共享经济的理念是通过有效利用已有资源，推动国家经济发展战略转型，实现资源科学配置，使社会整体财富增值。在新经济时代金融服务趋向开放、协作、平等的共享模式，银行作为整个经济组织的重要组成部分，一方面发挥在金融领域的产品与服务优势使资产负债管理更加高效，另一方面利用代理、支付等专业管理能力实现中间业务的优化创新。数据资产是银行的重要资源，将有力支撑金融服务实体经济，助力供给侧改革，落实国家普惠金融战略。自2013年大数据元年至今，大数据的识别以及整合管理技术已为数据价值转化奠定了基础，而今关键在于如何在适合的场景中实现数据在不同组织间的有序流动和充分共享。共享经济的关键在于发掘组织内部对于广域组织间的潜在价值，而大数据技术的产生和发展使得这一关键得以实现，大数据其本质特征也在于同一数据内容在不同组织需求看来价值密度不同。
数据治理与应用的发展
数据是银行运转的“血液”，源于业务运营、用于经营决策、基于有效治理。数据治理体系(也可称为数据体系)需要结合企业自身业务架构、IT架构和数据架构特点和要求，应用成熟的数据治理方法论，以数据治理为核心，围绕数据定义、产生、存储、使用、清除等的全生命周期展开，涵盖数据质量、数据架构、主数据、元数据、数据安全、数据开发等多个管理领域。
光大银行从2006年开始构建设数据仓库，随着数据应用的深入，于2011前启动数据治理体系的建设，依据数据治理的成熟方法论（DAMA、DGI、IBM数据治理方法论），结合企业业务发展战略，制定数据战略、构建银行数据治理体系、建立数据治理组织和机制、厘清数据应用架构规划、启动数据治理任务，并根据实施路线图有序推进治理落地，其中数据治理体系包括数据治理、数据管理、数据应用与服务三大模块，数据治理作为数据管理和数据应用与服务的支撑，数据管理确保数据应用与服务实现数据价值转化，数据应用与服务的过程反过来促进数据管理的落实，三个模块相辅相成，互相作用，形成合力。数据治理体系基本在银行内实现了数据文化的培养，使数据应用能力实现可持续发展，同时在数据治理构建与推动过程中逐步总结构建了两个抓手、两种模式和一种全面评价创新的治理要素。
(一)刚柔并举的两个抓手。数据认责机制是从数据与系统两个层面看各业务部门对于数据的责任类型及具体责任，并通过规范的流程制定与发布，在企业内部达到共识认可并遵照执行，有效提升数据治理的执行力。数据认责是在各类业务活动中对数据责任的细化，如果企业将数据视为一种资产进行管理，则数据认责就是对业务在数据管理责任方面的一种补充，同时业务管理流程往往在进行数据认责的过程中得到优化和修订，如此相互作用，实现了业务在运营和管理决策过程中的数据文化培养，使数据质量、数据标准、数据安全等管理工作更容易实施落地。由此也可以说数据认责机制是实现数据治理的相对柔性化的一个抓手。
数据质量考评是一种刚性的治理抓手。数据质量考评方案每年根据业务发展要求而制定，纳入企业平衡计分卡，是数据战略作为企业发展战略的重要组成部分的重要标志。数据质量考评可分为由数据质量引起的风险事件、综合数据质量评价排名、重要数据质量量化阀值触发等，应对大数据发展要求和银行对信息泄露风险的防范要求，也可将数据安全相关评价要求也纳入其中。
（二）数据管理与数据服务的两种模式。一体化的数据管理模式。数据管理的工作内容有很多，目标聚焦在数据质量的提升和数据安全的保障上，具体要是搞清数据对象（数据分类、分级；数据的关系模型），以及数据对象怎么管（管理的方法、流程和技术支持）。落实一体化管理模式，一方面应该结合IT项目建设进行落地实施，另一方面可以在项目实施过程中将多项数据管理工作综合在一起进行推进落地。一体化管理实现了统一目标、提升效率、完善认知的管理效用：以提升数据质量，保障数据安全为目标，管理活动整合，形成合力；与项目建设结合，管理与落地同步，管理流程合并简化，提升效率；提升业务全员对数据价值的认知和重视，有利于业务对数据的有效应用。
三位一体的数据服务模式，即面向总行的专业数据服务模式、面向分行的垂直数据服务模式、面向创新的探索分析数据服务模式。通过专业人才+服务流程+知识目录进行支撑，整合提供数据服务内容交付、通过数据文化和知识的共享与推广促进服务能力培养；将数据应用和数据服务进行整合，使应用的建设更加符合数据交付的诉求，总行层面数据服务重点在于交付效率、分行层面数据服务重点在于安全可控下的数据开放、创新层面重点在于基于大数据技术的数据产品孵化和有效性评价。
探索银行数据应用，挖掘数据资产价值
（一）通过数据产品高效推送数据资产价值。光大银行基于“数字化、智能化”的数据产品移动应用。以手机APP作为载体，面向总、分、支三级高管层的应用，命名为“光速观察”。实现经营指标智能化展现，助力普惠金融，提升决策者的洞察力与经营决策效率。“光速观察”实现了以下目标：将管理决策与移动互联的结合创新，成为决策者的望远镜和显微镜；经营指标和决策信息随身推送，实现智能决策、高效决策；面向业务部门专项指标，定制化业务专项分析；提供大数据挖掘案例分享，助力普惠金融。
（二）通过大数据技术挖掘数据资产价值。“风险共同体族谱”是光大银行以复杂网络大数据技术为核心创研的数据应用，大数据引擎负责从“光大企业生态云图”中粹取风险特征关联关系，勾勒企业—企业、企业—个人、个人—个人间的潜在风险共同体族谱，实现风险预警与管理从“单点”扩展到 “风险共同体”关系网络，并用于发现关联企业贷款、担保圈企业贷款、循环担保贷款风险。通过大数据挖掘出数据资产价值，提升银行风险预警的深度与广度。
（三）通过分析探索共享数据资产价值。互联网的发展让消费者成为价值的核心，社交网络潜在价值巨大，通过数据在组织间流动过程中的重构和解构，在数据中探索出原本价值低或者没有价值的讯息，当被拼接在一起时，就能够创造出更多社会的价值增益，实现数据资产价值的共享，提升对客户的综合服务水平，践行普惠金融。
应用以上理论和技术我们可以将核心客户（已持有某一金融产品客户）作为种子客户，围绕客户行为场景为其设计专享产品和优质服务。借助更多外部大数据，基于这种思维可以描绘出更为复杂的大数据客户交往圈，将可以设计更为贴近客户、适合客户的营销场景，到那时由于数据的复杂度也随之提升，除了这里展示的图计算和可视化技术外，我们还需要应用更为复杂的大数据挖掘技术。
面向共享经济发展的大数据思考
共享经济是一种经济模式的总结性表述，是“大众创业、万众创新”与“互联网+”国家发展战略催生的新的经济发展模式，自从第一次工业革命以后，经济与社会的发展都必然是由科学技术的发展推动的，大数据技术被誉为“第三次信息化浪潮”，如何构建企业大数据能力，抓住共享经济发展机遇？未来几年光大银行将做好这六个方面的事情：搭建企业级的大数据技术平台、规划并实现大数据治理机制、企业内构建数据服务社区、拥有大数据挖掘能力、数据产品得以不断孵化以及聚焦在支撑业务发展的大数据应用建设。
（一）大数据技术平台。这是实现大数据能力的根本基础，组建大数据技术平台关键是如何将结构化的数据仓库与hadoop基础平台无缝结合形成具备全面支持能力的大数据基础平台，如何运用大数据思维在数据仓库、商业智能方面实现技术创新，进一步提升业务经营决策、监管运营的效率和质量。
光大银行目前正在建设hadoop大数据应用开发平台，hadoop本身是开源的，与数据仓库相比除了上面存储和计算的数据有效管理，更重要的是将开源的技术组件进行有效封装，使在其之上搭建的大数据应用屏蔽掉开源组件频繁版本升级带来的研发成本和不稳定性、更加有效整合利用硬件资源、提升应用建设的快速响应能力以及实现企业hadoop技术的人才储备。
（二）大数据治理。光大银行在数据治理方面已经有了一定基础，而大数据治理所需要解决的重点是：将企业传统数据与大数据的治理融为一体，实现大数据和小数据共同治理；面向大数据发展技术要适当规划，因此需要先构建一个适当合理的大数据应用架构，随着技术发展再不断修正；构建外部数据引入、整合、融合、应用的机制。大数据治理，应该本着实事求是的态度，从业务应用架构出发，设计好管理要求的底线，灵活的应对业务挑战、快速实施大数据应用。
（三）构建数据服务社区。在企业内构建一种数据利用的文化，让数据应用的知识实现点对点的共享，在企业内只要需要数据，就到这个社区来，就像上网买东西去淘宝、去京东一样，搜一下想要的数据口径，有人分享过就直接可以获取了，还可以直接打电话问数据服务客服，愿意的话可以到论坛发个帖子悬赏一下，总之从想要数据到数据交付都在这个社区平台上解决。
（四）大数据挖掘。这是大数据技术的重要组成部分和应用方向，深度学习（Alfago)、认知计算(IBM watson），大数据挖掘技术是抛开传统业务专家思维，挖掘潜在资产价值的核心。大数据挖掘是实现数据产品孵化的基地，针对企业利用真实生产数据进行分析探索；大数据挖掘更多用全量数据进行数据挖掘建模；大数据挖掘模型从统一管理向统一运营（部署运行）发展；大数据挖掘需要快速引入新的大数据分析与挖掘技术进行试验、统一规范数据分析与挖掘管理，实现实验室孵化成果快速转化为数据产品的能力的需要，因此应构建大数据挖掘的技术平台。
（五）数据产品化。在大数据平台与大数据运用的探索中，光大银行选择以“数据业务价值”为驱动的数据产品化方法。寻找将大数据从基础设施转向可用资源的有效路径，进而发挥出数据价值的乘数效应。数据产品应用平台在其中承载着从实验室走到生产运营化的重要作用。
（六）大数据应用。大数据应用秉承开放基因，无法预判其发展范畴，随着互联网+的深入，大数据应用将无所不及（一切皆有可能），那么这里也只是列举出近年来和未来几年银行可能会涉及的大数据应用，大致分布在六个方面：职能决策优化、客户全景画像、大数据管理、客户关系利用、实施流程分析、深度语义分析。过去几年，多数银行都是从比较基础并且较容易实现的“大数据管理”这一领域进行尝试，比如历史数据查询、监督审计应用等；未来银行关注线上与线下形成合力，线上智能化、线下精准化，因此客户画像与关系利用、实施交互销售、反欺诈风控等都会很快在这两年得以实施。
大数据是互联网、社区化的产物，它必定是开放的、活跃的，我们将坚定不移地发挥传统企业科技治理的长处（安全可控、适当规划）去融合大数据，利用大数据为我们带来的新思维、新发展，与业务场景深度融合，践行普惠金融，实现共享经济新发展。
联系我们请点击：
数邦客
