本站点使用Cookies，继续浏览表示您同意我们使用Cookies。Cookies和隐私政策>
本站点使用Cookies，继续浏览表示您同意我们使用Cookies。Cookies和隐私政策>
4月19日华为第二届区域银行数智融合研讨会上，华为提出数据与业务深度融合渗透，构建可复用、可演进的数据能力，实现体验最优、价值效益提升，帮助区域银行通过数据赋能走向智能化升级。
研讨会汇聚了30多家区域银行和新希望金科、中电金信、先进数通、宇信科技、安硕信息、Kyligence等10余家大数据&AI领域的行业头部解决方案伙伴莅临参与，其中6家伙伴在基于大数据的高价值场景、数据中台和数据治理及大模型的业务应用上分享了行业洞见和价值主张，并且与与会的行业客户展开了热烈的研讨。
华为数字金融军团总裁曹冲在致辞中表示：“面向金融行业在数智化时代遇到的挑战和机遇，聚焦‘筑牢基础设施韧性、加速应用现代化、跃升决策数智化、助力业务场景创新’四大战略方向。区域银行在业务、组织、技术能力上与大行有很大区别，华为在过去几年内，一个重点战略就是，围绕区域银行的特点和需求投入重兵，持续深耕。针对区域银行数字化转型构建能力，从业务价值出发，结合华为全面的技术能力与生态伙伴一起构建方案，实现多个区域银行的成功实践。”
区域银行的数字化转型，从来不像看上去那么简单，没有坚定的意识和由上至下，一以贯之的变革勇气，都很难走通数字化之路。
某家区域银行，在数字化转型过程中，明确了线上化、数字化、智能化转型路径，提出要推动数据驱动的工作理念，并要推行数据资产的建设、理念和运营。但要实现这一切何其之难。
小范围的优化解决不了问题，大刀阔斧的组织变革在所难免。这家银行，先是成立了数据管理与应用部一级部门主要推动牵头全强数字化转型的工作，再成立跨领域、跨部门，跨事业部的270个敏捷小队，提升敏捷感知和业务交付的效率，并加速整合数字化人才，增加了76%的金融科技人才，以支撑变革期间的各项保障。
“大手术”过后，这家银行实现了数据要素为驱动的管理能力升级，迈出了数智融合的第一步，让数据成为了业务创新的基石，在经营管理、营销风控等领域实现了多项创新，并实现了风控闭环。
其实，这家银行所面临的处境，代表了当前大部分区域银行的现状，面临数字化转型的挑战，如何利用数据的力量，实现业务的创新和转型，是当下区域银行必须要思考和解决的问题。
我们说数字化转型，是一趟只要起步，就会持续加速的专列”，要在智能时代不掉队，区域银行就一定要搭上这班数据的“专列”。
银行业的数字化转型，最关键的要素就是数据。
中国人民银行在《金融科技发展规划2022-2025年》中指出，金融数字化转型的重点任务之一是强化数据能力建设，深刻认识数据要素重要价值，制定企业级的数据规划和发展战略。
早在2021年9月银保监会发布的《商业银行监管评级办法》已将“数据治理”纳入评价体系，权重占比5%。这意味着“数据治理”已被正式列入商业银行风险监管的评价指标，成为“严监管”的重要领域，尤其对于区域银行而言，其数据治理的要求并不亚于大型银行。
优化金融资源配置，提供高效的金融服务，降低信贷风险，推动普惠金融的落地，所有这些金融数字化能够带来的结果，都是数据价值的善用，所能带来的明显益处。
例如为提升区域经济活跃度，通过开放融资激活小微企业的活力，是区域银行对地方性经济的有力支撑。
小微企业融资一直是个“老大难”问题。而某区域银行，通过深入的数据分析有效识别了农村地区的小微企业融资需求，进而推出了一系列面向农户，并贴合实际的金融信贷产品，直接将该银行的融资成功率提高了20%。同时，通过对各种风险因素进行严格的量化评估，其坏账率也下降了0.5%，远低于同行业平均水平。
这个案例说明，发挥数据价值，不仅提升了银行的数字化水平与核心竞争力，还为区域经济发展注入了活力。
但同时，我们也必须认识到，当前区域银行传统的数据能力建设存在一些不足，最典型的问题就是：数据资源和能力的复用程度不高，数据平台的定位不清晰。虽然每家银行都建有自己的平台，但绝大多数还没有建成真正意义上的数据平台，仅承载了一些前台业务系统的数据计算服务，缺少对数据采集和数据应用等内容规划，没有真正做到数据采集、清洗、存储、挖掘、分析和处理，没有真正发挥建立数据平台的作用。
这些不足导致了区域银行的数据能力建设面临着诸多挑战，为了解决这些问题，区域银行需要转变数据能力的建设思路，从传统的数据平台建设模式向数据能力体系升级转变。
客观地说，区域银行数据能力体系建设，不是简单的产品叠加，而是要以系统性和工程化思维去构建一体化架构。尤其大模型时代的到来，PB级非结构化数据也将被激活，数据和AI之间的联系也将更加紧密。构建云-数-智-算全面融合架构，助力区域银行数智能力全面升级也是势在必行。
面对数据管理的巨大挑战，区域银行面临着如何有效地整合、分析和应用海量的数据，提升数据价值和竞争力等问题。
基于此，华为提出建 “1-2-3”三层架构的区域银行数据能力体系蓝图，其中包括一体化数据底座和算力底座，数据和AI两条生产线，以及以实时、智能的能力构建的三类数字化场景。
我们认为，数字金融是通过高新数字技术与传统金融服务相融合的新一代金融业态，区域银行需结合本土业务特色，拥抱科技浪潮，向“敏捷数字银行”转型。并提出，通过“实时、多维、智能”全面升级数据三大供给能力。
首先，实时保证了数据的及时采集、传输、处理和应用，实现了数据的动态更新和实时反馈。实时性使得区域银行数据能力体系能够快速响应市场变化，及时调整业务策略，提高风险防控能力，增强服务创新能力。
例如某银行通过“实时营销”，利用大数据分析了解客户的产品偏好，并根据场景量身定制的圈客算法，竞争生成客群，再有一人一面的营销活动执行，可做到了大幅增强客户 体验，提升客户活跃，提高资产留存。
和业界倡导实时的产品不同，华为提供的是全链路实时，可以实现采集-计算-应用全面贯通实时能力，并支撑敏捷决策。
其次，多维代表了数据的跨界融合，它从一种业务视角释放了数据的价值。
如某农信银行融合多方数据，形成多维风险分析，实现普惠贷款的提升和不良率的降低。其中，数字普惠贷款中首次授信客户74万户，占总授信客户数30%。数字普惠贷款授信客户数已占所有个人贷款授信客户数的80%；而在不良率控制方面，纯线上数字普惠贷款累计授信233.79万户、1389.81亿元；累计用信72.90万户、806.02亿元，余额194.50亿元，不良率仅为0.37%。
第三，智能是利用人工智能、大数据、云计算等先进技术，对数据进行深度挖掘、分析和应用，实现了数据的价值转化和智能化服务。智能性使得区域银行数据能力体系能够精准识别客户需求，提供个性化和差异化的产品和服务，优化客户体验，提升客户忠诚度。
而在行业智能化转型的背景下，华为在智能数据能力行的升级，已围绕数据底座、治理产线、数据分析全面加入大模型引擎。
我们知道，保证数据的高效流动，对银行数字化转型意义重大。
首先，通过数据的高效流转，银行可以更快地处理各种业务，包括贷款审批、账户管理、风险评估等。这不仅可以缩短业务处理时间，提高客户满意度，还能降低运营成本，提升整体运营效率。
其次，数据高效流转使得银行能够更准确地理解客户需求和行为，从而为客户提供更加个性化和精准的产品和服务。例如，通过实时分析客户的交易数据，银行可以为客户提供定制化的投资建议或优惠活动。
第三，数据流转的高效性使得银行能够实时监控和评估风险，及时发现并应对潜在风险。通过大数据分析，银行可以更加准确地评估借款人的信用状况，降低信贷风险；同时，也可以及时发现异常交易和欺诈行为，保护客户资金安全。
那么如何做到数据高效流转，华为认为应该从融合和共享两个角度入手。
在融合方面，通过云-数-智-算全面融合架构，将数智一体化底座、数智研运一体产线和数字化应用南北向贯通，让应用开发的效率更高；另一方面通过推动智算融合、数算融合、数智融合和云数融合，大幅提升从训练到模型上线的速度，做到化繁为简，全面推进智能化升级。
而在共享方面，基于平台资源、存储资源和算力资源的资源共享，以及包括数据模型、数据指标、数据资产、应用服务、分析服务、AI服务在内的服务共享，打造安全、实时、高效的数据服务，以支撑银行可以通过数据驱动来创造价值。
数字化转型，是星辰大海，也是田间地头，要着眼于当下，着眼实用；同时数字化转型是体制、机制、模式等全方位的系统性变革，是关系全行未来发展的战略层面大事，非一朝一夕，就像是一辆不断加速，始终向前的列车。
对区域银行而言，搭上这辆列车也并不意味着一劳永逸，因为客户对服务的要求随着数字化能力的提升变得水涨船高，只有用好数据，才有可能为客户提供更为精准的服务体验。
某家区域商业银行，就在积极推进数据运营，通过管好数据，用好平台，数据创新，解决问题，将数据“盘活、用好、提效”，数据融入并驱动业务创新和管理增效：
统一客户画像，支持精准营销。通过客户分层分群管理，实现差异化产品推荐，提升客户体验，人均AUM提升24%；统一风险视图，支持实时智能风控。通过实时和外部数据驱动实时反欺诈和信用评估，赋能信贷风险管理，让风险看得见；统一决策指标体系，管理驾驶舱延伸至智慧大屏，实时获取动态经营指标数据，大大提升决策效率。
我们都在谈新质生产力，无论是数据还是AI，这些都只是“抓手”，并不能代表新质生产力，但将数据的价值，在业务层面展现，并带来提质增效的结果。这才会成为新质生产力。
免责声明：文章内容和观点仅代表作者本人观点，供读者思想碰撞与技术交流参考，不作为华为公司产品与技术的官方依据。如需了解华为公司产品与技术详情，请访问产品与技术介绍页面或咨询华为公司人员。
