数据仓库提升管理信息化

来源:用户上传      作者: 欧阳光

　　 2011年4月，中国银监会出台《中国银行业实施新监管标准的指导意见》，明确了我国银行业实施国际新监管标准的原则和目标，其中着重强调了数据基础和IT系统建设的重要性。实施新监管标准的核心，是风险计量的精细化，要求建立良好的数据管理环境，完善数据架构，建设统一的风险管理信息系统，为新监管标准实施奠定坚实的基础。
　　目前，在银行的信息管理中，信息孤岛现象比较普遍，随着业务规模扩大、客户结构复杂化、产品复合化衍生化，进行数据治理和数据整合，使之更好地服务于经营管理，是银行面临的难题之一。其中，如何将分散在各个业务及管理环节的海量信息数据进行有效管理与利用，推动业务流程改善，提升工作效率，为企业发展决策提供有力依据，是我国商业银行特别是区域银行信息化建设面临的重要课题。在这种情况下，数据仓库平台建设显得尤为重要。龙江银行的实践初步证明，数据仓库系统对于推动银行实现信息规范化和集约化管理、增强核心竞争力具有重要意义。
　　
　　数据仓库是持续完善的过程
　　龙江银行成立于2009年底，是在原齐齐哈尔市商业银行、牡丹江市商业银行、大庆市商业银行和七台河市城市信用社（三行一社）的基础上合并重组设立。龙江银行战略定位非常清晰：面向农业产业、面向中小企业、面向地方经济。为适应“三个面向”的发展战略，科技规划定位于要做一个以客户为中心、适应业务创新的流程银行，构建基础稳固、业务领先、信息完备、治理科学的信息科技支撑体系。为此，需要一个强大的数据仓库系统，来实现管理信息化的提升，将所有的信息进行收集、整合、识别，用于决策依据，从而将龙江银行特有的管理理念贯穿到整个信息化体系中，形成区别于同业的巨大优势。
　　数据仓库建设在很大程度上不是一个技术实现的问题，而是一个综合治理的问题，主要包括以下三个方面：
　　信息的采集与管理。从技术角度讲，信息的管理非常简单，无非是增加、删除、修改、查询。但是，从信息采集、管理、应用角度讲，则是一个异常复杂的系统工程。从目前银行的情况看，信用卡、信贷业务的信息质量相对较高，其他业务的信息质量则较差。究其原因，在于信息管理。国内商业银行尚未形成有计划、成体系、安全的信息管理模式，所以信息的来源始终是一个制约海量数据管理的瓶颈问题。
　　信息的标准与清洗。因为历史原因，现阶段国内商业银行的信息呈现“孤岛”现象，即信息被锁定在不同的应用系统中，而且不同的系统中，信息标准不同，信息粒度各异，导致信息的有效性较差、质量不高、关键信息缺乏。商业银行对于数据清洗与信息标准化关注度较高，但多数采用技术手段实现，这样一来，因为没有解决信息源头的问题，可以看到的现象是：后面清理着垃圾，前面不断制造垃圾，无法从根本上解决数据质量不高的顽疾。
　　数据应用。数据应用是一个长期建设的过程，因此，数据仓库的建设，需要统筹规划，最重要的是不要在建设过程中出现反复，从而影响数据的质量与准确性。对于银行业务来说，关键要建立一个较为完善的指标体系，它好比一个筛子，不论数据源多么繁杂和富于变化，都能进行有效的筛选，并实现数据源与数据应用的有效隔离，尽可能减少因数据源的频繁变化而影响既有应用的再开发。
　　因此，数据仓库建设是一个持续完善和改进的过程。
　　数据仓库的源是银行既有系统的数据，包括交易数据、客户数据、产品数据等。因为数据仓库模型是先进管理思想的集成，所以依托原有系统建立的数据仓库，反过来对现有系统和管理模式也有一个完善和推动的过程。
　　龙江银行数据仓库建设是分布实施的。数据仓库建设是基于应用驱动、业务驱动。业务需要什么，就去找什么数据源，然后放到数据仓库里面。通过这种方式来提取数据源，保证了数据源从整体范围约定上的准确性。下一步，是数据质量管理，构建一个完整的数据质量管理系统。随着数据仓库不断扩充，还会有数据周期管理，解决数据全面和提取效率的矛盾。应用驱动的方式，保证所有进到数据仓库的数据都会被使用到，所以即使数据质量有问题，也会很早就反映出来。数据质量不怕有问题，而是怕有了问题不知道，怕没有管理。
　　在构建数据仓库过程中，龙江银行数据仓库平台采用了IBM迭代开发方法论，严格遵循需求分析、设计、编码、测设、上线流程，项目成果根据迭代周期分模块、分批上线，既整体降低了项目风险，也可快速响应业务需求，及时反映业务价值。同时，数据仓库整体解决方案为数据仓库建设提供了从底层数据抽取、整理、转换到数据仓库管理、数据集市、负载管理、安全控制、前端展现及Web应用部署运行的端到端解决方案。
　　目前，龙江银行数据仓库之上的应用主要是分析系统，也就是说，把已经有的东西展现和挖掘出来。比如原来屋子里有很多东西，横摆竖搁，较为混乱，那么现在按照条理框架整理出来了，能够清楚地显示这里是什么东西，那里是什么东西，揭示他们之间有什么关系，变动后将导致何种相互影响。
　　
　　数据仓库提升管理效率
　　2011年10月10日，龙江银行数据仓库系统正式投入使用，不仅能满足内外部监管和信息审计的需要，促进行内信息的集中与共享，提高管理效率，还为信息资源化和决策科学化的实现提供了支撑。
　　数据仓库成为整合经营管理分析平台的基础。在数据仓库基础上，将经营管理报表、6S管理报告、KPI指标快报、经理人360度考评、机构考核、客户经理考核、柜员考核、人力资源管理八个主要经营管理分析系统进行整合，实现了经营管理分析系统平台化，一次平台登录即可访问全部分析系统。其中经营管理报表覆盖了“三农”、中小企业、个人金融、公司、集采等多个条线日常管理分析工作所使用的信息；6S管理报告可对6S管理的战略规划和全面预算的执行贯彻情况给出准确有效的反映和分析；经理人360度考评、机构考核、柜员考核、客户经理考核分别针对高层管理人员、各分支行及业务条线、前台柜员和客户经理，通过模拟利润、业务量统计、经营状况分析等方式提供了业绩认领、评定及监测的准确信息。
　　数据仓库应用包括了绩效考核、KPI指标快报、6S管理快报和管理报表，可为决策层、财务及业务分析人员、前台业务条线（包括“三农”、中小企业、公司、个人金融）等不同部门的管理人员提供集中灵活的分析应用，已经成为银行管理决策、日常工作和业务开展中不可或缺的组成部分。例如，龙江银行总行条线经理以上、分支行行长以上的管理人员每天都会接到以短信形式提供的全行及所辖的关键经营指标数据。客户经理考核系统、柜员考核系统及经理人360度考评系统已经成为对高层管理人员、客户经理、前台柜员日常工作和业绩评定的基础。
　　数据仓库应用支撑特色业务发展。龙江银行的特色业务――农业供应链金融和IPC小微贷款，对象均为小企业，如果按照传统的风险控制管理标准，考查其资产负债率水平，核查担保、抵押等，大部分小企业低于贷款准入门槛。比如，有些小企业运转很好，销售订单情况良好，库存周转率也不错，但就是负债高。针对这些小企业的特点，龙江银行采用了另一种风险控制方式，侧重于过程管理，跟核心企业ERP联网，跟踪了解其财务、订单、库存等信息，解决了信息流和资金流监管问题。与核心企业互动合作，还可以更好地管理上下游企业，增强吸引力。比如一个大米深加工企业，它可以跟农户或者是农场签订单，然后帮助联系农药化肥厂家，这样各方都会减少成本、降低风险，形成规模效应后，整体运转效益就会得到很大提升。以加工企业为核心，这些上下游客户的订单、资金周转等都会在核心企业留有信息痕迹，银行跟踪管理好相关信息，就可以形成风险管理的闭环，在控制风险的基础上拓展业务。特色业务迅速发展，不仅提高了银行的经济效益，也对地方经济发展做出了很大贡献。
　　基于数据仓库的客户关系管理和绩效管理，成为银行向“以客户为中心”转型的推动力。银行经营绩效中，每个客户的贡献、每个产品的贡献、每个员工的贡献如何体现？目前龙江银行的绩效管理方式，是根据不同的业务类型，分别计算模拟利润，管理者和员工每天都可以看到自己的模拟利润，而不必等到月末或季度末，使日常经营中纠偏非常及时。随着数据仓库建设的不断完善，以后还要陆续做成本分摊、资本转移定价、资产负债管理，并且要把风险计量引入到绩效考核中，把模拟利润转为对经济附加值（EVA）的考核。只有这样，绩效考核这个“指挥棒”才能更好地引导企业实现既定战略目标。
　　数据仓库之上的应用系统和业务系统建设，将先进的管理理念、管理思想固化到管理流程中，从操作上保证了管理效率的提高。现在银行经营同质化比较普遍，从外面看很多银行差别不大，但是为什么有的银行市场定位非常精准，效率非常高，客户体验非常好，而有的银行相差很大，这跟管理理念和管理思想的落地是分不开的。企业信息化建设在硬件设施、系统框架等方面很容易模仿，但理念和方法的差异才是制胜的关键。
　　（作者单位：龙江银行）
　　

转载注明来源:https://www.xzbu.com/3/view-757027.htm