银行数据质量管理暂行办法

第一篇：银行数据质量管理暂行办法

**银行数据质量管理暂行办法

第一章

总

则

第一条 为规范数据管理工作，提高我行数据质量，确保数据准确性、完整性、及时性，特制定本暂行办法。

第二条 相关概念

应用系统，是按照信息一体化的要求，用于处理我行经营管理的应用软件系统，主要包括客户交易类系统、业务管理类系统、管理信息类系统、技术保障类系统等。

数据是指**银行实施信息化管理过程中产生的所有电子数据。数据质量是指数据的及时性、完整性以及准确性。第三条 数据质量管理应遵循以下原则：

（一）统一规范原则。各类应用系统采集和处理的数据，应符合各自应用系统所要求的数据标准。

（二）全程监控原则。建立数据从采集、审核、处理到维护的全过程监控体系，重点把好数据的采集录入关，确保各类应用系统数据真实、准确、完整。

（三）层级考核原则。总、分行对各自直接下属单位的数据质量管理工作进行严格的目标管理考核，奖优罚劣。

第二章

部门分工及职责

第四条 总行合规部是全行数据质量管理的牵头部门，主要负责：

（一）、制定全行的数据质量管理的相关规章制度

（二）、对各应用系统管理部门的履职情况进行考核、监督

（三）、根据需要，参与对全行各应用系统数据质量管理的检查监督

（四）、对违反数据质量管理规定，造成数据错误、失真、延误、漏填等违规行为进行问责

（五）、向高管层报告我行数据质量管理执行情况

第五条 总行各部门是应用系统的管理部门，负责管理各自的应用系统，是本应用系统数据质量的主责任人，主要负责：

（一）、贯彻落实总行制定的数据质量管理的相关规章制度；

（二）、制定本应用系统录入、维护、审核的基本标准和规范性要求，并适时开展检查监督，保障数据管理符合规范性要求；

（三）、制定本单位的数据质量监控指标体系，定期对本级数据质量评估分析，及时解决数据质量管理中出现的问题；

（四）、指导、监督系统使用部门或相关岗位的数据质量管理工作，督查对错误数据进行更正和清理的情况；

（五）、制定本应用系统数据质量的考核标准和评分体系，按时对应用系统使用部门的数据质量进行考核；

（六）、提交本应用系统数据质量管理报告；

（七）、负责本职责范围内的数据采集、录入和审核工作。

第六条 应用系统使用部门主要指数据的采集和录入单位，是应用系统数据采集、录入质量的责任人，主要负责：

（一）、加强对采集、录入人员的业务培训和管理，提高数据录入的准确率；

（二）、严格执行数据管理规章制度，确保数据采集、录入真实、准确和及时；

（三）、按照规定，对数据采集录入工作进行质量考核；

（四）、对采集录入人员的工作情况进行监督检查；

（五）、向应用系统管理部门报告数据质量管理执行情况；

（六）、负责本职责范围内的数据采集、录入和审核工作。

第七条 应用系统采集录入人员是应用系统数据质量的直接责任人，主要负责

（一）、按照原始记录，准确将数据录入系统；

（二）、按照信息系统的要求，将涉及的相关内容全部录入系统，不得缺省；

（三）、在规定期限内，根据各自的权限，及时将数据录入系统；

（四）、按照上级机关的规范要求录入各类数据。

第八条 科技信息部负责应用系统的安全、维护责任，参与对各应用系统数据考核工作。

第二章

数据采集、录入与审核

第九条 数据采集是通过应用软件进行数据录入、使用各种工具软件进行数据导入的数据收集、整理、传输的行为

第十条 数据采集应遵循真实、完整、规范、及时的原则。

（一）真实：应严格依据经营管理原始资料所记载的内容准确录入相关数据，如实反映，不得随意修改、增减。

（二）完整：要按照各类应用系统的有关要求进行数据采集，保证数据齐全，避免数据的缺失。

（三）规范：数据采集应按照应用软件系统的相关标准进行。

（四）及时：数据要在规定的时间内采集，确保应用系统数据及时反映经营管理实际。

第十一条 数据采集程序

（一）接收：操作人员根据各应用系统的要求，及时对相关原始资料进行审核整理。

（二）录入：原始资料审核无误后，应在规定的时间内录入或导入应用系统；对审核有误的，必须修正后再录入或导入。

第十二条 数据采集的责任部门

（一）通过业务软件进行数据录入的数据采集行为，其责任部门是业务软件各子系统的使用部门。

（二）对于使用工具软件进行数据导入的数据采集行为，其责任部门是工具软件的使用部门。

第十三条 数据采集必须严格按相应的业务规范以及软件使用要求进行，不得违反业务规范以及软件使用要求对数据进行采集。

第十四条 数据采集必须依据不同业务办理的要求在规定时间内完成，不得无故拖延或推迟数据采集时间，确保数据采集的及时性。

数据采集必须按有关业务规范要求以及软件使用要求规定的格式进行录入，不得缺省，确保数据的完整性。

采集的数据必须与原始材料一致，确保数据的准确性。

第十五条 在各类应用软件系统中，要严格按照规定进行岗位设臵和授权，严格按照岗位和权限操作。严禁在未按规定授权的情况下委托他人以本人的账户和口令进行有关的数据录入和修改。各系统用户应当定期更改自己的口令，确保系统数据的安全。

第三章

数据维护

第十六条 数据维护是按照应用系统的有关规定对错误的数据进行数据修改的行为。

第十七条 数据维护由各应用系统管理部门按照各自应用系统的有要求，明确数据维护的权限和职责，制定数据维护的程序。凡是采集进入应用系统的数据，不得擅自修改、删除。

第十八条 数据维护前应做好相应数据和系统的备份工作。能够通过系统模块解决的，经过审批后按照各类应用系统的操作规范进行维护；需要通过技术手段解决的，由 责任人提出书面申请，由相关业务部门和技术部门审核确认，经主管行领导审批同意后，方可进行数据维护。

第十九条 数据维护工作应严格备案，科技信息部对各应用系统管理部门报送的每项数据维护的时间、内容、维护原因、责任人等记录进行备案，涉及的书面材料必须登记存档。

第二十条 数据维护人员在进行数据维护时，必须认真负责，避免在数据维护过程中产生新的错误数据。

第四章、数据检查

第二十一条 数据检查是按照有关应用系统数据管理规定对数据及时性、完整性以及准确性进行的数据质量检查的行为。

第二十二条 数据检查采取应用系统使用部门自查和应用系统管理部门检查的方式。数据检查的方法有：

（一）通过统计、查询等系统进行检查；

（二）在业务软件使用过程中对数据库中已有数据进行检查；

（三）用数据质量检查工具进行检查；

（四）抽取原始档案材料与数据库中数据进行对比；

（五）其它数据检查的方法。第二十三条 检查的内容：

1、纸质资料与信息系统内资料进行检查核对，数据采集录入是否全面、及时、规范。

2、数据的处理是否及时、正确、全面。

3、数据的传输是否规范、及时。

第二十四条 应用系统使用部门在业务软件使用过程中发现错误数据，必须及时告知相应的数据采集的责任人或部门进行维护。

第二十五条 应用系统管理部门应定期通过使用统计、查询等系统进行数据检查，仔细分析检查结果，识别其中不符合规律和常理的数据，查找存在的数据问题。

第五章

数据质量考核

第二十六条 各应用系统管理部门应建立本系统的数据质量的考核体系。第二十七条 考核指标至少包括比率指标和数量指标。比率指标按未达标的百分点扣分，数量指标按错误数据的数量和问题的严重程度扣分。

第二十八条 考核的比率指标是：

1、信息采集率。已经采集进入应用系统的信息与应该采集进入应用系统信息的比率。

2、信息采集准确率。录入应用系统的正确信息与录入的所有信息的比率。

3、信息传输及时率。规定时期内传输的信息与检查期限内所有传输信息的比率。

4、信息处理率。考核期内处理的符合规定的信息与考核期内处理的所有信息的比率。

第二十九条 数量指标是指分级列出问题数据的数量，根据问题的严重程度，确定扣分标准，进行扣分。根据数据的重要程度具体分为四级：

1、只影响数据本身的完整性而不影响其他数据。

2、只影响本工作环节质量。

3、不仅影响本工作环节质量，而且影响后面工作环节数据处理质量。

4、数据质量错误造后面工作无法处理或无法工作。

第三十条 各应用系统主管部门应根据本办法制定各应用系统的数据质量考核细则，并报总行合规部备案。

第六章、责任追究

第三十一条 凡违反本办法相关规定，造成数据录入不及时、不完整、不准确等数据质量问题的，对数据质量责任部门和相关责任人实行数据质量责任追究。

第三十二条 数据质量追究的原则

（一）“以谁的用户名录入，谁负责”；

（二）实事求是、有错必纠、责罚相当、教育与处罚相结合。第三十三条 数据质量责任追究范围

（一）因数据质量问题导致统计数据不能生成或生成错误的；

（二）因数据质量问题导致其他部门工作不能正常开展的；

（三）因数据质量问题影响经营决策行为的及时性、正确性的；

（四）因数据质量问题损害客户合法权益的；

（五）因数据质量问题造成财产、声誉损失的；

（六）其他应当追究的数据质量责任。第三十四条 数据质量责任划分

（一）数据采集的责任部门即为数据质量的责任部门；

（二）从数据库后台记录中确认的数据录入人员是数据质量的直接责任人；

（三）将自己的用户名、密码提供给他人使用，或因保管不善导致他人盗用、冒用用户名、密码的，用户名所有者是数据质量责任人。

第三十五条 数据质量责任按照《**银行员工违规行为处理办法》的规定进行追究。第三十六条 对主动发现错误并及时纠正，尚未造成不良影响的，可以从轻或者免于追究责任。

第三十七条 有下列情形之一的，应当从重追究责任：

（一）因玩忽职守、徇私枉法、受贿、索贿等原因造成过错的；

（二）二次以上发生同一或类似过错的；

（三）其他应从重追究责任的情形。

第六章

附则

第三十八条 本办法由**银行总行负责解释。第三十九条 本办法自印发之日起执行。

附件：**银行应用系统目录

第二篇：2013质量管理数据分析

2013质量管理数据分析

为了QMS在我公司得以保持和实施,总经理责成办公室对质量管理的一些数据进行数据的统计,包括今年一月到七月不合格品的统计以及顾客投诉(抱怨)反馈数据的统计,根据所统计的数据进行分析,得出分析结论

1.从一至七月份不合格品数据分析柱状图8.4-1-2013-1可以

看出二月 不合格品较少是因为二月工作时间较少而3,4,5,6月份不合格数量较多是因为产品的数量多,总之不合格品率还是比较平稳的,一月重机分厂较多是因为上年结转一部分造成,7月重机分厂不合格品率明显下降

2.从一月至七月顾客投诉反馈信息数据分析柱状图

8.4-1-2013-2可以看出顾客不满意还是呈现出稳中下降的趋势

编制: 李志伟审核: 陈金生批准: 肇军日期:2013-9-9

第三篇：数据质量管理落实情况经验交流材料

强化数据分析应用，助力风险防控

数据分析应用是信息管税的基础，在数据处理分析应用方面，XXXXXX以数据质量管控和处理分析”为主线，以强化动态报告落实，助力风险防控为目标，形成数据管税长效机制，充分发挥科技引领作用，有力促进了征管质效的全面提升。

一、打造绿色健康、全面覆盖的数据网络体系 我们在抓好各税收业务系统数据质量“全程控管”的基础上，最大限度的拓展数据采集渠道，丰富数据资源，打造绿色健康、全面覆盖的数据网络。(一)注重第三方信息的获取与应用

一是加强国地税数据信息互通渠道。一方面在全市推行国地税联合办税，在实现纳税人“进一家门，办两家事”的同时通过定期召开的国地税联席会议，实现全市国地税信息定期互换共享。二是通过与外汇管理部门签署《作备忘录》，将双方数据信息共享予以制度化。三是依托市政府电子政务信息资源共享交换平台，充分利用工商、财政、统计、土地、房产及其它部门的涉税数据。以上方式获取的数据，通过信息中心依照业务需求，针对上述不同的数据来源，采用多种处理方法对相关数据进行提取、比对、分析和处理，加工制作成可供分析使用的数据信息。例如，2014年,我们通过市政府电子政务信息资源共享交换平台，获取XXXX市医药零售行业医保刷卡数据，通 1 过与金税三期系统的税务登记信息查询和申报明细查询两个模块中医药零售行业税务登记及申报明细数据进行比对分析，发现税收征管问题点，并分析提炼成税收风险点，下发风险防控任务、制定整改措施，切实堵塞医药行业税收征管漏洞，进一步提升了征管质效。

（二）丰富数据采集方式

除业务系统产生的数据和第三方信息外，我们通过建立《XXXX市国税系统数据采集、使用管理办法》，拓展其它方式的数据采集方式。一是对于税务机关风险管理过程中收集、反馈的资料，或者要求纳税人报送的生产、经营、管理等书面信息，也及时收集、分类处理；二是基层相关业务税务人员利用智能终端获取的日常检查监控、核实调查、稽查取证等现场影像资料，及时传送到专门的储存平台进行储存；三是根据系统权限，市县两级信息中心尝试提供涉税业务信息加工定制功能，并规范提供数据的范围、格式、流程及安全要求，今年以来市县两级信息中心为各业务部门和外部门处理分析相关数据XXXX余次XXXXX余万笔。为业务科室税务风险管理应用提供数据支撑，县级无法获取的数据，可以按照数据申请规程提请市局信息中心提取，实现数据全方位、多方式、无漏洞式采集。

二、建立全面准确、快速响应的数据分析应用机制

（一）组建数据分析应用组织体系。

成立市县两级数据分析小组，分管副局长任小组长，信息中心设立专职数据分析岗位，各科室、分局确定一名 2 数据分析联络员，根据业务分析需求，开展数据分析。定期选题，在分析选题上突出税收工作的热点和难点问题，把上级局部署专项工作作为选题的“热点”，把本局确定的当年中心工作作为选题的“重点”把工作中不好解决的问题作为选题的“难点”，为实现税收“难点”“重点”“热点”问题实时传送、快速响应做好制度保障。

（二）完善数据分析应用工作运作模式。

一是制定《XXXX市国税局数据分析应用管理办法》，加强对数据采集、提取、处理、分析、发布等环节的管理；二是创新分析方法。注重信息技术和数学模型相结合，引入经济学、统计学的有关数学模型，构建符合征管业务特点的标准化数据处理分析模型，为数据处理分析工作提供有效的抓手；三是初步建立数据分析成果反馈机制。通过公文下发、业务例会汇报、数据分析讲评、网络化等多种形式，及时将每期数据分析报告向机关科室和基层分局通报，为基层开展纳税评估，加强税源监控提供指导；四是创新数据分析应用评估考核机制。制定《数据分析应用成果反馈表》，通过具体税收数字的具体呈现衡量和评价数据分析应用成效。

（三）建立动态报告落实三级联动工作机制。

自省局开展动态报告工作以来，我们把数据动态报告的落实工作作为深化数据分析应用的重要途径，经过近一年来不断的摸索和实践，建立了以动态报告问题点查找为起点，市、县、分局三级联动协作机制，统一组织实施问 3 题剖析，区分风险高低，统一调配全市国税力量，形成市局数据分析、县局风险排查、分局整改落实，全市集中疑点风险应对的三级联动工作新机制。

1、专家组团，数据信息再加工。

一是关联数据再抽取。我们数据处理分析精干力量，对省局《电子数据动态报告》进行认真解读，重点针对《动态报告》中涉及我市的问题，筛选出相关数据，并结合查找出来的问题，通过“金税三期”前台、综合数据管理平台等系统，抽取我市其他关联数据，拓展数据分析的深度和广度。二是风险信息再分析。通过对抽取数据的加工整理，进行二次分析，查找出现问题的关键原因，重新发掘相关的数据联系，形成有问题、有原因、有分析、有整改、有措施的情况报告供市局领导和相关业务科室作研究参考。建立问题行业分析模型，按照“评估几户企业，解剖形成典型，规范一个行业”的思路，对重点企业开展典型解剖。比如我们对《全省一般纳税人农产品抵扣数据情况》涉及到我市的XXXX户企业的XXXX户次情况进行延伸分析，一方面细化分析指标，形成《全市农产品收购加工企业税收风险分析报告》，进行专题部署并开展专项评估检查；一方面拓展分析范围，选取皮革行业为突破口，集中对2户重大疑点企业进行解剖式分析，形成《皮革鞣制加工行业税收风险剖析模板》，为做好重点行业评估提供指南。自该项工作开展以来，共发布《全市增值税一般纳 4 税人申报数据情况分析》、《XXXX市未达起征点户税收风险分析》等电子数据动态报告6期。

2、数据讲评，税收风险大排查。

一是召开数据讲评会，分解风险指标。针对省局《动态报告》与市局再分析查找出来的问题，通过视频会议的形式召开风险讲评会，并将其作为《动态报告》落实整改的重要步骤。讲评会分县区、分类别进行讲评，结合行业特点和风险类别，对存在的问题进行解读划分,分解任务指标，明确落实责任，提出相应的风险防范指导意见。通过讲评，相关责任科室与税源管理一线单位既能直观清楚的了解全市的税收管理总体情况又能查找自身管理存在的问题；既能借鉴先进的管理经验又能对其他县区存在的问题引以为戒。截止目前，共组织风险讲评会6期。二是开展地毯式自查。要求各县区局对所辖疑点企业进行逐户核实，对疑点企业的风险核查项目逐项核实情况、采取的风险应对措施、纳税评估入库税款情况、停供发票情况、注销税务登记情况等填写《落实情况表》，一户一表，风险落实人员签字，分局、税源管理科负责人签字，并加盖单位公章，落实具体责任。对疑点明显、数额较大的行业或企业进行重点纳税评估，对符合立案标准的，及时移交稽查。三是巡回督导和阶段调度。市局成立督导组，对各县区局风险落实情况进行巡回督导，及时帮助基层解决落实工作中出现的问题。对各县区局工作进展情况实行定期调度，分阶段形成调度报告，定期通报，5

3、联动分析，常态化发布求实效。

为了最大程度地利用每一期电子数据动态报告的分析成果，充分发挥信息管税作用，我们将往期报告中挖掘出的频繁出现的风险点单独列表展示，定期抽取数据定期发布风险数据情况，建立“常态化提取、动态化发布”新模式。由相关业务部门按照高危行业和热点政策的执行或重点征管要素指标，分析行业纳税人和税种政策执行中存在的风险点，我们按照分析识别业务需求实施数据的提取，分县区、行业、纳税人、征管要素进行统计分析，三、构建以数据分析促风险管控长效机制

（一）以数据分析得出的问题点作为税收风险管理的切入点。

以应用数据分析报告成果，及时准确地确定税收问题点，作为风险防控切入点，通过部门间的联动、整合，逐步形成具有针对性、系统性和时效性，覆盖不同税收业务管理要求的分析指标和分析模型，充分发挥以数据分析促风险防控，以风险防控促征管质效的作用。

（二）以数据分析方式方法作为税收风险分析的基本方法。

在税收风险分析工作中以数据处理分析的多种分析方法为基本分析方法，注重信息技术和数学模型相结合，充分利用先进的数据库技术、多功能的数据展现软件、数据挖掘工具创新分析方法。引入经济学、统计学的有关数学模型，对相关数据进行抽取、过滤、关联、整理和比对，构 6 建符合征管业务特点的标准化数据处理分析模型。比如在风险等级排序，分级分类应对中，综合运用关联分析法、趋势分析法、定量和定性分析法、归纳推断法等分析方法。数据处理分析方法的不断发展带动了税收风险分析水平的不断提高。

（三）以数据分析专业人员作为税收风险防控的骨干力量。

经过近几年数据处理分析工作的不断发展，逐步形成了一批既掌握先进的信息技术、精通灵活多样的数据分析方法、熟悉税收规程和政策法规的数据分析专业人员，这些人员通过自身的优势，逐渐成为税收风险防控的骨干力量。他们通过及时、准确、完整掌握信息，处理分析相关数据，在数据分析、纳税评估、税源监控、税务稽查工作中，既各司其职，又密切协作，为税收风险防控工作提供了可靠的人员保障。

（四）形成“分析+风控”长效管理机制。

数据分析把海量数据变为税源信息，把数据优势转化为分析优势，我们利用数据分析优势，固化“数据—问题点—风控点—落实整改--防控措施”管理流程，形成“分析+风控”长效管理机制，实现“数据—信息—管理”的转换，不断推进风控管理提档升级。2015年1季度，“分析+风控”管理机制稳步运行，通过对重点行业、重点区域的“分析+风控”，全市完成增补入库税款2872.6万元，同比增长204.8%，增加税收合计3189.5万元，同比增长 7 35.8%。在下一步的工作中，我们将致力于打造组织绩优化、流程规范化、机制长效化、响应快速化的新型数据处理分析模式，为税收发展新常态和推进税收现代化的做好强有力的科技引领和支撑。

第四篇：商品煤质量管理暂行办法

商品煤质量管理暂行办法(征求意见稿)对商品煤的灰分、发热量、含硫量等指标提出新要求

我国将分煤种对商品煤的灰分、发热量、含硫量等指标提出新的要求（此标准为《办法》初稿内容）

 炼焦用商品煤■ 灰分≤12% ■全水分≤12%■全硫分≤1．75%

 动力用商品煤褐煤

■ 发热量≥12兆焦/千克(约2870大卡/千克)

■ 灰分≤40% ■全水分≤40%■全硫分≤3%

其它煤种

■ 发热量≥15兆焦/千克(约3587大卡/千克)

■ 灰分≤40% ■全水分≤20%■全硫分≤3%

 远距离运输和进口动力用商品煤

■ 发热量≥19兆焦/千克(约4544大卡/千克)

■ 灰分≤25% ■全硫分≤3%

第五篇：大数据时代银行

近年来，大数据热潮引发了一场思维、生产和生活方式的重大变革，可以说开启了全新的时代。对于天然具有数据属性的金融业来说，一方面，大数据能够为金融机构的经营管理提供充分的信息支持；另一方面，大数据滋生的新型金融业态对传统金融机构带来了严峻挑战。在这场社会大变革中，金融机构将如何应对，非常令人期待。为此，本刊邀请了多位金融机构的高级管理者以及业内专家，共同探讨大数据时代金融业的变革与发展。

近十年来，中国银行业的改革发展取得了令世界瞩目的成就。在今年《银行家》《福布斯》发布的大企业排行榜和市值排名上，五家大型商业银行均已跻身世界前列。随着以移动互联网、云计算、“大数据”和物联网为代表的信息革命的兴起，银行业又一次面临新的机遇和挑战。中国银行业能否用好大数据，实现经营、管理和服务创新，决定了其未来的可持续发展能力。

银行业已初步具备运用大数据的基础

大数据是信息技术与互联网产业发展到特定阶段的产物，从互联网到物联网，从云计算到大数据，信息技术正在从产业基础走向产业核心。而银行业作为与信息技术深度结合的行业，互联网思维和决策数据化已开始嵌入经营管理的全流程。大数据实质是“深度学习”，能够为银行提供全方位、精确化和实时的决策信息支持。银行的经营转型、产品创新和管理升级等都需要充分用好大数据。目前，银行在客户分析、风险管理方面对大数据运用已初步积累了一定的经验，为未来过渡到全面大数据运用奠定了良好基础。

20世纪90年代，随着信息技术发展，国内银行业顺应潮流，将信息技术广泛应用到业务处理和内部管理，以提高服务管理效率。进入21世纪，大银行率先推进系统大集中和数据大集中，整合原有分散化的信息系统，不断适应加快产品创新、提升客户体验等市场需求，建立数据仓库和数据平台，信息化程度不断提高。近几年，银行业大力发展面向客户的新一代核心业务系统，信息系统建设日趋完备，电子银行等在线金融服务大幅增长，在提升客户体验和风险管控能力、满足监管各项要求的同时，形成并储存了庞大的可用数据资源。银行业的数据资源不仅包括存贷汇核心业务结构化数据，也包含客户电话语音、在线交易记录、网点视频等非结构化数据。

中国建设银行（以下简称建设银行）从2011年开始建设企业级全行共享的新一代核心业务系统，以客户为中心、面向服务设计架构，实现业务与IT融合、产品快速创新的目的，目前已初具规模。特别是在新一代系统设计中，充分考虑数据储存和应用的重要性，并专项设置了数据集成层模块，包括数据缓存区、数据记录系统、历史数据存储、分析数据仓库、实时数据仓库、公共数据集市。

银行业开始尝试接入和整合外部数据资源。在传统的数据分析模式下，银行业出于市场分析、内部管理、监管需要，产生并记录了巨量的文本式结构化数据，涉及客户账户资金往来、财务信息等，以及网银浏览、电话、视频等非结构化数据。但是，传统意义上的银行仅能掌握客户与银行业务相关的金融行为，无法获得客户在社会生活中体现兴趣爱好、生活习惯、消费倾向的情感或行为数据，无法与业务数据形成联动。随着电子商务的快速发展和移动金融的深化，银行业逐步加强与外部数据源对接，甄别有效信息，整合多渠道数据，丰富客户图谱。目前，已有多家银行进行了有益尝试。

一是银行与电商平台形成战略合作。银行业共享小微企业在电商平台上的经营数据和经营者的个人信息，由电商平台向银行推荐有贷款意向的优质企业，银行通过交易流水、买卖双方评价等信息，确定企业资信水平，给予授信额度。建设银行曾在这方面做过有益的尝试。此外也有银行参股电商、开展数据合作的案例。

二是银行自主搭建电商平台。银行自建电商平台，获得数据资源的独立话语权。在为客户提供增值服务的同时，获得客户的动态商业信息，为发展小微信贷奠定基础，是银行搭建电商平台的驱动力。2012年，建设银行率先上线“善融商务”，提供B2B和B2C客户操作模式，涵盖商品批发、商品零售、房屋交易等领域，为客户提供信息发布、交易撮合、社区服务、在线财务管理、在线客服等配套服务，提供的金融服务已从支付结算、托管、担保扩展到对商户和消费者线上融资服务的全过程。

三是银行建立第三方数据分析中介，专门挖掘金融数据。例如，有的银行将其与电商平台一对一的合作扩展为“三方合作”，在银行与电商之间，加入第三方公司来负责数据的对接，为银行及其子公司提供数据分析挖掘的增值服务。其核心是对客户的交易数据进行分析，准确预测客户短时间内的消费和交易需求，从而精准掌握客户的信贷需求和其他金融服务需求。

银行业有处理数据的经验和人才。数据分析和计量模型技术在传统数据领域已得到较充分运用，同时也培养出大批精通计量分析技术的人才。如在风险管理方面，我国金融监管部门在与国际接轨过程中，引入巴塞尔新资本协议等国际准则，为银行业提供了一套风险管理工具体系。银行在此框架下，利用历史数据测度信用、市场、操作、流动性等各类风险，内部评级相关技术工具已发挥出效果，广泛应用于贷款评估、客户准入退出、授信审批、产品定价、风险分类、经济资本管理、绩效考核等重要领域。

银行已初步尝试应用大数据。我国银行业大规模运用大数据技术尚不成熟，但多家银行已从关键点、具体业务入手应用大数据挖掘技术，解决效率提升中的难题。例如，有的银行提供集电话、网络在线、客户端、微博、微信于一体的整合服务平台，也有的银行信用卡中心开发智能云语音，着眼于客服语音信息的挖掘和分析，通过对海量语言数据的持续在线和实时处理，为服务质量改善、经营效率提升、服务模式创新提供支撑，从而全面提升运营管理水平。还有些银行在个人客户营销方面，着重客户数据分析，摸索出客户行为模式和潜在需求，促成定向精准销售。例如，通过分析客户行为数据和财务数据来锁定潜在客户，根据客户行为规律，并结合其所在区域、行为内容来确定消费习惯，开展针对性营销；通过分析交易记录信息来有效识别小微企业客户，并用远程银行和云转借实施交叉销售。此外，有的银行还将其内部客户编号和微博、QQ、邮箱等相对应，将互联网数据与传统数据一起存储，建立数据库，不仅了解客户理财、基金购买等交易行为的频繁程度，还可以发现其他动态信息如出差、喜好和社交圈等。

国际同业大数据运用的经验教训

金融业大数据运用的国际经验主要体现在快速判断宏观经济趋势、分析预测客户及交易对手行为、防范欺诈、改进内部效率以及外包非核心业务等方面。

快速判断宏观经济形势。英国央行已经开始运用大数据对英国房地产市场和劳动力市场趋势作出快速判断。以前，英国央行通过统计部门发布的房地产销售数据、就业数据等，判断房地产市场和劳动力市场变动趋势，但统计部门的数据一般有数日乃至数周的时滞，不利于对形势的快速判断。目前，英国央行已通过对一些网络搜索关键词的监控，如“按揭”“房价”“职位”等，获取最新的经济运行情况。

分析预测客户及交易对手行为。由谷歌（Google）前首席信息官Douglas Merrill创办的信用评估公司ZestFinance，通过大数据技术把收集的海量碎片化数据整合成完整的客户拼图，较为准确地还原客户的真实状况和实际信用状况，并据此支持合作公司向难以从银行获得贷款的美国人提供“工资日贷款”（payday loan）。西班牙对外银行(BBVA)推出的具有记忆功能的ATM机ABIL，不但能记住客户习惯的取款金额、频率，还能根据其账户情况给出相应的取款建议。美国一些基金公司在几年前开始借助社交媒体大数据，分析市场情绪变动，进而判断未来交易是扩大还是萎缩。近期，这些基金公司进一步通过分析金融交易大数据，识别交易对手的交易特征，预判交易对手的交易动向，并采取相应的操作，以获取差价。

防范欺诈。运用大数据分析软件，可以预防信用卡和借记卡欺诈。通过监控客户、账户和渠道等，提高银行在交易、转账和在线付款等领域防御欺诈的能力。在监控客户行为时，大数据可以识别出潜在的违规客户，提示银行工作人员对其予以重点关注，从而节省反欺诈监控资源。

改进内部效率。美国银行用大数据分析该银行某呼叫中心员工的行为，通过在员工姓名牌中置入感应器，监控员工的行走线路与交谈语气，可以知道员工在工作场所的社交状况。监控结果表明，那些一起享受工间休息并相互交流的员工工作效率更高，他们可以在日常交流中分享如何应付“难缠”顾客的小窍门。美国银行发现这一现象后，即转而推行集体工间休息，此后员工表现提升了23%，而员工说话语调所反映出的压力水平则下降了19%。另外，还有些欧美银行运用大数据评价分支机构绩效并获得显著成效。

大数据的应用存在运维风险和运营风险等，前者如数据丢失、数据泄露、数据非法篡改、数据整合过程中的信息不对称导致错误决策等，后者如企业声誉风险、数据被对手获取后的经营风险等。因此，必须加强数据管控。这方面既有成功的经验，也有值得总结的教训。从已出现的问题看，最大的风险来自网络攻击和欺诈：2011年，网络银行欺诈给日本53家银行造成2700亿日元（约合225亿元人民币）的损失；2012年，诈骗集团曾攻击欧美至少60家银行的网络，盗取银行资金；2013年，国内某保险公司受黑客攻击，造成数十万保单信息泄露。为此，一是高度重视并推进统一的数据标准，并做好数据清洗，保证数据质量。二是审慎划定数据边界，合理开展内外部数据共享和非核心数据业务外包。三是大数据下应更加重视隐私保护和信息安全，加大对反网络攻击的投入。

推动大数据应用的策略

党的十八大提出坚持走中国特色新型工业化、信息化、城镇化、农业现代化道路，信息化已升级为国家战略。我国银行业加快大数据应用不仅具有行业意义，而且对于推动我国信息化进程、服务“新四化”发展也有重要作用。我国银行业要从战略高度充分认识到大数据分析、运用的重要性，从管理体系建设、具体运用模式方面不断探索，打造银行业在大数据时代的核心竞争力。

建立完善的大数据工作管理体系。银行业应充分认识大数据的重要性，在总行层面建立大数据工作推进机制，制定大数据工作规划，主管数据部门对大数据工作进行统筹规划、组织协调、集中管理，业务部门承担大数据采集、分析和应用的职责，全面定义、收集、多方式整合集团内外部各类数据，形成管理数据、使用数据和推广数据的有效工作机制。

增强数据挖掘与分析运用能力。在银行内部全面推广基于数据进行决策、利用信息创造价值的观念，引进数据挖掘和大数据运用专业方法和工具，培养专业数据挖掘分析人才队伍，重视人才的经济金融、数学建模、计算机新型算法等复合型技能，建立前瞻性的业务分析模型，把握、预测市场和客户行为，将数据深度运用到业务经营管理过程，利用数据来指导工作，设计和制定政策、制度和措施，做到精准营销和精细管理。

以大数据技术促进智慧银行建设。推动大数据向生产力转化，加快产品创新实验室的技术研发，把实验室成熟产品运用于客户的营销和服务，推进智慧银行建设，把技术创新优势转化为竞争优势。网点服务要运用好大数据等技术成果，推广普及智能叫号预处理、远程银行VTM、电子银行服务区、智能互动桌面、人脸识别等创新服务，将传统银行服务模式和创新科技有机结合，利用智能设备、数字媒体和人机交互技术为客户带来“自助、智能、智慧”的全新感受和体验。智慧网点在建设推广中，还应充分采用用户交互技术和体验设备，吸引客户浏览、试用、比较各类金融产品，辅以工作人员推荐，从地域、客户、产品等多种维度，挖掘客户需求，实现对合适客户、在合适时间、通过合适渠道、推荐合适产品。

建立基于大数据分析的定价体系。当前，资金的交易变动频率和流动性加快，大数据从更宽广角度，预判负债的波动情况，能更灵活测算是否满足监管要求和贷款需求变化，从而为银行以存定贷、以贷吸存策略提供量化支撑，可有效降低资金成本。银行还要运用大数据分析，建立起综合服务和信贷差异化定价体系，做到对不同产品、不同行业、不同区域实施差别化定价，最终实现一户一策的综合化、差异化服务，提升精准营销水平。例如，将对公、对私客户逐步纳入定价系统，进行客户选择，不同服务内容享受不同信贷优惠，达到差别化定价和客户最佳体验的双重目的。

依托大数据技术提升风险管理水平。大数据能较好地解决传统信贷风险管理中的信息不对称难题，提升贷前风险判断和贷后风险预警能力，实现风险管理的精确化和前瞻性。大数据时代，银行业可以打破信息孤岛，全面整合客户的多渠道交易数据，以及经营者个人金融、消费、行为等信息进行授信，降低信贷风险。如建设银行依托“善融商务”开发出大数据信贷产品“善融贷”后，银行可实时监控社交网站、搜索引擎、物联网和电子商务等平台，跟踪分析客户的人际关系、情绪、兴趣爱好、购物习惯等多方面信息，对其信用等级和还款意愿变化进行预判，在第一次发生信贷业务，缺乏信贷强变量情况下，及时用教育背景、过往经历等变量进行组合分析，以建立起信贷风险预警机制。由历史数据分析转向行为分析，将对目前的风险管理模式产生巨大突破。

大数据是信息革命中非常前沿且快速发展的技术，银行业要抓紧解决内部数据挖掘分析和外部资源的安全整合利用问题，加快人才队伍建设和技术成果转化，通过大数据的高效应用，加速推进银行业的转型升级和可持续发展