行业动态

菲娱国际娱乐代理IDCC2018中国建设银行股份有限公

作者:admin    发布时间:2019-12-16 06:41     浏览次数 :

[返回]

  数据资产化,刚才我们谈业务要数据化,数据要资产化,资产化我们借助我们底层,根据我们数据能力框架定义好的我们一些数据管控的机制也好,我们数据管理核心的一些能力,通过这些建设来支撑,保证中国建设银行的数据能够达到全、省、快、信、易、好,整个让我们的数据是良性的,使得我们要数据的时候很快可以拿到而且是可信的,而且是容易的。

  12月13日,2018数据资产管理大会在北京国家会议中心举行。本次大会由中国信息通信研究院、中国通信标准化协会(CCSA)主办,CCSA TC601大数据技术标准推进委员会承办,中国IDC圈协办。

  会上中国建设银行股份有限公司副总经理尚波发表了“中国建设银行的数据能力建设”演讲,以下为演讲实录:

  各位领导,各位嘉宾,今天我很荣幸能够代表中国建设银行给大家报告一下我们在数据能力建设方面的实践和体会。

  我的报告分四部分,菲娱国际娱乐代理首先介绍一下中国建设银行数据能力建设的历程。我们分成了五个阶段,第一阶段是我们当时84年,80年代有危机了,实际上整个中国建设银行数据能力建设是跟中国建设银行信息化建设的历程一脉相承、同步进行,我们在第一个阶段是84年到2003年,我们是这样去划分,叫做不关注,在这个阶段我们中国建设银行重点是相当于把业务电算化,原来我们单点,后来城市点到点,我们搞城市通兑网,到省级大联网,2005年最终实现全国大联通,这时候大家做一些业务的数字化,但真正对数据的管理和应用还是没有太多的概念。

  第二阶段叫做起步,为什么?2003年中国建设银行成立了信息中心,就是我们数据管理部的前身,有一支队伍专门去关注数据的管理,在这个阶段我们提出了数据管控的一些概念,制定了一些数据的标准,开始规划和建设建设银行的数据仓库,我们2003年规划、2004年建设、2005年上线,在大银行里面我们第一家建成了数据仓库。

  第三阶段是打基础,是2007-2010年,2007年建设银行股改上市会以后,与美国银行开展战略合作,美银在数据治理和数据管理方面给予了我们很大的帮助,在这个阶段他们和我们一起带领我们去研究数据能力框架,后面会讲到。同时也是我们数据管理部在牵头实施新资本协议,第三支柱我们负责在做,打下了一个基础,在理念上、在规范上、在仓库建设上我们都有很好的基础。

  第四阶段体系化,为什么叫体系化?2011年开始中国建设银行对整个全行的核心业务系统进行了重构,打破原来所有的系统,按照组建化、模型驱动的方法去来构建我们建设银行新一代的核心系统,为期六年。通过这个建设,由于我们前面的积累,我们借助新一代核心系统的建设,使得中国建设银行建立了数据管理体系和数据应用体系,我们为什么叫体系化?是因为我们建立了两个体系。从2007年开始实际上我们后面对数据能力建设这个角度来看,我们对两个体系进行持续不断地优化。

  第五阶段就是持续优化。在这样一个数据化的时代,我们已经把数据视作资产、视作战略资源去加以管理和应用。

  第二部分,2007年美银专家带领我们开始建设数据能力的框架,它是来指导我们建设银行在数据能力建设方面哪些东西你应该去做的,哪些东西你做的是不到位的,它指导我们、使得我们不会走偏。这个框架我们2007年开始在做,我们不断地在修订、在补充、在完善,随着新的技术、新的工具,通过咱们数据行业的一些发展,当时2007年在建的这个框架,美行自己有一个框架我们参考了,另外我们参考了IBM的一些能力框架,再就是DAMA,刚才李广乾先生也提到了DAMA,DAMA的框架我们也参考了,我们形成了中国建设银行的能力框架,不断地在迭代,从数据的应用、数据管控机制的建设和管理类数据的需求的统筹管理。

  业务数据化。中国建设银行的核心系统的建设是模型来驱动的,不是传统的写文字、划出屏幕的样子,实际上我们是通过模型来驱动,两大核心模型,一个是数据模型,一个是流程模型。从数据的角度来看,我们参考了IBM金融服务数据模型构建中国建设银行,我们从ABCC到D,最核心的一块我们是C,C模型是企业界的逻辑数据模型,涵盖了建设银行所有的产品和服务,在构建C是叫应用级或者叫组件级的模型,根据建设银行的C模型来组建指导它建设它的数据库设计,最终落地到数据库。通过企业界的C模型把建设银行所有数据的规范和标准进行统一的定义,包括所谓的代码。左边我们定义了建设银行所有的基础数据,右边可以看到我们从业务视角看指标或者从数据视角看衍生数据,我们从底层到上面也有一套管控机制,通过这套管控机制使得中国建设银行我们任何一个数据不管它的基础数据还是汇总数据或者指标数据都是单点去创建的。从而避免了企业常见的同名不同域,或者同域不同名的情况。通过两套模型把技术标准规范定义了,确保企业数据的标准唯一。

  数据资产化,刚才我们谈业务要数据化,数据要资产化,资产化我们借助我们底层,根据我们数据能力框架定义好的我们一些数据管控的机制也好,我们数据管理核心的一些能力,通过这些建设来支撑,保证中国建设银行的数据能够达到全、省、快、信、易、好,整个让我们的数据是良性的,使得我们要数据的时候很快可以拿到而且是可信的,而且是容易的。

  中国建设银行在2011年启动建模,2015年前后模型建立好以后,企业界的逻辑C模型,这个模型我们在2015年前后把它换掉了,我们采用我们自己的模型,采用C模型构建我们的仓库,我们讲九大主题就是这九大主题,所以我们在整合数据的时候用我们建设银行自己企业级的逻辑模型去构建。下游所有管理分析类应用唯一的一个数据来源就是仓库,各管理分析系统之间没有任何数据交换,唯一的交换点就是仓库。仓库的构建使得我们中国建设银行在任何一个试点企业核心的全貌的数据是能够看到的,也是准确的,所以我们讲大数据时代也好或者讲我们数据服务以后,在可见的将来我认为数据仓库是非常重要的,而且一定是存在的,因为我们谈仓库一定是结构化数据,所以它是在任何一个时间点是能够保证你企业有完整的、统一的一个视图,能够保证数据的可信,所以这个机制是非常非常重要的一个机制。

  这是谈数据治理组织架构,中国建设银行今年刚刚改革,建设银行今年成立了金融科技创新委员会,我们最大的特点是在创新委员会下面设立了数据治理专业委员会,它最重要的职责是对中国建设银行所有关于数据管理和数据应用重大的一些事项要去审批的,重大的一些财务支出是要审批的,大数据的重大的一些项目也需要它去审批。数据治理专业委员会主任是我们的一把手、是我们的行长,包括首席财务官也在这里面。菲娱国际登陆数据治理专业委员会办公室设在我们部门,下面有一个上海大数据智慧中心,要干的事情就是干大数据的事情,我们有一支100人的队伍在上海。

  建设银行数据管理部承担了一个重大的职责就是把数据需求进行集中,统一进行管理,我们把数据需求分为三类,我们叫做简单、复杂和专业需求。因为所有的需求都会到数据管理部进行统筹,对于涉及到开发的我们直接就转技术,对于纯数据的需求,第一类简单的我们直接通过一些管理分析类的系统,通过界面去解决。再一类是专业复杂的需求,复杂的需求往往是临时性、紧迫性的东西,我们有专业的数据团队通过服务去交付,这块就完成了。还有一块需求是专业的需求,专业的需求往往通过数据模型的建设,通过模型跑出结果去交付的,我们叫做专业。最重要的一点是驱动,有两类驱动,一类是业务需求的驱动,业务部门或者分行干不了的事情有困难会提出来,这是驱动力。还有一块是数据需求的驱动,数据需求驱动这块为什么我们重点来谈呢?这块就是数据分析人员、数据专业人员对于业务有一定的洞察能力的时候,他会来主动提出一些需求,往往我们一些大数据产品就是像一些分数、指数、客户标签很多的需求是来自于我们数据条线的专业人员提出来的,我们叫做数据驱动。

  关于数据的需求,除了传统的管理分析类专业的系统,我们数据管理部来承担的大量的需求是什么呢?就是一些跨部门、跨条线、说不清楚的一些需求,这块需求我们给它分为三类:一类我们叫固定报表,自助查询加上机器查询,这类应用我们由企业级的数据平台来去支撑,企业平台最重要的作用是来支撑我们业务人员自主用数,把用数的权利还给业务,这是数据管理部牵头建设的一个平台。再一块我们叫做数据模型实验室和数据挖掘,这块对应着我们的大数据智能平台,大数据智能平台承担着中国建设银行数据模型实验室和传统的商业智能或者讲我们现在的大数据分析应用,承担着这个功能。再一块就是仪表盘,仪表盘这块有我们的手机移动端作出各阶层500、600个指标,我们T+1,大部分核心业务指标我们做了T+1来去展现的,这是我们谈信息应用的六大模式我们有三个平台去承接。

  建设银行2016年开始建设大数据智能平台,大数据智能平台我们从底下看,我们有数据,它的数据来源就是我谈的数据仓库,数据仓库所有的数据包括我们内部数据、外部数据、结构化数据、非结构化数据,对我们整个大数据智能平台是开放的。在功能上有三大核心能力:第一,数据的获取,从仓库拿数据不需要走线上流程,有一套机制可以直接去取。再一个就是分析能力,我们借助各种工具,传统的商业智能工具也好、新型的大数据包括人工智能的一些能力我们都部署上去了。再一块就是我们的交付,我们可以把模型交付出去,也可以把结果批量地交付出去,我们也可以分装服务直接跟我们的流程系统去对接,这是我们的交付。

  另外我们还有三个库,一个产品库,我们好的模型分装成产品去共享,变成一个数据产品,再一个是知识库,工具箱,工具箱就是刚才谈到的所有的我们基于传统的商业智能工具也好、大数据工具也好,另外一点我们把图也用上了,图数据库加上上面的可视化分析工具相关的算法我们已经部署了。在应用层面我谈了,我们用什么去交付的,我们可以训练好模型,由模型布置到其他的地方。

  我们做了绿色工程,我们的最大的职责是管理好数据让大家用数据,绿色工程我们叫做大数据人才培养工程,我们在各部门、各条线年开始到现在干了三年,去培训我们条线的各分行的、各部门去上海建设,去做模型,去做一些应用,让这些人回到分行和部门的时候起到一些带头的作用,效果非常好了,各部门现在对大数据的一些应用非常好,认识水平也有大大的提高。

  通过我们共享来实现国家的价值,让数据的价值最大化,这里是最后一个价值化,其实整个贯穿下来我们谈到一个重要的理念也是我们总行数据管理部刘总提出来四化的概念,哪四化呢?业务数据化、数据资产化、资产价值化、价值最大化,实际上是围绕着这四化来去说的。

  通过中国建设银行新一代核心系统的建设同步建立了两大体系,数据管理体系和数据应用体系,通过这两个体系的互动,使得我们的数据更好,也支撑我们数据的应用能够更好地发展,我们在数据应用过程中发现数据问题的时候我们通过数据管理体系去解决,数据管理体系解决得好,更好地来支撑我们数据应用体系的一些建设。

  IDCC2018腾讯游戏大数据管理负责人、高级工程师刘天斯:大数据资产管理在腾讯游戏的实践

  大家知道IBM Watson更多做的是AI这块的医疗相关分析,比如说癌症分析,从这张图可以看到,Watson是偏AI的但是它更关心的是数据资产。Watson把目前的资产分为四个阶段。

  从年初到现在其实一直在不停地跟很多企业在聊数据资产管理的事情,因为我从2005、2006年就开始做这个领域,我之前在金融领域做这个东西,这两年跨行业做得比较多,跟多个行

  其实在这几年大数据不管在国际上还是在中国都呈现高速发展的增长的态势,在国际上我们参考了国际上很多权威的调研,在2017年的时候全球的大数据和商业数据分析的市场规模是

  IDCC2018中国支付清算协会业务协调三部主任丁华明:《非银行支付机构数据资产管理调研报告(2018)》解读

  首先我们看一下管理的现状,菲娱国际登陆主要三个方面内容,一是组织架构、二是制度建设、三是数据管理方面。组织架构其中也是分四个方面了解支付机构的数据资产治理的一个现状,分别为

sitemap sitemap