银行BI赋能高质量发展新引擎

2025帆软商业智能峰会 大连银行银行BI赋能高质量发展新引擎 演 讲 ： 韩 爽 大 连 银 行-高 级 数 据 分 析 师 企业简介 大连银行中国东方资产管理股份有限公司旗下重要子公司 成立于1998年3月，注册资本75.5亿元，在北京、上海、天津、重庆、成都、沈阳、丹东、营口设有8家异地分行，在大连地区设有总行营业部及10家管理型支行。 截至2024年末，大连银行资产总额5203亿元，各项贷款余额2713亿元，各项存款余额约3450亿元。 2024年7月出版的英国《银行家》杂志全球前一千家大银行排名中，大连银行位列第286位，较上年提升42位。 组织分布 信息科技部采用“一部七中心”的运作管理模式，包括三个开发中心、需求架构中心、信息安全中心、生产运营中心、数据治理中心。 数据建设规划 建设目标 升级湖仓一体数据底座，持续优化完善三大核心数据平台，打造专业化的数据集市，沉淀数据资产，扩大数据服务范围，提升数据开发效率和质量，提高数据服务效能。实现“业务数据化” “数据资产化”“资产服务化” “服务业务化”四个目标，提高数据资产管理、数据分析和数据服务三大能力。 数据问题与挑战 分散的BI工具、异构数据源、业务系统的差异性，给我们的工作带来了一系列的复杂性。 FineRepor t的应用实践 固定报表 模块介绍 •从多角度和维度对数据进行分析，帮助业务人员理解客户行为、业务趋势等，支撑了总行各业务部门和分支行日常经营和决策。 系统亮点 •涉及零售、公司、普惠、计财、信用卡、风险、运营等全行各条线。•累计700余张，满足了全行业务人员的日报、周报、月报、季报等数据需求。•日均访问量3000余次，月活跃模板600余个，月活跃用户1500左右。 FineRepor t的应用实践 魔数眼 模块介绍 •作为我行零售数字化转型的重点任务之一，2020年初，我行启动了移动数字化应用平台——“魔数眼系统”的建设工作。 •“魔数眼系统”旨为经营机构的管理人员和一线营销人员提供日常最关心的业绩数据和绩效数据的查阅功能，通过便捷、安全的移动端渠道解决业务人员取数难，用数难的问题。 系统亮点 •与OA移动办公平台集成，实现单点登录的功能。•系统整体运行在大连银行移动门户平台(EMM)中，确保了系统运行网络环境的安全性和可靠性。•数据时效性高，大额动账类数据可实现实时自动更新。 FineRepor t的应用实践 管理驾驶舱 模块介绍 •管理驾驶舱是银行管理层的“决策仪表盘”，为管理层展示全行资产、负债、损益、风险等全方位的经管信息。 核心内容 •呈现高级管理层关注的经营规模、盈利指标、四类业务的关键业务指标，助力管理层能够快速了解银行的整体运营状况。 •基于可视化技术，将资产负债、存贷款、风险、同业等数据通过仪表盘、折线图、柱状图、k线图等直观形式呈现，支持管理层进行数据的交互操作，深入探究数据背后的原因。 •移动管理驾驶舱，随时随地查看。 FineRepor t的应用实践 数据申请审核 模块介绍 •为加强对敏感信息查询的管控和记录，在报表平台上基于FineReport的填报报表制作了敏感信息报表的申请-审核机制 •按照一事一授权、谁使用谁负责、谁审批谁负责的最小授权原则，在提高了敏感数据的查询效率的同时也保障了敏感数据的使用安全性，做到了每笔敏感数据查询均有记录。 系统亮点 •申请人每次查询均需提出申请，经审核审核通过后方可进行查询。•移动端审核功能，方便审核人随时随地审批。 自助分析模式 方式1：查看 介绍 •IT负责到数据分析，将数据分析好之后，业务人员只管查看，这个模式面向业务部分不需要分析但需要获取数据信息的人。 IT端 •主动对接业务原始数据，从业务系统抽数进ODS；•搭建DW/DM数仓，完成数据清洗、建模；•自主做数据获取、处理、分析，产出完整分析结果。 业务端 •全程“等投喂”，只需接收IT交付的分析报告，当纯“数据查看者”，不用碰任何数据环节。 核心特点 •业务对数据0参与（或参与很少），依赖IT全流程；优点是业务省心，缺点是需求传递易失真，且响应慢。 自助分析模式 方式2：数据分析+查看 介绍 •IT负责到数据处理，IT将数据处理好比如做好自助数据集之后，交给业务人员自己去根据需要做分析，这个模式面向需要分析且有一定分析思维的人。 IT端 •完成基础数据建设：ODS存数、DW/DM数仓搭建；•做初步数据处理，但不做深度分析。 业务端 •因有“数据分析思维”，能基于IT给的半成品数据，自主做数据分析，产出业务结论。 核心特点 •业务参与数据分析环节，基于IT预处理数据做价值挖掘；•优点是贴合业务场景；•缺点是业务得懂分析逻辑，且数据处理深度受限。 自助分析模式 方式3：数据处理+分析+查看 介绍 •IT负责到将基础数据处理好接入BI，业务人员去自己处理数据、自己分析，这个模式面向需要分析且有一定数据处理能力和数据分析能力的人。 IT端 •做最基础数据建设：ODS存原始数据、DW/DM搭好基础框架、加工主题模型•把模型数据交付业务，不做其他数据处理。 业务端 •因有“数据处理能力”，要自己做数据处理，处理完再做数据分析，产出结果。 核心特点 •业务参与数据处理+分析，从更上游介入数据流程；•优点是数据可控性更高；•缺点是业务得掌握数据处理技能，工作量大，对业务能力要求升级。 自助分析模式 方式4：数据获取+处理+分析+查看 介绍 •IT只负责搭建数仓，将数仓开放给业务人员，业务人员自己拿数据、自己处理、自己分析，这个模式面向既懂技术又懂业务的人。 IT端 •仅提供最基础数据环境，几乎不参与数据加工，最多做极简易的技术支持。 业务端 •因具备“技术+业务”复合能力，要自主完成全流程：从数据获取、处理、分析到产出结果，完全当“数据分析师+开发者”。 核心特点 •业务深度介入全数据流程，从获取到分析闭环自主完成；•优点是需求响应极快、贴合业务；•缺点是业务得兼备技术（会数据库取数、清洗代码）和业务（懂分析逻辑）能力，门槛高，人力成本大。 自助分析模式 四种方式核心区别 FineBI建设历程 随着业务的使用以及FineBI的功能越来越强大，大连银行正在准备升级为bi6.1。 2025 将bi5.1升级为bi.6.0，满足了业务自行查询和分析数据的需求，同时为方便业务人员登录，采购了类OAuth2单点登录插件。 将bi5.1独立出来，成为数据自助分析平台，并开始进行自助分析推广以及相对应得数据人才孵化活动。 FineBI数据资产 介绍 •对客户、机构、科目、产品等多个维度层级进行汇总加工的宽表模型，适用于直接读取使用的场景，强调业务口径的统一性和准确性。 核心内容 •分条线模型设计：客户、存款、贷款、风险、财务、金融市场、公共、委托、介质、担保等。•平台数据资产展示。•平台数据资产含义查询。 FineBI平台推广关键动作 宣传推广 日常学习 在信息科技部负责管理“数据分析人才交流群”，在群内推送数据分析的优秀案例，业务部门对平台的使用问题、建议均可以在群内沟通、交流。 将数据分析师培养推广计划进行各部门、各条线的初步触达，调动业务人员对数据分析的热情。 系统培训 人员认证 ①平台认证：FCA-FineBI认证；FCP-FineBI认证，针对于优秀人员提供FCP-FineBI认证奖励（10人）。 ①面向总行各部门、分支机构重点部门及科技职能部门分4批次开展培训。 ②将从数据自助分析平台使用、数据架构、数据安全与数据分析总览四个维度进行线下集中培训。培训时长预计2周，培训最后一天进行考核。 ②行内认证：通过平台FCA-FineBI认证且通过学习班考核的业务人员颁发“大连银行金融数据分析师”荣誉证书。 FineBI推广成果 用户 •查看用户：60+ •设计用户：70+ 分析主题 •分析主题：100+•仪表板：100+•自助数据集：1000+ 使用情况公示 •平台：实时 •协同通知：每月 FineBI的实践应用 信用卡全生命周期管理 核心内容 •基于用户从申请到账户注销（或结束服务）的全流程数据，通过多维度指标拆解与动态追踪，实现风险管控、收益优化及客户运营的系统性方法论。 核心价值 •其核心价值在于将用户行为数据转化为决策依据，贯穿贷前、贷中、贷后三个阶段，形成闭环管理。 •实现信用卡业务的“精准获客-高效运营-风险可控”的良性循环。 FineBI的实践应用 信用卡全生命周期管理 贷前 筛选优质客户，建立风险准入门槛，优化获客渠道。 •进件分析：通过进件来源、进件质量的分析，为银行获客。 •进件细分：通过客户评分、审批时长等分析，为后台操作人员提供建议。•客户画像：从各个渠道整合信用卡持卡人的各类信息，包括性别、婚姻、行业等维度，并进行分析，用于风险评估与精准营销。 FineBI的实践应用 信用卡全生命周期管理 贷中 提升客户活跃度，促进额度使用，优化收益结构。 •分期数据分析：分析客户分期业务的使用情况与特征。•Vintage分析：采用Vintage账龄分析法，以账龄、开户日期为维度，分析信用卡额度使用情况，为业务人员提供一些参考建议。•客户价值分层：基于客户贡献度与风险等级进行分层，制定差异化运营策略。 FineBI的实践应用 信用卡全生命周期管理 贷后 及时识别逾期风险，降低坏账率，优化资产质量。 •五级分类情况：根据贷款风险程度将信用卡资产划分为五个等级，遵循监管标准。 •逾期情况：分析逾期客户的分布、成因与趋势。•迁移率：衡量客户在不同逾期阶段的流转概率，用于预测风险演变。通过迁移率模型预测未来坏账规模，调整催收资源分配（如高迁移率阶段加强催收）。 FineBI的实践应用 管理赋能金融统计工作 解决方案 现状 效果 •金融统计报送中，人工填报、手工校验和手工下载业务明细等环节操作繁琐、效率低下且易出错。特别是报表变动说明的编写，人工操作步骤多，耗时耗力，效率难以提升。 •已实现多个报表变动说明的自动编写，将原本耗时2小时的任务大幅缩短至仅5分钟，显著提高了工作效率和数据准确性。 •基于数据自助分析平台的数据处理功能，将人工操作步骤固定到平台上。 总结与展望 展 望 未 来 回 顾 过 去 银行业的数字化转型将进入新的阶段。大连银行将继续深化帆软产品的应用，不断探索新的应用场景和功能。 大连银行通过引入帆软产品，为实现数字化转型提供技术支持，商业智能技术成为推动银行高质量发展的强大引擎。 例如，结合人工智能技术，进一步提升数据分析的智能化水平；加强数据的安全共享和信任机制建设。同时，银行还将加强与帆软的合作，共同研发更适合银行业务需求的数据分析解决方案，为银行的高质量发展持续注入新动力，在激烈的市场竞争中脱颖而出，为客户提供更加优质、高效、智能的金融服务。 FineReport和FineBI在报表平台、管理驾驶舱、魔数眼等多个领域的深度应用，以及FineBI在推广和使用过程中展现出的强大功能和广泛应用场景，都为银行的发展带来了巨大价值。