商业银行要让“数尽其用” 从图说数治金字塔 1.0 开始

商业银行要形成“数据驱动型数字产品 / 服务体系”, 让数据在业务应用场景中得到持续深入的利用,并向“数据 - 金融 - 产业”的生态建设发展, 才能做到真正的数尽其用。

商业银行要让“数尽其用” 从图说数治金字塔 1.0 开始
出处:商业银行数据要素共享与流通研究报告

自 2019 年国家层面首次提出把数据作为一种新的生产要素,数据就不再仅仅是储存于数据库中冰冷的数字,而是一种具有无限潜力的生产要素。在梳理《2024年上半年数字经济有关政策法规更新一览》中,我们认为,数据作为数字经济的源头活水,经由治理和要素化进入全国统一大市场进行资源配置,在人工智能+的推进下形成以创新为主导的新质生产力,从而为开辟未来产业培育全新数字空间和增长动能。

2023 年在“数据二十条”的政策推动下,数据要素顶层设计规划与配套措施日趋完善,这也将为数据要素产业带来蓬勃发展的机遇。随着金融产业结构与消费结构的不断升级,客户对银行的需求也日趋个性化、场景化、多样化和智能化。同时随着数据要素共享与流通从理论研究阶段过度至企业实践阶段,数据的价值会被进一步强调“数尽其用”。

商业银行作为金融服务的重要提供者,拥有大量涉及客户、交易、风险等方面的数据,这些数据已经成为商业银行的核心资源。然而,长期以来,由于竞争压力、安全隐患和法律法规等因素影响,数据要素共享与流通在商业银行领域一直面临着各种壁垒和挑战,阻碍了数据的充分利用。

商业银行要形成“数据驱动型数字产品 / 服务体系”, 让数据在业务应用场景中得到持续深入的利用,并向“数据 – 金融 – 产业”的生态建设发展,才能做到真正的数尽其用,我们以图说数治金字塔 1.0 开启新的系列。

01 数治金字塔 1.0

数据作为一种新兴的生产要素,它不仅是一种资源,而且是一种能够被收集、存储、分析和应用的信息形式,作为独立的维度为生产和决策提供更加精确、实时和全面的支持。为全面理解数据要素在数字经济的核心推动作用,数治网DTZed 主编黄荣楠提出数治金字塔 1.0 模型,目前来自数治网院iDigi 产研共同体的全球 CXO 导师们已大多认可:

以“全生命周期”为底,“全域”、“全链路”、“全量”、“全运营”为四面的数据5A金字塔,企业在业务数据化到数据业务化过程中向数据驱动型转变,数据同时资源化;在入表、登记后资产化,通过敏捷运营能够要素化进行共享流通,从而推进产业数字化到数字产业化,最终实现数字创新。

数据历经“资源化”-“资产化”-“要素化”为新质生产力形成注入创新动力,各行业企业在“数据驱动”-“敏捷运营”-“数字创新”三步转型中逐渐步入未来产业,促使数字经济在双螺旋结构中循环上升。

快城FastCity 为“数字中国”、“美丽中国”建设服务,以产研共同体激发数字技术,赋能数字应用,拓展数字合作,助推数字经济。基于数治金字塔 1.0 模型,我们以数字优先自研推出 AI 驱动的移动智能解决方案、 SaaS 和应用,为数字治理和人才引育用留助力,始终领先一步。请在文末了解详情。

02 数据要素产业发展路径

基于大量的理论研究和应用实践,我们认为商业银行要实现数据要素化且最终参与到数据要素产业生态中,需要经历以下三个阶段:

业务数据化:业务数据化是指将各项业务活动和过程转化为可量化、可记录和可分析的数据形式。商业银行涉及广泛的业务领域,包括存款、贷款、投资、交易等。业务数据化的第一步是通过系统和技术手段收集和整合各项业务的数据。这些数据可以来自于客户交易、业务操作、市场行情、风险评估等多个来源。通过对这些数据进行治理和管理,保证数据的源头质量,未来可以帮助银行更好地理解和分析业务运营状况,支持决策制定、风险管理和客户服务等方面。

数据资产化:数据资产化是指将数据视为一种重要的资产,并将其管理、促进利用和价值最大化的过程,通过对数据进行识别、分类和标记,以确定不同数据的价值和用途。 数据资产可以包括客户数据、交易数据、风险数据、市场数据等。不同类型的数据资产基于数据应用目标进行相应的成本与价值计量,并进行有效的管理和利用,帮助银行提高数据价值和运营效率。

资产要素化:资产要素化则是通过要素化识别出有“活性”的数据资产,在分析和挖掘中发现有价值的信息和洞察,支持决策制定和业务创新,实现客户洞察、风险管理、 营销策略优化等方面的增值。同时,也能为银行带来商业机会,例如数据交易、数据合作等, 进一步增强银行的竞争力和盈利能力。

03 商业银行数据驱动力视图

数据要素共享即数据要素内部共享,是指发生在企业内部,数据资产在不同部门、不同分支机构间分享,共享各方均该承担数据资产相关权利与义务的过程。数据要素流通即数据要素外部流通,是指发生在不同组织间,数据资产的流转、使用,参与各方均该承担数据资产相关的权利与义务的过程,包括三种模式:数据合作、数据开放、数据交易。商业银行要参与数字经济,必须要参与共享流通、参与到社会生产经营活动或产业生态中,并给企业、给社会带来经济效益和社会效益。

数据既然作为资产进行管理,其核心管理目标是数据的保值与增值,商业银行只有不断地深入业务的痛点与难点,通过整理、分析数据,使沉睡、低效的数据资产转化为有价值、高价值的数据资产,这也是数据资产要素化的关键步骤。

04 基于供需关系的数据资产价值桥梁

对商业银行而言,通过数据资产的业务赋能或对其进行销售,将数据资产与用户衔接起来,最终在场景生态中产生价值。在转移与流通的过程中,数据资产价值被创造,产生“价值流”。价值流的正负向,即供方成本与需方收入的平衡关系,在一定程度上反映了数据资产是否真的为用户所需、为用户所用,日常管理活动是否正在良好地运转。

基于劳动对象、劳动工具、劳动者三大生产力要素,围绕数据资产价值的分配流转,以判断供需双方成本投入、多维度量化评价,帮助各参与方明确自身价值与贡献度,进而撬动数据认责,推进数据治理工作。评估其成本投入与价值产出。对商业银行而言,数据资产价值的创造过程如枝叶繁茂的大树,枝节众多。在此情况下,我们可以通过拆解供需关系的数据资产价值桥梁,进而判断有哪些供需相关方:

  • 算数:供方,指“数据”,即数据资源,如数据团队提供的原始数据、标签、指标等, 经过组合、加工最终将形成数据资产。
  • 算法:供方,指“算法”,即对数据资源加工、提炼、并最终用于业务场景的算法模型工具。
  • 算力:供方,指辅助“算数 + 算法”、对数据资产形成起到支撑作用的非实体要素, 如具备存算能力的大数据平台。
  • 场景:需方,指“应用场景”,即数据资产价值的出口。

05 数据资产价值管理框架

为明确量化供需关系中各参与方贡献程度,为数据资产管理做好支撑工作,数据资量化框架基于企业价值模型,通过逐层分析价值动因,从愿景、目标、任务延展至关键因子,搭建数据资产供需桥梁,从成本角度对供给端进行成本计量,从创收角度对需求端进行价值评估,辅以数据服务能力水平评估,为数据资产价值变现提供支持。

06 数据资产成本构成

为达到数据资产精细化管理的目的,商业银行在数据资产投入的计量显得尤为重要,算好一笔“成本账”是商业银行走向数据要素市场化之路上的重要基石。要想准确无误的计量数据资产所涉及的所有成本,需涵盖构建数据资产时的关键组成部分——数据本身、运用到的算力算法、对数据进行的治理管控,因此计量的成本包含数据资源成本、算法算力成本、以及数据资产在治理过程中产生的成本。

数据资源成本:形成数据资产的算数成本。由组成数据资产的各类数据的成本组成,将数据资源形成过程中的采集、清洗加工、开发、运维、管理等过程的成本进行归集, 其中也需要将数据资源所在平台、公共平台的成本纳入计算。为方便计算,将“数据资源成本”分为直接成本及间接成本分别计算后进行加总。

算法算力成本:对数据挖潜促活的技术成本。算法是数据资产不可或缺的一部分,商业银行通过使用算法对数据资源进行加工进而形成数据资产,通过算法挖潜、促活数
据资源,最大化激发数据价值。

数据治理成本:价值输出的风险及管理成本。数据资产的数据治理成本涵盖了数据资产的管理成本以及数据资产在应用中可能带来的风险成本。

07 商业银行业务能力地图

商业银行的业务活动客观存在于业务环节中,必须有一个明确的业务目标和产出物, 并需要创造价值。业务能力地图区别于银行部门级独立的功能性组织架构视角,而是从另一个视角洞察银行的商业模式和业务行为。业务能力地图是一种工具和方法,通过对业务活动进行重新归类以形成商业银行模块化和可复用的业务能力,用它可以识别业务改进及创新机会,从而映射到业务提升方向。

使用价值链分析法构建业务能力地图是较为有效的。价值链分析法是由美国哈佛商学院教授迈克尔波特提出来的,是一种寻求确定企业竞争优势的工具。即运用系统性方法来考察企业各项活动和相互关系,从而找寻具有竞争优势的资源。价值链思想认为企业的价值增加过程,按照经济和技术的相对独立性,可以分为既相互独立又相互联系的多个价值活动,这些价值活动形成一个独特的价值链。价值活动是企业所从事的物质上和技术上的各项活动,不同企业的价值活动划分与构成不同,价值链也不同。

结合监管的要求,经过多方论证且银行实践形成 28 项银行内部共享的业务能力地图。

08 商业银行数据应用能力地图(示例)

数据应用能力地图是全行范围内的统一的数据分析视图,是反应业务需要解决的问题与业务能力提升的关联图谱。他根据对业务需求的理解,从全行视角对业务需求用数据的语言进行一致性表达,是联结业务与数据的桥梁,也是数据部门衡量数据驱动能力对业务价值的评价基础。

银行数据应用能力地图的建设是自上而下和自下而上的结合,设计思路是先自上而下确定业务对应的数据分析主题域;再确定各主题域的数据需求,建立企业数据需求; 最后结合自下而上确定数据需求与数据的关联关系,形成数据关系图谱。这样逐级细化, 形成层次清晰的企业数据应用能力地图。

数据应用能力地图的形成不是一次性的工作,需要持续优化完善。具体分为建立数据应用能力地图框架、完善数据需求主题、挂接数据关联图谱三个阶段实施:

(1)建立数据应用能力地图框架

以业务能力地图成果为输入,参照业界参考模型,建设数据应用能力地图框,通过高阶关系图对银行业务需要解决的问题或业务提升点进行清晰、准确的可视化展现,拉齐业务与数据的统一认知;

(2)完善数据需求主题

分析业务能力需求中的所需数据需求以及所需的数据相关能力,形成完整、详细的企业数据应用能力地图;

(3)挂接数据关联图谱

在数据需求设计实施阶段,依托企业数据资产的分布、流转关系,进行相关数据资产的挂接,形成业务数据关系图谱。

09 数据服务能力水平评估维度

成本计量与价值评估分别从投入与产出两端对数据资产进行了度量,但本质是服务业的商业银行,在提供数据资产服务的过程中,除“场景”出口的效益外,还应关注投入产出的对比关系如何?数据资产的相关资源是否有效发挥作用?对客户的服务供给是否真正满足用户需求?

从“投入产出比”理念出发,可以对数据服务能力水平进行评估,反映商业银行将多种数据资产转化为数据要素的真实能力,并找出数据服务过程中的痛点、堵点,不断优化数据服务能力,进而支撑“以用户为中心”的服务经营理念。

数据服务能力水平的衡量围绕数据资产对用户产生价值的全过程,主要包括潜在价值、资产创新、交付效率、运行效果四个维度。根据不同评估对象的特性与使用场景, 有重点地进行数据服务能力水平的监控。

10 商业银行数据要素经营体系

基于商品流通的本质,可以得出数据要素是以价值创造为目标,完成从数据生产领域到数据消费领域的转移,而数据交易只是数据要素流通的模式之一。数据作为生产要素的作用包括:

(1)促进社会治理的精细化水平提升;
(2)提升行业、产业业态的创新能力;
(3)促进相关资源的合理配置与优化。

可以从以下几点来探讨数据要素的流通方式:

  • 商业模式,价值变现的流转方式:模式决定了企业将会运用何种盈利方式实现数据要素的价值变现,包括数据合作、数据交易、数据开放三种,例如通过售卖数据产品实现盈利、为内部部门提供数据服务,赋能业务实现价值;
  • 经营要素,价值变现的重要基础:经营要素是数据要素流通的重要组成部分,有了经营者、经营对象及经营权才能明确数据要素经营的主体、客体及权属划分,是数据要素对外流通的基底;
  • 经营活动,价值变现的实现过程:经营活动是将数据从研发至投身于数据要素市场中进行流通的实现过程,以此构建以数据要素为核心的“研发 – 定价 – 流通 – 评价”四大经营活动;
  • 经营载体,承载价值变现的组织:作为数据要素的市场主体,承载着各类商业模式下的相关活动的开展与运营,不同的经营载体承担着不同的责任,同时,在数据要素市场培育过程中,不同经营载体的相互组合也会呈现出多种数据要素市场形式的涌现;
  • 经营原则,价值变现的底线规则:原则是数据要素在进行流通时的底线,任何流通活动、方式都需在遵循隐私保护与安全合规的前提下进行,才能构建有序的数据要素市场。

数据要素经营体系以价值变现为目的,打通数据要素流通的“最后一公里”,对企业所拥有的数据进行战略性规划与部署,形成数据要素对外流通的一套体系,通过合理运作和协同作用,这五大板块相互支撑和促进整个数据要素经营体系的运行。

商业模式提供了盈利的方向和途径,经营要素为实现商业模式提供了基础和支持,经营活动在经营载体的支持下开展并用以商业模式的实施,而经营原则则确保数据要素经营的合规性和安全性。这种相互关联和相互支撑的关系使得数据要素经营体系能够有效地推动数据的流通、实现价值变现。

11 商业银行数字产业金融的价值

根据国家“十四五”规划以及金融监管的相关政策分析,就商业银行而言,在三种主要的数据要素流通模式中,数字产业金融是商业银行数字化转型新动能。数字经济的

核心在于与实体产业融合渗透,金融资源的精准配置在数字经济的背景下,本质上就是通过银、政、企数据到要素的融合形成产业的数字信用与数字担保,从而实现金融资源的精准配置,助力制造业高质量发展。利用金融杠杆推动各产业数字化、智能化齿轮转动,形成“产融结合”。数据的爆发式增长与新型技术的发展将加速实体产业在生产要素、创新理念、商业模型等方面的变革和突破。实体产业利用数字经济带来的产出增长, 将构成数字经济的主要部分,成为驱动数字经济发展的核心引擎,最终实现“数据 – 金融- 产业”的正向循环。

本文摘编自交通银行、大数据技术标准推进委员会和中国经济信息社联合发布的《商业银行数据要素共享与流通研究报告》。

数治网院iDigi 邀你成为产研共同体的一员,与全球 CXO 产研导师们相约学习研讨、评估咨询、需求对接、成果转化等,同时依托私有化大模型部署能力,专有数据库推理优化问答、题库和课件,逐步推进:

一站式数字治理:从数据驱动、敏捷运营到数字创新;
一体式引育用留:从素养测评、自主学习到实践认证;

一起搭建组织到个人的数字能力体系,共同将数字化成熟度提升到新的水平。

加入“数治x”行业社群,免费领取 300+ 高质量前沿资料下载大礼包,升级成为数治产研星舰会员,更有个人和团队水准测评、调研宣贯、考证认定、专场直播等增值权益:

1. 在文末扫码关注官方微信公众号“idtzed”,回复“入”直通行业群、成长营;
2. 下方添加老邪企业微信,入群后 @老邪 还可领行业工具包和每周更新福利。

3 评论

发条评论

你的电邮不会被公开。有*标记为必填。