大数据监管驱使下,金融监管机构正在向实时监管、智能监管、穿透监管的模式发展,对金融机构的监管统计提出更为严格要求。数字化能力不足、手工统计较为普遍、竖井式开发、数据不同源、加工不一致、数据应用模式单一成为制约北京银行监管数字化转型的痛点。为了实现“一个银行(One Bank)、一体数据(One Data)、一体平台(One Plat form) ”的数字发展战略,北京银行2022年启动了统一监管数据集市建设项目。
项目定位为“横纵打通”业务模式,实现明细层与指标层、跨报送间数据打通目标。目前已完成包括1104人行大集中、系统性重要银行、EAST、人行金数等11个跨报送体系的约 6万项监管统计指标和约5000项明细数据资产盘点、整合和口径标准化,完成建设集市的明细层和整合层数据模型,未来可高效响应各类监管报送的要求,实现监管统计管理流程线上化和管理任务的自动化,并通过各类数据应用模式,支持各部门灵活自主使用监管数据,推动监管数据资产对业务及管理的赋能。
具体从五方面推进平台建设:一是通过以监管数据盘点为起点,摸清家底,分析各报送体系的指标、数据的范围,梳理业务口径和技术逻辑,厘清数据上下游链路关系。二是承接监管数据资产的盘点成果,全面覆盖北京银行以及分支机构的明细监管报送主题,建立统一监管集市的明细层。三是北京银行将监管数据质量管理向事前防范和事中管控延伸,从重视 “整改”转向关注“预防”。四是同步优化监管数据认责和认责体系,落实和细化各部门监管数据质量责任,推动解决历史数据认责争议问题。五是金融监管机构鼓励通过场景建设,大数据模型建设,人工智能应用,探索监管数据对业务及管理的应用领域,持续挖掘和释放监管数据的价值,实现监管数据资产由“盘点”走到“盘活”。
统一监管数据集市的架构主要由四部分组成。一是数据源层。即业务系统原始数据的存放地,通过数据湖获得。二是监管数据模型层。分为基础数据和汇总数据,基础数据按照不同的业务主题进行设计,如总账、客户、存款、贷款、银行卡等分类,基础数据在业务主题分类之上,采取多维设计的方式,进行维度和度量的抽象,形成行内可复用、易扩展的监管底层多维数据模型体系;汇总数据则是按照各类监管报送的要求进行数据汇总加工处理,包含指标模型的建立,为后续的前端应用提供易用数据和指标。
三是应用服务层。分为基础功能、指标管理和数据服务,基础功能主要提供满足监管报送相应的基础系统功能,如权限管理、报表管理、报表首页、报表收藏、报表导航和流程管理;指标管理主要是为了实现监管报送指标型数据的高度复用、业务自主定义、业务自主维护的设计思想,将各类监管报送具备同业务口径的指标进行提炼,确保在全行角度对外监管报送的口径一致性和正确性;数据服务则是各类监管报送的数据前端直观展现,和监管机构发布的表样或接口规范保持一致。四是用户层。主要为提供给系统使用者日常使用的功能,如报表填报、数据校验、报表审核、报表查询、系统管理等功能,同时可按照不同的报送机构实体进行分类,如法人机构、分支机构、并表机构等。
统一监管数据集市项目建设成效
统一监管集市平台为企业带来三方面的价值:
一是促生产经营成本下降。解决当前北京银行11类对外监管报送出口不统一,约5000项明细数据的监管数据源分散,约60000项统计指标和底层数据及加工口径不统一等问题,减负约30%的监管数据加工链路,有效缩短约30%报送前数据一致性核查时间,降低监管统计工作管理成本。
二是促协同效率提升。平台可以全面释放每月、季末统计人员约3-5个工作日报表加工时间,有效缩短监管数据质量问题定位时间,同步提升了全行数据一致性,提升全行内部经营统计分析的效率。
三是促经济效益提升。平台的多维指标应用模式有效推动监管数据价值应用投入。通过多维指标体系利用监管数据开展趋势分析、波动性分析、红黄灯预警,或是联合其他业务部门,以业务需求为驱动开展数据价值应用专项,更有预见性的开展行内业务和管理规划。
此外,统一监管集市平台项目成果落地后,将成为我国银行业实现明细层与指标层、跨报送间数据的管理理念,“横纵打通”式监管数据集市的成功落地案例。项目也促进了包括通过绿色、普惠金融、供应链等全行数据标准的统一和有效执行,补充了行内现有的数据标准缺口,对绿色、普惠金融、供应链等业务的有序开展提供了标准引领作用。
好文章,需要你的鼓励
OpenAI 本周为 ChatGPT 添加了 AI 图像生成功能,用户可直接在对话中创建图像。由于使用量激增,CEO Sam Altman 表示公司的 GPU "正在融化",不得不临时限制使用频率。新功能支持工作相关图像创建,如信息图表等,但在图像编辑精确度等方面仍存在限制。值得注意的是,大量用户正在使用该功能创作吉卜力动画风格的图像。
Synopsys 近期推出了一系列基于 AMD 最新芯片的硬件辅助验证和虚拟原型设计工具,包括 HAPS-200 原型系统和 ZeBu-200 仿真系统,以及面向 Arm 硬件的 Virtualizer 原生执行套件。这些创新工具显著提升了芯片设计和软件开发的效率,有助于加快产品上市速度,满足当前 AI 时代下快速迭代的需求。
人工智能正在深刻改变企业客户关系管理 (CRM) 的方方面面。从销售自动化、营销内容生成到客服智能化,AI不仅提升了运营效率,还带来了全新的服务模式。特别是自主代理AI (Agentic AI) 的出现,有望在多渠道无缝接管客户服务职能,开创CRM发展新纪元。
数据孤岛长期困扰着组织,影响着人工智能的可靠性。它们导致信息分散、模型训练不完整、洞察力不一致。解决方案包括实施强大的数据治理、促进跨部门协作、采用现代数据集成技术等。克服数据孤岛对于充分发挥AI潜力至关重要。