为全面贯彻落实省联社党委“一二三”工作思路，纵深推进“四大战役”，全面开展重建重塑，有效提升科技建设水平，省联社结合工作实际制定了《山西省农村信用社科技建设数字化转型规划方案（2021-2025）》。方案聚焦山西农信科技数字化转型，提出以“提升工具力、打造竞争力、构建生态力”为目标，构建敏捷的交付能力、智能的数据能力、全能的渠道能力以及开放的生态能力。其中，智能的数据能力是数字化转型的关键环节，也是对大数据建设提出的根本要求，本文以智能的数据能力为目标，通过全面梳理大数据建设现状，精准分析大数据建设“三类需求”，提出了业务数据化、数据资产化、资产服务化、服务业务化的大数据建设“四步走”分层推进方案。
全面梳理大数据建设现状
根据2018年发布的国家标准《数据管理能力成熟度评估模型》（GB/T 36073-2018），数据管理能力包括数据战略、数据治理、数据架构、数据标准、数据质量、数据安全、数据应用、数据生命周期等八个领域。本文从上述八方面入手，全面梳理我社大数据建设现状。
从数据战略层面看，我社尚未制定明确的数据战略，个别农商行在经营战略中提及数据价值利用相关内容，但尚未形成表述清楚明确的工作愿景、目标及原则。
从数据治理层面看，我社已制定《山西省农村信用社数据治理管理办法》，各级机构也同步完善了相关制度，但在制度落实层面均存在执行力偏弱的问题。
从数据架构层面看，前期省联社对整体数据架构进行了初步规划，但尚未针对具体数据模型、数据分布、数据集成等制定统一、可执行、可控制的方案，缺少相关具体控制措施。
从数据应用方面看，目前数据应用主要集中在决策支持、经营分析、数据报送等方面，面向受众主要是省、市、县三级机构经营管理层，对风控、营销等具体业务环节支撑较少。
从数据安全层面看，省联社制定了《山西省农村信用社数据安全管理办法》，明确了数据各个生命周期环节的相关责任，并制定了具体工作流程。
从数据质量层面看，2010年全省实现数据大集中以来，业务规范性、数据完整性均得到大幅提高，但部分历史数据由于年代久远无法规范、补充的问题仍未彻底解决。
从数据标准层面看，我社已经颁布《山西省农村信用社数据标准》，但在后续标准的管理及落实方面缺乏强有力的手段，数据标准与实际情况两张皮的现象严重。
从数据生命周期层面看，各级机构均对在线数据予以较多关注，备份、销毁环节管理较为粗放。
综上所述，当前我社大数据建设水平还处于初级阶段，数据管理较为粗放，对业务发展的支撑力度不足，无法满足未来数字化转型的整体要求。
精准分析大数据建设“三类需求”
基于以上八个方面的现状分析，可以看出，要实现数字化转型，提高我社大数据建设水平，就必须在不同层面深入洞察需求，找准决策层、管理层、执行层对数字化转型的期望，精准分析大数据“三类需求”。
一、面向决策层，提升大数据决策支持水平
从决策层的角度来看，数字化转型必须要提升决策支持水平。今年以来，在省联社党委的坚强领导下，全省农信社大力推行矩阵管理，行业管理由“一刀切”转变为“一行一策”。在精细化矩阵管理要求下，利用大数据对重点考核、进步度等指标进行分类分析，精准画出各机构“立体像”，科学评判各机构“健康度”，将成为下一步大数据建设的硬性任务。同时，随着“增效益”持久战的不断推进，推动效益提升由“粗放管理”向“精准核算”转变是今后一段时间财务管理的重要方向，因此迫切需要建设内部资金转移定价、成本分摊、盈利分析等系统，利用大数据构建“精准核算”工具力，方便各级决策层进一步优化资源配置，实现高质量发展。
二、面向管理层，利用大数据提高管理能力
从管理层的角度来看，迫切需要利用大数据提升管理效率，降低管理成本。下面从业务管理和技术管理方面进行分析。
（一）利用大数据降低业务管理成本。以贷款管理为例，我社平均每个客户经理管理的贷款户数约130户，在当前条件下该数值已接近单个客户经理所能管理贷款数量的极限，相比而言其他互联网银行单个客户经理能管理的贷款户数超过5万户。未来随着我社支农支小力度的不断增加，贷款户数将进一步增长。如何有效降低贷款管理成本，在不增加风险的情况下增加客户经理管户数量，利用大数据提升业务管理效率，将成为决定后续业务发展规模的重要问题。
（二）利用大数据提升技术管理效能。我社当前主要的大数据基础设施是数据仓库和大数据平台，基于上述两项基础设施，我们陆续在数据分析、监管报送、财务管理、运营管理、风险管理等方面进行了部分系统建设。基层行社自建系统主要依靠省联社数据分发平台接收T+1数据进行建设，存在数据实时性不足、系统建设成本较高等问题。在数字化转型背景下，如何构建大数据建设新模式，做到既能兼顾“小法人”的差异化，又能充分发挥全省“大平台”的优势，提升技术管理效能，是下一步技术管理迫切需要解决的问题。
三、面向执行层，利用大数据提高工作效率
从基层业务人员日常工作执行的角度来看，如何利用大数据提高员工营销效率、有效防范风险是基层业务人员普遍关心的问题。
（一）利用大数据提高营销效率。随着全省农信社“农情金秋信惠有您”“首季开门红”等大型营销活动的逐步开展，各级机构的营销管理水平、营销手段受到考验，如何使用最小的成本获取客户、提升客户的利润贡献度，成为一个无法绕开的命题，迫切需要提升大数据建模水平，实现个性化推荐、交叉销售，协助客户经理生成千人千面的营销方案，提升营销成功率。
（二）利用大数据提高风控效率。银行是经营风险的机构，风险防控是银行业永恒的课题。在日常工作中如何有效识别信用风险、规避操作风险对每位基层员工都是一项重要挑战。从各银行风控管理的经验来看，运用大数据技术辅助风控已经成为一种共识，通过对信用风险、操作风险等进行建模分析及有效计量，可提升风险监测效率，将风险防控关口前移，从而有效提升风险防控水平。
科学推进大数据建设“四步走”
分析大数据建设“三类需求”可以看出，要深入推进数字化转型，加快大数据建设，必须进一步完善数据管理机制，建设强大的数据中台，逐步构建数据与业务互相赋能、互相服务、互为价值的大数据建设格局。具体来看，就是业务数据化、数据资产化、资产服务化以及服务业务化。
第一步，业务数据化
业务数据化主要是指将各类业务办理流程信息化的过程。从技术层面来看，关键要进一步优化各类业务系统，夯实数据后台基础。
（一）要尽可能将所有业务环节线上化，减少人工处理，从而扩大数据采集范围。同时，通过线上化可提升员工工作效率，将员工从无效的事务性工作中解放出来，释放更多人力资源投入营销、风控等环节，提升整体工作质效。
（二）要加大数据标准的管理、推广力度。在系统建设中落实数据标准，严格系统建设的过程管控及评审环节，规范系统建设。在数据统计分析中严格落实数据标准，建设强有力的数据标准管理团队，统一全系统各级机构统计口径，统筹指标管理。
（三）要不断提升数据质量。随着人民银行《关于建立金融基础数据统计制度的通知》以及银监会《关于开展监管数据质量专项治理工作的通知》的印发，我社数据质量的问题越来越突出。只有不断提升数据质量，才能打牢大数据建设的基础。要制定有效的数据质量提升实施方案，有层次、有重点地改善数据质量。通过构建持续性的数据质量监测、反馈、提升机制，推动数据质量持续向好。
（四）进一步丰富外部数据接入。依托政府机构、公共企事业单位、第三方公司等渠道，进一步丰富外部数据来源。优化外部数据平台，建立一个集外部数据接入、数据服务管理为一体的外部数据综合管控平台，实现不同条线、不同机构之间外部数据的共享接入，确保外部数据高效、安全使用。
第二步，数据资产化
原始数据经过加工，形成可管理、具备一定价值的数据资产，才能更好地进行应用。从技术层面来看，数据资产化要逐步建设数据资产管理平台、数据云平台、数据服务门户，打牢数据中台基础。
（一）要确保数据“好找”。盘点现有数据资产，建立并持续丰富数据资产管理平台，建立指标库，完善数据标签管理，形成全社数据资产目录，做到数据名称、数据定义、数据结果一目了然，从而降低数据使用门槛。
（二）要确保数据“好管”。要逐步优化原先数据下发至行社的模式，对现有大数据平台进行资源整合，增强现有的调度、传输、报表等工具，引入Flink、ClickHouse等新技术新工具，建设全系统集中统一的数据云平台，提供一体化的数据集市建设工具包，通过多租户的方式对基层行社直接输出大数据能力。各级机构可在数据云平台上建设法人数据集市，大幅降低数仓建设成本。同时，要基于数据云平台实现数据的统一管控与支持，提升资源利用率，保障信息安全。以广东、浙江农信的实际经验来看，大数据云平台既可以降低法人机构投资成本，又能赋予法人机构充分的自主权，是多级法人机制下提升大数据开发效率的有效途径。
（三）要聚焦于数据“好用”。要强化数据资产运营的理念和能力，建立上下级机构之间、部门之间规范化的数据资产运营机制，增强数据资产的价值意识及认责意识。建设数据服务门户，提供类似数据超市的功能，对各级机构开放数据申请、审批、展示、调用等功能，配合整体数据运营体系，形成数据供给、数据使用的良性互动机制，从而实现数据资产价值最大化。
第三步，资产服务化
数据资产最终要形成服务并充分赋能下游业务及系统，才能发挥数据资产更大的价值。从技术层面来看，资产服务化要逐步建设数据服务平台、数据建模分析平台，提升数据中台价值。
（一）要增强数据服务能力。建立数据服务平台，提供海量数据情况下的数据查询能力，支持API、消息订阅、SQL即服务等多样化的服务形式，增强各级机构的数据可获得性。增强准实时数据服务水平，通过数据订阅体系，将上游应用的数据变化实时发布到订阅系统并提供给相关下游使用，有效解决现阶段数据采集只能依靠批量加载无法逐条处理的问题，提升数据使用体验。
（二）要提升建模分析水平。要深入分析具体业务场景，建立营销、风控等相关的数据模型，构建数据标签体系，形成客户画像，全面赋能业务。同时，随着建模规模的逐步扩大，要适时建设数据建模分析平台，支撑数据模型从研发、训练到部署的全过程，具备机器学习智能应用与完整的配套支持，支持各级法人机构基于平台进行自主建模。
第四步，服务业务化
数据服务化就是要将数据服务反馈业务，嵌入营销、风控等具体业务环节，从而进一步提升业务水平。从技术层面来看，服务业务化要逐步完善精准营销、智能风控等相关系统，全面赋能前台业务。
（一）数据服务要赋能业务营销。构建客户画像，结合相关营销管理平台或客户关系管理系统将数据分析结果嵌入营销管理的各个环节。以大数据技术平台为依托，有机提炼并整合线下、线上客户数据，构建客户标签体系，形成客户360度画像。基于客户画像，建立营销系统，洞察客户行为特征，不断挖掘客户，扩大客户基础，实时掌握客户需求，按需定制个性化的产品和服务，最终实现物理网点与网银、手机银行等渠道的营销协同。
（二）数据服务要赋能风险防控。在信用风险方面，要科学、准确地进行风险计量，合理构建动态风险计量评分体系，开发与我社业务性质、规模和复杂程度相适应的风险计量技术，推广应用国内先进银行业成熟的风险管理经验，实现定性分析和定量分析的有机结合。在操作风险方面可通过大数据构建更全面、精准的风控数据指标、模型，精准刻画客户风险特征，制定分级分类风控规则，结合风险监测预警和早期干预机制，将风控要求嵌入业务流程，实现可疑交易自动化拦截，构建全流程的风控能力。
大数据建设是一项系统工程，数字化转型更是一个长期的过程。下一步，科技信息中心将全面深入贯彻落实省联社党委对科技工作的相关要求，沿着大数据建设的规划路线，不断完善数据治理体系，着力推动数据中台建设，久久为功，助力数字化转型，为全省农信社高质量发展保驾护航。
