本刊记者 高曙东

　　随着信息化建设的不断推进深入、海量数据的出现以及数据分析应用的日趋深入，银行业已经步入大数据时代。在新的时代背景以及技术应用环境下，各大商业银行正在思谋借助数据分析工具，通过构建大数据跨业务的统一应用处理平台，来应对大数据时代带来的发展机遇和挑战。早在2 0 1 0年，邮储银行就开始了数据整合、管理方面的工作，并形成了基于邮储金融现状的数据战略。近日，本刊记者采访了中国邮政储蓄银行信息科技部总经理汪航。“数据整合的最终目的是要让数据发挥最大价值，数据应用是使数据发挥价值的重要手段。” 汪航透露， 邮储银行在建设数据仓库进行数据整合的同时， 也在积极推进建立企业级的数据管控机制。接下来，邮储银行将重点做好数据整合和治理工作。

　　《中国金融电脑》：大数据普遍存在于银行客户管理、营销管理、风险管理等领域，在您看来如何有效搭建大数据跨业务的统一应用平台?

　　汪航：首先，我们要明确什么是“大数据”。今天，我们处于大规模的数据增长时代，一些银行已经拥有P B级的企业数据仓库，数据不仅仅是传统的关系数据库中的数据，而是有了更加广泛的含义，如网络日志、多媒体数据、语音数据、移动数据、社交媒体数据及文件等多种类型的数据。简单来说， 大数据就是指数据量规模的大小超出了典型数据库软件工具收集、存储、管理和分析能力的数据集，其特点是“大规模数据分析+新数据类型+新分析算法”。

　　由于大数据包含的信息量大而且非常复杂，传统的系统已不能满足银行新的分析需求。今天，企业级数据仓库的建设目标是通过一个统一的数据框架，让用户对那些以传统方式无法完成的数据进行探索与分析，从而发挥大数据的价值。基于此，搭建大数据跨业务的统一应用平台的前提和基础是建立一个统一的数据环境， 即统一的数据架构。

　　统一的数据架构能够帮助银行在一个整合、动态的统一环境中，部署、支持、管理和无缝访问所有数据，并应对所有数据类型和系统，帮助银行管理者在任何时间、用任何分析工具、针对任何数据来提出任何问题。同时这个统一的应用平台应具备对数据长期存储、对已有数据的探索和对现有结构化数据高效分析的能力。

　　这个统一的数据架构包含了传统的结构化数据和半结构化、非结构化的大数据，在数据分析时突破了现有单点数据分析技术的局限， 通过开放的平台促进了大数据生态系统的发展。通过整合各种技术优势，充分发挥其中每个组件的技术优势，从而帮助银行处理所有的数据， 获得大数据时代必需的“ 市场思考能力”，解决相应的分析问题。通过建立在统一数据架构基础上的应用平台，可以有效提升银行在业务、技术、数据以及管控等多个方面的能力，还可以实现运营管理、财务管理、绩效管理、风险管理和客户管理能力的全面提升，实现收入增加和成本节约，更好、更快、更智能地支持业务发展与管理决策。

　　《中国金融电脑》：当前金融行业面临的大数据挑战和数据管控的挑战主要来自哪些方面?您认为有哪些应对策略?

　　汪航：面对银行内部传统数据的快速增长，以及各种非结构化、多结构化大数据源的增长，如何发挥数据资产的价值成为考验银行适应市场竞争、提高自身核心竞争力的重大挑战。

　　在大数据时代，银行要想利用数据制胜，就必须尽早建立数据资产管理策略。只有拥有战略性视野和专业技术，才能更好地获得商业洞察力，促进以个性化的产品和服务吸引客户，进而将数据资产转换成为战略资产和市场竞争力。

　　今天信息技术正在引领着银行经营模式的转型，而对大数据的分析促使银行产生新的价值。传统意义上的分析涉及的数据比较稳定和固定，但针对大数据的分析是一种探索性的分析，所需源数据更复杂，更具多样性，因此，对于数据分析人员来说，需要了解的是全局的数据，比如客户全方位的数据，这也意味着数据范围更大、数据种类更多，对于数据使用的管理控制来说将带来不一样的挑战。为此， 我们正在进一步加强整个银行的数据管控能力，将在原有管控架构中增加大数据的相关内容，有机融合形成统一的数据管控框架。

　　《中国金融电脑》：大数据处理工具和解决方案与传统数据仓库有何不同?邮储银行大数据处理平台的技术和流程有何特点?

　　汪航：大数据具有一般数据所不具备的特殊性，因此需要采用新的处理模式，才能发挥大数据在影响决策、洞察发现和优化流程方式方面的优势。大数据包括半结构化与非结构化数据，因此传统的处理工具和解决方案难以满足针对大数据的处理和分析需要。传统的数据仓库拥有范式相对稳定、一致的优点，并配合成熟的SQL应用，一直以来都是数据分析的首要选择。但是当分析的需求涉及非结构化数据或结构化数据需要与非结构化数据进行整合时，传统的商业智能和分析方式实现就变得极为复杂和不灵活。因此我们要把对于非结构化数据分析的能力作为一种分析能力的有机扩充，与现有的、基于结构化数据的分析相结合， 形成一套满足邮储银行各方面分析需求的完美组合。

　　在大数据时代，我们需要有一些新的数据处理技术和工具来满足数据分析和管理工作的需要。基于这些新技术下的数据挖掘工具要预装一些成熟的数据挖掘算法和文字文本的算法(提供包括路径分析、关联分析、分类聚类、统计分析、图形分析等在内的多项功能)，具备现成的SQL优化功能，可直接使用支持S Q L 的B I 和加载工具。同时该工具还应具有可扩展性， 可以提供友好的分析及开发界面， 使数据分析人员能够快速地进行大数据分析。

　　《中国金融电脑》：请介绍邮储银行数据整合、数据管控和数据应用方面取得的成绩和未来规划。

　　汪航：邮政金融早在2005年就开始进行数据整合、数据管控和数据应用方面的工作。2005年12月12 日，邮政金融客户管理系统正式启动;2006年12月12日完成了1期项目的建设并顺利上线投入使用。该系统采用数据仓库技术，通过配置在业务系统的通信服务器，获取多个源业务系统的客户信息和交易数据，将收集上来的各类数据在归并和整合后集中存储、集中处理和集中管理。客户管理系统的使用，使邮储银行能够全面、深入地分析客户，实现客户的分级管理，有助于业务部门对客户进行有针对性地营销和发展目标客户，同时还可以为管理者在制定发展决策和经营目标时提供数据支持。客户管理系统到现在已经进行了4期项目的建设。目前，系统用户超过7万个，年累计访问量近2000万次，对邮政金融业务的发展起到了积极的推进作用。

　　邮政金融客户管理系统的建设和使用只是邮储银行在数据整合、管理方面的开始，后面还有很长的路要走。数据整合的最终目的是要让数据发挥最大价值，数据应用是使数据发挥价值的重要手段。邮储银行在建设数据仓库进行数据整合的同时，也在积极推进建立企业级(包括人员、技术、流程、制度等多个层面)的数据管控机制。接下来，邮储银行将从两个方面做好数据整合和治理工作。一是研究建立企业级的元数据管理体系，保障全行数据结构的一致性， 建立全行基础数据和业务数据标准体系， 规范银行数据从产生到应用的各个环节， 从而使数据发挥价值的过程更加顺畅。二是继续推动和完善数据仓库的建设，通过整合上游的业务系统数据， 实现数据大集中， 形成跨系统的数据整合能力， 在提升全行数据质量的基础上建立起面向主题的金融逻辑数据模型， 形成全行统一的、准确的业务视图，提高数据分析的质量和时效性。我们希望通过以上举措， 能够有效支持企业提升决策能力、客户管理能力和风险控制能力， 充分实现数据资产价值， 进而提升银行的核心竞争力。

　　《中国金融电脑》：除了技术平台，发现和利用数据价值不仅需要技术人员还需要业务人员以及银行全体工作人员的协同配合，建造良好的数据分析企业文化是最大化数据价值的关键，邮储银行在这方面做了哪些工作?

　　汪航：数据分析在国内是一项新兴的工作，是对一个企业现有的组织架构、管理理念的挑战。为应对未来大数据时代的到来，银行需要从战略层面考虑商业智能管理的架构，建立专门的数据分析中心(或商业智能中心)，负责整个银行的商业智能管理工作，包括数据仓库管理、商业智能管理、数据管控等多种功能。数据分析人员不但要了解数据分析的技术，同时还要懂得银行业务，并对数据有敏锐的洞察力。目前国内各大银行都在着重培养本行的数据分析人员，着手建立数据分析团队。数据分析团队的人员分别来自于业务部门和技术部门，可以在前期建立“虚拟”的数据分析团队，团队人员分布在各业务和技术部门中，以后再成立实体部门。数据分析团队是数据分析的组织雏形，并在未来不断发展壮大，最终形成银行企业的商业智能能力中心。数据分析工作除了技术的支撑外，还需要从企业层面建立商业智能的管理机制，便于协调各方面的工作。需要特别强调的是， 保障数据分析工作质量和效果的关键在于数据分析专业人才的配置和培养， 而不仅仅单纯依靠工具和技术。

　　2010年下半年，邮储银行正式建立数据分析团队，经过近3年的发展，现已初具规模，目前，除总行外，全国36家一级分行也均建立了数据分析团队，同时成立了北部、东部、中南和西部4个数据分析大区，共同推动区域性数据分析工作的开展和交流。数据分析工作现在进入了常态化的工作模式，有效地支撑和推动了银行业务的发展。数据分析团队始终注重与业务部门的交流与沟通，在确定数据分析主题的研究方向时，采取主动访谈的方式，及时了解业务部门当前最关心的业务热点问题以及急需解决的问题，同时还积极推动数据分析成果的业务应用，把数据价值真正转化为商业价值。