整合信息孤岛 完善信息化应用

 

新沂农村商业银行科技部经理张宁

会议背景:

2016年3月25日至27日, 由帆软主办的2016帆软-亚太银行IT价值高峰论坛在浙江湖州喜来登酒店圆满召开。参会企业均为金融、IT界精英企业,包括帆软、中国银行、中信银行、深信服等。大会围绕”银行业数据分析”,”银行业数据孤岛”,”银行业信息化”,”银行业IT价值分析”等关键词展开,大家一同探讨了银行业IT建设之路的快与慢,得与失,展望中国银行业信息化未来发展之路。

 

现状与问题

  • 系统孤立形成信息孤岛
  • 缺乏公共服务与决策支持
  • 信息无法共享交换
  • 统计口径不一致
  • 数据价值难以体现
  • 缺乏监控与预测
  • 数据难以利用
  • 各部门数据需求迫切
  • 不利于各级领导政策抉择

江苏农信自2011年上线新版核心系统,随着银行的业务不断拓展, 信息化应用的不断深入, 因此也会有不少的系统陆续投产。这些系统的投产一方面支持了银行业务和信息化的发展, 但另一方面也暴露出一些新的问题, 通过对这些系统进行分析, 问题主要表现在以下几个方面:

 

1. 大量的业务数据难以充分利用

传统的业务系统产生的业务明细数据,虽然包含着大量对决策非常有价值的信息,但由于它们的组织方式是面向业务应用而不是面向管理, 从中抽取有价值信息的难度非常大,所花费的代价很高(投入的IT人员和时间)。而且,随着基础业务系统将来不断的改进和扩充,这些数据将逐渐具备如下的特点:

  • 异构的数据结构;
  • 不同的数据库;
  • 分布存放;
  • 备份到各种介质;
  • 数据量极大。

这将造成难于全面、综合地掌握和利用在经营过程中得到的信息。
2. 基于传统联机业务处理技术的查询系统,开发周期较长;
3.基于传统联机业务处理技术的查询系统,面对分析人员随时发生变化的需求,不够灵活,不能即时地动态生成报表;
4.面对海量数据,基于传统联机业务处理技术的查询系统在执行复杂、 大量计算的查询、分析、监控方面将表现出极低的效率;
5.查询系统和基础业务系统相互干扰;
6.多个业务系统,可能导致多个查询系统,使用起来非常不方便;
7.多个查询系统会导致统计口径存在差异,从而引起数据的不一致性,甚至错误数据,可能误导决策;
8.同时从多个查询系统中发掘有价值的数据,需要通过人工的方法汇总加工,这样势必降低时效性和准确性;
9.查询系统不仅在统计和报表方面缺乏灵活和自由,而且缺乏对数据的分析和挖掘功能,不能发现隐藏在数据后面的有价值的信息。
10.查询系统不能够监控和预测风险。
综上所述,目前迫切需要搭建一个符合银行特色的商业智能平台,把需要的数据和信息集中起来,统一管理,在此基础上进行多角度、全方位的分析,如绩效考核、大客户分析、经营指标分析、关系营销分析、风险分析、员工行为监测( EAST监管) 等,提升银行的运营能力,增强企业的竞争力;更进一步是对信息灵活地进行深度加工、分析,实现对风险监控、风险预测、决策分析等工作的支持。达到寻找潜在市场、潜在客户和和发掘商机的目的,为银行开拓业务、降低风险提供依据

 

二.目标与作用
信息整合的作用
1、规范化的银行信息模型

  •      数据整合:整合各职能部门“信息孤岛”中的数据
  •      信息模型:统一的银行信息标准和模型数据共享、交换和应用平台
  •      数据共享:跨职能部门和机构的信息共享
  •      数据交换:作为集中的数据交换中心平台
  •      应用平台:作为公共的应用服务平台服务分散的应用
  •      数据中心应用:包含报表,分析,数据挖掘和业务监控等

2、高效的银行信息化管理设施
3、数据共享

  •      全面整合:把各个职能部门的数据整合到数据中心
  •     统一正确:完善的数据质量管理保障数据的正确性
  •      方便访问:各个职能部门可以方便快捷的访问数据

4、数据交换

  •      集中存储:建立集中的数据交换中心平台
  •     信息传输:自动发送信息到相应的机构人员
  •      快速响应:根据需要快速的组织决策数据
  •     自助式行政事务:简化工作流程、灵活发布信息

信息整合的目标
通过建立商业智能平台系统, 辅助全分行在经营方面达到以下目的:
1、提高防范和化解经营风险的能力;
2、辅助全分行提高经营管理水平;
3、增强全分行的市场竞争力;
4、更加深入地了解市场的发展规律;
5、辅助发现新的利润区;
6、优化全分行的资源和管理模式;
7、帮助全分行更加稳健地实现经营目标。
8、运用商业智能技术,以银行经营管理为中心,完善银行信息化应用。

 

建立商业智能平台的目标

  • 以行领导决策分析为向导,通过系统进行展现,为行经营管理提供数据支撑;
  • 业务范围以存款、贷款、收入为主导的分析方式,基于各级数据权限层层钻取;
  • 系统以时点数、日均数为要素,对期限(年初、月初、季初、昨日)进行同比、环比、钻取、联动等处理方式;
  • 主要展现方式根据业务不同,可以通过柱状图、线形图、饼状图进行展现;
  • 系统以实用为主,以行管理方向为导向。

三.整体思路与架构
功能架构

数据源(核心系统、信贷系统、财管系统、电子银行、其他系统)通过ETL处理(数据源加载、数据仓库加载、数据加工、数据完善)最终展现在报表平台、CRM及其他应用中。

1

数据架构

2

 

四.典型应用

典型应用之综合报表
启动建设时间: 2013年9月
报表数量:行内报表:296张,村镇银行:70张
模块数量:行内报表:8个,村镇银行:5个
用户数:全行所有员工540人,行内报表核心用户90个
使用单位数:机关17个部门,支行40家,陇海村镇5家
网点数: 新沂40家 村镇5家
日均访问数: 500左右, 村镇银行部分推广中
3

4 5 6 7

 

典型应用之绩效考核
启动建设时间:2014年12月
报表数量:66张
模块数量:6大模块
用户数:全行所有员工540人,核心用户57个
使用单位数:机关17个部门,支行40家
网点数:新沂40家
日均访问数:120左右

 

8 9
11

 

四.应用规划
BI决策分析系统
建立统一、长效数据平台实现对历史数据进行趋势、环比、同比等情况分析;根据主题要求有效加工分析数据管理部门要求的分析报表。通过丰富图形展示来表达业务数据情况,使领导更能直观、全面了解经营情况。 有效利用数据,挖掘分析管理部门要求的分析数据,为行领导决策提供科学有效的依据。
Ø以行领导决策分析为向导,通过系统进行展现,为经营管理提供数据支撑;
Ø业务范围以存款、贷款、收入为主导的分析方式,基于各级数据权限层层钻取;
Ø系统以时点数、日均数为要素,对期限(年初、月初、季初、昨日)进行同比、环比、钻取、联动等处理方式;
Ø主要展现方式根据业务不同,可以通过柱状图、线形图、饼状图进行展现;
Ø系统以实用为主,以行管理方向为导向。


13

 

 

经验分析【行领导】→各网点分析【中层干部】→客户总额分析【客户经理】→客户明细分析【客户】→客户挖掘【客户关系】


15

  • 根据建设要素、期限、方式、展现、限制条件等要素确定基本事实表的建设
  • 相关事实关联信息涉及到的代码、参数将作为维度信息建设
  • 通过使用到的展现方式确认报表

16 17

 

企业信息门户
l统一身份认证和单点登录: 实现身份信息的统一管理,构建整个银行内部的统一认证体系架构,对银行现有的应用系统的认证方式根据实际情况的需要评估是否需要做出调整和修改,选择一种合适的方式改造现有系统各自独立的认证流程,实现跨系统、跨应用的统一身份认证。
l分析型应用仪表盘:按不同的主题和部门需求,构建分析型应用或集成原有的分析型应用。
l报警仪表盘:根据领导层的需要,定义出企业层及不同部门的KPI(关键性能指标),并定义出其的上限及下限。
l企业报表预定义:构建各类参数化报表,并实现订阅。
l个性化展现方式: 提供的个性化服务可以使用户来创建自己喜欢的门户页面、选择其需要的组件、可视化地设置组件在页面中的布局、并选择整个门户页面的风格,即主题。门户管理员可以控制授予用户的个性化权利。

大客户分析的需求
( 1) 如何找出银行最大利润的创造者
20%的优质客户往往能给银行创造80%的利润,各银行都在采用各种手段“挖”竞争对手的优质客户,如何在银行众多的客户里,找出优质客户,是银行经营管理者急需解决的问题。
( 2) 运用差异化的销售策略留住优质客户
其实, 发展一个新客户的成本往往是留住一个老客户的5倍,通过对优质客户群体的行为分析、忠诚度分析、构成分类进行分析,采取差异化的销售策略,提供个性化的金融产品及服务, 在留住优质客户的同时,增加银行的利润增长点。
( 3) 从大客户分析着手, 逐步实现全分行的客户关系管理

从大客户分析开始来进行银行的客户关系管理建设,对银行来说,投资小、见效快。因为大客户资料相对比较完整,客户经理的信息采集工作量小,开发周期短,把有限的资源放在为银行带来最大利润的客户群上,从而以较小投入带来最大的回报。在条件成熟时,实现全分行的客户关系管理。

 

企业级的商业智能平台

 

18

 

利润分析: 业务运作性能、渠道利润分析、客户生命期价值、客户利润分析、不同地区利润分析、机构利润分析、机构网点绩效网点评估、产品分析、利润分析、产品利润分析、交易分析

关系营销分析:市场策划分析、交叉销售分析、客户流失分析、客户行为分析、客户投诉分析、客户欠款分析、客户沟通分析、客户忠诚度分析、

个人客户信息、销售商机分析、市场分析、投资行为分析

风险分析:授信权限分析、信用风险分析、汇率敏感度分析、参与者风险、地理位置风险、流动资金风险分析、不良贷款分析、透支分析、信用组合风险分析、安全分析

资产负债管理:资本分配分析、资本募集、信贷呆坏帐准备、人行报表、财务管理分析、资金到期分析、收入分析、利率敏感度分析、流动资金分析、边际利率变迁、短期资金管理

 

19

 

 

 

目标销售,主要是利用预估模型来确定和选择销售的对象和目标;
风险分析,数据挖掘的方法已被广泛地用于风险模型的建立,包括审批模型、 行为模型、逾期模型、破产模型等;
客户利润贡献度分析,根据预估模型及客户的贡献度分析,确立黄金客户、创利客户及非创立客户的分布;
银行关键经营指标的分析,包括存款、贷款、不良资产等指标的变动对比分析;
信用价值/潜在价值的预估,在北美已被广泛地使用,主要通过对客户潜在价值的分析,有利于银行根据客户信用价值和潜在价值高低采取不同的策略;
预测分析,预测主要用于销售的预测、利率预测以及成本费用的预测等。数据挖掘方法的使用将极大地提高银行未来规划管理水平。

上一篇:       下一篇:

版权所有©2016 南京帆软软件有限公司 | 苏ICP备14031611号-1

返回顶部