田江

每個數(shù)據(jù)產(chǎn)品組件具有自主性，具備低耦合高內(nèi)聚特征，服務(wù)彼此獨立運行，具有增加自身價值的能力。

移動互聯(lián)時代，新的經(jīng)營模式給傳統(tǒng)銀行帶來極大的沖擊。在銀行數(shù)字化轉(zhuǎn)型過程中，大數(shù)據(jù)能夠發(fā)揮至關(guān)重要的作用，風(fēng)險、營銷、渠道、運營等領(lǐng)域正在進(jìn)行的各項變革也均與大數(shù)據(jù)密切相關(guān)。銀行數(shù)字化轉(zhuǎn)型是企業(yè)級、體系化的工作，強(qiáng)調(diào)極致客戶體驗和全面創(chuàng)新文化，同時內(nèi)部有機(jī)協(xié)作和外部市場拓展也是重要因素。為此，數(shù)字銀行的實施過程需要遵循客戶中心性原則，同時建立開放式的創(chuàng)新機(jī)制。

提升客戶體驗對于銀行實施數(shù)字化轉(zhuǎn)型至關(guān)重要，具體包括三個成功因素。首先是將業(yè)務(wù)經(jīng)營目標(biāo)設(shè)定為更接近客戶的期望，這需要改變現(xiàn)有的觀念和做法，讓客戶真正成為銀行的中心，同時還要關(guān)注客戶與用戶的營銷差異；其次是充分利用技術(shù)創(chuàng)新帶動客戶體驗的大幅度進(jìn)步，銀行可以應(yīng)用前沿技術(shù)實現(xiàn)這一目標(biāo)；最后需要重新思考網(wǎng)點分支機(jī)構(gòu)的作用，傳統(tǒng)的總分支架構(gòu)體現(xiàn)出銀行品牌作為一個完整的有機(jī)結(jié)構(gòu)，改變分支機(jī)構(gòu)意味著工作習(xí)慣、績效激勵方式和業(yè)務(wù)經(jīng)驗的對應(yīng)調(diào)整。

針對開放式創(chuàng)新，可以結(jié)合IT和營銷人員組成數(shù)字化團(tuán)隊，幫助客戶制定相應(yīng)的創(chuàng)新方案。類似敏捷開發(fā)的概念，同時也保證在雙贏的基礎(chǔ)上發(fā)揮各自的優(yōu)勢。集合信息科技和業(yè)務(wù)營銷人員，創(chuàng)建敏捷團(tuán)隊將客戶需求與解決方案交付進(jìn)行結(jié)合，從而盡快提供新的產(chǎn)品或服務(wù)以滿足客戶需求。另外，在創(chuàng)新過程中需要充分結(jié)合內(nèi)部知識與外部信息，以實現(xiàn)更有價值的創(chuàng)新。

大數(shù)據(jù)與客戶認(rèn)知

大數(shù)據(jù)領(lǐng)域的創(chuàng)新實踐與銀行數(shù)字化轉(zhuǎn)型息息相關(guān)，因為大數(shù)據(jù)是企業(yè)開放式創(chuàng)新的重要落腳點，更是實現(xiàn)客戶為中心的基礎(chǔ)和關(guān)鍵。大數(shù)據(jù)與客戶認(rèn)知，體現(xiàn)了業(yè)務(wù)視角的大數(shù)據(jù)價值，也涵蓋了技術(shù)視角下數(shù)據(jù)采集、加工、整合及應(yīng)用的完整過程。

大數(shù)據(jù)能夠幫助企業(yè)全面深入地了解客戶，并提供有針對性的服務(wù)。我們認(rèn)為大數(shù)據(jù)視角下的客戶認(rèn)知可以通過建立客戶畫像標(biāo)簽體系來實現(xiàn)，并在應(yīng)用過程中不斷完善和深化。如圖1所示，客戶認(rèn)知框架可以分為兩層，其中基礎(chǔ)層包括靜態(tài)屬性和行為屬性，反映數(shù)據(jù)采集范圍；衍生層包括情緒屬性、價值觀屬性、道德觀屬性，反映的是數(shù)據(jù)應(yīng)用的深度，也就是數(shù)據(jù)價值挖掘?qū)崿F(xiàn)的層次。

綜合數(shù)據(jù)范圍的廣度和數(shù)據(jù)應(yīng)用的深度來建立客戶畫像標(biāo)簽體系，體現(xiàn)了大數(shù)據(jù)時代4V特性的精髓，其中Volume、Variety、Velocity三個屬性主要對應(yīng)客戶基礎(chǔ)層標(biāo)簽中靜態(tài)或行為數(shù)據(jù)的增加，Value屬性對應(yīng)衍生層的數(shù)據(jù)分析挖掘內(nèi)容。從另外一個視角來看，衍生層對應(yīng)客戶認(rèn)知的深度和數(shù)據(jù)應(yīng)用的廣度，能夠促進(jìn)基礎(chǔ)層數(shù)據(jù)采集的范圍擴(kuò)大，并且實現(xiàn)“用”數(shù)據(jù)和“養(yǎng)”數(shù)據(jù)的良性循環(huán)。

雖然上面只呈現(xiàn)兩層的體系架構(gòu)，在實際應(yīng)用中還可以細(xì)分為更多的維度。以靜態(tài)屬性為例，基本定義為客戶較為固定的屬性，又可分為自然屬性、社會屬性、興趣屬性等分類，具體項目包括性別、年齡、星座、人生階段、消費水平、教育程度、所在行業(yè)、職業(yè)、投資偏好等。在實際應(yīng)用中，靜態(tài)屬性也并非一成不變，會隨著具體情況的變化進(jìn)行動態(tài)調(diào)整，不過其頻率和范圍較行為屬性的變化要相對穩(wěn)定。對銀行客戶來說，典型的行為信息包括客戶通過某一渠道訪問或使用銀行某一產(chǎn)品、服務(wù)的事件類信息，以及伴隨對應(yīng)的時間、地點等信息。此外，大數(shù)據(jù)時代更重要的是整合企業(yè)外部數(shù)據(jù)，如社交網(wǎng)絡(luò)、地理位置服務(wù)等數(shù)據(jù)形成對應(yīng)的行為信息屬性。需要額外說明的是，基礎(chǔ)層的兩種分類屬性都可以結(jié)合業(yè)務(wù)需求進(jìn)行自我進(jìn)化、組合，形成更加豐富的寬表屬性以滿足靈活需求。

通常來說，基礎(chǔ)層屬性能滿足大多數(shù)的銀行業(yè)務(wù)經(jīng)營需求。無論是營銷類分析決策，還是風(fēng)險類授信預(yù)警，都可以在基礎(chǔ)層的屬性信息上進(jìn)行數(shù)據(jù)分析與挖掘?？蛻羧诤系睦砟钤谟趶母顚哟握J(rèn)知客戶，從而優(yōu)化模型算法以提升實用效果。當(dāng)更多種類的挖掘算法出現(xiàn)在銀行經(jīng)營活動中，那么就能逐步實現(xiàn)數(shù)據(jù)化運營，這個過程中就需要衍生層的屬性。

衍生層的屬性主要是情緒屬性、價值觀屬性和道德觀屬性三類，情緒屬性是目前業(yè)界最為關(guān)注的熱門話題。通常將客戶的情緒分為冷靜、警惕、確信、活力、友善和幸福這六個類別，情緒信息對于客戶在線營銷能夠發(fā)揮關(guān)鍵作用，不同情緒對應(yīng)不同的營銷技巧和策略，這是零售銀行客戶發(fā)展的重要問題。價值觀屬性和道德觀屬性雖然出現(xiàn)于體系中，但目前更多處于探索階段，距離實際應(yīng)用場景還有一段距離。在人類的決策模式中，情緒數(shù)據(jù)能夠影響用戶是否會購買商品，但價值觀屬性對應(yīng)著具體買哪種商品。與此對應(yīng)，道德觀屬性包括誠實、原則、榮譽(yù)等屬性，對于銀行客戶營銷、風(fēng)險法規(guī)等領(lǐng)域都能發(fā)揮作用。通過傳統(tǒng)數(shù)據(jù)難于分析判斷客戶的價值觀傾向或者道德觀屬性，這需要更多的外部數(shù)據(jù)支持。

技術(shù)視角下的大數(shù)據(jù)應(yīng)用層次

這里的大數(shù)據(jù)應(yīng)用指的是系統(tǒng)層面的應(yīng)用，能夠討論問題意味著企業(yè)對于大數(shù)據(jù)的認(rèn)可，通過預(yù)算和投入可以反映出很多問題?？偨Y(jié)國內(nèi)大數(shù)據(jù)項目建設(shè)經(jīng)驗，我們將其劃分為三個層次。

首先是數(shù)據(jù)整合類的大數(shù)據(jù)應(yīng)用，典型案例包括海量數(shù)據(jù)的存儲、整合和檢索。其優(yōu)勢在于Hadoop集群相對低廉的軟硬件價格，對比的是TeraData的一體機(jī)或者GreenPlum的軟件。業(yè)務(wù)需求及功能組件相對簡單，能夠提供穩(wěn)定和高效的系統(tǒng)實現(xiàn)。

中間是大數(shù)據(jù)專項應(yīng)用，其中從業(yè)務(wù)視角看最多的是風(fēng)控類和營銷類項目，這類系統(tǒng)的典型關(guān)鍵詞包括外部數(shù)據(jù)、機(jī)器學(xué)習(xí)、復(fù)雜網(wǎng)絡(luò)和精準(zhǔn)預(yù)測。從技術(shù)視角看，部分銀行建設(shè)了專門的大數(shù)據(jù)挖掘或者機(jī)器學(xué)習(xí)平臺，提供分布式數(shù)據(jù)挖掘建模的基礎(chǔ)技術(shù)能力；或者完成大數(shù)據(jù)治理項目，實現(xiàn)數(shù)據(jù)治理與數(shù)據(jù)應(yīng)用齊頭并進(jìn)，確保企業(yè)戰(zhàn)略的落實以及實際工作的有序開展。

最上面一層是AI，其實此時的AI更多還是Augumented Intelligence（增強(qiáng)智能）系統(tǒng)，可以由客戶畫像+挖掘模型+決策引擎組成，其中數(shù)據(jù)挖掘模型是智能化的核心。我們認(rèn)為只有完成三類應(yīng)用建設(shè)并在業(yè)務(wù)場景中進(jìn)行融合，這樣才能夠滿足銀行數(shù)字化轉(zhuǎn)型過程中所需的大數(shù)據(jù)技術(shù)能力需求。

不同層次的大數(shù)據(jù)應(yīng)用對應(yīng)不同的數(shù)據(jù)維度，從基礎(chǔ)到社交，從移動到實時，業(yè)務(wù)要求和技術(shù)能力都會逐步深化和提升。舉個例子，產(chǎn)品實時推薦應(yīng)用的背后是高階技術(shù)水準(zhǔn)的大數(shù)據(jù)挖掘模型，隱含的業(yè)務(wù)需求和技術(shù)能力也都是高層次的。當(dāng)然，萬丈高樓平地起，沒有前期的持續(xù)積累，技術(shù)上做不了這樣的模型，業(yè)務(wù)也不會提出這樣的需求。

銀行數(shù)字化轉(zhuǎn)型中的智能化系統(tǒng)架構(gòu)

銀行數(shù)字化轉(zhuǎn)型中需要考慮的問題很多，這里的大數(shù)據(jù)智能化系統(tǒng)重點在于發(fā)揮大腦和中樞神經(jīng)的作用，整合技術(shù)創(chuàng)新對應(yīng)的各類數(shù)據(jù)，并通過數(shù)據(jù)挖掘發(fā)揮數(shù)據(jù)的價值和力量。

后臺是敏捷核心或者新核心系統(tǒng)，能夠支持轉(zhuǎn)型過程中的業(yè)務(wù)運營需求。中臺是大數(shù)據(jù)增強(qiáng)智能系統(tǒng)，包括數(shù)據(jù)挖掘、客戶畫像和決策引擎三個組成部分。系統(tǒng)通過種類繁多的數(shù)據(jù)產(chǎn)品對接渠道類客戶端，實現(xiàn)智能決策支持。數(shù)據(jù)產(chǎn)品可以抽取AI系統(tǒng)功能封裝而成，也可以獨立開發(fā)部署。用數(shù)據(jù)產(chǎn)品化的思維指導(dǎo)大數(shù)據(jù)分析挖掘?qū)嶋H工作的開展，同時也可以作為傳統(tǒng)業(yè)務(wù)系統(tǒng)的進(jìn)化目標(biāo)參考。分析需求、確定度量、孵化模型、打磨可視化展現(xiàn)界面，這是數(shù)據(jù)產(chǎn)品研發(fā)過程中最關(guān)鍵的幾個步驟。數(shù)據(jù)產(chǎn)品需要具有快速迭代的能力，應(yīng)用小步快跑、灰度發(fā)布這些互聯(lián)網(wǎng)運營技巧才能滿足以客戶為中心的靈活需求。底層重量級AI系統(tǒng)支持下的數(shù)據(jù)產(chǎn)品可以應(yīng)用并行開發(fā)模式，上線、下線具有對應(yīng)的流程機(jī)制?？梢試L試結(jié)合微服務(wù)架構(gòu)去開發(fā)數(shù)據(jù)產(chǎn)品，每個數(shù)據(jù)產(chǎn)品組件具有自主性，具備低耦合高內(nèi)聚特征，服務(wù)彼此獨立運行，具有增加自身價值能力。endprint