第一篇：銀行數據質量管理暫行辦法

**銀行數據質量管理暫行辦法

第一章

總

則

第一條 為規范數據管理工作，提高我行數據質量，確保數據準確性、完整性、及時性，特制定本暫行辦法。

第二條 相關概念

應用系統，是按照信息一體化的要求，用于處理我行經營管理的應用軟件系統，主要包括客戶交易類系統、業務管理類系統、管理信息類系統、技術保障類系統等。

數據是指**銀行實施信息化管理過程中產生的所有電子數據。數據質量是指數據的及時性、完整性以及準確性。第三條 數據質量管理應遵循以下原則：

（一）統一規范原則。各類應用系統采集和處理的數據，應符合各自應用系統所要求的數據標準。

（二）全程監控原則。建立數據從采集、審核、處理到維護的全過程監控體系，重點把好數據的采集錄入關，確保各類應用系統數據真實、準確、完整。

（三）層級考核原則。總、分行對各自直接下屬單位的數據質量管理工作進行嚴格的目標管理考核，獎優罰劣。

第二章

部門分工及職責

第四條 總行合規部是全行數據質量管理的牽頭部門，主要負責：

（一）、制定全行的數據質量管理的相關規章制度

（二）、對各應用系統管理部門的履職情況進行考核、監督

（三）、根據需要，參與對全行各應用系統數據質量管理的檢查監督

（四）、對違反數據質量管理規定，造成數據錯誤、失真、延誤、漏填等違規行為進行問責

（五）、向高管層報告我行數據質量管理執行情況

第五條 總行各部門是應用系統的管理部門，負責管理各自的應用系統，是本應用系統數據質量的主責任人，主要負責：

（一）、貫徹落實總行制定的數據質量管理的相關規章制度；

（二）、制定本應用系統錄入、維護、審核的基本標準和規范性要求，并適時開展檢查監督，保障數據管理符合規范性要求；

（三）、制定本單位的數據質量監控指標體系，定期對本級數據質量評估分析，及時解決數據質量管理中出現的問題；

（四）、指導、監督系統使用部門或相關崗位的數據質量管理工作，督查對錯誤數據進行更正和清理的情況；

（五）、制定本應用系統數據質量的考核標準和評分體系，按時對應用系統使用部門的數據質量進行考核；

（六）、提交本應用系統數據質量管理報告；

（七）、負責本職責范圍內的數據采集、錄入和審核工作。

第六條 應用系統使用部門主要指數據的采集和錄入單位，是應用系統數據采集、錄入質量的責任人，主要負責：

（一）、加強對采集、錄入人員的業務培訓和管理，提高數據錄入的準確率；

（二）、嚴格執行數據管理規章制度，確保數據采集、錄入真實、準確和及時；

（三）、按照規定，對數據采集錄入工作進行質量考核；

（四）、對采集錄入人員的工作情況進行監督檢查；

（五）、向應用系統管理部門報告數據質量管理執行情況；

（六）、負責本職責范圍內的數據采集、錄入和審核工作。

第七條 應用系統采集錄入人員是應用系統數據質量的直接責任人，主要負責

（一）、按照原始記錄，準確將數據錄入系統；

（二）、按照信息系統的要求，將涉及的相關內容全部錄入系統，不得缺省；

（三）、在規定期限內，根據各自的權限，及時將數據錄入系統；

（四）、按照上級機關的規范要求錄入各類數據。

第八條 科技信息部負責應用系統的安全、維護責任，參與對各應用系統數據考核工作。

第二章

數據采集、錄入與審核

第九條 數據采集是通過應用軟件進行數據錄入、使用各種工具軟件進行數據導入的數據收集、整理、傳輸的行為

第十條 數據采集應遵循真實、完整、規范、及時的原則。

（一）真實：應嚴格依據經營管理原始資料所記載的內容準確錄入相關數據，如實反映，不得隨意修改、增減。

（二）完整：要按照各類應用系統的有關要求進行數據采集，保證數據齊全，避免數據的缺失。

（三）規范：數據采集應按照應用軟件系統的相關標準進行。

（四）及時：數據要在規定的時間內采集，確保應用系統數據及時反映經營管理實際。

第十一條 數據采集程序

（一）接收：操作人員根據各應用系統的要求，及時對相關原始資料進行審核整理。

（二）錄入：原始資料審核無誤后，應在規定的時間內錄入或導入應用系統；對審核有誤的，必須修正后再錄入或導入。

第十二條 數據采集的責任部門

（一）通過業務軟件進行數據錄入的數據采集行為，其責任部門是業務軟件各子系統的使用部門。

（二）對于使用工具軟件進行數據導入的數據采集行為，其責任部門是工具軟件的使用部門。

第十三條 數據采集必須嚴格按相應的業務規范以及軟件使用要求進行，不得違反業務規范以及軟件使用要求對數據進行采集。

第十四條 數據采集必須依據不同業務辦理的要求在規定時間內完成，不得無故拖延或推遲數據采集時間，確保數據采集的及時性。

數據采集必須按有關業務規范要求以及軟件使用要求規定的格式進行錄入，不得缺省，確保數據的完整性。

采集的數據必須與原始材料一致，確保數據的準確性。

第十五條 在各類應用軟件系統中，要嚴格按照規定進行崗位設臵和授權，嚴格按照崗位和權限操作。嚴禁在未按規定授權的情況下委托他人以本人的賬戶和口令進行有關的數據錄入和修改。各系統用戶應當定期更改自己的口令，確保系統數據的安全。

第三章

數據維護

第十六條 數據維護是按照應用系統的有關規定對錯誤的數據進行數據修改的行為。

第十七條 數據維護由各應用系統管理部門按照各自應用系統的有要求，明確數據維護的權限和職責，制定數據維護的程序。凡是采集進入應用系統的數據，不得擅自修改、刪除。

第十八條 數據維護前應做好相應數據和系統的備份工作。能夠通過系統模塊解決的，經過審批后按照各類應用系統的操作規范進行維護；需要通過技術手段解決的，由 責任人提出書面申請，由相關業務部門和技術部門審核確認，經主管行領導審批同意后，方可進行數據維護。

第十九條 數據維護工作應嚴格備案，科技信息部對各應用系統管理部門報送的每項數據維護的時間、內容、維護原因、責任人等記錄進行備案，涉及的書面材料必須登記存檔。

第二十條 數據維護人員在進行數據維護時，必須認真負責，避免在數據維護過程中產生新的錯誤數據。

第四章、數據檢查

第二十一條 數據檢查是按照有關應用系統數據管理規定對數據及時性、完整性以及準確性進行的數據質量檢查的行為。

第二十二條 數據檢查采取應用系統使用部門自查和應用系統管理部門檢查的方式。數據檢查的方法有：

（一）通過統計、查詢等系統進行檢查；

（二）在業務軟件使用過程中對數據庫中已有數據進行檢查；

（三）用數據質量檢查工具進行檢查；

（四）抽取原始檔案材料與數據庫中數據進行對比；

（五）其它數據檢查的方法。第二十三條 檢查的內容：

1、紙質資料與信息系統內資料進行檢查核對，數據采集錄入是否全面、及時、規范。

2、數據的處理是否及時、正確、全面。

3、數據的傳輸是否規范、及時。

第二十四條 應用系統使用部門在業務軟件使用過程中發現錯誤數據，必須及時告知相應的數據采集的責任人或部門進行維護。

第二十五條 應用系統管理部門應定期通過使用統計、查詢等系統進行數據檢查，仔細分析檢查結果，識別其中不符合規律和常理的數據，查找存在的數據問題。

第五章

數據質量考核

第二十六條 各應用系統管理部門應建立本系統的數據質量的考核體系。第二十七條 考核指標至少包括比率指標和數量指標。比率指標按未達標的百分點扣分，數量指標按錯誤數據的數量和問題的嚴重程度扣分。

第二十八條 考核的比率指標是：

1、信息采集率。已經采集進入應用系統的信息與應該采集進入應用系統信息的比率。

2、信息采集準確率。錄入應用系統的正確信息與錄入的所有信息的比率。

3、信息傳輸及時率。規定時期內傳輸的信息與檢查期限內所有傳輸信息的比率。

4、信息處理率。考核期內處理的符合規定的信息與考核期內處理的所有信息的比率。

第二十九條 數量指標是指分級列出問題數據的數量，根據問題的嚴重程度，確定扣分標準，進行扣分。根據數據的重要程度具體分為四級：

1、只影響數據本身的完整性而不影響其他數據。

2、只影響本工作環節質量。

3、不僅影響本工作環節質量，而且影響后面工作環節數據處理質量。

4、數據質量錯誤造后面工作無法處理或無法工作。

第三十條 各應用系統主管部門應根據本辦法制定各應用系統的數據質量考核細則，并報總行合規部備案。

第六章、責任追究

第三十一條 凡違反本辦法相關規定，造成數據錄入不及時、不完整、不準確等數據質量問題的，對數據質量責任部門和相關責任人實行數據質量責任追究。

第三十二條 數據質量追究的原則

（一）“以誰的用戶名錄入，誰負責”；

（二）實事求是、有錯必糾、責罰相當、教育與處罰相結合。第三十三條 數據質量責任追究范圍

（一）因數據質量問題導致統計數據不能生成或生成錯誤的；

（二）因數據質量問題導致其他部門工作不能正常開展的；

（三）因數據質量問題影響經營決策行為的及時性、正確性的；

（四）因數據質量問題損害客戶合法權益的；

（五）因數據質量問題造成財產、聲譽損失的；

（六）其他應當追究的數據質量責任。第三十四條 數據質量責任劃分

（一）數據采集的責任部門即為數據質量的責任部門；

（二）從數據庫后臺記錄中確認的數據錄入人員是數據質量的直接責任人；

（三）將自己的用戶名、密碼提供給他人使用，或因保管不善導致他人盜用、冒用用戶名、密碼的，用戶名所有者是數據質量責任人。

第三十五條 數據質量責任按照《**銀行員工違規行為處理辦法》的規定進行追究。第三十六條 對主動發現錯誤并及時糾正，尚未造成不良影響的，可以從輕或者免于追究責任。

第三十七條 有下列情形之一的，應當從重追究責任：

（一）因玩忽職守、徇私枉法、受賄、索賄等原因造成過錯的；

（二）二次以上發生同一或類似過錯的；

（三）其他應從重追究責任的情形。

第六章

附則

第三十八條 本辦法由**銀行總行負責解釋。第三十九條 本辦法自印發之日起執行。

附件：**銀行應用系統目錄

第二篇：2013質量管理數據分析

2013質量管理數據分析

為了QMS在我公司得以保持和實施,總經理責成辦公室對質量管理的一些數據進行數據的統計,包括今年一月到七月不合格品的統計以及顧客投訴(抱怨)反饋數據的統計,根據所統計的數據進行分析,得出分析結論

1.從一至七月份不合格品數據分析柱狀圖8.4-1-2013-1可以

看出二月 不合格品較少是因為二月工作時間較少而3,4,5,6月份不合格數量較多是因為產品的數量多,總之不合格品率還是比較平穩的,一月重機分廠較多是因為上年結轉一部分造成,7月重機分廠不合格品率明顯下降

2.從一月至七月顧客投訴反饋信息數據分析柱狀圖

8.4-1-2013-2可以看出顧客不滿意還是呈現出穩中下降的趨勢

編制: 李志偉審核: 陳金生批準: 肇軍日期:2013-9-9

第三篇：數據質量管理落實情況經驗交流材料

強化數據分析應用，助力風險防控

數據分析應用是信息管稅的基礎，在數據處理分析應用方面，XXXXXX以數據質量管控和處理分析”為主線，以強化動態報告落實，助力風險防控為目標，形成數據管稅長效機制，充分發揮科技引領作用，有力促進了征管質效的全面提升。

一、打造綠色健康、全面覆蓋的數據網絡體系 我們在抓好各稅收業務系統數據質量“全程控管”的基礎上，最大限度的拓展數據采集渠道，豐富數據資源，打造綠色健康、全面覆蓋的數據網絡。(一)注重第三方信息的獲取與應用

一是加強國地稅數據信息互通渠道。一方面在全市推行國地稅聯合辦稅，在實現納稅人“進一家門，辦兩家事”的同時通過定期召開的國地稅聯席會議，實現全市國地稅信息定期互換共享。二是通過與外匯管理部門簽署《作備忘錄》，將雙方數據信息共享予以制度化。三是依托市政府電子政務信息資源共享交換平臺，充分利用工商、財政、統計、土地、房產及其它部門的涉稅數據。以上方式獲取的數據，通過信息中心依照業務需求，針對上述不同的數據來源，采用多種處理方法對相關數據進行提取、比對、分析和處理，加工制作成可供分析使用的數據信息。例如，2014年,我們通過市政府電子政務信息資源共享交換平臺，獲取XXXX市醫藥零售行業醫保刷卡數據，通 1 過與金稅三期系統的稅務登記信息查詢和申報明細查詢兩個模塊中醫藥零售行業稅務登記及申報明細數據進行比對分析，發現稅收征管問題點，并分析提煉成稅收風險點，下發風險防控任務、制定整改措施，切實堵塞醫藥行業稅收征管漏洞，進一步提升了征管質效。

（二）豐富數據采集方式

除業務系統產生的數據和第三方信息外，我們通過建立《XXXX市國稅系統數據采集、使用管理辦法》，拓展其它方式的數據采集方式。一是對于稅務機關風險管理過程中收集、反饋的資料，或者要求納稅人報送的生產、經營、管理等書面信息，也及時收集、分類處理；二是基層相關業務稅務人員利用智能終端獲取的日常檢查監控、核實調查、稽查取證等現場影像資料，及時傳送到專門的儲存平臺進行儲存；三是根據系統權限，市縣兩級信息中心嘗試提供涉稅業務信息加工定制功能，并規范提供數據的范圍、格式、流程及安全要求，今年以來市縣兩級信息中心為各業務部門和外部門處理分析相關數據XXXX余次XXXXX余萬筆。為業務科室稅務風險管理應用提供數據支撐，縣級無法獲取的數據，可以按照數據申請規程提請市局信息中心提取，實現數據全方位、多方式、無漏洞式采集。

二、建立全面準確、快速響應的數據分析應用機制

（一）組建數據分析應用組織體系。

成立市縣兩級數據分析小組，分管副局長任小組長，信息中心設立專職數據分析崗位，各科室、分局確定一名 2 數據分析聯絡員，根據業務分析需求，開展數據分析。定期選題，在分析選題上突出稅收工作的熱點和難點問題，把上級局部署專項工作作為選題的“熱點”，把本局確定的當年中心工作作為選題的“重點”把工作中不好解決的問題作為選題的“難點”，為實現稅收“難點”“重點”“熱點”問題實時傳送、快速響應做好制度保障。

（二）完善數據分析應用工作運作模式。

一是制定《XXXX市國稅局數據分析應用管理辦法》，加強對數據采集、提取、處理、分析、發布等環節的管理；二是創新分析方法。注重信息技術和數學模型相結合，引入經濟學、統計學的有關數學模型，構建符合征管業務特點的標準化數據處理分析模型，為數據處理分析工作提供有效的抓手；三是初步建立數據分析成果反饋機制。通過公文下發、業務例會匯報、數據分析講評、網絡化等多種形式，及時將每期數據分析報告向機關科室和基層分局通報，為基層開展納稅評估，加強稅源監控提供指導；四是創新數據分析應用評估考核機制。制定《數據分析應用成果反饋表》，通過具體稅收數字的具體呈現衡量和評價數據分析應用成效。

（三）建立動態報告落實三級聯動工作機制。

自省局開展動態報告工作以來，我們把數據動態報告的落實工作作為深化數據分析應用的重要途徑，經過近一年來不斷的摸索和實踐，建立了以動態報告問題點查找為起點，市、縣、分局三級聯動協作機制，統一組織實施問 3 題剖析，區分風險高低，統一調配全市國稅力量，形成市局數據分析、縣局風險排查、分局整改落實，全市集中疑點風險應對的三級聯動工作新機制。

1、專家組團，數據信息再加工。

一是關聯數據再抽取。我們數據處理分析精干力量，對省局《電子數據動態報告》進行認真解讀，重點針對《動態報告》中涉及我市的問題，篩選出相關數據，并結合查找出來的問題，通過“金稅三期”前臺、綜合數據管理平臺等系統，抽取我市其他關聯數據，拓展數據分析的深度和廣度。二是風險信息再分析。通過對抽取數據的加工整理，進行二次分析，查找出現問題的關鍵原因，重新發掘相關的數據聯系，形成有問題、有原因、有分析、有整改、有措施的情況報告供市局領導和相關業務科室作研究參考。建立問題行業分析模型，按照“評估幾戶企業，解剖形成典型，規范一個行業”的思路，對重點企業開展典型解剖。比如我們對《全省一般納稅人農產品抵扣數據情況》涉及到我市的XXXX戶企業的XXXX戶次情況進行延伸分析，一方面細化分析指標，形成《全市農產品收購加工企業稅收風險分析報告》，進行專題部署并開展專項評估檢查；一方面拓展分析范圍，選取皮革行業為突破口，集中對2戶重大疑點企業進行解剖式分析，形成《皮革鞣制加工行業稅收風險剖析模板》，為做好重點行業評估提供指南。自該項工作開展以來，共發布《全市增值稅一般納 4 稅人申報數據情況分析》、《XXXX市未達起征點戶稅收風險分析》等電子數據動態報告6期。

2、數據講評，稅收風險大排查。

一是召開數據講評會，分解風險指標。針對省局《動態報告》與市局再分析查找出來的問題，通過視頻會議的形式召開風險講評會，并將其作為《動態報告》落實整改的重要步驟。講評會分縣區、分類別進行講評，結合行業特點和風險類別，對存在的問題進行解讀劃分,分解任務指標，明確落實責任，提出相應的風險防范指導意見。通過講評，相關責任科室與稅源管理一線單位既能直觀清楚的了解全市的稅收管理總體情況又能查找自身管理存在的問題；既能借鑒先進的管理經驗又能對其他縣區存在的問題引以為戒。截止目前，共組織風險講評會6期。二是開展地毯式自查。要求各縣區局對所轄疑點企業進行逐戶核實，對疑點企業的風險核查項目逐項核實情況、采取的風險應對措施、納稅評估入庫稅款情況、停供發票情況、注銷稅務登記情況等填寫《落實情況表》，一戶一表，風險落實人員簽字，分局、稅源管理科負責人簽字，并加蓋單位公章，落實具體責任。對疑點明顯、數額較大的行業或企業進行重點納稅評估，對符合立案標準的，及時移交稽查。三是巡回督導和階段調度。市局成立督導組，對各縣區局風險落實情況進行巡回督導，及時幫助基層解決落實工作中出現的問題。對各縣區局工作進展情況實行定期調度，分階段形成調度報告，定期通報，5

3、聯動分析，常態化發布求實效。

為了最大程度地利用每一期電子數據動態報告的分析成果，充分發揮信息管稅作用，我們將往期報告中挖掘出的頻繁出現的風險點單獨列表展示，定期抽取數據定期發布風險數據情況，建立“常態化提取、動態化發布”新模式。由相關業務部門按照高危行業和熱點政策的執行或重點征管要素指標，分析行業納稅人和稅種政策執行中存在的風險點，我們按照分析識別業務需求實施數據的提取，分縣區、行業、納稅人、征管要素進行統計分析，三、構建以數據分析促風險管控長效機制

（一）以數據分析得出的問題點作為稅收風險管理的切入點。

以應用數據分析報告成果，及時準確地確定稅收問題點，作為風險防控切入點，通過部門間的聯動、整合，逐步形成具有針對性、系統性和時效性，覆蓋不同稅收業務管理要求的分析指標和分析模型，充分發揮以數據分析促風險防控，以風險防控促征管質效的作用。

（二）以數據分析方式方法作為稅收風險分析的基本方法。

在稅收風險分析工作中以數據處理分析的多種分析方法為基本分析方法，注重信息技術和數學模型相結合，充分利用先進的數據庫技術、多功能的數據展現軟件、數據挖掘工具創新分析方法。引入經濟學、統計學的有關數學模型，對相關數據進行抽取、過濾、關聯、整理和比對，構 6 建符合征管業務特點的標準化數據處理分析模型。比如在風險等級排序，分級分類應對中，綜合運用關聯分析法、趨勢分析法、定量和定性分析法、歸納推斷法等分析方法。數據處理分析方法的不斷發展帶動了稅收風險分析水平的不斷提高。

（三）以數據分析專業人員作為稅收風險防控的骨干力量。

經過近幾年數據處理分析工作的不斷發展，逐步形成了一批既掌握先進的信息技術、精通靈活多樣的數據分析方法、熟悉稅收規程和政策法規的數據分析專業人員，這些人員通過自身的優勢，逐漸成為稅收風險防控的骨干力量。他們通過及時、準確、完整掌握信息，處理分析相關數據，在數據分析、納稅評估、稅源監控、稅務稽查工作中，既各司其職，又密切協作，為稅收風險防控工作提供了可靠的人員保障。

（四）形成“分析+風控”長效管理機制。

數據分析把海量數據變為稅源信息，把數據優勢轉化為分析優勢，我們利用數據分析優勢，固化“數據—問題點—風控點—落實整改--防控措施”管理流程，形成“分析+風控”長效管理機制，實現“數據—信息—管理”的轉換，不斷推進風控管理提檔升級。2015年1季度，“分析+風控”管理機制穩步運行，通過對重點行業、重點區域的“分析+風控”，全市完成增補入庫稅款2872.6萬元，同比增長204.8%，增加稅收合計3189.5萬元，同比增長 7 35.8%。在下一步的工作中，我們將致力于打造組織績優化、流程規范化、機制長效化、響應快速化的新型數據處理分析模式，為稅收發展新常態和推進稅收現代化的做好強有力的科技引領和支撐。

第四篇：商品煤質量管理暫行辦法

商品煤質量管理暫行辦法(征求意見稿)對商品煤的灰分、發熱量、含硫量等指標提出新要求

我國將分煤種對商品煤的灰分、發熱量、含硫量等指標提出新的要求（此標準為《辦法》初稿內容）

? 煉焦用商品煤■ 灰分≤12% ■全水分≤12%■全硫分≤1．75%

? 動力用商品煤褐煤

■ 發熱量≥12兆焦/千克(約2870大卡/千克)

■ 灰分≤40% ■全水分≤40%■全硫分≤3%

其它煤種

■ 發熱量≥15兆焦/千克(約3587大卡/千克)

■ 灰分≤40% ■全水分≤20%■全硫分≤3%

? 遠距離運輸和進口動力用商品煤

■ 發熱量≥19兆焦/千克(約4544大卡/千克)

■ 灰分≤25% ■全硫分≤3%

第五篇：大數據時代銀行

近年來，大數據熱潮引發了一場思維、生產和生活方式的重大變革，可以說開啟了全新的時代。對于天然具有數據屬性的金融業來說，一方面，大數據能夠為金融機構的經營管理提供充分的信息支持；另一方面，大數據滋生的新型金融業態對傳統金融機構帶來了嚴峻挑戰。在這場社會大變革中，金融機構將如何應對，非常令人期待。為此，本刊邀請了多位金融機構的高級管理者以及業內專家，共同探討大數據時代金融業的變革與發展。

近十年來，中國銀行業的改革發展取得了令世界矚目的成就。在今年《銀行家》《福布斯》發布的大企業排行榜和市值排名上，五家大型商業銀行均已躋身世界前列。隨著以移動互聯網、云計算、“大數據”和物聯網為代表的信息革命的興起，銀行業又一次面臨新的機遇和挑戰。中國銀行業能否用好大數據，實現經營、管理和服務創新，決定了其未來的可持續發展能力。

銀行業已初步具備運用大數據的基礎

大數據是信息技術與互聯網產業發展到特定階段的產物，從互聯網到物聯網，從云計算到大數據，信息技術正在從產業基礎走向產業核心。而銀行業作為與信息技術深度結合的行業，互聯網思維和決策數據化已開始嵌入經營管理的全流程。大數據實質是“深度學習”，能夠為銀行提供全方位、精確化和實時的決策信息支持。銀行的經營轉型、產品創新和管理升級等都需要充分用好大數據。目前，銀行在客戶分析、風險管理方面對大數據運用已初步積累了一定的經驗，為未來過渡到全面大數據運用奠定了良好基礎。

20世紀90年代，隨著信息技術發展，國內銀行業順應潮流，將信息技術廣泛應用到業務處理和內部管理，以提高服務管理效率。進入21世紀，大銀行率先推進系統大集中和數據大集中，整合原有分散化的信息系統，不斷適應加快產品創新、提升客戶體驗等市場需求，建立數據倉庫和數據平臺，信息化程度不斷提高。近幾年，銀行業大力發展面向客戶的新一代核心業務系統，信息系統建設日趨完備，電子銀行等在線金融服務大幅增長，在提升客戶體驗和風險管控能力、滿足監管各項要求的同時，形成并儲存了龐大的可用數據資源。銀行業的數據資源不僅包括存貸匯核心業務結構化數據，也包含客戶電話語音、在線交易記錄、網點視頻等非結構化數據。

中國建設銀行（以下簡稱建設銀行）從2011年開始建設企業級全行共享的新一代核心業務系統，以客戶為中心、面向服務設計架構，實現業務與IT融合、產品快速創新的目的，目前已初具規模。特別是在新一代系統設計中，充分考慮數據儲存和應用的重要性，并專項設置了數據集成層模塊，包括數據緩存區、數據記錄系統、歷史數據存儲、分析數據倉庫、實時數據倉庫、公共數據集市。

銀行業開始嘗試接入和整合外部數據資源。在傳統的數據分析模式下，銀行業出于市場分析、內部管理、監管需要，產生并記錄了巨量的文本式結構化數據，涉及客戶賬戶資金往來、財務信息等，以及網銀瀏覽、電話、視頻等非結構化數據。但是，傳統意義上的銀行僅能掌握客戶與銀行業務相關的金融行為，無法獲得客戶在社會生活中體現興趣愛好、生活習慣、消費傾向的情感或行為數據，無法與業務數據形成聯動。隨著電子商務的快速發展和移動金融的深化，銀行業逐步加強與外部數據源對接，甄別有效信息，整合多渠道數據，豐富客戶圖譜。目前，已有多家銀行進行了有益嘗試。

一是銀行與電商平臺形成戰略合作。銀行業共享小微企業在電商平臺上的經營數據和經營者的個人信息，由電商平臺向銀行推薦有貸款意向的優質企業，銀行通過交易流水、買賣雙方評價等信息，確定企業資信水平，給予授信額度。建設銀行曾在這方面做過有益的嘗試。此外也有銀行參股電商、開展數據合作的案例。

二是銀行自主搭建電商平臺。銀行自建電商平臺，獲得數據資源的獨立話語權。在為客戶提供增值服務的同時，獲得客戶的動態商業信息，為發展小微信貸奠定基礎，是銀行搭建電商平臺的驅動力。2012年，建設銀行率先上線“善融商務”，提供B2B和B2C客戶操作模式，涵蓋商品批發、商品零售、房屋交易等領域，為客戶提供信息發布、交易撮合、社區服務、在線財務管理、在線客服等配套服務，提供的金融服務已從支付結算、托管、擔保擴展到對商戶和消費者線上融資服務的全過程。

三是銀行建立第三方數據分析中介，專門挖掘金融數據。例如，有的銀行將其與電商平臺一對一的合作擴展為“三方合作”，在銀行與電商之間，加入第三方公司來負責數據的對接，為銀行及其子公司提供數據分析挖掘的增值服務。其核心是對客戶的交易數據進行分析，準確預測客戶短時間內的消費和交易需求，從而精準掌握客戶的信貸需求和其他金融服務需求。

銀行業有處理數據的經驗和人才。數據分析和計量模型技術在傳統數據領域已得到較充分運用，同時也培養出大批精通計量分析技術的人才。如在風險管理方面，我國金融監管部門在與國際接軌過程中，引入巴塞爾新資本協議等國際準則，為銀行業提供了一套風險管理工具體系。銀行在此框架下，利用歷史數據測度信用、市場、操作、流動性等各類風險，內部評級相關技術工具已發揮出效果，廣泛應用于貸款評估、客戶準入退出、授信審批、產品定價、風險分類、經濟資本管理、績效考核等重要領域。

銀行已初步嘗試應用大數據。我國銀行業大規模運用大數據技術尚不成熟，但多家銀行已從關鍵點、具體業務入手應用大數據挖掘技術，解決效率提升中的難題。例如，有的銀行提供集電話、網絡在線、客戶端、微博、微信于一體的整合服務平臺，也有的銀行信用卡中心開發智能云語音，著眼于客服語音信息的挖掘和分析，通過對海量語言數據的持續在線和實時處理，為服務質量改善、經營效率提升、服務模式創新提供支撐，從而全面提升運營管理水平。還有些銀行在個人客戶營銷方面，著重客戶數據分析，摸索出客戶行為模式和潛在需求，促成定向精準銷售。例如，通過分析客戶行為數據和財務數據來鎖定潛在客戶，根據客戶行為規律，并結合其所在區域、行為內容來確定消費習慣，開展針對性營銷；通過分析交易記錄信息來有效識別小微企業客戶，并用遠程銀行和云轉借實施交叉銷售。此外，有的銀行還將其內部客戶編號和微博、QQ、郵箱等相對應，將互聯網數據與傳統數據一起存儲，建立數據庫，不僅了解客戶理財、基金購買等交易行為的頻繁程度，還可以發現其他動態信息如出差、喜好和社交圈等。

國際同業大數據運用的經驗教訓

金融業大數據運用的國際經驗主要體現在快速判斷宏觀經濟趨勢、分析預測客戶及交易對手行為、防范欺詐、改進內部效率以及外包非核心業務等方面。

快速判斷宏觀經濟形勢。英國央行已經開始運用大數據對英國房地產市場和勞動力市場趨勢作出快速判斷。以前，英國央行通過統計部門發布的房地產銷售數據、就業數據等，判斷房地產市場和勞動力市場變動趨勢，但統計部門的數據一般有數日乃至數周的時滯，不利于對形勢的快速判斷。目前，英國央行已通過對一些網絡搜索關鍵詞的監控，如“按揭”“房價”“職位”等，獲取最新的經濟運行情況。

分析預測客戶及交易對手行為。由谷歌（Google）前首席信息官Douglas Merrill創辦的信用評估公司ZestFinance，通過大數據技術把收集的海量碎片化數據整合成完整的客戶拼圖，較為準確地還原客戶的真實狀況和實際信用狀況，并據此支持合作公司向難以從銀行獲得貸款的美國人提供“工資日貸款”（payday loan）。西班牙對外銀行(BBVA)推出的具有記憶功能的ATM機ABIL，不但能記住客戶習慣的取款金額、頻率，還能根據其賬戶情況給出相應的取款建議。美國一些基金公司在幾年前開始借助社交媒體大數據，分析市場情緒變動，進而判斷未來交易是擴大還是萎縮。近期，這些基金公司進一步通過分析金融交易大數據，識別交易對手的交易特征，預判交易對手的交易動向，并采取相應的操作，以獲取差價。

防范欺詐。運用大數據分析軟件，可以預防信用卡和借記卡欺詐。通過監控客戶、賬戶和渠道等，提高銀行在交易、轉賬和在線付款等領域防御欺詐的能力。在監控客戶行為時，大數據可以識別出潛在的違規客戶，提示銀行工作人員對其予以重點關注，從而節省反欺詐監控資源。

改進內部效率。美國銀行用大數據分析該銀行某呼叫中心員工的行為，通過在員工姓名牌中置入感應器，監控員工的行走線路與交談語氣，可以知道員工在工作場所的社交狀況。監控結果表明，那些一起享受工間休息并相互交流的員工工作效率更高，他們可以在日常交流中分享如何應付“難纏”顧客的小竅門。美國銀行發現這一現象后，即轉而推行集體工間休息，此后員工表現提升了23%，而員工說話語調所反映出的壓力水平則下降了19%。另外，還有些歐美銀行運用大數據評價分支機構績效并獲得顯著成效。

大數據的應用存在運維風險和運營風險等，前者如數據丟失、數據泄露、數據非法篡改、數據整合過程中的信息不對稱導致錯誤決策等，后者如企業聲譽風險、數據被對手獲取后的經營風險等。因此，必須加強數據管控。這方面既有成功的經驗，也有值得總結的教訓。從已出現的問題看，最大的風險來自網絡攻擊和欺詐：2011年，網絡銀行欺詐給日本53家銀行造成2700億日元（約合225億元人民幣）的損失；2012年，詐騙集團曾攻擊歐美至少60家銀行的網絡，盜取銀行資金；2013年，國內某保險公司受黑客攻擊，造成數十萬保單信息泄露。為此，一是高度重視并推進統一的數據標準，并做好數據清洗，保證數據質量。二是審慎劃定數據邊界，合理開展內外部數據共享和非核心數據業務外包。三是大數據下應更加重視隱私保護和信息安全，加大對反網絡攻擊的投入。

推動大數據應用的策略

黨的十八大提出堅持走中國特色新型工業化、信息化、城鎮化、農業現代化道路，信息化已升級為國家戰略。我國銀行業加快大數據應用不僅具有行業意義，而且對于推動我國信息化進程、服務“新四化”發展也有重要作用。我國銀行業要從戰略高度充分認識到大數據分析、運用的重要性，從管理體系建設、具體運用模式方面不斷探索，打造銀行業在大數據時代的核心競爭力。

建立完善的大數據工作管理體系。銀行業應充分認識大數據的重要性，在總行層面建立大數據工作推進機制，制定大數據工作規劃，主管數據部門對大數據工作進行統籌規劃、組織協調、集中管理，業務部門承擔大數據采集、分析和應用的職責，全面定義、收集、多方式整合集團內外部各類數據，形成管理數據、使用數據和推廣數據的有效工作機制。

增強數據挖掘與分析運用能力。在銀行內部全面推廣基于數據進行決策、利用信息創造價值的觀念，引進數據挖掘和大數據運用專業方法和工具，培養專業數據挖掘分析人才隊伍，重視人才的經濟金融、數學建模、計算機新型算法等復合型技能，建立前瞻性的業務分析模型，把握、預測市場和客戶行為，將數據深度運用到業務經營管理過程，利用數據來指導工作，設計和制定政策、制度和措施，做到精準營銷和精細管理。

以大數據技術促進智慧銀行建設。推動大數據向生產力轉化，加快產品創新實驗室的技術研發，把實驗室成熟產品運用于客戶的營銷和服務，推進智慧銀行建設，把技術創新優勢轉化為競爭優勢。網點服務要運用好大數據等技術成果，推廣普及智能叫號預處理、遠程銀行VTM、電子銀行服務區、智能互動桌面、人臉識別等創新服務，將傳統銀行服務模式和創新科技有機結合，利用智能設備、數字媒體和人機交互技術為客戶帶來“自助、智能、智慧”的全新感受和體驗。智慧網點在建設推廣中，還應充分采用用戶交互技術和體驗設備，吸引客戶瀏覽、試用、比較各類金融產品，輔以工作人員推薦，從地域、客戶、產品等多種維度，挖掘客戶需求，實現對合適客戶、在合適時間、通過合適渠道、推薦合適產品。

建立基于大數據分析的定價體系。當前，資金的交易變動頻率和流動性加快，大數據從更寬廣角度，預判負債的波動情況，能更靈活測算是否滿足監管要求和貸款需求變化，從而為銀行以存定貸、以貸吸存策略提供量化支撐，可有效降低資金成本。銀行還要運用大數據分析，建立起綜合服務和信貸差異化定價體系，做到對不同產品、不同行業、不同區域實施差別化定價，最終實現一戶一策的綜合化、差異化服務，提升精準營銷水平。例如，將對公、對私客戶逐步納入定價系統，進行客戶選擇，不同服務內容享受不同信貸優惠，達到差別化定價和客戶最佳體驗的雙重目的。

依托大數據技術提升風險管理水平。大數據能較好地解決傳統信貸風險管理中的信息不對稱難題，提升貸前風險判斷和貸后風險預警能力，實現風險管理的精確化和前瞻性。大數據時代，銀行業可以打破信息孤島，全面整合客戶的多渠道交易數據，以及經營者個人金融、消費、行為等信息進行授信，降低信貸風險。如建設銀行依托“善融商務”開發出大數據信貸產品“善融貸”后，銀行可實時監控社交網站、搜索引擎、物聯網和電子商務等平臺，跟蹤分析客戶的人際關系、情緒、興趣愛好、購物習慣等多方面信息，對其信用等級和還款意愿變化進行預判，在第一次發生信貸業務，缺乏信貸強變量情況下，及時用教育背景、過往經歷等變量進行組合分析，以建立起信貸風險預警機制。由歷史數據分析轉向行為分析，將對目前的風險管理模式產生巨大突破。

大數據是信息革命中非常前沿且快速發展的技術，銀行業要抓緊解決內部數據挖掘分析和外部資源的安全整合利用問題，加快人才隊伍建設和技術成果轉化，通過大數據的高效應用，加速推進銀行業的轉型升級和可持續發展