关 注gzh"大数据食铁兽"，了解更多银行大数据案例

---

案例简介

作为支持数字经济发展和高质量发展的一份子，数字化转型成为泉州银行当前的重要任务。为加强业务场景数据赋能，数据资产共享流通，我行以“数聚、数用、数智”为建设理念，以“大中台、多能力、高质量”为建设方案，统筹数据全生命周期管理，搭建企业级数据架构及数据中台，并在数据中台集成数据分析平台及工具，全面提升我行数据能力。

创新技术/模式应用

一、数据基础能力

（一）数据整合能力

数据中台通过对多源头的结构化和非结构化数据的采集，进而整合内外部多源异构数据，实现数据“采、存、通、用、治”的统一化、集约化和服务化，转变高度依赖传统主流结构化数据库的模式，驱动多类型数据协同应用，并将数据统一管理，实现数据便捷共享流通，最大化释放数据的核心价值。

（二）信创适配能力

数据中台为响应国家自主可控的号召，数据库采用信创产品数据库南大通用GBASE和星环，除此之外还对于主流数据库Oracle、MySQL等也具备适配能力。本行也将持续信创完整解决方案，早日实现了集硬件、操作系统、数据产品高度信创化，构建安全可控的数据中台，提速在关键技术上的信创进程。

二、数据服务能力

（一）数据可视化

数据中台利用跨库联合查询对多源异构数据库的数据实时获取，通过构建可视化平台，以自定义报表、图表的形式对业务数据作分析展示，使数据中台具备支持多样化可视化分析能力，提供面向不同业务场景的数据可视化展现形式。

（二）数据个性化

数据中台深度挖掘业务场景，对不同客户各维度的特征属性进行数据刻画，构建以客户为中心的数据标签体系，萃取和精炼数据价值，并对数据分类进行反向优化，进而达到“千人千面”的精细个性化客户画像，为后续营销场景提供强有力的数据支撑。

（三）数据策略化

数据中台不断迭代风控策略，整合内外部风控类数据，并结合量化分析方法对风险阈值进行分类、分级和规则制定，进而对传统基于经验风险控制进行改善，得到“类动态”的风控策略模型，以适应不同时期客户风险的多样性、易变性和复杂性。

三、赋能场景

（一）管理驾驶舱

管理驾驶舱此项业务管理场景是利用数据中台的输出的可视化能力，运用趋势分析、比较分析等可视化手段，实时监控分析全行及各条线业务数据，并通过大屏实施展示分析结果，支撑业务运营管理智能化。从而打破时空限制，随时随地了解全行运营情况，及时响应全行人员看数用数需求。

（二）客户画像

客户画像此项业务运营场景是利用数据中台的输出的个性化能力，利用数据标签体系建设客户画像，构建基于场景的客户识别与洞察能力，结合客户生命周期，针对不同阶段的场景进行客户360度描画。

（三）贷前风控

贷前风控业务场景利用数据中台输出的策略化能力，通过数据建模创新数字风控体系：重点加强反欺诈模型、A卡的建设与应用，有效利用外部数据补充风控模型及规则，我行个人消费信用贷款类系统采用搭建线上化客户准入，贷前风险评估及授信流程，实现“无感化”审批流程，提升客户金融体验。

项目效果评估

一、共享复用

我行于2022年7月24日正式投产数据中台，以数据中台作为全行的数据整合平台，通过做大做厚做实数据中台公共汇总层，由数据中台整合业务数据的口径，实现全行数据的大集中管理，目前接入我行74个业务系统2000多张表数据做集中整合处理，对外提供数据服务接口13个，对20多个下游系统进行批量离线数据输出，对业务部门提供近500张的报表支撑，已具备数据准实时能力。

二、降本增效

将业务策略作为应用场景沉淀至数据中台，利用模型应用，有效解放约60%操作岗、审批岗等人力工作，通过硬件复用、减少人力支出节约成本超500万。通过搭建数据中台，降低技术与业务人员之间的沟通成本，通过对比基于数据中台的提数需求与传统提数需求，提数服务的响应速度提升了50%以上；数据中台制定了数据标准贯标方案和数据标准贯标流程，共制定45个强制性标准、24个推荐性标准，并将上述标准和流程应用至6个新建系统，优化了系统交互过程，降低了系统间沟通壁垒，提高数据质量。

三、助推转型

数据中台在数据管理机制、数字文化建设中建立了创新性数据管理体系，在总分支和部门间打造数字化创新文化，组建全功能复合型数字人才优秀团队，为数字化领域长远发展积累宝贵财富。我行将数据中台视为全行最有价值的资产之一，通过数据治理及数据应用建设，实现数据资产集中化、服务化、场景化运营，满足业务用数“随处可查”和“随时可用”，实现数据价值赋能，从广义上看数据中台是一套运用数据推动企业数字化转型升级机制和方法论，其始于数据的沉淀积累，用于数据的收集、整合、分析及应用，循环往复，形成生态闭环。

来源：未央网2023数字金融创新大赛-数据治理类

免责声明：以上报告均系本平台通过公开、合法渠道获得，报告版权归原撰写/发布机构所有，如涉侵权，请联系删除 ；资料为推荐阅读，仅供参考学习，如对内容存疑，请与原撰写/发布机构联系。

关注公众号，了解更多银行大数据案例