2022年金融行业BI商业智能应用白皮书

100 2022年金融行业BI商业智能 应用白皮书 APPLICATIONWHITEPAPER 北京永洪商智科技有限公司 永洪BI「更敏捷、更快速、更强大 YonghongTech TalkwithData 目录 CONTENTS 前言01 现状一一数字化转型走向成熟，数据应用成为关键02 政策一一引导数据应用从局部到整体05 挑战一一从微观到宏观，多个层次仍需健全 1、金融行业的数据资产管理应用水平仍待提高09 2、金融数据应用技术与业务探索仍需突破60 3、金融业数字化人才建设与培养仍需提升60 4、金融数据应用的行业标准与安全规范仍待完善10 5、金融数据发展的顶层设计和扶持政策仍需强化10 破局一一落脚现状，分段实施，布局未来 1、战略规划统一，层级分工明确12 2、划分阶段，紧抓关键15 3、全员数据分析能力的提升17 4、围绕政策与趋势推动数据规模化应用20 5、基于技术和政策实现金融数据协同共享21 实战一一金融机构数据应用典型场景 银行机构23 1、客户定位与服务23 2、网点经营分析25 3、零售业务26 4、风控-反欺诈分析27 5、电话营销29 保险公司30 6、客户评级30 7、网销广告优化31 8、承保分析33 9、理赔分析35 其他金融机构36 10、分支机构经营分析36 11、业务、风控分析37 12、综合分析（资产、费用、申购赎回）分析39 13、数据治理、监管报表分析40 未来一一趋势之下，更应当打好基础42 关于永洪科技45 永洪BI 前言 REFACE 金融行业一直是数字化转型的先锋，并且有着数据量大、数据精细度要求高、数据体系庞大、 数据安全保障严格等特征，在数据赋能业务、支撑经营体系等应用层面属于领先。随着数字化转型成为国家战略以及“十四五”规划的重点之一，金融行业的数据应用将更加广泛、更为 深入。 永洪科技针对金融行业数字化转型及数据应用情况进行了调研，并结合自身对行业数十家大型金融机构的服务经验，认为当前金融行业的数字化转型已经步入收获期，即基本完成前期的系统部署优化等工作，开始寻求数据资产的敏捷变现。 诸多金融机构采取了较为统一的数据应用路径：以业务在线化来应对和服务客户在线化，进而构建以数据为支撑的线上线下一体化的营销、管理体系，重点建设关键性项目，如销售管理、风险防控、成本管控等，业务产生数据、数据优化业务，最终实现科学、智能的决策数字 化。 在此过程中，也显现出了许多共性问题，包括数据资产管理应用水平仍待提高、数据应用技术与业务探索仍需突破、数字化人才建设与培养仍需提升、数据行业标准与安全规范仍待完善、数据发展的顶层设计和扶持政策仍需强化等。 本白皮书基于金融行业商务智能及数据应用的现状，分析政策引导指向、核心问题，结合真实案例经验找到破局之道，同时针对金融机构数据应用典型场景，突出建设与应用的重点，以 期为金融机构数据应用及商务智能的实现提供思路、参考与启示。 01 01现状 数字化转型走向成熟，数据应用成为关键 永洪B 当前，数字经济上升为国家战略，并已然成为企业发展和社会生活的基础。金融业作为社会资源调配的媒介之一，贯穿社会经济生活的方方面面，与数字科技巧妙融合，通过整体的数字化转型，实现数字金融和智慧金融，推动金融业高质量发展。 在需求愈发明显和紧迫，以及金融管理部门政策的引导下，各大银行、保险、证券等金融机构开始了具有规划性的数字化转型，并将其作为企业战略发展的重点之一，通过云计算、大数据、人 工智能、区块链等技术的应用及相关系统的部署、数据资产的积累与运用、组织结构的优化与数字人才培养等，全面实现数据与业务的融合发展，提升金融管理和服务能力，完善金融规范 和治理体系，推动金融业数据市场要素建设。 可见，数字化转型已经涉及到了金融企业的组织、业务、经营、管理等，贯穿了整体的思考逻辑和工作行为。因此，数字化转型应当上升到企业战略层面，而不能仅仅是个别部门的工作重点。对于金融业，数字化转型战略的制定与执行，已经在各大机构中普及。 从外部视角来看，居民线上生活场景的不断丰富、比重提升，是推动金融机构数字化转型及经营逻辑转变的重要原因之一。传统过于依赖线下网点为服务媒介的形式被打破，服务方式、场景和范围得以延伸，数字化、场景化、无界化成为新的特征。在此背景下，金融机构加强线上渠 道的建设，以数据为基础提升服务质量、加强客户粘性、降低营销成本等成为了共识。 不同类型金融机构制定数字化转型战略的占比情况 100%100%100%100% 83.33%83.33%87.50% 57.14% 正券 ■不同类型金融机构制定数字化转型战略机构占比 图1：不同类型金融机构制定数字化转型战略的占比情况 数据来源：金融数字化转型发展报告（2020-2021)） 03 于是，呈现出了一条清晰的数字化路径：以业务在线化来应对和服务客户在线化，进而构建以数据为支撑的线上线下一体化的营销、管理体系，包括销售管理、风险防控、成本管控等，业务产生数据、数据优化业务，最终实现科学、智能的决策数字化。 当前金融行业的数字化程度较高，已基本完成业务数字化阶段，前台如手机银行、微信银行等， 等，统一各端沉淀的数据资产，以提升整体经营服务能力；后台则在原本信息系统的基础上，突出数据驱动和安全高效性。 金融行业前期的数字化部署基本完成，数据应用成为了下一步工作的重点，而BI（商业智能）因其简洁易用性，一直是受到众多企业青睐的数据工具。 BI的本质，就是通过技术手段，将原本依赖人的经验来完成业务分析与决策，转变为通过数据 支撑的科学、智能决策，让系统直接帮助企业关联和分析业务间的逻辑，并以显性化的图表进 行展示。 数据显示，在各行业领域的BI应用投入中，金融行业处于领先位置，年投入约为15亿元，并逐 渐从最基础的数据报表可视化，转变为深层次的数据挖掘应用，让数据赋能于业务，指导经营决策。这也为数据规模化应用奠定了基础，而风险防控、精准营销、反欺诈、经营决策等是当前数据应用的核心领域。 0682.22% 80 68.89% 73.33% 68.89% 70 60.00% 60 53.33% 51.11% 504030 24 31 37 23 33 27 31 20 13.33% 6 10 征信风控其他 1机构数量一机构数量占总样本数百分比 图2：金融业大数据应用领域情况 数据来源：金融数字化转型发展报告（2020-2021) 04 02政策 引导数据应用从局部到整体 自2016年，我国在国家“十三五”规划纲要中确定“实施国家大数据战略”后，有 关部门发布了诸多政策，引导金融业数字化转型健康发展。例如： 2017年 三，国中》《三，国中》 指导意见》中强调，各家银行要统筹规划大数据基础设施，完善大数据治理机制，主动制定大 数据战略，建立大数据服务体系，提升大数据治理能力。 2020年1月 2020年1月，银保监会发布的《关于推动银行业和保险业高质量发展的指导意见》称，要充分 运用人工智能、大数据、云计算、区块链、生物识别等新兴技术，夯实银行信息科技基础。 2021年3月 银保监在行业内部下发《关于做好2021年大数据反保险欺诈工作的通知》及《大数据反保险 欺诈手册》（2021版）将继续借助全国保单信息平台，组织开展欺诈线索筛查、串并、移送，深 入推进大数据反保险欺诈工作。旨在引导行业运用大数据及早发现保险欺诈，帮助保险公司 精准定位风险。 2021年6月 银保监发布《关于开展银行业保险业“内控合规管理建设年”活动的通知》要积极利用大数 据、云计算、人工智能等技术提升内控合规管理的数字化和智能化水平，强化业务系统关键节 点的刚性控制，减少人为操纵因素，实现实时监测和自动预警。 2022年1月 数据能力建设、建设绿色高可用数据中心、深化数字技术金融应用、健全安全高效的金融科技创新体系、深化金融服务智慧再造、加快监管科技的全方位应用、扎实做好金融科技人才培养8个方面提出了新要求新任务，将数字元素注入金融服务全流程，将数字思维贯穿业务运营全链条，注重金融创新的科技驱动和数据赋能，推动我国金融科技从“立柱架梁”全面迈入 “积厚成势”新阶段，力争到2025年实现整体水平与核心竞争力跨越式提升 06 同时，中国银保监会下发《中国银保监会办公厅关于银行业保险业数字化转型的指导意见》中 提出，到2025年，银行业保险业数字化转型取得明显成效，具体为：数字化金融产品和服务方 式广泛普及，基于数据资产和数字化技术的金融创新有序实践，个性化、差异化、定制化产品和服务开发能力明显增强，金融服务质量和效率显著提高，安全高效、合作共赢的金融服务生态圈全面形成。数字化经营管理体系基本建成，数据治理更加健全，科技能力大幅提升，网络安全、数据安全和风险管理水平全面提升。 可以看出，在政策的引导下，未来3年的发力点主要有三个方面： 从数据基础性建设转变为数据资产的应用 金融业数字化转型已经逐步走向成熟，基础性建设已经基本完毕，尤其 第一方面是大型国有金融机构，已经制定了中长期的数字化转型战略，部署了较为完善的数据系统，并随着线上线下一体化业务和管理的开展，积累了 大量的数据资产。因此，下一阶段的关键是释放数据价值，将数据资产 转变为企业的发展动能，真正发挥数据“能源”的作用。 从单点突破到全面赋能 第二方面 当前在数据赋能业务方面，主要集中在核心业务层面，例如客户画像、营销管理、风险管控等，在一定程度上提升了金融机构风控能力、营销效率、降低经营成本。但数据的价值远不止于此，数据应当在企业的各个环节自由流动，整体覆盖企业经营，包括前端的业务与服务，中端的组织 优化、人才培养和管理机制等，后端的人力资源、财务管理等，实现全面 的数据赋能。 从独立应用到开放协同 由于金融行业的特殊性和数据的敏感性，当前金融机构的数据系统多为 本地化私有部署，密集的海量数据只应用于本机构业务。但金融业作为 第三方面社会经济生活的基础，广泛性是其本质特征，加之数据的特点在于越丰 富、越精细，价值越高。因此，在保障安全和隐私前提下，数据共享、开 放协同，更广泛、更具规模的应用成为必然，打破数据孤岛，提高全行业数据应用效率和效果，推动智慧金融的实现与普及。 07 ANALYTICS 4,35 C 3 03挑战 从微观到宏观，多个层次仍需健全 金融行业的数据资产管理应用水平仍待提高 金融行业的数据资产管理仍存在数据质量不足、数据获取方式单一、数据系统分散等一系列问题。一是金融数据质量不足，主要体现为数据缺失、数据重复、数据错误和数据格式不统-等多个方面。二是金融行业数据来源相对单一，对于外部数据的引入和应用仍需加强。三是金 满足当前大规模的数据分析要求，数据应用需求的响应速度仍不足。 金融数据应用技术与业务探索仍需突破 金融机构原有的数据系统架构相对复杂，涉及的系统平台和供应商相对较多，实现数据应用的技术改造难度较大，而且系统改造的同时必须保障业务系统的安全可靠运行。同时，金融行业的大数据分析应用模型仍处于探索阶段，成熟案例和解决方案仍相对较少，金融机构数据应用需要投入大量的时间和成本进行调研和试错，一定程度上制约了其积极性。而且，目前的应用实践反映出数据分析的误判率还比较高，机器判断后的结果仍需要人工核查，资源利用效率和客户体验均有待提升。 金融业数字化人才建设与培养仍需提升 数字化转型始于技术，成于人才。企业数字化转型，其核心技术的实现和创新需要大量的人才作为支撑，同时数字化转型的关键在于数据的应用，因此其相关人才的建设不应仅局限于门人员，还应当提升业务部阶对于数据的思维和运用能力，提升业务层面的工作效果。然而，当前金融机构面临着数据人才紧缺的情况，据相关数据显示，百分之九十以上金融科技企业认为中国市场正在面临着金融科技专业人才短缺问题，缺乏专业人才也成为了金融机构大数据 应用中的首要问题。数字化人才的匮乏，在限制金融机构数字化转型速度和成功率的同时，还 会导致