Dilema data besar bagi bank

Saat ini, transformasi digital sedang berjalan lancar. Hasil optimis transformasi digital adalah melepaskan sepenuhnya produktivitas elemen data. Namun, lebih mudah diucapkan daripada dilakukan, dan tidak mudah untuk benar-benar melakukannya. Bayangkan saja, yang mana organisasi atau organisasi yang kita miliki Siapa yang berani mengatakan bahwa kita akan dapat mencapai tujuan ini?

Mari kita kembali ke tahun 2011. Pada tahun itu, McKinsey merilis laporan "Big Data: The Next Frontier of Innovation, Competition and Productivity", yang memicu gelombang big data. Beberapa bank terkemuka memimpin peluncuran aplikasi big data. , Kami memang telah melihat kemajuan besar yang telah dibuat oleh bank dalam aplikasi data.Data telah memainkan peran pendorong yang penting dalam transformasi digital dan operasi digital bank, dan telah memberikan nilai yang lebih besar. Namun, pada saat yang sama, pekerjaan aplikasi data besar bank menjadi semakin kacau, membuat orang merasa seperti melihat bunga dalam kabut.

Penerapan big data adalah pekerjaan baru bagi bank, dan bank juga bergerak maju dalam eksplorasi.Dengan kemajuan aplikasi, masalah yang ada dalam penerapan big data di bank menjadi semakin jelas.

Pertama, posisi organisasi data tidak jelas. Beberapa bank yang awal di bidang data sebagian besar menggunakan departemen data independen sebagai pembawa aplikasi data.Model ini memang memainkan peran yang relatif baik dalam mempromosikan aplikasi data dengan cepat, dan model ini juga semakin mendapat perhatian.Pengakuan bank , di bawah gelombang transformasi digital, banyak bank kecil dan menengah telah mendirikan departemen data independen. Namun, sejauh ini, posisi organisasi departemen data tidak begitu jelas bahkan di beberapa bank penggerak pertama. Ada dua alasan Salah satunya adalah beberapa eksekutif bank mungkin tidak memiliki cukup pemahaman tentang perbedaan antara data dan teknologi informasi tradisional, dan mereka masih memposisikannya sebagai departemen teknologi informasi tradisional, di sisi lain, untuk departemen bisnis perbankan, di luar kepentingan departemen, itu Akan ada kesenjangan tertentu antara departemen data dan departemen data, yang sering mengarah pada perasaan tidak berdaya di departemen data, yang kedua adalah kebingungan posisi departemen data itu sendiri Manajer departemen data bank adalah pada dasarnya dari departemen teknologi informasi. Bahkan rekrutmen terbuka cenderung memperkenalkan manajer dengan latar belakang teknis murni. Karena banyak manajer dan insinyur dengan latar belakang teknis memiliki pemikiran yang berat dan kurangnya pemahaman tentang bisnis, banyak departemen data membangun platform teknologi dengan lancar. Namun, dalam hal aplikasi data Ini pada dasarnya didorong oleh kebutuhan departemen bisnis Platform teknologi adalah dasar dari aplikasi data Hal ini dapat dimengerti Namun, inti dari pekerjaan data adalah pelepasan nilai data Diposisikan.

Kedua, sebagian besar aplikasi data masih dalam tahap analisis dan penambangan tradisional. Banyak pekerjaan aplikasi data di banyak bank masih dalam penulisan laporan analisis, melakukan analisis data tradisional dan pekerjaan penambangan seperti regresi logistik dan model pohon keputusan, terlalu mengandalkan data terstruktur, dan kemampuan pemrosesan data tidak terstruktur yang tidak memadai. Penerapan keseluruhan kecerdasan buatan relatif kecil, dan ada juga kekurangan cadangan kapasitas yang memadai. Kalaupun ada beberapa aplikasi, mereka terutama terkonsentrasi di bidang layanan pelanggan, dan sebagian besar diimpor dari luar.

Ketiga, departemen data bank tidak cukup terbuka. Data itu sendiri memiliki sifat koneksi, dan pekerjaan aplikasi data harus terbuka, inklusif, dan terintegrasi ke dalam ekologi sosial.Kuncinya adalah keterbukaan dan integrasi ide, dan kemampuan untuk secara tajam memprediksi tren masyarakat, industri, dan teknologi. perkembangan. Meskipun bank telah banyak membuka diri dengan kemajuan transformasi digital dalam beberapa tahun terakhir, departemen data sebagai departemen internal yang melayani pengembangan bisnis perbankan mempertimbangkan faktor-faktor seperti keamanan data dan kerahasiaan komersial, dan keterbukaannya sendiri masih jauh dari keadaan ideal. Selain itu, keseluruhan pekerjaan kantor pusat bank relatif stabil, dan beberapa orang relatif berpikiran tertutup, kurang rasa ingin tahu tentang hal-hal baru dan teknologi baru.

Keempat, saluran untuk mewujudkan nilai elemen data tidak mulus. Aplikasi data perlu membentuk kapabilitas loop tertutup end-to-end untuk mempromosikan aplikasi data, pemantauan hasil, dan iterasi model secara efektif.Namun, rantai organisasi bank dan rantai sistem terlalu panjang. satu sisi, departemen data berada di ujung belakang, dan sulit untuk disentuh secara langsung Di sisi lain, tidak dapat dihindari bahwa akan ada satu atau beberapa titik putus dalam rantai sirkulasi yang panjang. Hasil akhirnya adalah aplikasi data sulit untuk mencapai efek yang diharapkan, menyebabkan departemen bisnis mempertanyakan pekerjaan aplikasi data, dan departemen data tidak puas dengan antusiasme aplikasi departemen bisnis, sehingga semakin memperparah kesulitan aplikasi data. .

Di balik permasalahan tersebut adalah kurangnya data strategi bank. Dari segi strategi, strategi bisnis merupakan core strategy bank, dan data tersebut melayani strategi bisnis. Namun, masih terdapat kekurangan data strategi di bawah ini. strategi bisnis untuk memandu penerapan data. Beberapa teman mungkin mengatakan bahwa bank sudah memiliki strategi fintech? Memang, banyak bank telah merilis strategi fintech, dan data dimasukkan sebagai bagian dari strategi fintech, yang juga merupakan manifestasi dari kurangnya kesadaran manajemen senior bank dalam pekerjaan data.

Sebagai jenis faktor produksi baru, data memiliki karakteristik unik dibandingkan dengan teknologi informasi tradisional, yang terutama diwujudkan dalam empat aspek:

Salah satunya adalah atribut bisnis data yang kuat. Kami telah menyebutkan atribut bisnis dari data di artikel sebelumnya. Data memberikan solusi untuk masalah bisnis yang tidak dapat diselesaikan dengan cara yang ada. Ini adalah kegiatan inovasi bisnis yang aktif. Pengembangan perangkat lunak tradisional adalah menggunakan perangkat lunak untuk menentukan solusi bisnis. Realisasi adalah a operasi eksekusi yang relatif pasif Oleh karena itu, inti dari pekerjaan aplikasi data adalah inovasi, yang mengarah ke bisnis;

Yang kedua adalah properti koneksi data yang kuat. Data dalam database adalah field, dan data tersebut hanya dapat dimaksimalkan jika dihubungkan sebanyak mungkin, seperti halnya jika kita hanya melihat field seperti "jumlah pinjaman", informasi yang dapat diperoleh terbatas dan nilainya relatif rendah. Jika kita Memperluas bidang data ke seluruh tabel database, informasi dan nilai yang dapat kita peroleh akan jauh lebih kaya. Demikian pula, jika kita menghubungkan data bank dengan data Internet, pemerintah, dll., nilai yang diperoleh akan jauh lebih besar;

Yang ketiga adalah atribut penelitian yang kuat dari data. Kami mengatakan bahwa data adalah untuk menemukan jawaban atas masalah yang tidak dapat diselesaikan dengan cara yang ada. Hal ini tergantung pada beberapa situasi. Beberapa masalah dapat dipelajari dari solusi yang ada di industri, dan beberapa masalah tidak tersedia di industri. Solusinya dapat digunakan untuk referensi. Kita perlu mengeksplorasi dan mengeksplorasi sendiri. Teori memandu praktik. Dalam proses eksplorasi, kita sering perlu menemukan arah dari teori, dan teori ini tidak sepenuhnya pada level algoritma. Kadang-kadang Anda mungkin juga membutuhkan untuk menemukan jawaban dari teori keuangan, sosiologi, psikologi, dll Terkadang Anda telah sibuk selama lebih dari setengah tahun, tetapi Anda mungkin berakhir dengan kegagalan Oleh karena itu, pekerjaan data memiliki atribut penelitian alami, dan beberapa orang menyebutnya itu untuk "Ilmu Data";

Yang keempat adalah properti penyegaran data yang kuat. Ini terutama dibagi menjadi dua tingkat. Salah satunya adalah tingkat data. Semakin baru datanya, semakin cepat pembaruannya, semakin banyak nilai yang dihasilkannya. Yang disebut kesegaran berarti bahwa data tersebut relatif dekat dengan praktik dan frekuensi saat ini tinggi. Data adalah pemetaan dunia nyata di dunia digital. Dunia nyata berubah secara dinamis. Seiring berjalannya waktu, kebiasaan perilaku masyarakat dan logika operasi sosial akan berubah. Saat manusia memasuki era digital, perubahan ini akan menjadi semakin serius Lebih cepat dan lebih cepat, sehingga Anda tidak dapat menggunakan potret pengguna yang dibuat dengan data 10 tahun lalu dalam pemasaran saat ini. Yang lainnya adalah tingkat algoritme. Algoritme saat ini diperbarui dengan sangat cepat. Hanya dengan mengikuti irama dan menyegarkan diri sendiri, Anda dapat mengikuti perkembangan zaman.

Data mewakili produktivitas baru. Kita semua menyadari misi penting data di masa depan. Kita harus sangat mementingkan karakteristik unik dari pekerjaan data dan menetapkan strategi independen yang beradaptasi dengan karakteristik ini untuk memandu arah aplikasi data, membentuk ide data, dan mempromosikan pembentukan Mekanisme manajemen dan metode kerja yang sesuai tidak dapat lagi memasukkan anggur lama ke dalam botol baru, dan masih menggunakan metode manajemen teknologi informasi tradisional untuk mempromosikan pekerjaan aplikasi data. Sejauh menyangkut situasi saat ini, meskipun aplikasi data bank saat ini telah mencapai hasil tertentu, setelah beberapa tahun analisis dan penambangan data tradisional terus menerus, utilitas marjinal dari perintis telah turun secara signifikan. , untuk bank yang tidak memiliki strategi data, itu utilitas marjinal dari aplikasi data akan dengan cepat mendekati nol, dan akan sulit untuk mencapai lompatan kualitatif. Pada akhirnya, mereka akan jatuh ke dalam perangkap "stagflasi" dan bahkan mungkin menjadi tidak berasa. Ini sama sekali tidak mengkhawatirkan. Ketika Anda Dari 0 ke 1, Anda dapat melakukan apa pun yang Anda inginkan untuk menghasilkan nilai. Saat Anda harus beralih dari 1 ke 10, yang Anda butuhkan adalah curah hujan yang dalam, pemikiran yang dalam, prediksi yang tenang, dan kemajuan yang teratur. Tanpa strategi, Anda tidak akan pernah mendapatkan keluar dari kekacauan. Oleh karena itu, bagi bank-bank terkemuka, sudah waktunya untuk memikirkan kembali pekerjaan data mereka, dan bagi bank yang baru memulai, saatnya untuk membangun strategi data yang mandiri sejak awal. Untuk cara pembuatannya akan kami bahas dibawah ini.