Zed行业 | 工商银行：转型要以数据和技术体系筑牢根基

加强数据采集、存储、加工全流程数据应用能力建设和数据质量治理，通过建立用数赋智团队等方式，深化科技与业务融合，形成技术、数据、业务的数据应用联动机制。

银行业数字化转型是一场由思想到行动、由顶层到基层、由内部到外部的深刻变革，需要科学方法论的指导。在推动体系性重塑、开放生态建设、业务科技融合、基础设施升级以及体制机制变革等探索和实践中，银行业逐步形成从顶层设计到数字化能力建设，再到业务经营模式变革的数字化转型方法与路径。同时，根据自身特点和资源禀赋，坚持战略导向、问题导向、市场导向，着重解决客户难点痛点堵点，提升价值创造能力和客户体验，做好成本与收益的平衡。

一、多层级强化数据要素创新应用能力

数据是金融科技的基石，金融科技的各种表现形态都奠基在数据基础之上。银行加快数字化发展进程首要任务是打造坚实的数据基础，建立数据从生产到消费的闭环机制，加强数据采集、存储、加工全流程数据应用能力建设和数据质量治理，通过建立用数赋智团队等方式，深化科技与业务融合，形成技术、数据、业务的数据应用联动机制。

1. 夯实数据资产

银行数据资产具有规模庞大、增长迅猛、类型多元的特点，通过面向业务视角建立完善的用数赋智体系，实现各类数据资产的打通共享复用。

一是建立企业级数据标准，保障数据规范性和一致性，促进数据共享，消除数据壁垒，提升沟通效率。
二是形成数据资产的标准化加工工艺，推动指标、主题聚合、模型、客户标签等数据资产管控流程落地，实现从数据资产登记、审批、准生、研发、发布、使用、运营的全流程管理体系。
三是推进存量数据资产沉淀，实施存量数据资产暴露、沉淀及共享，减少数据冗余存储，盘活存量数据资产。
四是推动外部数据引入，建立统一开放的外部数据引入机制，明确数据权责归属，积极与政府、工商、税务、法院、产业平台等机构开展数据合作，持续丰富内外部数据资产内涵。
五是做好数据资产管控，构建企业级数据资产目录，形成集团数据资产全景视图，使数据资产看得全、看得清、看得懂；建立数据资产管理工具和平台，实现数据管理流程的自动化、线上化。

例如，工商银行构建了以贴源层、聚合层、萃取层为支撑的数据分层体系，率先于同业将全集团的业务数据完整纳入数据湖，构建统一的客户画像和共享指标库，为对公、个金、信用卡、金融市场等多业务领域提供了可复用、可共享的数据服务；利用“数据资产目录” 平台，为用户打造了清晰、直观、易用的数据查询体验，解决了业界普遍的“找数难”问题；通过构建数据资产的多维画像，使数据资产透明化，解决了“懂数难”的痛点。

中国银行建设“三横两纵一线”企业级数据平台，产品分为数据字典、数据协同、数据层、分析层和展现层五大模块，覆盖数据流转过程中的采集、存储、计算、使用和管理等各个阶段，汇聚集团数据资产，消灭数据竖井并实现同源数据实时可见共享。并多维刻画“一套标签”，构建了1000 余个客户标签，促使银行洞察更准确、服务更精准、风控更精确。全景展示“一张视图”，一点聚合全量信息，一张图看到客户、机构和员工全貌。

2. 创新数据服务

大数据的本质是数据的融合应用，为了顺应数字化时代的业务发展，银行业应创新数据服务模式，打造数据产品体系和数据服务平台，形成稳定高效、成本可控、资源动态调配、数据按需服务的企业级大数据应用能力，深化数据赋能，驱动业务发展。企业级数据服务平台可以把原本各自孤立的数据互相关联、融合，通过抽象、加工，构建数据资产标签类目体系，实现多源异构数据的集中存储和融合共享、海量数据的高效整合和实时计算。

例如，工商银行基于大数据、人工智能等新技术，通过数据分层体系、提供灵活易用的用数赋智工具，打造了高效、智慧、开放、共享的数据服务体系，全面支撑业务的智能化创新，其中运用知识图谱技术构建以客户为中心的关系网络，提供知识图谱服务，支撑贷后资金流向监测、客户资金漏损分析等业务场景；打造企业级客户画像，推出智能推荐、个人客户流失预警、个人客户风险偏好预测等服务，有力支撑了客户营销、风险防控等场景创新。

建设银行以数据增信开展主动客户洞察，整合小微企业在生产经营和生活中积累的数据，对基本信息、信用信息、经营结算信息交叉验证，基于数据、模型和算法，实现对企业偿债能力的全新评价。

邮储银行建设数据中台，以点带面提升业务渗透能力，支撑个人金融、普惠金融、信用卡等行内条线应用，服务覆盖营销管理、风险监控、运营优化与提升等九大场景，截至目前，数据中台已支持 60 余个业务系统、365 项业务需求，提供 1156 项数据服务内容，系统日访问量均值约 1649 万次，达到毫秒级响应，支撑极速贷、邮享贷、胖虎卡等业务和产品线上运营。

3. 打造用数赋智工具

为快速赋能营销、运营、风控等场景创新，银行打造即时 BI 平台、AI 工作站、智能决策引擎、大数据工作站等用数赋智工具，降低用数赋智门槛。

一是构建面向业务及研发人员的即时 BI 平台，支持用户通过拖拉拽方式建立可视化的报表，实现数据快速应用。
二是构建面向数据科学人员的 AI 工作站，形成面向人工智能机器学习、深度学习 AI 建模流水线，大幅提升 AI 建模效率。
三是打造面向业务人员的规则引擎平台，形成“数据 + 决策引擎”的规则配置化用数模式，支撑业务人员灵活配置可即时生效的专业决策规则，提供高时效高并发的通用决策服务。
四是建设面向总分行科技人员的一站式大数据研发平台。通过低代码的数据资产接入、研发支撑工具、大数据支持社区，形成面向贴源、聚合、萃取、数据服务等专业领域，覆盖需求管理、研发测试、生态社区等研发周期的 DataOps 数据研发流水线，降低用数门槛、提升研发效率与质量，实现数据价值快速交付与规模化输出。

例如，工商银行构建面向业务及研发人员的即时 BI 平台，支持用户低门槛配置可视化图表，形成“数据中台 + 即时 BI”的数样分离用数新模式，单报表制作平均周期由 10 天缩减到目前的 4 小时，实现了向“人人都是数据分析师”的跃进。

农业银行以数据中台为主要依托，打造全行数据价值快速发现的生态环境，数据中台为全行提供基础数据服务、数据智能（BI）服务、人工智能（AI）服务等多层次立体化的数据服务，赋能业务模式创新，为前台瘦身、后台减负。

4. 强化数据治理

以各数据治理领域的治理指标为核心，通过问题清单驱动各数据治理领域治理能力提升，为数据要素供给与赋能保驾护航。

一是以“统一采集、集中管理、硬控制为主”为原则，强化元数据管理，打通和关联各类资产各类管理要素，实现对数据架构的广泛支撑。
二是以数据标准属性为核心，以贯标落标准确率指标为抓手，推进各业务系统数据标准的贯标及落标工作，保障数据规范性和一致性。
三是以数据生命周期策略为核心，以系统管理为主要手段，以设计审核和信息收集为辅助手段，对数据进行分类管理，确保数据完整性、有效性和可恢复性。
四是以质量规则为核心，强化事前质量规则识别、事中采集校验、事后监测治理等全链路管控，保障数据质量。
五是以数据安全策略为核心，推进数据敏感及重数据识别、强化数据安全保护，健全数据安全监测与应急机制，实现“敏感可识别、资产可保护、风险可监测”的数据安全防护目标。

例如，工商银行通过运营分析，统计各治理域治理指标，形成运营治理问题清单，“以数治数”驱动数据治理，并迭代完善“管—查—用—评—治”的数据管理机制，助力数据架构核心层实现从“业务数据化”向“数据业务化”的转型升级，满足监管机构数据报送要求及业务用数需求，在 2021 年成为国内首家获得 DCMM5 级认证的银行。

建设银行在总行成立“数据治理委员会”，制定全行数据标准，建成完整的企业级数据逻辑模型、数据标准、业务术语、业务指标等数据规范；按照业务数据化、数据资产化、资产价值化的动态循环，构建起数据治理价值链。

二、多领域深化数字技术服务供给能力

目前，云计算、大数据、人工智能、区块链、物联网等数字技术快速发展，已在金融科技创新中广泛应用，赋能于诸多银行业务场景。国有大型银行业积极跟踪研判前沿技术发展趋势，加快关键核心技术创新攻关，推动外部技术能力向自身企业级能力转化，运用数字化技术驱动业务流程重塑、业务模式创新和运营模式变革。股份制及中小银行也积极开展新技术创新应用，采用对外合作等灵活的技术引入方式，在移动互联网、大数据、人工智能等领域形成应用突破，赋能业务创新形成差异化的优势。

1. 建设基础技术体系

基础技术体系为银行提供基础的计算、存储、网络以及企业级研发、运行、运维服务，是银行的数字基础设施。银行业积极运用云计算、分布式技术打造开放化基础技术架构，推进业务下主机，有效支撑业务快速增长和大数据创新应用。

一是建设符合业务发展需要的金融级云平台。国有大型银行采用产学研联合创新和自主研发模式，打造开放化的“云 + 分布式”基础技术体系，全力推动业务系统上云和下主机工作。股份制及中小银行也积极推进云技术转型和应用系统重构，进一步夯实数字技术的基座。
二是构建基于云原生容器技术的云基座。国有大型银行积极探索微服务、容器等前沿技术应用，利用容器及其编排技术实现了超大规模资源池化管理和秒级弹性伸缩，最大限度为全行 IT 系统提供标准化、自动化的基础设施和公共技术服务，在可靠性、可用性、可维护性、可扩展性、容灾恢复等方面达到甚至超过主机水平。
三是打造基于云原生的 DevOps 流水线。践行云原生“基础设施即代码”的理念，通过容器镜像技术实现业务开发在开发、测试、部署的一致性，将环境问题的可能性降低到零，运用 CI/CD 持续交付工具链建设研发运维一体化流水线，助力业务快速上线。

例如，工商银行建设开放化、易扩展、弹性伸缩“云 + 分布式”基础技术体系，通过自主研发打造云原生容器基座，实现 IT 架构和基础设施的转型升级，支持业务弹性扩展、需求快速迭代创新，在 2022 年 12 月全集团云上节点数达到 15.9 万。农业银行建设轻量化云原生应用平台，综合深度运用云原生、Serverless、DevOps 云流水线、云 IDE 等新一代数字技术，提供了轻量式云原生能力、一体化云交付能力。

2. 建设大数据支撑体系

大数据支撑体系为银行提供各类数据加工、集成功能，支撑应用灵活获取数据、深入挖掘数据资产价值。近年，国有大型银行以业务架构为指导，以共享、复用、创新为目标，建设大数据平台、数据湖、数据仓库等大数据服务体系，为用数赋智提供算力支撑。

一是建设企业级大数据处理平台。通过沉淀公共服务、向上统一服务入口、纵向细分领域能力，形成“采、存、算、取、用”数据全生命周期、全场景通用数据处理能力，赋能大数据研发和业务用数分析场景。通过流计算、高时效入湖、实时数仓等技术创新，提升全链路数据处理时效，充分发挥数据价值潜力。
二是筑牢大数据处理底座。构建统一的资源调度、日志中心、运营监控等公共服务能力，通过大数据资源管理服务提供裸金属资源的大数据专项虚拟化，实现跨机房、跨芯片、跨云地进行部署。通过存算分离、高低优先级负载混部、按租户动态灵活分配等技术提高大数据平台弹性扩展能力。
三是创建“开放共建”数据生态。构建端到端的 DataOps 敏捷数据研发流水线、一站式开发工作站，创新提供“数据 +BI”数样分离的用数新模式，降低大数据使用门槛。

例如，工商银行打造工银魔方大数据体系，形成统一的数据加工处理链路，建成实时采集、实时计算、实时分析的实时数仓体系，并通过资源扩容保障算力供给，提供十亿GB 级海量数据存储、百亿 GB 级数据并行处理能力，支撑全数据存储、全数据挖掘、全算法应用、全场景部署的需要，充分发挥数据要素价值。

中国银行建设“三横两纵一线”企业级数据平台，构筑“统一数据、统一架构、统一生态”的集团数据治理体系，截至 2023 年 8 月整合“数据竖井” 50 个、落地新型数据应用 43 项，在风险管理、智能营销、贸易金融、运营管理等领域取得显著成效。

3. 建设人工智能支撑体系

近年来，人工智能技术快速演进点燃了全球 AI 生产力研究创新的热潮。银行业持续建设人工智能体系，抢抓人工智能大模型和 AIGC（智能化内容生成）的前沿技术发展和应用机遇，逐步开展人工智能大模型能力建设。

一是打造统一 AI 技术底座，建立异构算力、异构算法、异构框架等 AI 公共要素的异构融合、统一调用的插拔式 AI 技术融合框架，硬件层面实现算力资源的池化和虚拟化，软件层面抽取和沉淀技术公共组件，降低人工智能上层应用的技术成本，保障公共资源利用高效能；同时结合业务发展需求，加强算力规划和资源保障，满足业务创新需要。
二是建立统一的 AI 资产管理框架。通过沉淀模型样本 AI 资产、建立 AI 资产管理能力、提炼 AI 资产模板，构建面向业务视角的 AI 资产视图，实现 AI 资产“全面、可见、可用”管理，方便用户复用相似场景的 AI 资产模板快速开发。
三是建设垂直领域技术能力。加强机器学习、图像识别、语音识别、自然语言处理、知识图谱等各垂直领域技术能力建设，形成“看、听、记、说、想、做”全栈 AI 能力。
四是探索人工智能大模型应用。从 AI 技术能力、应用创新等方面积极推进 AI 大模型技术体系建设，搭建大模型的训练算力集群、训练框架，构建文本生成、以文生图、视频生成等能力。

例如，工商银行建设快速赋能的 AI 中台，创新“数据中台+AI”用数模式，打造“拖拉拽”配置化的智能决策建模、自动化机器学习建模、计算机视觉建模等多样化 AI 建模流水线，聚焦共性需求，形成端到端业务智能化解决方案，已具备百亿级 AI 大模型信创算力基础设施，利用大模型打造知识运营助手，提升智能客服问答的准确率、覆盖率、可理解性。

农业银行发布了自主金融 AI 大模型应用 ChatABC，利用本行的算力、算法、数据和人才优势，着重在金融领域的知识理解、内容生成和安全问答能力上进行了深入探索应用。

4. 建设互联互通技术体系

银行业务服务过程中通过线上化、网络化实现更广泛的触达客户，这依赖于互联互通技术体系的支撑。互联互通技术是指区块链、物联网、生物识别、音视频通讯等技术，提供物与物、物与人、人与人的互联能力。银行需要围绕线上化、网络化业务发展趋势，加强互联互通技术的研究应用，提升客户触达、对外合作、生态链接等方面的技术支撑能力，助力拓展金融业务触达范围，拉近与合作方和客户的距离。

一是建设集基础服务、组网运维、金融级安全为一体的区块链体系，提供智能合约、跨机构系统快速对接和信息安全存储能力，建立区块链 BaaS 平台，加快场景落地，运用区块链可跟踪、防篡改的特性，构建参与方安全互信、信息公开透明的区块链生态圈。
二是建设汇聚万物、智慧洞察的物联网体系，构建“端、边、云”一体化技术架构，实现实物数字化智能感知，提供安全可靠的智慧物联解决方案，创新金融服务模式，在物品监控、溯源等场景开展广泛应用。
三是建设开放多元、金融级安全的企业级生物识别体系，借助生物识别技术实现客户生物信息全面数字化，建立统一维度管理的企业级生物特征库，提供人脸、指纹等生物特征管理、安全管控、服务调度等功能，支持各领域身份鉴别、智能感知等创新应用。
四是建设标准、统一的企业级音视频平台，实现音视频通信、直播、点播、智能分析等基础服务，融合5G、人工智能、生物识别等技术，形成全方位音视频类服务能力，助力远程业务办理等非接触服务创新。

例如，工商银行搭建企业级区块链技术平台“工银玺链”，提供强安全、高性能、易扩展、智运维的区块链服务，助力构建诚信互联的区块链应用生态，在安全防控、性能容量、便捷研发及跨链易扩展性等方面取得了多项技术突破，在资金管理、贸易金融、供应链金融、民生溯源、行业监管和数字资产业务领域取得了突破应用，打造了雄安新区智慧城市建设、一带一路“中欧 e 单通”等应用案例。

平安银行提出“星云物联计划”，搭建星云物联平台，借助网联网、卫星通信技术，实现供应链上下游的真实经营数据等信息更及时、有效的回传，为升级供应链金融服务提供有力支撑。

5. 加快新技术应用赋能

数字技术充分发挥新型生产要素作用，需要银行在做好新技术研究落地的基础上，通过机制创新、工程化实施等措施推动新技术的规模化应用，将科技创新成果转化为生产力。

一是建立新技术推广应用机制。构建涵盖场景首创、小范围应用、全面应用、应用效果评估四大环节的新技术规模化应用闭环流程，强化科技与业务融合、总分行协同联动，通过深入基层一线调研等措施，挖掘新技术应用的场景需求，解决用户难点痛点。
二是持续降低新技术应用门槛。持续优化技术平台易用性，总结提炼新技术应用等方面的标准模式、解决方案和典型案例，以点带面推动业务模式横向借鉴和成功模式规模化推广，助力创造规模化业务效益。
三是找准新技术应用的突破点。精准对标经营改革战略、业务发展目标和客户诉求，结合自身新技术能力，围绕客户服务、降本增效、风险防控等重点方向，聚焦网点转型、数字员工等当前金融创新热点场景，推动技术落地快速见效。

例如，工商银行组建专职团队开展新技术融合应用推广工作，建设“场景应用市场、在线体验平台”的标准化新技术应用模式，支持分行以“零编码、少编码”的方式快速进行新技术场景推广复制，促进新技术研究成果转化；应用人工智能、数字人等技术推出“工晓伴”等数字员工，创新业务运营模式。

建设银行打造企业级 RPA 系统，从六大方面用体系化、规模化的思路推进 RPA 应用，包含规划 RPA 应用范围、规划 RPA 研发方式、规划 RPA 运营方式、确定 RPA 技术引入策略、规划 RPA 平台架构、规划 RPA 运营组织架构，打通各条线的业务系统，带来较大经济效用。

三、多维度进化数字基础设施支撑能力

1. 构建绿色数据中心

银行传统数据中心的高能耗造成能耗压力不断攀升，在绿色环保成为当今时代发展潮流背景下，银行贯彻绿色节能理念，加快数据中心建设及运维模式向绿色化模式转型，建立贯穿设计、选址、建设、运维等各个环节的全生命周期智能化管理体系，利用自然冷源等方式逐步降低能源消耗。

例如，工商银行按照绿色数据中心规划开展上海外高桥园区改扩建工程，从建筑功能布局、建筑节能、暖通工程、供配电照明、能源计量和管理方案等方面加大绿色应用，大量采用绿色技术或产品，如供配电系统采用光伏发电、具备休眠功能的模块化 UPS，IT 设备大规模采用液冷服务器等，大幅降低数据中心耗能。中国银行数据中心建设项目中充分利用机房所在地平均气温较低的特点广泛采用间接蒸发冷却技术，利用自然冷源与机房内热空气进行热量交换达到制冷的目的，实现“换热不换质”。

2. 开展系统架构转型

互联网发展及大数据应用对算力提出更高需求，银行积极推进云计算平台建设、分布式架构转型。云计算平台具备资源池化、高可靠、云生态全面、支持业务弹性扩缩等特性，成为银行数字化转型的核心基础设施，满足银行业务增长需求。分布式体系基于开放平台集群系统，建设分布式服务、软负载、事务、消息、批量、缓存、数据库、对象存储、文件存储等运行支撑平台，建设开放平台核心银行系统的全新技术体系框架，通过多地多活部署、万级集群架构、多样化运行监控等技术手段，可实现秒级自愈、超高可用水平。同时，建设适配“云+ 分布式”体系的运维基础技术支撑、持续交付、监控分析、应急处置、性能容量、变更风险管控等运维核心能力，保障生产安全。

例如，工商银行分布式服务体系实现服务按节点注册模型，实施了异构注册中心机制、RPC 心跳打散等众多业界创新技术方案，应用系统已实现分布式架构转型，实现“应转尽转”，安全平稳地承载了工行全量 7 亿多个人客户信息、10 亿多个人账户迁移至分布式架构体系单轨运行，支撑日均交易 3 亿多笔。

建设银行实施基于多技术栈的银行核心系统建设，包括存款、贷款、借记卡、信用卡等原本在大型机上的核心业务领域全量业务功能，实现了分布式部署、模型化设计开发、全量并行验证、业务连续性保障等技术目标，满足了业务服务完整衔接、持续拓展、平滑切换的需求。

3. 提升网络与信息安全

面对网络安全威胁不断增长和世界各地安全事件频发，银行逐步构筑全面立体智能的信息安全体系。

一是提升主动防御和智能防护能力，建立覆盖网络层、文件层、服务器层的新一代纵深防御体系基础架构，建设具备网络异常流量威胁感知、异常文件动态检测、虚拟补丁、服务器入侵防护等新型防护能力的系统。
二是提升攻击溯源能力，构建以蜜罐系统、服务器入侵防护系统和威胁情报系统为基础的蜜网体系，实现体系化的攻击溯源能力。
三是提升开放平台数据安全风险管控水平，部署开放平台数据监控审计平台，构建对敏感数据异常访问及修改行为的感知和发掘能力。
四是以攻促防，在现有立体防御体系框架基础上，着力推进攻击能力体系建设，及时发现防御系统存在的薄弱环节。

例如，农业银行构建云应用防火墙，可有效防御 OWASP 攻击、支持 IP 和 URL 常见参数监测、支持自定义防御规则、CC 攻击防御、0day 漏洞补丁以及页面防篡改② 。工商银行构建云应用防火墙，可实现应用层常见网站漏洞防护，如 SQL 注入、XML 注入、XSS 等攻击防护。

本文摘编自中国工商银行股份有限公司与中国信息通信研究院发布的《银行业数字化转型白皮书（2023）》，全文下载：