北京农商银行：基于BI的全行数据自服务平台建设和应用

来源：2025年度农村金融机构科技创新优秀案例评选

获奖单位：北京农商银行

荣获奖项：信创应用创新优秀案例

一、项目背景

2023年中央金融工作会议提出“做好科技金融、绿色金融、普惠金融、养老金融、数字金融五篇大文章”，数字金融被提升至国家战略高度。《金融科技发展规划（2022-2025年）》明确要求金融机构“构建以数据为基础、以技术为驱动的现代化金融服务体系”。与此同时，互联网金融平台凭借数据原生优势，在场景、效率、体验方面持续冲击传统银行存贷汇业务。对农商行而言，既要坚守支农支小定位，又需借助数字化手段提升差异化竞争力，形势逼人。

随着数字化转型的深入推进，传统业务模式与流程亟需升级，数据分析的需求日益迫切。现有报表工具存在技术门槛高、开发周期长、分析维度单一等问题，无法满足业务快速响应的需求。基于此背景，BI自助分析系统应运而生，旨在通过简单易用的工具与丰富的数据分析功能，提升业务人员的自服务能力，助力数据驱动业务发展。

二、项目方案

DIKW（Data-Information-Knowledge-Wisdom）模型指出，原始数据经过清洗、建模、分析、决策支持四个层级跃迁，才能转化为生产力。传统模式下，银行科技部门聚焦在“D→I”（数据到信息），而业务人员更关注“I→K”（信息到知识）以及“K→W”（知识到智慧）。自助式BI通过低代码、可视化、拖拽式操作，将部分“I→K”能力前移给业务人员，缩短价值转化路径。

通过参考目前自助式BI成熟度模型：Level-1 静态报表：手工Excel，无自动化；Level-2 固定仪表盘：IT集中开发，定期刷新；Level-3 自助取数：业务可拖拽维度、筛选过滤；Level-4 自助分析：业务可自定义指标、多维钻取、联动分析；Level-5 智能决策：AI辅助预测、异常诊断、行动建议。

BI自助数据分析系统建设目标定位在Level-4，并探索Level-5场景。

图1-系统架构图

项目架构：系统架构分为数据层和应用层，数据层包括BI中间库、数据集市等数据资源；应用层包括数据模型、数据分析和系统管理模块。

业务设计：支持前中后台人员开展自助分析，助力业务产品和流程优化、辅助决策支持。

技术设计：支持多种数据源接入，提供灵活配置接口，支持ETL、SQL即席查询、数据可视化、交互式分析等功能。

实施设计：采用三步走策略，即搭框架、深应用、促转型，分阶段推进系统建设、功能完善和文化推广。搭框架指构建行内统一的自助取数系统，基于行内现有的大数据平台，完成分析系统与行内的数据、用户的集成，用户能初步进入分析平台进行数据查看。

深应用指在自助取数系统上整合更多高级分析功能，如自助分析、数据挖掘、知识图谱、人工智能等，提升行内对于数据的利用水平，直接带来分析价值。

促转型则是一个长期的过程，它指在整个自助取数系统的运营过程中，配合一些激励的措施，充分调动全行人员的积极性，形成数据分析的氛围与文化，最终达至数字化转型。

三、创新点

一是构建一站式数据分析平台，实现数据接入、处理、分析、协作共享的全链路覆盖。

二是推动数据分析平民化、民主化，降低技术门槛，鼓励全行员工参与数据驱动决策。

三是通过激励机制（如培训、认证、竞赛、社区交流）促进数据分析文化的形成。

四、技术实现特点及优势

一是构建业务常用的数据底座，形成9大业务主题BI中间库数据集（图2-数据底座主题集），包括公共数据、对公客户经营、零售客户经营、客户与账户管理、财务会计、支付清算、中间业务、凭证管理和渠道服务。同时，数据层还接入指标和标签等数据集市，提供灵活的底层数据服务能力。

二是BI自助数据分析系统支持多种数据源接入，包括主流数据库、自定义的程序数据源、Excel数据源等，提供灵活配置接口，确保数据高效接入与存储，支持数据集模型分类管理，可视化溯源。

三是拥有前置数据处理能力，支持ETL或SQL即席查询，支持宽表数据集字典查询、检索、溯源和组合衍生，其中溯源支持血缘分析和归因分析，支持自助取数、订阅、预警，提供宽表数据集下游接口服务。

四是报表平台支持Web页面集成方式，支持将报表显示到Iframe框架中，方面进行二次开发、动态合并、自动计算、导入导出等处理。

五是系统搭建、部署和发布为一体的综合性应用平台，具有稳定性、良好的集成性和扩展性。平台建设符合行内数据安全要求，通过权限管控、数据脱敏与遮挡等措施，保障数据安全合规使用。

图2-数据底座主题集

系统架构：采用分层架构，数据层支持多源数据接入，应用层提供灵活的数据分析和协作功能。

技术实现：支持可视化图表、交互式分析（钻取、联动、过滤）、数据挖掘、智能预警等功能，提供高效的用户体验。

图3-图表类型

图4-可视化分析

数据安全：通过权限管控、数据脱敏、水印等措施，确保数据安全合规使用。

扩展性：平台设计符合行内数据安全要求，支持后续功能扩展和优化。

五、项目过程管理

（1）建设原则

一是以数字化赋能为目标，结合全行发展战略，对标同业实践，旨在通过建设BI自助数据分析系统，提升全行数据处理和分析能力，挖掘数据价值，优化业务流程，增强市场竞争力。同时，课题注重数据人才队伍建设，通过培训和推广，培养数据分析思维和数据应用意识，为全行数字化转型提供人才支撑。

二是安全与效率并重，在提升系统效率的同时，加强数据安全管理，确保合法合规使用。

（2）实施路径与计划

第一阶段：

一是2025年4-6月完成系统建设详细需求提出、数据底座模型设计，以及BI自助数据分析系统初步部署，构建规范统一的数据接入与分析平台。

二是2025年7-9月完成主题宽表模型建设，对公客户经营、客户与账户管理、财务会计等9大主题库表数据初始化。BI自助数据分析系统分析中心上线，完成权限体系、门户首页、预警通道等功能配置。同时，筹备推广培训材料，包括使用手册、说明文档、小视频课程、PPT文稿等，可供全行员工随时下载学习。培训内容从零基础入门、快速上手，到进阶拓展，科学分阶、循序渐进，满足不同学习阶段的需求，帮助全员快速掌握技能并实现能力提升。

三是2025年10-12月完成系统试运行，在开展试点培训和试用，开设“总行推广训练营”，涵盖功能介绍、数据知识讲解、案例分析、实操演练、场景共创等，并完成试点评估，出具优化清单。

第二阶段：

一是2026年1-4月推动从“试点应用”向“全面推广”转变，总结试用期间在总行培训和推广工作的经验，优化相关推广实施工作，在分支行全面覆盖。线上和线下相结合，开展“分支行推广训练营”，涵盖功能介绍、数据知识讲解、案例分析、实操演练、场景共创等，视情况不定期直播分享或深入分支行进行现场培训与指导训练。

二是2026年5-7月收集各总分支行成功应用案例，评选优秀学员，择优纳入应用模版；根据各单位活跃度、使用情况等进行积分，不定期举办交流分享会，促进经验交流与资源共享。在全行灌输和形成“掌握工具，提升效能”的思想意识和良好氛围，推动工具常态化应用。

三是2026年8-12月进阶开展行内BI自助数据数据分析考试认证和相关数据分析大赛，培养数据分析人才队伍领军力量。建立“BI自助数据分析系统交流”论坛专题，进行月度分享、季度沙龙，让全行员工可以在论坛中交流学习心得，开始持续日常化使用。

六、运营情况

推广应用：通过培训、认证、竞赛、社区交流等方式，推动全行员工使用BI系统，形成数据分析文化。

系统运行：已完成部分数据底座搭建和基础产品上线，系统运行稳定，支持多维度数据分析和可视化展示。

用户反馈：试点阶段用户反馈良好，系统功能满足业务需求，数据分析效率显著提升。

七、项目成效

经济效益：提升数据分析效率，优化资源配置，降低开发周期和成本，提升业务部门的决策能力和市场竞争力。

社会效益：推动数字化转型，培养数据分析人才队伍，形成“人人用数”的良好氛围，为全行数字化战略落地提供支撑。

在全行内通过BI应用推广，可以在多重方面进行数据支撑。一是在市场营销方面，零售等相关部门通过BI自助数据分析系统分析客户行为数据，精准判断客户的需求偏好，帮助客户经理精准营销，提升销售转化率。二是在风险管理方面，风险管理部可利用BI自助数据分析系统结合大数据风控模型，提前判断潜在风险，制定相应风控策略，降低发生预期损失概率，保护银行资产。三是在业务决策方面，BI自助数据分析系统提供的数据报告和可视化图表，可以为各分支机构搭建数据看板，集中展示关注的指标动态，快速定位诊断问题所在，调整经营策略，优化资源配置，提升运营效率。

八、经验总结

（1）项目总结

一是在技术可行性方面，BI自助数据分析系统具备国产化、云原生、高性能等特征，满足我行目前面对的复杂业务场景。二是在业务有效性方面，在信贷、负债、渠道等典型场景的原型验证中，在数据时效、准确性、易用性等方面显著提升。三是在人才可复制性方面，通过“培训+认证+竞赛+社区”模式，可在2年内批量培养我行专属数据分析师。

（2）未来展望

BI自助数据分析系统将继续深化功能应用，推动数据赋能业务发展的新征程。通过持续的培训推广与社区化运营，培养更多数据分析人才，形成“人人用数”的良好文化氛围。项目成果将为我行数字化转型提供坚实支撑，也为行业内的自助式BI推广提供可复制的实践经验。

更多金融科技案例和金融数据智能优秀解决方案，请在数字金融创新知识服务平台-金科创新社案例库、选型库查看。