获奖单位：苏州农商银行
荣获奖项：数据平台创新优秀案例
一、项目背景
近年来，数字变革的兴起，对各行各业固有的业务及服务模式都造成了巨大冲击，银行业也不例外。中小银行在面对日趋激烈的竞争环境时，只有主动拥抱变革，抓住机遇，转变观念，转换思路，充分运用数字化、智能化的手段，有效提升服务客户能力，才能进一步创造价值、获得更好发展。在数字化转型过程中，数据作为重要生产要素，它的价值受到了银行、监管机构乃至国家层面的重视。但银行从来不缺少数据，缺少的是用好数据的工具和本领。在数字化转型的实践中，中小银行起步较晚，同时也由于自身规模、地域、资金等客观因素限制，各方面发展尚未成熟，面临着数据分散、有数难用、挖掘不深的困境，对于如何走出适合自身的数字化转型之路仍存在诸多的困惑，也面临着众多的困难与挑战。
基于华为高斯数据仓库为基础进行数据中台体系的建设，是本行开展信创探索以来的首个完整方案，实现了硬件（鲲鹏服务器）+操作系统（银河麒麟V10）+数据库软件（Gaussdb）+数据资产管理平台（自主研发）+BI（帆软）的深度融合。前端数据资产管理平台主要以元数据为驱动、数据架构管理为核心，提供了元数据管理、数据血缘与影响分析、数据标准、数据质量、数据服务以及数据可视化等各个方面相融合的一体化、线上化流程管理与数据应用工具。同时围绕制度梳理、标准制定、规范流程、持续培训、强化检查与考核等方面，建立起一套符合中小银行特色的数据治理长效机制，有效提升银行自身数据资产管理的能力，为数据应用挖掘变现提供更可靠、更有价值和更高质量的数据，同时提供专业化、敏捷化的数据服务能力。
二、项目方案
数据中台是位于底层存储计算平台与上层数据应用之间的一整套体系，屏蔽掉底层存储平台的计算技术复杂性，可有效减少在数据使用过程中对技术专业的依赖程度，从而降低数据的使用成本。数据中台实现数据汇聚、开发，并对企业数据资产进行有效管理，通过数据业务体系梳理对数据进行重构分层存储，将数据资产转换为数据服务能力，应用于不同业务场景。项目架构主要分为以下几部分内容：
（1）数据存储与计算体系
数据中台本身不产生数据，所有数据均来自各业务系统的数据库、日志和文件等，这些数据原本分散在不同的网络环境和存储平台中，难以利用，很难产生业务价值，所以需要通过统一汇聚存储。通过华为高斯数据仓库为基础进行数据存储与计算，是本项目信创的核心基础。华为的数据库软件（Gaussdb）是分布式分析型数据库，具备更大量的存储能力和更强劲的计算能力，且具备灵活的横向扩展能力，满足高可用，高性能，高安全的要求。
（2）数据架构体系
业务数字化是数据工作的前提，通过业务对象、规则和过程数字化，结合各类辅助性外部数据的接入，以及数据治理、数据贯标，持续提升数据质量，建立清洁、可靠、完整的数据源。数据中台通过范式建模与维度建模两种理念相结合建立适合中小银行数据稳定存储的标准模型，推动内外部数据按照相应的标准入湖入仓，结合数据清洗和质量检核机制，形成标准化、规范化的数据底座。
（3）数据资产体系
数据中台的模型存储数据比较偏向于技术，业务友好性不足，而数据资产管理需以业务人员更好理解的方式，把数据资产展现给企业的业务人员。本项目自研的数据资产管理平台作为本行的数据资产门户，将数据治理制度规范流程线上化，可有效提升银行对自身数据资产的管理能力与应用能力，助力数据挖掘和价值变现。
（4）数据服务体系
数据服务体系是把数据变为一种服务能力，通过数据服务让数据参与到业务环节中，从而激活整个数据中台。数据服务体系是数据中台重要组成部分，本项目通过采购帆软报表国产软件，并自研数据敏捷共享平台、数据可视化大屏、数据申请交付流程，将数据服务与数据资产管理平台进行融合，全方位提供数据服务能力。
三、创新点
数据仓库标准区模型设计：数据仓库标准区从业务角度设计数据模型，拉低数据分析门槛，降低取数用数难度，实现快速响应前台数据应用。同时，结合多种外部数据，提升数据全面性、准确性、唯一性。比如数据仓库标准区构建统一的基础客户视图，仓库传统的范式建模与维度建模结合，实现客户的ONEID，统一取数口径，避免下游重复开发，消除源系统字段取值不统一的数据质量问题，标准化字段命名、字段类型，为下游提供标准化的数据模型。
图 1 数据仓库标准区设计
数据资产管理平台：在整个数据资产的管理工作中，利用有形平台工具将数据资产管理相关职能整合统一化，搭建了具有本行特色的数据资产管理平台，涵盖了元数据管理、数据标准、数据质量、数据服务、外部数据、数据报表、监管报送、数据补录、数据运维等重要功能子模块。
图 2 数据资产管理平台功能设计
四、整体功能
（1）面向数据治理人员：数据中台在数据治理职能方面提供数据标准与数据质量的管理功能，方便用户进行数据标准的维护，并将数据标准落地于业务系统实施过程中。目前本行实现了756项基础标准、527项指标标准、8802项词根标准、1176项代码值标准的在线流程化管理，并将业务交易系统数据模型变更流程与项目实施一体化对接，初步实现了数据标准在全行模型管控落地，并形成从数据质量问题登记、整改流转到整改效果监测等全流程线上化闭环的管理。
图 3 数据标准-代码标准
图 4 数据质量管理
（2）面向数据资产管理人员与数据开发人员：元数据管理功能为用户全方位梳理数据资产并提供统一的数据资产视图。元数据的自动采集与检索、数据血缘的自动整理、模型变更的影响分析、数据的分级分类等功能可以帮助用户掌握数据在使用过程中的信息，通过血缘分析可实现关键数据的追踪和记录，影响分析可帮助分析人员了解下游使用数据的信息，快速掌握元数据变更可能造成的影响，有效评估元数据变化带来的风险，成为数据资产发展的关键驱动力。
图 5 数据管理-元数据查询
图 6 数据管理-数据血缘
（3）面向数据运维人员：结合本行各部门间的职能体系，数据中台提供了数据脱敏、数据上线申请、数据运行统计等技术工具，有效衔接数据部门与科技部门间的协同工作，大大降低协调成本。
图 7 数据运维-数据脱敏
（4）面向数据服务对象：数据中台通过设置数据申请流程，规范化了数据申请与交付的工序。在服务数据调用需求时，数据资产管理平台发挥着数据中台的可视化职能，以批量订阅与API的方式为下游系统以及数据应用提供数据查询服务。
图 8 数据服务-API接口
在满足业务人员与数据决策人员的数据查询需求时，数据中台以固定报表、自助分析、数据可视化（大屏）等丰富的数据服务方式与工具，为用户提供了多种数据成果分析与展示页面。
图 9 数据报表
图 10 数据可视化-驾驶舱大屏版
（5）面向外部数据管理人员：数据中台针对外部数据接入接口不统一、难管理、难统计等复杂因素，建立了专门的外部数据管理模块，用于对接全行接入的外部数据产品，整合了接入、调用、计量和统计等功能，对外部数据进行统一扎口管理，为全行数据应用和业务系统提供标准化、统一化的外部数据服务。
图 11 外部数据管理
此外，数据中台还结合本行的管理特色，整合嵌入了监管报送、数据补录、定时任务等多项辅助功能，实现了各项数据功能的一站式服务。
图 12 监管报送
目前数据中台还处于不断的迭代与完善过程中，本行将在如何释放数据价值、实现银行的数字化转型的重要课题中不断探索与实验，为充分有效挖掘数据价值逐步清扫障碍，助力银行的数字化转型。
五、项目过程管理
本行于2021年1月启动数据中台信创项目，2021年5月上线自研的数据资产管理平台。2022年9月完成华为高斯数据仓库架构的上线试运行，将于10月中旬进入数据中台信创项目的正式运行。
六、运营情况与成效
本行数据中台信创项目自上线以来，累计处理全行数据申请需求3900余个，上线报表600余张，自助分析81个，为全行65个业务系统提供更敏捷的数据服务能力，为下游系统提供数据服务的批量订阅总计任务数1960个，API接口数386个。
以数据中台为抓手，建设统一决策引擎，构建准入、额度、定价等线上风控模型，推动信贷产品流程创新。建设全面风险管理系统和统一建模平台，覆盖公司、零售、同业三大业务条线的预警信号体系，加强客户的财务状况、运营情况、还息还款行为等各类风险点的监测，减低不良贷款率。
基于准入模型、授信模型和定价模型，批量推出一系列信贷产品，下沉重心，服务广大本地城乡居民，让更多本地老百姓享受到苏州农商银行普惠金融的新成果。结合企业环保评级和排污名单等外部数据，引导资金流向绿色领域，服务绿色金融改革创新。积极响应吴江区探索率先基本实现农业农村现代化三年行动计划，落实
“党建共建助力乡村振兴金融服务启动会”的会议精神，启动“阳光信贷”工程，进行全面数据建档、整村授信、优质客户筛选、短信/电话/微信等批量综合营销、集中办理贷款。
结合大数据挖掘建模、金融知识图谱技术，下发各类营销名单，让数据多跑路，让客户经理少跑路，助力精准营销。深度分析客群特征，精准定位目标群体，完善客户视图，搭建“移动银行”一站式服务平台，客户经理可以轻松完成客户视图、客户营销、产品推荐、业务办理、绩效管理等服务。
七、经验总结
数据中台建设不是简单的技术与产品堆砌，而是一套和数据治理产品相匹配的、符合银行自身特色的支撑运营体系，回归数据中台建设的初心，以业务提质增效为目标，建设以业务价值释放为驱动，“先融合、再统一”的思路，建设数字时代企业新型业务发展模式的数据能力中心。项目的建设主要分为以下几步：
（1）对各部门进行数据需求的调研交流，整理完善数据标准体系，促进数据的统一规范和持续运营，实现数据资产可控、可管。并根据当前金融业务现状，充分考虑复用性、可靠性，结合全行的整体规划，完成整个方案设计。
（2）利用工具、产品的赋能打破数据壁垒，实现数据的统一接入、存储、应用和管理。对外提供数据服务，实现现有数据资产的盘点、梳理、整合及业务应用全流程管理。通过微服务架构，构建数据资产体系，用以支持后续的项目建设。
（3）分析业务场景，整理全行数据指标，并对各个指标数据逐层下钻，为经营决策提供充足的数据支持。
在“专业的能力+好用的工具+丰富的经验”的三重助攻下，实现数据中台信创项目的落地；在帮助业务提质增效的同时，也为全行数字化转型和以数字化为支撑的管理变革奠定了良好基础。
更多金融科技案例和金融数据智能优秀解决方案，请登录数字金融创新知识服务平台-金科创新社案例库、选型库查看。
