• 快捷搜索
  • 全站搜索

构建以大数据为支撑的央行决策平台

2017-07-25 15:00:02作者:中国人民银行贵阳中心支行党委书记、行长 张瑞怀编辑:金融咨询网
据国际知名的智囊公司调查显示,超过半数的央行对大数据应用表现出浓厚兴趣,并已积极考虑大数据在提升处理技术、调整机构战略和增强员工意识等方面的应用。

随着大数据技术的发展,对海量数据处理和应用成为可能,利用大数据进行预测和分析成为政府部门、机构和企业提升决策能力的重要手段。据国际知名的智囊公司调查显示,超过半数的央行对大数据应用表现出浓厚兴趣,并已积极考虑大数据在提升处理技术、调整机构战略和增强员工意识等方面的应用。

图片2.jpg
中国人民银行贵阳中心支行党委书记、行长  张瑞怀

        贵州省立足其生态、资源、区位和政策等多重比较优势,将“大数据”确立为全省三大发展战略之一。2016年3月,贵州省获批成立全国首个国家级大数据综合试验区。随后,确立了由省市区联手建设“大数据金融中心”的发展方向。中国人民银行贵阳中心支行立足地方经济发展新情况、新要求,主动申请人民银行金融大数据应用试点,积极探索构建以大数据为支撑的央行决策平台,以期在央行应用大数据和支持大数据产业发展方面先行试点,为提高央行履职和服务地方效率做出贡献。人民银行总行给予了充分肯定和大力支持,于2017年3月批复了贵阳中支大数据应用创新试点,并对贵阳中支在数据治理、数据整合、数据安全等方面的试点工作提出了要求和希望。

央行应用大数据面临的挑战

        1.数据孤岛普遍存在

        目前人民银行数据分散于各业务部门信息系统中,相互之间缺乏必要的联系,且数据采集口径不尽相同。在共用指标数据上也缺乏集中共享渠道,数据孤岛普遍存在,造成各部门的数据收集和应用成本较高。

        2.数据标准亟待完善

        数据标准的统一是数据整合应用的前提条件,但当前人民银行数据标准统一面临较大困难。各业务处室部门的基础数据具有如下特点:异构的数据结构、数据库种类繁多、大量数据分散存放、数据备份介质各不相同、数据沉淀量大等,表现为基础数据之间统计口径不一致、覆盖范围有差异、数据重复等问题。加之各类参照信息取值标准不同,缺乏统一的基础代码,导致对不同业务部门处室的数据进行汇总、比较和加工的难度较大。

        3.数据共享与数据安全机制亟待建立

        数据共享可在很大程度上解决数据孤岛问题,提高人民银行数据利用效率,但若管理不善,“大数据”本身也可能演化成“大风险”。大数据背景下,数据风险特征发生了改变,需要建立新的数据管理方法,构建全面风险管理体系,对数据进行统一监控和管理。为确保大数据及其应用安全,人民银行必须抓住两个关键环节:一是协调大数据链条中的所有参与者,共同建立数据安全标准与机制;二是主动与大数据用户在数据安全和数据使用方面加强沟通,提升大数据用户的数据安全意识,形成大数据风险管理的合力效应。

构建以大数据为支撑的央行决策平台

        1.平台建设思路

         总体上,央行大数据平台建设过程需要遵循“统筹规划、分步实施、先易后难”的原则,以及“自上而下”和“自下而上”、“由面到点”和“由点到面”相结合的思路。站在全行统一的视角自上而下、由面到点地进行数据治理、平台业务功能整体规划,这样可实行有效的数据质量管理,未来也可以快速进行分析应用的扩展;由于行内业务条线复杂、数据基础水平不同、应用需求层次不同,在具体实施上依据核心数据优先、关键业务优先的原则选取试点业务部门进行自下而上、由点到面分步走的策略,这样可以尽早进行数据采集,展现核心指标数据,早出成果、短期见效,以应用促建设,逐步深化,兼顾效率和可扩展性。

        2.平台目标定位

        央行大数据平台应建立覆盖金融业务的全方位大数据金融管理体系, 利用多层次、多时点的海量数据信息,全方位地监测本地区金融市场运行动态,多维度地分析各方数据,为央行决策提供支撑,具体又可分为以下五大目标。

        一是建立金融数据治理体系。以数据服务流程管理为载体,元数据管理、数据质量管理、数据标准管理、数据调度监控管理为手段,建立数据治理的框架体系。二是搭建全行大数据采集平台。统一全行数据入口,搭建互联网、金融城域网和业务网入口门户,提高数据采集效率,畅通数据采集通道,实现数据一次采集多方共享。三是搭建数据资源整合平台。整合行内可获取数据资源,构建综合业务数据库,通过整合各类统计数据,将现有的碎片化系统整合到一个系统中去,将不同系统数据进行联系整理,满足统计数据挖掘分析要求。四是搭建数据分析展现平台。基于数据挖掘、知识发现、数据可视化技术,深度挖掘数据价值,满足各级业务角色数据利用场景需求,包括固定报表,多维分析,专题分析。五是搭建数据服务共享平台。满足不同数据使用者查询、检索、分析需求;满足行内外、上下级等各方数据共享需求,建立与地方政府、监管部门、社会公众的网络通道;抓住难得的历史机遇,成为贵州“国家级大数据综合试验区”在金融业的重要组成部分,实现数据资源共享。

        3.建设实施步骤

        (1)建立数据治理模型。一是要建立金融行业数据标准。数据标准包括命名标准、元数据标准、数据安全标准、信息分类编码标准、术语标准、数据建模标准、数据库设计标准、数据架构标准、数据模型、用户视图(业务数据表单等)标准,以及数据管理流程、数据质量要求等,数据标准是大数据金融云平台数据集成和信息资源共享的基础,其主要作用是:统一金融数据定义,确保数据定义在全行范围内具有一致性、规范性和完整性;约束数据应用开发,对于大数据平台的业务应用,要求必须遵循统一数据标准,使大数据平台在开发、部署、运维、应用各阶段确保数据在逻辑上标准一致;表达全行数据需求,包括数据生产者、管理者、消费者的不同数据需求、数据交换共享需求、数据安全管控需求和数据服务需求等;实现信息资源共享,减少数据转换,促进数据集成。二是要在数据标准的基础上建立金融行业数据模型。金融行业数据建模的目标在于识别金融行业主要数据主题并根据各个数据主题间的逻辑关系划分其所属数据主题域。数据主题域集中反映了某方面的业务内容,通常是同类或关联关系较为紧密的数据主题的集合。数据主题是任何可以区分的人、地点、事情、事件或概念,信息围绕它来保存。数据主题域是数据仓库主题建模的基础,通过细化数据主题域即可建立统一的金融行业数据仓库模型,统一数据仓库模型是大数据平台进行数据整合和集成的重要基础。

        (2)打通数据采集通道,建立数据报送机制。通过平台的建设,按照预期的频度和粒度,采集整合贵阳中支所需的行内外各类金融数据和经济数据,形成并不断完善央行数据资产。一是统一全行数据入口,搭建互联网、金融城域网和业务网入口门户,畅通数据采集通道,实现数据一次采集、多方共享。二是兼容多样采集方式,融合人民银行各类系统的业务标准,兼容不同数据接口,丰富采集数据类型和手段。三是构建数据质量控制体系,建立完备的数据质量控制,流程化数据清洗处理,数据审核便捷高效,可靠保障采集数据质量。四是规范数据采集报送机制,充分满足对外、对内数据采集业务需求,全面提高业务信息化、自动化水平,为潜在需求预留可扩展空间,提高工作效率和质量。

        (3)建立数据共享机制。大数据平台的建设目标和成果,就是要共享数据。行内,各业务处室可以通过平台方便地获取工作所需数据,破除信息不能共享的障碍。在保密前提下要让数据畅通无阻地得到使用,对未来不断增加的不同类型数据要有对应的管理制度保证共享。行外,大数据平台建设不能闭门造车,大数据平台的建设成果必须要面向公众、面向金融机构、面向各级地方政府。“云上贵州”已经搭建完毕,贵阳中支的大数据建设成果完全可以借着“云上贵州”的东风,惠及全省。

        在数据安全和共享之间的平衡,应该搭建金融大数据互联网门户和金融城域网门户,让绿色数据服务公众,让橙色数据服务各金融机构和各级地方政府,让红色数据安全保密。如图1、图2所示。

图片3.jpg
图1  金融大数据应用框架之互联网部分

图片4.jpg
图2  金融大数据应用框架之金融城域网部分

        经过人民银行内部大数据平台清洗加工过的脱敏绿色数据通过光盘驳接到位于互联网上的对外展现服务器,可以通过“云上贵州”、百度和手机APP等应用向社会公众开放。

        各商业银行通过金融城域网向数据采集服务器报送数据,人民银行大数据应用服务器穿过防火墙从数据采集服务器获取商业银行金融数据。数据清洗加工后,适合于商业银行和各级地方政府使用的(橙色数据)通过应用展示服务器向商业银行和各级地方政府提供。只适合于在人民银行内部使用的(红色数据)只提供给人民银行内部数据挖掘使用,金融城域网其他单位无法访问人行内部大数据应用服务器,确保红色数据安全。

        (4)构建分析预测模型库。大数据分析,需要用到各类的模型,包括关联规则、聚类、分类、预测模型等,有了这些分析预测模型我们才能最限度地挖掘大数据价值。因为数据分析预测模型并不是一成不变的,不同的数据类型、不同的业务目标、不同的时间,会有不同的模型,因此,我们需要构建一个全面的分析预测模型库。

        构建分析预测模型既需要以业务部门的业务知识为支撑,也需要以科技部门的计算机算法为工具,因此,我们需要建立跨业务的分析预测模型团队。此外,还需要借助外部力量,加快分析预测模型库的建立,如与高校合作研究,或与专门做算法研究的公司合作。

        (5)培养大数据分析人才。大数据决策平台建成后,需要一大批掌握大数据分析能力的复合型人才,大数据平台才能发挥它真正的价值,我们在构建大数据决策平台之初,就要重视大数据分析人才培养,特别是发掘和培养既懂业务又懂技术的复合型人才。

结束语

        大数据的积累,已让数据的利用从量变引起了质变,央行大数据应用呼之欲出。构建以大数据为支撑的央行决策平台是“数字央行”战略的重要组成部分。人行贵阳中支将在人民银行总行、贵州省委省政府的号召下,顺势而为,以总行批复大数据应用创新试点为契机,从范一飞副行长“打造数字央行”指导思想出发,构建央行大数据决策平台。先行先试,努力在数据标准、数据共享、数据质量、数据安全方面有所突破,为总行提供鲜活的样例,为分支机构大数据应用积累经验。分支机构在实施过程中,即要借鉴先行者的成功经验,也要立足于辖内业务特点,制定适合当地金融经济状况的建设方向和步骤,达到事半功倍的效果。

(文章来源:金融电子化杂志) 

扫码即可手机
阅读转发此文

本文评论

相关文章