，并定期对数据采集的真实性进行验收考评，建立相对完整、标准化、动态化数据库，为差异化精准营销打下基础。另一方面，积极开展各类合作，引入银保监、人民银行、工商、税务、法院、社保、水电气暖民生部门等多方数据，搭建智慧校园、智慧医院、智慧工业园区等智能场景，通过闭合性功能社区全面收集和存储客户的多维数据；注重社交媒体等新型数据来源，通过各种渠道获取尽可能多的客户信息。此外，在结构化数据的基础上，按从小到大、从易到难的原则，逐步将各类非结构化数据或半结构化数据纳入数据库。
强化数据分析，提高数据运用能力。一方面，在现有数据平台的基础上，积极引入智能技术，在算力、算法、存储等方面不断改进，逐步形成行内、行外、线上、线下的结构化与非结构化数据集成能力以及多种数据格式并存的复杂数据存储能力，并运用实时决策、可视化等技术提升数据分析和挖掘能力，同时探索通过可视化、图表化的直观呈现，降低数据分析难度。另一方面，在运用大数据进行客户精准画像的基础上，实时掌握客户需求，链接自身服务渠道，精准提供个性化金融产品和服务，逐步构建智能化营销模式，提升营销效率。同时，以营销平台为抓手，推动银行内部客户资源、产品销售和渠道信息的多层次数据共享，实现产品交叉销售及业务联动，并加强对客户的风险识别及信用评估能力，在拓展业务的同时，及时预警风险、防范风险。
坚持内培外引，加快专业人才储备。目前，农商银行人才储备缺口较大，只有吸引、培养人才，才能为银行转型发展奠定坚实的基础。一方面，加速人才培养。一名优秀的数据分析师，既要掌握先进的互联网技术，又要在对公、零售、渠道、财务、风险等细分领域具备深厚的专业水准；既要有创新思维，又要有实践能力。农商银行应根据转型需要，坚持请进来和走出去的培养思路，有计划的对员工进行专业能力和技术操作等各种培训，培养金融科技复合型人才。另一方面，加强与先进银行、高校、科技公司的合作，积极引入数字化专业人才。同时，改革薪酬绩效、晋升机制，加强文化建设，千方百计留住人才。
强化合规意识，加强数据安全管控。农商银行应建立数据安全管理长效机制和防护措施，严防数据泄露与不当使用。在采集数据时，应向被采集用户进行明示，告知采集和使用的目的、方式以及范围，在获取用户授权后方可采集。存储过程中，可通过特征提取、标记化等技术将原始信息进行脱敏，并与关联性较高的敏感信息进行安全隔离、分散存储，最大限度降低数据泄露风险；实行数据等级管理，根据业务需要申请使用数据，严控访问权限。同时，强化对查询数据的在线二次分析加工能力，减少使用本地工具进行数据加工的依赖，最大限度降低因工作需要进行数据下载的需求，对确需下载的，要进行事前审批和留痕管理，有条件的机构可部署防泄漏系统，切实保障数据安全。
（作者单位：吉林九台农商银行）
放大
缩小
默认
