大行将数据分析进行了“置顶”操作，数据人才进决策圈

随着银行2023年度报告披露结束，各上市银行的整体战略和未来规划都清晰地展露在公众视野。数据作为未来竞争的重要战场，各银行也将其作为重要事项装进年报里。

拿数据 “说”事儿，国有六大行有点东西

数据获取之后，如果不能被有效利用，就会沦为沉没成本，这对企业发展而言，是有百害而无一利的。怎么用数成为近年来各企业尤其是数据大户——银行亟需解决的问题。为挖掘高质量的数据价值，也为更科学地制定产品业务策略，银行将数据分析进行了“置顶”操作。数据分析在某些业务领域成为高层的决策中枢，数据价值打造的“核心部件”。

年报中，工行、农行、中行、建行、交通银行以及邮储银行在相关业务领域对发挥数据价值的探索值得行业参考和借鉴。

中国工商银行的年报提到，该行通过夯实数据技术支撑体系来促进双要素（数据+技术）有效赋能。在数据支撑方面，2023年，该行的数据能力建设取得新进展，强化了企业级数据中台建设，合规引用更多政务、运营商、互联网公司等外部数据。

另外，该行还专门成立了数据中台运营中心，以更丰富的数据要素和新型数据服务模式驱动业务模式变革；围绕数字化识客、获客、活客、粘客，推进高价值数据分析产品为基层减负赋能；还构建起千亿级AI大模型技术体系并实现应用。

出色的数据处理和分析能力，让工行有了推进数字金融同业合作的机会。通过推进数据分析、数据安全、数字化转型咨询、数据平台等数字化相关项目同业输出，该行上线了兴农通APP票据经纪功能，丰富“智慧大脑”“码上赢”数字化平台第三方存管获客场景，持续赋能金融同业数字化转型。

中国农业银行通过深入推进数字合规平台等数字化转型重点工程建设，促进系统对接、数据共享、功能创新、流程控制。数据治理能力的提升，增强了该行普惠金融数字化风控能力。

近年来，农行坚持全流程、智能化风控理念，构建了综合量化风控体系，运用内外部多维数据进行客户画像，严格贷前准入、加强贷中监测、做好贷后管理，让资产质量始终保持在监管要求范围之内。

中国银行的年报显示，数据治理与集团数字化发展、金融科技、场景生态建设、创新与产品管理等同属该行高级管理层（执行委员会）下的数字金融委员会统筹管理和专业决策的领域。

另外，中行为发展数字金融，不断夯实数据基础，充分发挥数据资产价值。通过推进“业务数据化”，中行持续深化数据治理，整合行内外数据，建设“中行一表通”；推进“数据业务化”，深化数据分析应用，激活数据资产价值。2023年末，该行的“数据纵横”平台全行用户数达24万人，实现“集中用数”和“自主用数”结合的数据应用服务模式。

中国建设银行在数据治理方面有出色的表现。年报显示，2023年，建设银行在道德标准审计、客户投诉系统等方面对数据分析有着很实际，也很有价值的挖掘能力。

商业道德标准审计方面，建行基于覆盖全行的数据分析，对员工异常行为进行线上智能化预警，并定期开展集团范围商业道德领域相关审计。

客户投诉系统建设方面，建行不断完善客户投诉系统建设，在全行推广应用投诉标签体系与分类标准，将非结构化的投诉信息转化为可统计可分析的结构化数据，精准定位产品和服务问题。

交通银行在年报中透露，该行将数据治理充分应用在风控合规、反洗钱等领域，还以数据为驱动，推进财富管理、消费金融等业务的开展。2023年，该行推进合规文化建设，开展反洗钱客户尽职调查、数据治理、数字化转型等重点工作，不断提升反洗钱管理能力。该行还通过发挥数据价值，赋能科技、绿色、普惠、养老等重点金融领域发展，数字技术与数据要素的双轮驱动积厚成势。

中国邮政邮储银行在数据的挖掘、分析和业务应用中有突出表现，并取得明显成效。

为了发挥数据要素的生产力，邮储银行内部探索出数据分析队伍派驻机制。在这一机制下，该行以个人金融、网络金融、“三农”金融等重点领域为试点，将数据分析人员派驻至业务部门，形成常态化、流程化模式，提高数据应用需求响应效率。该行还通过开展“村社户企店”等客群挖掘和数据分析，聚焦寄递客群、商贸客群、产业链客群、农产品收购场景探索协同合作。

邮储银行构建了企业级数据资产目录，以重塑数据资产使用体验。该行通过渐进式开展数据资产盘点，围绕数据来源、数据分布和数据基本情况等方面厘清数据资产“是什么、有什么、在哪里、谁负责”的问题，勾勒全行数据资产全貌，构建企业级统一的数据资产目录。

作为数字风控的一部分，和建行类似，邮储银行也通过数据分析工具建设了员工合规画像体系，实现数据分析从“链”到“网”转变，精准监测发现员工违规行为。

另外，该行还通过推进数据资产管理平台建设来完善数据资产管理底座，有效支撑数据研发、数据分析建模等多种场景。

数据人才进决策圈

支撑数字化转型的关键因素之一是人才，也需要足够的数据分析人才来保障。各银行在数据人才战略上也是不遗余力，部分银行将数据人才吸纳进决策圈。

工商银行为推动数据人才培养与业务发展深度融合，广泛集结数据分析师。截至去年年底，该行集结了9375名数据分析师，覆盖各个专业条线及境内外机构，形成了初中高级梯次分布、专兼职有机结合的数字化人才基础；通过建模大赛、数据菁英、跨界交流、产学研融合、体系化训战结合等方式，该行组建“数据+业务+应用”的分析师柔性团队，深化数业融合，赋能业务发展。

中行的高层之中就有较深的数据分析或治理方面的从业背景。比如，该行独立董事鄂维南是北京大学大数据分析与应用技术国家工程实验室联席主任，并担任北京大数据研究院院长、中国科学技术大学大数据学院院长。该行首席信息官孟茜则在2014年3月至2014年12月期间任该行数据中心总经理。

建行为培育自己的数据分析队伍，还将数据分析列入专业人才库。另外，建行还推进与香港科技大学合作，共建金融科技教研中心，合作完善金融科技课程体系。2023年，建行联合香港大学举办第二期数据分析师认证培训项目，采用“境内线上长训+境外线下短训”的培养模式，覆盖总分行及直属机构130名从事数据分析相关工作的青年业务骨干。

邮储银行为打造复合人才队伍，加大研发、数据分析、运维等重点领域紧缺人才引入，稳步壮大科技队伍规模，总行IT队伍增加至5061人，全行超过7000人。

另外，各银行对数据分析人才的招聘也一直在进行，相关岗位与银行自身业务的数字化有着密切联系。

比如，交通银行在招聘数据分析人员时，相关职责包括但不限于：负责企业网银、企业手机银行端客户交易行为及交易数据的整理，并形成单产品及渠道交叉数据看板；结合数据埋点、考核指标及业务数据，构建渠道数据标签，丰富企业客户画像；负责渠道数据看板及用户行为的交叉数据分析，形成客户行为交叉分析报告及产品或渠道建设建议等。

在涉及类似信用卡这样更具体的业务时，中信银行提出的职责则包括但不限于：负责信用卡中心战略决策经营分析；负责信用卡中心业务全流程穿透分析体系建设，和数据分析工作产品化、工具化、系统化；负责信用卡中心大数据全景用户标签画像体系建设，包括设计、开发、上线运营、并应用于可视化画像、精准营销、个性化推荐、智能服务、智能风控等业务场景等。

值得注意的是，相当多的银行在数据分析岗位要求一栏里加入了“熟悉AI模型的设计及应用”“大模型数据分析挖掘”等与AI大模型有关的要求。这会是金融行业数据分析师技能树上需要有所侧重的方向。

举报/反馈