银行商业智能的便利之道

　　 
　　顺德农联社成为国内实施商业智能项目中“第一个吃螃蟹的人”
　　商业智能也成为继大集中、新一代综合业务系统之后，众多金融企业新一轮关注的焦点

　　2003年4月，广东省顺德农村信用合作社联合社实施的商业智能项目通过了一期验收。作为国内商业智能项目“第一个吃螃蟹”的顺德农联社，逐渐成功实施商业智能项目，无疑为国内金融企业在这一领域的实践指出了一条明路。
　　曾经主管央行科技工作多年的中国人民银行科技司司长陈静认为，中国金融信息化已经完成了以单机操作和分散联网为代表的第一阶段，目前正处在以数据集中为标志的第二阶段，而某些信息化发展水平较高的金融企业已经开始向“管理信息化”的第三阶段进发。
　　而“管理信息化”的基础，简而言之就是利用计算机技术，结合金融学、管理学、市场学的相关理论，对金融企业现有业务数据进行整理、挖掘和分析，从中得出对客户、产品、业务和营销方式等要素特征的科学的、定量的、精确的分析。另一方面，加入WTO之后外资金融企业的潜在竞争压力也促成国内金融机构的业务部门迫切地想要了解客户、产品和业务的实际商业价值。由此，数据仓库、客户关系管理、商业智能等词汇成为继大集中、新一代综合业务系统之后，众多金融企业的新一轮关注焦点。
　　一拍即合
　　在金融信息化进入“管理信息化”的新阶段后，在金融IT领域领先的IBM在把握金融产品和业务的基础上推出了金融行业的商业智能解决方案。
　　2001年，IBM公司设在爱尔兰的核心银行解决方案研究中心在银行信息模型IFW的基础上推出了针对银行业的商业智能解决方案———EZMart。据介绍，该中心集中了上百位金融领域的资深研究人员，专门研究银行的业务模式和发展方向。
　　2002年初，IBM公司在北京召开技术研讨会。当时正试图在商业智能项目上打开突破口的顺德农村信用合作社联合社电脑总监潘维刚也参加了这次会议。
　　“近几年来综合业务系统中积累的历史数据对于我们来说就是一座无形的金矿，但是如果我们首先必须要掌握很好的挖掘工具才能把金矿变成金子，才能找到最有价值的20％客户，才能提高企业整体的经济效益。”潘维刚认为。
　　但让潘维刚苦恼的是，当时国内几乎找不到真正实施成功的商业智能案例，一些已经实施的项目效果都不是很好，基本上还停留在报表系统的层面。拥有40多人的开发队伍的顺德农联社也曾考虑自主开发。但是潘维刚明白，商业智能项目的难度根本就不在开发本身，而在于业务。商业智能项目中涉及的分析专业性非常强，需要通晓金融、统计、会计、管理等学科的高端银行业务人员，而国内商业银行传统的条块分割的业务模式决定了，内部的业务人员即便业务水平再高也只能局限在一定的专业领域内。因此顺德农联社一直没有下决心。
　　EZMart的出现让潘维刚感觉这才是他想要的东西。2002年8月，经过一系列的选型论证，顺德农联社商业智能项目正式启动，2003年春节前后系统基本完成。
　　成功的关键
　　IBM业务咨询服务部资深行业顾问党华锐博士是顺德农联社商业智能项目的主要参与者之一。党华锐认为，国内银行业始终没有比较完整的商业智能成功案例，其主要原因在于有两个困难一直难以克服。
　　第一个困难是要构建一个全银行的业务模型。这个业务模型要把银行现有的全部业务种类都包容进去。但是，由于国内银行业真正开始市场化不过20 年的时间，一方面国内对银行各类业务都能捻熟在胸、融会贯通的人才奇缺，另一方面国内商业银行目前的业务种类和国际规范还有一定差距，将来可能会频繁发生变动。
　　第二个困难在于“巧妇难为无米之炊”。实施商业智能项目如同烹制一盘“佳肴美馔”，项目选用的实施工具相当于是“蒸煮烹炸”，而大量的原始数据资料则是“鸡鸭鱼肉”。原始数据资料越丰富、越规范，商业智能分析结果的准确度也就越高，做出来的菜才能“色香味”俱全。但是由于我国商业银行市场化经营和信息化的历史都比较短，业务数据也称不上规范，甚至于一直到2000年才开始实行存款实名制，在这个基础上完成一道“大菜”显然难度不低。
　　“而EZmart的出现为国内商业银行完成商业智能项目带来了机会。”党华锐说，“我们曾经深入地研究过EZmart，发现EZMart很好地解决了第一个问题，同时也为第二个问题指明了方向。”
　　EZMart解决第一个问题采用的是“大小通吃”的策略。也就是通过建立业务解决方案模板（BST， BusinessSolutionTemplate）来解决商业银行整体业务架构的问题，把一个典型的商业银行可能涉及到的银行业务对象归纳成风险管理、利润管理、关系营销和资产负债四大类共44个业务体系模板。这样一来，绝大多数银行关心的分析主题，从简单分析到复杂分析都跳不出这个“大小通吃”的模板，可谓万变不离其宗。
　　潘维刚坦承，顺德农联社商业智能项目最大的困难就在于对业务模型的把握。尽管EZMart已经建立了非常完整的业务模板，但是由于国内外银行业务品种和管理模式上的细微差异，客户化的工作仍然困难重重。
　　在提供了一套完整的业务模板基础上，EZmart在技术方面还搭建了经过全面整合的数据仓库EZS鄄tore。EZStore克服了分散式商业智能项目针对一个主题提取一次数据的做法，取而代之的是“先盖房子后装修”的策略，即一次性地、尽可能地将各个主题可能用到的数据全部包容。 EZStore就是按照44个业务主题统一盖好房屋框架，用到哪个主题就将哪个主题对应的房间“装修”一下就可以使用了，EZStore真正实现了数据资源的完全共享。顺德农联社的“毛坯房”最终体现为230张表格，而目前已经实施的3个主题只用到了其中约30张表格。
　　针对“巧妇难为无米之炊”———历史数据质量欠佳的问题，潘维刚和党华锐的观点非常一致———不能“因噎废食”。即一方面对历史数据要进行尽可能完善的数据清洗，提高存量数据的质量；另一方面也不要“背历史包袱”，要更多地着眼于未来，以商业智能项目为起点规范客户信息采集，提高未来数据的质量。顺德农联社最终将1999年到2002年这4年历史数据导入商业智能系统，数据总量达到数百GB。
　　“螃蟹”的味道
　　尽管顺德农联社的商业智能项目是国内“第一个吃螃蟹的人”，而且上线运行不到半年的时间，进行分析的主题也只有3个，但潘维刚和顺德农联社的高层领导都认为，这“螃蟹”的味道还是相当不错的。“
　　以前对于我们的业务人员来说，哪些客户是我们的重点客户大家可能心里都有数，但是这个‘重要’到底意味着多少贡献度？谁又比谁更重要？排名状况如何？大家都是在拍脑袋，或者仅仅凭借存款量、贷款量、结算量等几个简单的指标进行粗略地判断。”潘维刚说。
　　而在商业智能项目上线之后，顺德农联社的业务人员和管理人员就可以使用客户贡献度或者产品贡献度指标分析，对客户进行综合排名或单项排名，对每一个客户的贡献度都实现量化考核，并进行科学的客户分类。
　　2003年3月商业智能系统刚刚上线后不久，顺德农联社曾经做了一个比较，即按照客户贡献度来对客户进行分析，结果使用传统方法分析100多个客户的信息用了将近1个月的时间，而商业智能系统只用了不到20分钟。
　　此外，正如党华锐所预料，EZS鄄tore为顺德农联社的客户数据采集“指明了正确的方向”，在一个大的“房屋框架”下，基层业务人员数据采集的积极性和规范性都比以前大大提高了。据潘维刚介绍，以前顺德农联社对客户信息的管理是分散的，基本上都保留在每个客户经理的手中，而在商业智能项目实施后，顺德农联社也建立了一套非常完善的客户信息管理制度，即按照EZS鄄tore的数据框架和实际业务发展需要，把客户的信息储存到数据仓库中，为未来的历史数据分析准备原材料。
　　相关链接
　　商业智能（BI，BusinessIntel－ligence）是基于信息技术构建的智能化管理工具，它可以实时地对ERP、CRM、SCM等管理工具生成的企业数据进行分析，并将企业的各种数据及时地转换为企业管理者感兴趣的信息或知识。
　　在技术上，商业智能包括数据仓库（DataWarehouse）或数据集市（DataMarts）、联机分析处理（O－LAP，On- LineAnalyticalProcess－ing）和数据挖掘（DataMining）。数据仓库或数据集市是商业智能的基础，联机分析处理和数据挖掘是数据仓库上的两类不同目的的数据增值操作。

原文转自：http://www.ltesting.net