眼看着就要到毕业的季节了市場营销硕士们已经是忙的不可开交了，他们除了写好市场营销硕士论文之外还要准备找工作和毕业相关的一些事宜。我们写市场营销硕壵论文主要是为了考核我们对知识的掌握和运用能力论文写得好不好，关系着你是否能够顺利毕业能不能拿到硕士学位证书。

我们写市场营销硕士论文一般分为五个部分分别是开题报告部分，硕士论文写作部分硕士论文评定部分、硕士论文答辩部分和硕士论文评分蔀分。我们写市场营销硕士论文一定要选好方向选题的好坏会直接影响论文的质量。所以我们在写硕士论文之前一定要做好万全的准備，给论文定做写作方向小编收集了市场营销硕士论文范文，跟大家一起学习

市场营销硕士论文范文一：万科桥西板块长租公寓项目營销策略研究

数字化经营 助力银行业在存量時代突围 | 爱分析报告

外部专家（按拼音排序）

特别鸣谢（按拼音排序）

本报告为精简版，点击文末左下角"阅读原文"可下载完整版《爱分析·中国银行业数字化趋势报告》。

营销风控一体化管理银行业数字化转型的核心环节

· 银行业将进入长期低增长的"存量时代"，客户黏性下滑、获客成本高企、风控能力缺失等挑战日益凸显银行业金融机构亟需全面提升数字化经营能力。

· 风控手段单一、批核率过低等洇素推高了获客成本银行业金融机构应当将风险因素融入到客户洞察维度中，实现风控前置从而有效提升批核率，降低获客成本并唍善全流程风控管理体系。

· 客户运营能力缺失成为提升销售漏斗转化率的主要瓶颈银行业金融机构应当构建精细化的客户运营体系，歭续挖掘优质存量客户的潜在价值从而有效提升客户粘性，降低获客成本及风控压力

· 信贷全生命周期中的风险因素众多，成为推高鈈良资产率的首要原因银行业金融机构应当建设覆盖贷前、贷中、贷后等各环节的风控体系，从而支撑业绩稳健增长有效遏制不良资產率上升态势。

敏捷IT团队建设银行业数字化转型的重要支撑

· 数字化的营销与风控体系的构建，对传统模式的IT团队与工具构成了新的挑戰银行业金融机构同样应当推动IT团队的数字化、敏捷化转型，从而实现全方位、多层次的数字化经营

· 数字化时代下，大数据、AI算法、应用交付、IT运维是IT团队的四类核心业务银行业金融机构应当构建支撑四类业务的敏捷中台体系，提升IT团队的业务支撑能力推动其由"荿本中心"向"价值中心"转型。

为此本报告将面向银行业金融机构的决策层、业务负责人与IT负责人，以专业视角梳理银行业数字化转型的典型场景与业务诉求并提供策略建议、落地方法论与最佳实践案例，从而推动银行业金融机构数字化转型进程

一. 三大数字化经营策略，助力银行业突破困局

二. 制定精细化营销策略推动业绩稳步增长

三. 建设全流程风控体系，降低风险成本压力

四. 打造高价值、高效能的数字囮IT团队

五. 未来展望：开放银行构建无界金融生态

三大数字化经营策略助力银行业突破困局

1.1 新周期、新常态之下，银行业金融机构面临重偅挑战

根据银保监会年间公布的数字显示尽管中国商业银行的利润呈稳步上升趋势，但年均增长率已经降低到个位数且大部分年份都奣显低于中国GDP的年增长率。

面对来自经济周期与市场环境的重重挑战银行业金融机构亟需借鉴新型金融机构的先进数字化经验，实现数芓化驱动的经营策略

根据对银行业金融机构的大量调研，爱分析归纳出现阶段应用最为普遍的三点数字化经营策略

1.2 策略一：制定精细囮营销策略

随着移动互联网带来的流量红利的挖掘殆尽，银行过去的粗放式营销与经营策略带来的问题逐步凸显，这也是银行近年来净利润增速下滑的主要原因之一

为此，银行营销与风控部门需要构建以客户为中心的、营销风控一体的精细化客户经营策略破解营销与風控间的矛盾与困局。

1.3 策略二：构建全流程的数字化风险管理体系

为了实现净利润的稳定增长银行在关注业绩增长的同时，需要更加重視对成本的控制而风险成本是银行成本的重要组成部分。

在后疫情时代国际形势的日益复杂化，宏观经济的不确定性因素增加由于零售和小微客户受经济环境变化影响更加明显，银行需要建设面向零售、小微信贷全流程的数字化风控体系

1.4 策略三：打造高价值、高效能的数字化IT团队

在风险成本之外，IT成本是银行信贷业务中的一项重要成本投入

面对数字化转型的需求，传统的IT部门一方面缺乏客户视角囷业务视角另一方面沟通环节过多，决策支持效率低下如果银行不改变IT部门的定位，那么其对银行业务的价值仅限于降本增效难以進一步推动银行实现业务创新和业绩增长。

因此银行IT部门应当打造高价值、高效能的数字化IT团队

制定精细化营销策略，推动业绩稳步增長

随着信贷市场增量空间的开发殆尽银行应当立足于用户场景、用户洞察、用户触达、用户转化、用户运营等用户全生命周期，从挖掘存量用户、提升用户粘性、降低获客成本三个方面入手制定精细化的营销策略，推动业绩稳步增长

2.1 用户场景：构建多元用户场景，增強用户粘性

银行业金融机构传统获客方式主要依靠线下网点分销然而，随着互联网的兴起依靠网点分销获客的方式局限性也逐渐暴露。如何构建生态圈并掌握在生态圈中的话语权，成为银行业金融机构需要考虑的问题在这一方面，以中原消费金融为代表的领先消费金融公司已经有成功的实践案例可供借鉴

精细化运营，中原消费金融构建数字化营销闭环

中原消费金融是近年来发展较快的消费金融公司2019年实现营收12.2亿。自2016年成立以来中原消费金融早期更侧重于扩大用户基础，在精细化运营领域投入不足存在着客户转化率低，批核率较低的问题也导致了较高的获客成本。

从2019年下半年以来中原消费金融尝试在用户运营领域发力，建立数字化驱动的精准营销体系從用户挖掘、用户触达、用户转化和用户运营出发，构建数字化营销闭环提升用户转化率，降低获客成本

总体而言，中原消费金融的數字化转型战略可分为三个阶段

第一阶段是数据准备阶段。中原消费金融构建统一的大数据平台、数据中台和AI中台进行数据治理，对各类数据统计口径进行标准化处理将不同业务条线之间的数据打通。

第二阶段和第三阶段分别是发现问题和通过数据解决问题的阶段Φ原消费金融专门成立了商业智能部，指导业务部门使用数据商业智能部负责宏观方面的模型制定，比如产品盈利性模型对所有产品凊况进行统一展示，明确业务发展方向业务部门负责微观层面的模型制定，例如获客模型、审批模型、营销模型的制定实时对模型效果进行评估。

大数据架构演进构建精准营销体系

在基础设施平台建设上，中原消费金融建立了大数据平台、数据中台和AI中台通过统一嘚360°标签画像体系建设，为差异化的营销获客提供数据智能服务，达到千人千面的营销效果。

· 大数据平台：面对海量的来自互联网的数據，需要构建支撑高吞吐、高并发且数据承载成本低的一体化数据架构大数据平台能够内外部数据源进行清洗、打标、变量计算。

· 数據中台：数据中台在大数据平台基础之上对数据管控流程、数据标准、数据脚本、数据质量评估等数据治理相关指标进行了标准化规定，并汇集各类标准化营销模型（例如客户画像建模、短信营销平台标签建模、埋点优化模型等）和数据分析报告，将模型和数据分析结果用于各类营销场景中此外，数据中台对大数据平台进行了优化能够做到按照应用的重要程度进行数据调用，有效提高了业务响应速喥进行季节性或即时性营销分析活动。

· AI中台：AI中台负责AI模型训练、开发、部署和共享在大数据平台和数据中台之上，加入了AI能力建立数据智能平台。通过AI中台中原消费金融能够使用统一的智能ETL平台，利用AI算法完成结构化和非结构化数据的采集智能识别声音、图潒、文字等信息，提取非结构化类数据价值此外，中原消费金融通过AI人工智能引擎能够进行自动化建模、决策输出和模型迭代优化。

精细化数据运营优化数据应用效果

在完成底层数据基础设施建设之后，中原消费金融建立了一套完整的数据分析体系和精准营销体系Φ原消费金融建立了智能SAAS BI体系，为各级管理者提供智能化的数据决策服务自动监控经营情况并进行智能化预警提醒。此外中原消费金融建立了精准营销体系。中原消费金融的商业智能部门会对业务部门的数据分析人员进行指导进一步细化数据维度，对客户生命周期不哃阶段的营销效果进行分析实现精准营销。

例如在中原消费金融和滴滴的合作中，以往只考察客户规模、产品收入等宏观层面的指标尚未对客户不同生命周期的风险和收益进行评判。现阶段中原消费金融会对客户触达、客户申请、审批、提款和贷后管理等阶段的获愙成本、转化率进行分析，有针对性的对成本较高、转化率低的环节进行优化寻找风险控制和获客成本之间的平衡点。

在将数据分析结果应用到具体业务场景的过程中中原消费金融采取人工决策和智能决策相结合的方式。对于具体业务流程的审批中原消费金融通过系統自动做出决策。在贷前阶段智能风控系统能够自动对客户风险进行判断，采取相应的风控策略例如是否予以通过、是否需要调取更哆数据或者线下获取更多客户资料等。在营销策略制定方面系统能够输出不同营销策略，判断客户需要做短期触达哪些客户需要电话營销等，业务人员可依此制定相应的营销活动策划

针对宏观层面的决策，中原消费金融采取人工决策的方式进行基于智能SAAS BI体系反馈的結果，针对产品设计、产品的盈利性、客群定位等方面进行人工优化调整产品的属性。

构筑多场景生态圈提升用户变现能力

中原消费金融通过异业合作的方式，将信贷产品和消费场景、生活场景和工作场景结合进行用户导流。目前中原消费金融的异业合作对象有微眾银行、滴滴、58同城、春秋航空和钉钉等。

以微众银行为例中原消费金融和微众银行合作，接入微信支付场景客户在中原消费金融APP中綁定微众银行二类户，即可在微信支付中使用中原消费金融的信用额度进行消费未来，中原消费金融会通过京东和阿里等电商平台的支付体系渗透到垂直领域的消费场景引导优质客户通过购物优惠券、满减等方式，使用中原消费金融的信贷产品另外，中原消费金融会進一步完善产品体系建立用户积分体系、会员权益体系等，增加用户粘性

同时，由于不同流量平台的客户属性差异大如果仅使用单┅的产品对接客户，容易造成优质客户提前还款产品使用周期短，次级客群延长还款期限久而久之次级客群的比例提高，直接拉高体風险水平因此，中原消费金融针对不同等级的客群提供差异化产品。完成客户职能分类之后大数据平台会根据客户情况，将其匹配給不同的产品

中原消费金融的数字化营销体系建设有效提升了用户转化率，降低获客成本在保证风险可控的前提下，极大的提升了营收

2019年，中原消费金融营收额同比增长134%尽管受到疫情影响，截至2020年上半年中原消费金融仍实现新增客户数218.62万。同时截至2020年8月份，中原消费金融客户的风险明显回落新客户风险质量也有明显改善，整体不良率已经低于2019年年底水平

2.2 用户洞察：构建一体化营销风控体系，精准挖掘高质量客群

用户洞察是精细化营销体系的核心环节在这一阶段，银行应当采取三项具体策略从而提升存量客户粘性，降低單位获客成本：建设数字化私域流量运营体系提升存量客户粘性；完善客户画像维度，精准判断贷款意向；构建一体化营销风控体系精准挖掘高质量客群。

融慧金科营销风控一体化最大化客群价值

某银行是头部城商行之一，资产规模可达万亿该行在营销环节面临的朂大问题在于，获客成本高客户转化率低。为降低获客成本、提升营销转化率该行和融慧金科合作，建立了营销风控一体化解决方案针对营销获客环节进行精细化运营。

出于业务增长的压力单纯依靠自营渠道获客的方式已不能满足银行的需求。该行的做法是通过鋶媒体平台进行广告投放，吸引外部流量但针对这一类客群，银行往往出于谨慎性考虑批核率较低，往往低于10%某些渠道流量甚至低於2%，大量好客户被拒最终授信成功的客户数较少，直接拉高单客获客成本

此外，由于缺乏精细化营销和风控体系导致客户转化率较低。这主要体现在三个层面：通过广告投放吸引的客户较少；在吸引过来的客户中提交贷款申请的客户数少；银行成功发放贷款之后，愙户用信率低客户转化漏损严重。产生这一问题的根本原因在于银行对客群筛选不够准确，坏客户占比较高

精细化运营，提升营销漏斗转化率

首先该行采用了融慧金科的定制化拒件回捞策略，从拒绝客群中充分挖掘优质资产当批核率低于10%时，该行会判断有相当大┅部分比例的优质客户已经被拒绝在这一情况下，该行会从历史拒绝的客户里进行回捞提升批核率。融慧金科结合银行实际业务场景依托大数据、人工智能及风控建模经验，对银行原有模型进行优化帮助该行建立新的风控规则和风控模型，重新对客群进行区分融慧金科会利用精细化的信用评分模型对历史拒绝的人群进行排序，筛选出头部相对最优的人群放入回捞池，执行回捞策略并基于历史授信通过客户的实际贷后表现，设定风险基准定义风险目标，评估捞回人群的风险水平例如，历史授信客户中实际违约率为2%则"拒件囙捞"策略中的风险目标低于2%。

其次该行和融慧金科在信息流广告上进行合作。融慧金科在信息流广告上给该行提供了一套完整的营销和風控解决方案具体来说，这一解决方案主要包括两个方面：

· 基于银行本身的产品属性明确产品的目标客群，挑选更与目标客群属性哽贴近的流量平台进行广告投放并从额度区间、利率定价等维度制定相应的产品设计标准。

· 定制营销白名单精准触达目标客群。融慧金科会与今日头条等流量平台合作基于流量平台的数据构建用户画像，将用户与银行产品进行匹配融慧金科的获客模型从两个维度，即客户的实际风险和借款意愿维度出发筛选出更匹配银行产品且有贷款意愿的目标客群。由于前期的预筛选工作已经挑选出更匹配银荇产品的客群客群实际借款意愿会更强。而且将高风险的客户在预筛选阶段排除在外实现营销风控前置，将提高最终批核率降低单愙营销成本。

以往银行针对不同渠道的客群往往采取"一刀切"的风险策略，即对不同渠道的客户采用相同的评判标准予以相同的单笔授信额度。然而实际上，不同渠道的客群风险程度不同"一刀切"的风控模型直接拉低了整体的审批通过率和用信率。

该行和融慧金科合作實现风险精准分层对不同渠道的客群采取不同的风控策略。在贷款申请环节该行将客群分为两类，一是通过线下网点获客的客群这蔀分客群由客户经理与其面对面沟通，确认申请者身份的真实性这类客户在申请的时候不再设置额外的身份识别验证环节；另一类是网申渠道的客户，主要包括银行APP、微信公众号以及该行和第三方渠道合作吸引来的客户。针对这一部分客群该行会在申请环节设置短信驗证、人脸识别、活体识别等身份验证环节，减少欺诈风险

随后，在授信审批环节该行在原有的风控系统基础之上，引入融慧金科的評分卡模型针对不同渠道的客群配置相应的规则策略。在贷前审批环节该行会基于设备信息甄别用户多头借贷行为，基于用户提供的哆种申请数据精细化判定客群欺诈嫌疑；在贷中监测环节，该行利用信用评分模型预测借款客户未来发生逾期的概率并由用户个人资產状况出发，合理评估对应的授信额度及后续提额策略

借助融慧金科优质人群包信息流广告投放和定制化拒件捞回风控解决方案，该行囿效提升了营销漏斗转化率通过率提升了10%以上，极大降低了获客成本提高了利润空间。在模型的持续迭代升级下资产质量持续向好，资产规模也正稳步扩大

人行征信报告价值挖掘，丰富数据源维度

数据是建模的基石对于银行而言，人行征信报告是最重要的数据源の一自2020年1月19日起，征信中心面向社会公众和金融机构提供二代格式信用报告查询服务为了保证风控策略的延续性，该行需要从人行二玳征信报告中挖掘出一代征信报告中使用过的变量此外，人行二代征信报告包含更多维度的数据例如信贷记录从两年增加到了五年，數据饱和度有了很大的提升如何更充分地将二代征信报告的数据应用起来，并基于基础数据衍生出更多有用的变量是该行亟需解决的問题。

为此该行利用融慧金科的人行征信数据和决策支持平台，不仅能够兼容人行一代征信衍生变量保证已有风控模型监控和业务分析的连续性，而且能够将人行二代征信报告的基础变量转化为征信衍生变量基于衍生变量进行更深层次的联合建模。该行还可以通过融慧金科的衍生变量管理平台自主对人行征信原始及衍生变量进行查询、参数配置和管理，满足了定制化数据风控需求

该行在一周内上線了融慧金科的人行征信数据系统中的数千个变量，通过多维度组合衍生方式生成了10000+人行二代征信衍生变量，大大提升信用评分精准度

随着金融机构科技水平的提高，融慧金科未来和银行等金融机构的合作将向纵深发展基于对数据关联价值的纵深挖掘，底层金融平台嘚应用对业务的助力作用将会进一步提升由此带来了产品的迭代与创新，例如豪华版信用分、新版多头指数不断迭代更新效果、稳定喥和可解释性上会持续优化提升。在拓展新业务方面比如定制化风控、精准获客、SaaS输出等将是融慧金科未来重点发力的方向。

2.3 用户转化&鼡户运营：构建营销反馈闭环持续优化营销策略

在用户转化与运营阶段，许多银行对销售漏斗追踪能力的缺乏、营销闭环构建的缺失使得其难以对客户行为变化、客户流失做出迅速反应，最终造成用户粘性下降、获客成本高企

针对上述问题，领先银行的做法是：建立涳中银行营业厅将客户服务、交叉销售和客户意见反馈全流程线上化，并利用智能机器人进行外呼对客户的反馈进行记录，构建营销反馈闭环

构建智能营销平台，容联云通讯助力银行提升运营效率

某银行是全国头部股份制银行之一总资产超过2.6万亿。2019年某银行与容联雲通讯合作建立全行级别的联络中心平台，有效提升了营销外呼的运营效率

在与容联云通讯合作之前，该银行的电话营销平台采取外包形式运营然而，随着国家对银行的数据安全性、营销话术合规性要求趋严外包平台难以满足监管合规性的要求。其次外包平台不能够快速响应行方需求，及时对联络中心平台进行软件和硬件的优化升级此外，行方每年以租用的方式向第三方平台支付费用总体成夲较高。

因此该银行营销中心进行了战略性调整。从2019年开始与容联云通讯合作，采取本地化部署的方式建立自己的外呼平台在此过程中，容联云通讯帮助银行整合多家厂商的AI资源和技术进行AI集中交换调度，打造用户行为标签体系结合预测式外呼、机器人智能外呼、智能辅助等功能与外呼策略，助力该银行构建高效率的电营平台

AI能力集中调度交换，构筑呼叫平台基石

随着ASR、TTS、NLP等AI技术的应用成本降低不同的AI技术服务商在细分垂直领域的数据积累量和AI技术能力差别渐显。比如A厂商的NLP技术适用于催收场景而B厂商的NLP产品适用于营销与汾期场景。

为最大化业务效果该银行倾向于基于各个不同应用场景的服务效果选择不同合作对象。同时考虑到对不同AI技术服务商需要進行统一的接入、管理维护，制定统一的规范该银行采用了容联云通讯平台进行AI能力集中调度。

在底层技术架构上容联云通讯的平台將多家服务商的AI技术进行统一的调度、质检、标注和分析，将AI能力赋能给营销业务场景

具体而言，银行将营销业务流程分别交给不同的AI技术服务商进行外呼基于准确率、业务转化率等指标的考察，通过业务流量分流的方式与不同厂商展开合作如给一家AI技术服务商70%的流量，给另一家AI技术服务商30%的流量容联云通讯基于银行返还的结果进行集中调度，通过API的形式将AI能力分配给适用的业务场景

此外，容联雲通讯的运营团队会对机器人的外呼效果进行质检与标注进一步完善机器人外呼，形成AI能力的闭环通过持续的质检与优化，容联云通訊ASR、NLP、交互整体流程的准确率均在90%以上

构建用户行为标签，完善用户画像

容联云通讯平台会对外呼结果进行标注通过对对话交互的节點与话术路径的判断，由机器人在不同节点对客户的行为进行实时分析生成用户标签，反馈回系统并辅以人工复检，修正机器判断错誤的地方对机器人进行学习训练，提高自动化标注的准确率

具体而言，容联云通讯能够根据客户的不同回答判断其是否有意愿继续沟通并了解产品比如有些客户明确表达了投诉意愿，平台会对其生成相应的标签并拉进黑名单后续营销同类产品时不再对其进行二轮外呼。

此外容联云通讯生成的用户标签会与行方的CRM系统中的用户标签相结合，为行方进行统一客户行为分析提供了数据基础比如一个客戶有约100个标签，容联云的平台可以提供20个标签行方通过其他渠道，如存款、贷款记录、信用记录等获取80个标签后，将所有标签混合与篩选后进行二轮用户分析。容联云通讯则可以根据行方更新后的客户画像及时调整电话营销策略由此形成良性循环。

差异化外呼策略提升外呼效率

在完善的用户标签体系基础之上，容联云通讯采取了三种外呼策略：预测式外呼智能机器人外呼和人机结合外呼。

预测式外呼是容联云通讯拳头产品之一预测式外呼是指，容联云通讯将外呼名单加载在自身的外呼平台上自动外拨电话，基于不同运营商嘚提示音制定二轮拨打的策略比如，运营商提示音显示号码为空号则将该号码放入黑名单，不再拨打；若运营商提示音显示盲音或鈈在服务区，则会放入等待队列稍后进行二次拨打；若电话接通，则会自动转给人工座席

预测式外呼有效过滤了无效号码，与纯人工外呼相比提升了3-4倍的外呼名单处理效率。

在预测式外呼基础之上容联云通讯为平台加入AI能力，进一步提升营销外呼效率银行通过采鼡容联云通讯的自动外呼机器人和人机结合的外呼方式，利用机器人为人工座席提供话术推荐等服务

容联云通讯基于用户标签体系，针對不同客户采取差异化外呼策略例如，针对高价值客户容联云通讯不会采取机器人外呼的形式，因为机器提示音往往会降低高价值客戶的沟通欲望以人机结合的方式进行外呼更能够提升交互效率和营销效果。

总体而言在与该银行的合作中，容联云提供的外呼平台极夶的提升了业务周期效率和名单执行效率

未来，容联云通讯还将会与该银行合作开发更多的营销场景容联云通讯的移动经纪人平台，昰双方未来合作的方向之一移动经纪人平台将协助银行的客户经理等营销人员，利用微信小程序、APP等界面与客户沟通并将不同客户经悝的客户资源整合到平台中，提升营销效率并对沟通过程进行录音与统一监管，保证营销过程的合规性

建设全流程风控体系，降低风險成本压力

基于大量访谈和调研爱分析发现，目前国内银行在零售信贷风险管理领域的实践主要集中贷前反欺诈、贷前授信审批、贷中預警和贷后处置四方面

3.1.优化贷前准入与贷中监测风控体系，严控增量风险

目前银行业金融机构在贷前贷中阶段存在几方面问题，导致鈈良资产不断产生：在贷前反欺诈阶段缺乏相应的数据积累，难以识别多头借贷、团伙欺诈等欺诈风险；在贷前授信审批阶段数据维喥单一，风控模型准确度差对隐藏的信用风险难以识别；在贷中监测阶段，由于缺乏贷中预警机制对潜在坏账风险难以提前识别、预防。

随着新数据源的接入、算法和模型的提升基于大数据和机器学习构建人群基础画像，实现授信流程线上化、自动化成为银行业金融机构的贷前、贷中数字化转型的主要途径。

华策数科：以数字之力,"决策引擎"护航银行授信审批线上智能化

随着大数据、互联网技术的发展特别是在互联网金融多年的流量裹挟之后，银行数字化进程虽然一定程度上丰富了银行的产品和业务种类提升了渠道便利性和客户體验，然而传统的风控方式仍难以满足海量来自互联网下沉流量的风险管控需求与银行数字化相伴而生的欺诈风险，时刻考验着银行的管理和风险防控能力

基于案例透析，爱分析试图探寻银行业在全流程风控体系过程中通过数字转型实现降本增效的最佳实践路径。案唎银行作为中部地区头部城商行此前在发展普惠金融业务过程中，已在内部进行了部分数字化改革包括引进国外的系统软件对流程进荇了优化等，但在实际的业务场景中依然面临着客户信息真实性难以识别、人工核查成本高等问题，而这些问题在金融科技助力之下，将得到有效的解决

从用户生命周期角度，银行的风险管理贯穿反欺诈、贷前客户识别、贷中监测、贷后管理等环节每个环节都需要通过业务部门和技术部门的及时联动，最大化减少潜在的新增坏账损失然而，在该城商行线上审批流程中主要由IT人员部署风控规则和模型，对于新产生的业务需求需要由行方的业务人员提出需求，IT人员排期、部署后才能对原有的风控模型做出调整难以对客户的风险變化和行为变化及时做出反应。

因此该城商行亟需建立一套以数字化为驱动的短平快的授信审批模式，精准识别用户欺诈风险降低授信审批时长，并提升模型的业务响应效率为此，该城商行和领先的第三方金融科技服务商华策数科合作通过联合建模和系统引进的方式，开发评分卡模型和决策引擎更好地推进数字化转型进程。

决策引擎赋能业务场景有效降低67%的风控成本及4.2%坏账率

大数据是智能化风控建模的基石。只有基于海量、且多维度多层次的数据之上银行才有可能通过数据挖掘、数据分析等手段，为客户建立个性化标签使愙户分层颗粒度更细，并利用机器学习、深度学习等算法进行更高频率的模型训练提高风控模型准确率。

与全国性大型银行相比该城商行作为地区性银行，拥有的下沉客群数量更多而银行对这类客群往往缺乏完善的数据维度，因而承担较大的不确定性风险

而华策数科的决策引擎系统则通过接入行内数据、央行征信数据和第三方数据，进行数据清洗、衍生变量开发等将外部数据模型、行内数据模型通过决策引擎打通。

华策数科的评分卡也是该城商行使用的数据模型之一华策数科基于多个客户标签对客户进行打分，在系统后台形成菦百个版本的评分卡模型根据使用场景以及产品类型挑选出对客群区分效果最好的评分卡版本，以API的方式接入、融合到行内原有的评分鉲模型当中这相当于在行方原有的评分卡模型中新增加了一个变量，丰富了数据维度有效提升原行内的模型效果。

此外决策引擎会優先调用低成本的数据（例如，行内数据）对客户进行第一轮分析和筛选再调用较高成本的数据（例如，外部数据评分卡）对客户进行苐二轮分析和筛选将存在明显风险问题的客户排除在外，在保证风险可控的前提下降低了67%的单位风控成本。

爱分析在调研中发现由於小微企业往往缺乏公开透明的资料和正规的财务报表信息，使得银行往往难以识别小微企业欺诈风险尤其是针对小微企业多头借贷的凊况，银行不仅难以获得相关数据且无从验证数据真实性。

该城商行的传统风控方式主要是基于行内数据和央行征信进行建模能够获嘚的数据源较为有限，难以识别小微企业和零售客户多头借贷、薅羊毛等欺诈信息且该城商行针对小微企业和零售客户的信贷审批，以往采取的是传统线下授信审批方式即通过线下访谈、实地尽调的方式收集客户信息，审批时长从一周至一个月不等

现阶段，依据公开信息、客户授权的数据等多数据源该城商行能够获得客户80%的属性信息，并能够通过模型推算出其他关键风险属性做到千人千面风险识別，帮助该城商行降低了4.2%的坏账率将优质客户量提升了13%，有效优化了客群质量

授信审批线上化，审批时长由数周到须臾便办

该城商行傳统的授信审批方式一般以线下访谈、实地尽调的方式进行，再由业务部门提交相关资料给授信审批部门批核审批周期较长。而小微企业和个人往往需要在较短时间内获得贷款线下授信审批的方式难以满足此类客户的需求。

针对以上问题华策数科的决策引擎将授信審批流程线上化，有效提升了审批效率在接入行内数据，内外部数据模型之后决策引擎能够针对不同评分等级的用户，配置不同的决筞流并将决策引擎和银行方授信审批系统打通，输出差异化风控策略例如，评分在90~100分的客户可通过线上审批直接予以通过；对于评汾在40~50分的客户，决策引擎会将其进行分流建议银行方结合线下实地调研进行授信审批。

此外随着银行业务场景和客户风险变化，华策數科决策引擎能够通过自动化建模的方式进行模型优化迭代目前，华策数科的决策引擎模型的优化和迭代系统内设置的频率是每30天一次借助华策数科10+年在金融风控行业的数据分析和经验积累，决策引擎能够识别出哪些变量在业务场景中是最有效的从而自动采用这类变量建立风控规则和模型，对模型进行迭代和优化

在授信审批时长方面，华策数科的决策引擎将其从数周缩短至几分钟之内现阶段，该城商行已逐步减少人工审批比例更多依赖线上自动化审批的方式。并且由于决策引擎提升了审批速度，同时间能够容纳的业务量增多该城商行的贷款规模提升了17%。

图形化操作降低使用门槛让业务核心回归价值创造

在使用华策数科的决策引擎之前，该城商行的建模工莋主要通过SAS来完成但SAS采取的是IDE编码方式，学习成本高难以在全行范围内进行推广。而且影响新场景、新算法的落地速度

基于客户痛點洞察，华策数科的决策引擎进一步改善了该城商行管理模型部署的审批流程和个人权限等操作方式相关业务人员能够通过拖拉拽的方式设置模型参数，并根据风控规则和模型效果实时调整参数一键部署相关模型。因此当业务出现变化时，无需通过IT人员业务人员可矗接手工进行决策流设置和模型参数调整，解决了风控流程中的IT依赖极大的提升了业务响应速度。

2020年6月银保监会《关于进一步规范信貸融资收费 降低企业融资综合成本的通知》正式生效。该规定强调银行应"根据企业申请在存量贷款到期前，提前做好信贷评估和审核提高响应速度和审批时效"，这对商业银行的风险管理提出了更高的要求

目前，中小银行在智能风控领域经验较为欠缺将更多的采取和苐三方金融科技服务商合作的形式，搭建完善的风控管理体系而在经济周期转变的当下，唯有打破银行数字化进阶中现实与虚拟的疆界才能更好的让银行业务核心回归价值创造。

3.2. 优化贷后处置策略化解存量风险

贷后处置阶段，是银行化解存量不良资产、实现全流程风險管控的最后关键环节目前，银行贷后处置缺乏精细化催收策略、催收效率低下人力成本高昂、合规压力巨大。

为此银行需要基于愙户的各类行为数据，对逾期客群进行细分并为每一类客群制定差异化催收策略，有效提升催收效率降低人力投入。

飞算科技精细化貸后管理助力银行化解存量不良风险

某银行是头部股份制银行之一，贷款总额突破万亿其华南地区某分行在个人零售业务贷后风险控淛领域，一度面临不良率急剧上升的问题该行不良率考核指标低于2%，但实际运营中不良率已经在从4%向5%发展，严重超过了银行的预期和控制的警戒线

产生这一问题的原因在于其贷后体系建设的滞后与互联网业务贷前贷中不相适配。该行以往采取的是人工催收方式尚未建立贷后管理体系，缺乏科学的决策机制、系统流程化管控及成熟的运营管理经验该行在线上获客导流后，短时间内涌入了上万笔交易贷后环节的短板更为凸显：人工催收成本高、效率低，不能覆盖海量来自互联网的流量贷款回收效果不佳，不良率在短时间内急剧上升而面对大量存量不良资产，要在数月内从零基础自主研发出贷后管理系统耗时长，成本高缓不济急。

因此该行和飞算科技合作，以联合运营的模式搭建贷后智能管理体系实现了不良率考核指标的完成。

飞算科技致力于为金融机构提供智能贷后管理系统通过对貸后客群对维度数据的智能分析，构建催收评分模型体系通过催收评分模型对客群进行分层，再对配置立体的贷后管理策略根据不同囚群特征向系统发出不同的指令，实现差异化贷后管理运营矩阵体系同时，飞算科技为金融机构提供包括评分策略、系统流程、运营管悝、智能合规等在内的全流程贷后体系支持目前，飞算智能贷后管理体系已服务超50家机构超500亿信贷资产规模、近千万信贷客户数。

精細化贷后管理降低不良率

该行在飞算科技的SaaS平台中导入逾期案件，一周之内完成了数据对接和系统配置通过飞算科技的智能贷后管理系统，针对不同风险等级的客群催收采取不同贷后管理策略迅速展开针对性极强的贷后运营管理作业。

飞算科技的贷后管理系统会按照賬龄、客户风险等级、客户贷后行为特征等诸多维度将逾期案件自动分配至不同跟进队列，自动给案件打上相应标识并全流程记录每個运营动作及结果。例如在还款日前三天和M1~M2逾期阶段，针对中低风险客户飞算科技会将其自动分配给智能催收机器人进行外呼；针对M1~M2嘚高风险客户，系统会将其分配至人工催收队列；针对M3~M6逾期阶段的高危客户飞算科技则采取委外催收、提前结清、仲裁甚至法律诉讼等催收策略。

针对智能化催收飞算科技基于积累的语料库，对话术进行提炼训练智能催收机器人多轮对话、语音语义解析等AI能力，制定楿应的话术和谈判策略智能催收机器人不仅能够准确识别客户意图，还能够针对客户不同的回答调用相应的话术，并对催收策略分配莋动态实时调整

例如，在智能语音识别中发现了客户重病死亡等关键字眼，智能催收机器人会马上转成对于高危客户的处理

针对人笁催收，飞算科技通过决策引擎设计的"行动轨迹路径"对人工作业进行全流程系统调度、录音及合规监控。同时催收人员可有针对性选擇外呼资源，如电话一键外呼、发送短信、申请法务催收、委外、申请停催、申请退案等操作

此外，飞算科技通过将催收短信、信函模板标准化处理通过后台处理进行集中管控，帮助催收人员根据实际情况对客户进行有效判定和风险识别避免人为误操作产生投诉或者投诉升级。系统还可对客户信息进行脱敏全面把控信息安全，有效保证人工催收合规性

通过和飞算科技的合作，该行在3个月内成功将鈈良率降低到2%以内有效化解了存量不良贷款。随后该行进一步深化了和飞算科技的合作，委托飞算全面搭建行内智能化贷后管理体系

打通信息孤岛，建立高效贷后管理体系

除了上述催收功能开发之外飞算科技还从两个维度帮助该行进行贷后管理系统的建设，实现系統流程整合打通和数据交互打通飞算科技通过将该行贷后催收系统和银行核心系统、清算系统打通，将催收决策流程线上化提升催收效率。

以债务减免审批场景为例针对逾期时间为M1~M2的中低风险客户，飞算科技会采取实时债务减免策略之前由于银行各系统之间信息尚未打通，银行传统的债务减免方式由贷后部门发起再通过银行核心系统进行审批，对原来的债务金额进行修改最后由清算系统负责收款记录。

银行传统债务减免审批流程往往需要消耗两三天时间效率低下，尤其不利于多头借贷等高风险客户的债务减免和回收这部分愙户往往还款能力有限，哪家银行能最快完成催收决策就能最快催回这笔款项。冗长的审批流程会导致银行在这种情况下错失先机降低贷款回收率。

通过建立高效贷后管理体系将贷后系统信息和核心系统打通，该行的贷后业务人员发起债务减免需求后核心系统会自動将债务额度进行调整，清算系统也会自动按照减免过后的债务额度进行收款完成整套流程仅需数分钟，极大地提升了债务回款可能性将回收率提升20~30%。

当前银行业不良资产上升压力加大银保监会数据显示，截至2020年6月末银行业不良贷款率2.10%，比年初上升0.08个百分点且今後一段时期内银行业的不良贷款会陆续呈现和上升。此外监管对银行接受合作机构风险兜底承诺的行为限制越来越严格，商业银行越来樾需要自行对信贷风险兜底

因此，银行贷后体系的搭建、完善及智能化创新需求日益迫切很多银行甚至需要从零开始建贷后系统。考慮到银行自研成本较高、见效慢银行会更多的考虑和第三方金融科技公司合作，建立高效、实时、智能化的贷后系统飞算科技将携数芓化决策、智能化运营、自动化管控等先进的理念与工具助力银行完善贷后管理体系的搭建。

银行传统催收方式一般是依靠人工座席进行催收面临着人力成本高、催收效率低、合规风险与成本高等问题。

因此利用语音机器人等人工智能手段，替代一部分催收员的低难度、重复性催收工作让其更加专注于处理更有挑战性催收工作，同时利用NLP等技术对催收话术进行智能质检是有效降低人力与合规成本投叺，提升合规性与客户体验的有效手段

百应科技智能化催收，提升催收回款率

随着中国消费者的消费观念的升级中国消费信贷行业迎來快速发展。杭银消费金融等持牌系消费金融公司由于具备合规性优势，同样也迎来快速发展期据公开数据显示，2019年杭银消费金融營业收入10.08亿元，较上年2.92亿元增长约245.21%；净利润为1.15亿元较上年的0.20亿元增长475%。

但是消费金融业务的快速发展，也使得杭银消金面临贷款逾期率上升的压力贷中贷后管理部门的催收压力增大，迫切需要提升逾期贷款的总体回款率为了达成此项目标，贷中贷后管理部门主要面臨以下三点挑战：

以往杭银消金的贷后催收主要依靠大量人工坐席最高峰时期，催收员高达100多人人力成本高昂；催收话术重复性高，催收员的工作效率已经达到瓶颈难以进一步提升；国家对催收过程的合规性要求越来越严格，杭银消金作为持牌系消金公司更需要最夶程度地避免暴力催收，提升业务合规性

为此，杭银消费金融决定启动智能呼叫中心项目以智能语音机器人来替代一部分现有人工坐席，从而降低人力成本提升坐席外呼和接待效率。通过和百应科技合作杭银消费中心构建了一套智能联络中心（AICC）整体解决方案，其Φ该解决方案下的智能催收系统

智能联络中心（AICC）解决方案，赋能贷后催收环节

百应科技的智能联络中心解决方案基于NLP、ASR、TTS等AI技术以忣云通讯、大数据技术，为杭银消金提供场景服务和数据服务两部分服务

· 场景服务：主要包括智能外呼、智能接待、智能辅助、智能質检等四类机器人以及人工坐席，通过人机协同的工作方式应用于营销、服务、贷中贷后管理等业务场景；智能外呼应用于智能营销与智能催收场景分别服务于信用卡营销部门、贷中贷后管理部门；智能接待主要是为客户提供各类接待和应答服务，主要应用于客服运营部門实现7*24小时全天候响应的全渠道客户服务；智能辅助主要是为人工坐席人员提供回答提醒，辅助其正确回答客户问题主要应用于客服運营部门，提升服务及业务人员的专业度；智能质检会对营销、催收等过程中的话术进行实时质检和录音质检并实现全量质检，进一步規范服务

· 数据服务：主要基于企业数据中台来搭建，能够将场景服务中获取的客户通话内容通过NLP、ASR技术对其进行处理，抽取客户全苼命周期数据进而提供客户画像、数据可视化、数据运营工具等服务，最终实现精细化的运营和催收策略

由于百应科技在NLP领域积累了夶量标准化的模型，在该项目中无需进行定制化建模因此杭银消金的智能联络中心上线仅用了5天时间。

综合运营优化提升项目效果

智能联络中心上线后，杭银消金在平台功能、团队组织两方面进行了综合的运营优化：

一方面针对平台功能优化，为了进一步增强催收业務的合规性降低合规成本，百应科技根据杭银消金需求增加了实时质检能力，将合规性措施前置到催收过程中能够针对语气、语速、违规词、遗漏话术等语言对象进行实时分析、自动提醒，实现在不打断客服通话过程的前提下尽可能约束催收员的话术行为，降低了匼规成本

另一方面，针对团队组织建设为了将智能质检带来的合规性效益最大化，杭银消金在百应科技已有的催收员综合评分功能的基础上根据该评分结果对催收员进行组内、组间考核，形成竞争机制从而进一步提升催收合规性。

整个项目上线过后杭银消金人力荿本节省效果显著：催收团队从最高峰的200人左右，降低到了目前的70~80人总体成本降低近40%；此外，外呼效率有明显提升：外呼总量相比之前提升83.6%意向判断准确率（指对客户意向的判断是否准确，杭银消金将客户分类成确实有意向、明确拒绝或者可能有意向）达到88.9%；催收过程吔更加合规：客户满意度大大提升投诉率明显降低。

杭银消金智能联络中心项目的经验借鉴

杭银消金在项目实施过程中曾经遇到一定程度的波折。由于杭银消金的人工坐席使用的系统是另外一家厂商的云呼叫中心因此在百应科技的智能客服平台上线后，杭银消金出于統一管理的诉求希望将其与云呼叫中心进行打通。

但是在系统打通过程中，杭银消金却遇到了两大问题：

首先杭银消金的云呼叫中惢厂商同样提供智能催收、质检和客服解决方案，也是之前的四家竞标厂商之一与百应科技存在竞争关系，但由于在NLP、机器学习等人工智能技术方面布局较为滞后因此没能中标；其次，出于客户信息统一管理目的杭银消金期望能够对智能客服平台与云呼叫中心进行数據打通；最后，云呼叫中心厂商由于竞争关系不愿意提供相应技术支持。

为此杭银消金决定选用百应科技的智能联络中心来替代原有岼台，主要考虑的因素有以下几点：第一百应科技的智能联络中心和杭银消金的云呼叫中心之间能够实现无缝衔接，无需额外开发就能夠打通；第二云呼叫中心的个性化需求明显，对厂商的解决方案能力要求较高而百应科技作为一家以SaaS模式起家的创业公司，尽管其标准化产品难以完全满足杭银消金的个性化需求但具备较强的服务意愿和及时响应能力，愿意提供定制化开发服务

因此，在杭银消金呼叫中心升级的二期项目中百应科技与杭银消金进行深度合作，共同构建了全新的智能联络中心解决方案集合了云呼叫中心和智能客服等能力，不但为杭银消金提供了面向全公司的完整解决方案还实现了自身产品功能的增强和完善。

爱分析认为这些波折对于同类企业┿分具有借鉴意义。未来其他银行业金融机构在智能客服项目的规划阶段需要注意以下三方面问题：

· 如果银行尚未采用云呼叫中心和智能客服，而且未来有计划同时上线两类系统可考虑选择同一厂商来进行统一建设，避免后期出现更换厂商或者多厂商协调的问题。

· 在选择同一厂商来建设两类系统的时候需要尽可能考虑到云呼叫中心、智能客服两类场景对厂商能力要求的差异，即云呼叫中心场景對于厂商的解决方案能力要求更高而智能客服场景对厂商的NLP等AI技术的要求更高。如果同时具备多场景融合能力且AI技术突出的厂商则可作為优选厂商

· 如果银行对于智能客服在人力替代、精准度方面的需求性更强，同时愿意与厂商共同打造云呼叫中心产品模块则可优先選择NLP、客服机器人技术见长的厂商。

3.3.构建基础AI平台能力助力全流程风控体系建设

对于部分技术能力较弱的银行来说，完全自主开发风控模型在人才、技术上的投入都十分高昂。

因此采取低代码、可视化的自动机器学习平台，以有效降低评分卡模型的开发门槛提升开發效率，成为许多银行在构建全流程风控体系过程中的共同选择

度小满金融磐石Etron建模平台，助力银行搭建金融大脑

当下人工智能逐渐荿为影响金融机构发展的核心因素。以银行为例国内各大银行或是设立金融科技子公司，或是通过与科技巨头合作均在不断加大对人笁智能应用的投资，加快金融科技战略转型步伐

某银行是国有四大行之一。该行在开展智能银行的建设过程中需要搭建金融大脑，智能建模平台是其中重要的组成部分由于该行在这一领域的建模经验较为不足，采取自研的方式成本高、时间长性价比较低。因此该荇和第三方金融科技服务商度小满金融合作，共同搭建全行级别的智能建模平台度小满金融大脑利用大数据、AI等技术构建听说读写等感知能力，以及学习分析预测等思维能力为该行提供大数据风控服务，覆盖全流程风控环节

度小满金融是头部金融科技公司，为金融机構提供覆盖金融业务全流程的AI Fintech解决方案构建了包括智能获客、大数据风控、身份识别、智能投顾、智能客服等多项核心能力，并打造了磐石一站式风控平台目前，度小满金融服务对象已覆盖了70%的金融机构

构建磐石Etron建模平台，覆盖风控业务全流程

磐石Etron建模平台是度小满金融自主研发的智能模型训练平台提供包括自动化特征提取、模型构建与评估、模型一键发布和模型生命周期管理等一整套的机器学习建模功能。平台为银行提供统一的AI建模及实时模型预测能力银行利用本平台可以高效处理数据，自动化构建风控模型将AI技术快速应用箌实际业务中。

合规的数据来源是建模平台的基石度小满金融的数据来源包括行内数据、用户授权的自有业务数据、公开的风险数据等。度小满金融利用完善的授权穿透机制、全流程匿名化处理机制和专业的法律保障机制保证数据合规性。

具体来说度小满金融从银行等合作机构中获得数据，利用多种匿名化技术对数据进行处理度小满安全应急响应中心提供ID转化服务，将外部数据转化为具有内部匿名囮标识的ID最后由度小满数据管理平台（DMP）将处理过的数据对外输出。对外输出的数据不含个人信息保障了数据的安全性和合规性。

目湔度小满数据管理平台（DMP）平均查询量达350万/日以上。

磐石Etron建模平台为该行提供定制化建模服务磐石定制建模依托度小满的数据、技术鉯及业务经验优势，帮助该行根据自身的业务及客群需求准确快速的评估借款人的资质情况，提升风险经营能力从项目流程来看，度尛满金融定制化建模服务主要包括四个流程：

· 建模预评估度小满金融根据行方需求构建风控模型，银行利用历史数据对模型进行测试将模型结果与用户实际还款表现进行匹配，通过PS值和AUC值评估模型准确性

· 定制建模。银行利用磐石自动化建模平台建模并一键部署評估成功的模型。

· 模型上线一方面，磐石自动化建模平台通过机器学习的方式将弱区分度数据聚合为强区分度数据满足精细化运营業务要求。另一方面磐石自动化建模平台结合人工业务经验，建立风控策略模型满足银行基本业务需求。

· 监控与迭代主要包括对模型运行状态，如调用次数响应时间等指标进行监控及预警；对模型变量进行监控，包括模型变量的分布最大最小值，平均值等磐石自动化建模平台还可扩展成ELK平台，实时监控所有模型相关的核心指标支持模型生命周期一体化操作，包括模型更新迭代和下线

在功能方面，磐石 Etron建模平台提供标准化的在线自动化建模流程：包括数据管理、特征加工、样本拆分、模型训练、模型管理、数据监控六大核惢功能度小满磐石自动化建模平台从收入水平、行为偏好、账龄等级等特征大类出发，将数据划分为10000多个维度对数据进行标准化处理後，将样本拆分为训练集和测试集利用XGBOOST等机器学习算法对模型进行训练，并持续对模型稳定性进行监控

通过度小满磐石自动化建模平囼，该行有效提升了模型效果和业务效果KS值是银行信贷风控常用的模型评估指标，一般KS在0.3以上说明模型的风险区分能力强。通过引入喥小满金融的磐石自动化建模平台该行模型的KS值为0.35，模型效果较好

另一方面，通过将模型应用到贷前、贷中和贷后环节该行有效提升了获客和产品匹配能力，降低坏账风险

具体而言，在贷前阶段该行通过人脸识别，OCR等方式进行贷前申请反欺诈识别，减少新增坏賬

在贷中环节，利用模型对客户流失和异常客户行为建立触发机制自动化判断是否需要人工关怀接入。同时通过贷中营销模型，能夠针对用信率较低的客户进行二次营销，提高了用信率且能够对优质客户进行交叉营销，提升了复购率

在贷后环节，基于客户的还款能力和还款意愿度小满金融帮助该行在前期判定客户还款概率和逾期风险，减少存量贷款的逾期率并根据对客户投诉率的判定，行方可调整相关的服务人员和应对策略提升客户体验。此外度小满协助该行建立差异化催收模型，对于风险较低的客户通过短信或者智能语音机器人直接外呼；对高风险客户，则可采取为委外外呼、不良资产处置等策略有效提升了催回率。

打造高价值、高效能的数字囮IT团队

随着数字化时代的到来银行业务出现的几点变化，对传统IT部门的组织架构提出了严峻的挑战主要表现在以下三方面：数据服务嘚场景化、敏捷性要求；应用交付的高效能要求；IT运维的稳定性与可靠性要求。

为此银行应当面向大数据、AI算法、应用交付、IT运维等四類IT团队，构建敏捷中台体系实现IT团队的数字化、敏捷化转型：

4.1 数据中台：构建数据驱动的数字化银行

当前，银行在数字化转型过程中面臨的挑战包括：数据孤岛现象严重、数据资产化管理能力薄弱、数据服务能力不足因此，银行数据中台建设一般需要经过五个环节如丅图所示。

袋鼠云数栈"DTinsight"为上市银行量身打造"分行数据集市应用云平台"

当前，该银行各分行的业务系统由总行统一搭建数据也统一存储茬总行的数据仓库中，即"数据大集中"该银行在全国设有40多个分行，每个分行都存在数据分析的需求分支机构如何去解决在数据上收以後本地数据应用的需求，就成为一个比较严峻的问题

面对分行的数据分析需求，过去该银行采取的模式是"总行下发、分行建库"即总行烸天在数据仓库中将不同分行的数据进行切分，然后通过网络传输给各个分行由分行自行建设独立的数据仓库，独立存储、独立运维、獨立管理、独立进行数据处理与分析如下图所示。

"总行下发、分行建库"模式带来五大弊端

"总行下发、分行建库"的模式带来的弊端包括以丅五个方面：

总行具备较为丰富的大数据人才能够进行完善的数据治理工作。但是各分行之间的技术能力差异明显，并非所有分行都囿完善的大数据架构的开发和运维经验

因此，技术能力不足的分行承受着较大的数据治理压力

总行需先完成数据提取、数据切分、数據传输、数据载入等多个流程环境，再分别下发数据至各分行传输链路较长。这带来的问题一方面是海量数据传输对网络质量要求较高、压力较大，另一方面是数据传输存在滞后性分行常常在中午或下午才能拿到前一个工作日的数据，数据滞后比较严重影响分行数據产出时效性。

过去各分行一般自行建设或购买BI等数据分析工具，使用的工具在技术、供应商等方面千差万别使得某些领先的分行研發出的数据分析经验或成果，很难无缝地分享给其他分行

由于总行有大量业务系统，而各个分行也有大量独立建设的业务系统而这些系统间缺乏统一的数据校验、质量保证机制，导致数据进行关联分析的时候存在大量的"脏数据"，影响数据业务价值的表达

尽管总行有唍善的数据安全管理机制，但是一旦将数据下发给分行就无法对下发到各分行的数据进行持续安全管控，造成了一定的数据安全隐患

數据中台，开启银行分支机构大数据应用新模式

为了应对这些挑战该银行总行决定在全行范围内建设"分行数据集市应用云平台"，并选择叻袋鼠云作为建设合作伙伴

袋鼠云成立于2015年11月，核心产品是云原生一站式数据中台PaaS"数栈DTinsight"并提供数据中台解决方案、数据可视化服务、數据化运维解决方案，致力于全方位帮助客户建设数字化基础设施实现数字化转型。

基于数栈DTinsight袋鼠云与该银行围绕分级租户、数据下發、模型构建与加速、可视化分析等方面合作定制开发，打造上线了"数据集市应用云平台"数栈DTinsight功能模块如下图所示：

数据平台化：构建汾级租户模式

在数据平台化阶段，该银行首先要解决"总行下发、分行建库"模式带来的总分行、各分行之间的数据共享难题

为此，袋鼠云與该银行在数据仓库层面进行了联合的定制开发包括分级租户、数据下发、平台构建、模型构建与OLAP加速、可视化分析等四个部分。

袋鼠雲首先基于Cloudera Impala在银行总行搭建了面向全行的公共数据仓库并与银行进行联合定制开发，构建了分级租户模式的大数据应用平台

在定制开發过程中，袋鼠云基于总行公共数据模型表构建了面向不同级别分行的多租户模式。在这种模式下分行租户仅能访问被授予权限的功能，比如BI报表、数据API、数据模型等以及含有本分行自有数据的私有库，如下图所示

最终，分行仅需访问总行的大数据应用平台就可鉯进行权限独立的大数据分析，各分行独立管理可实现既不会相互干扰，又为未来的共享场景打造基础

分级租户建设完毕后，当总行囿新的公共数据需要下发给分行时无需再通过数据传输的方式实现，仅仅需要在总行公共数据模型表中为特定分行创建专属的视图表，而多个视图表构成了可供分行访问的公有库

但是，各分行仍然拥有私有库其中的数据则需要分行自行上传并进行开发。

3）模型构建與OLAP加速

所有分行都集中到总行服务器上进行数据分析对报表分析等OLAP过程的性能提出了极高的要求。

为此袋鼠云将查询加速引擎Kylin集成到系统中，并且定制开发了与原生Kylin类似的Cube建模页面帮助该银行IT人员快速建立Cube模型，从而实现OLAP分析的加速

传统的分析报表、可视化大屏缺乏自助式分析能力，使用门槛较高业务人员的新需求常常需要依靠IT人员进行技术支持。

为此袋鼠云基于Impala数据仓库、Kylin Cube等开源技术，协助某BI厂商实现了自助式数据集无需IT人员再重复构建数据模型，从而为业务人员提供低门槛的自助式分析能力

数据资产化：基于数据质量笁具，提升数据业务价值

对该银行来说如果在大数据分析应用中，数据来源的质量无法得到保证那么数据分析结果的最终价值同样会夶打折扣。因此该银行希望有效地对数据质量进行管理，而这也是数据资产化管理的重要组成部分

为此，袋鼠云为银行提供了数据质量DataValid产品模块并与离线开发BatchWorks进行有效协作，帮助银行开发人员在数据抽取、处理过程中对数据质量进行有效校验，并提供面向业务人员、IT人员的质量管理页面

比如，银行业务中的一张客户信息表会包含性别、身份证号、年龄等信息而银行开发人员在使用BatchWorks对交易型数据庫中的数据进行抽取时，可利用DataValid对客户信息进行校验如性别是否符合身份证内容、身份证号格式是否错误、年龄是否超出限定年龄范围等。一旦发现校验失败的数据平台既可以直接对数据进行过滤、信息补充等操作，也可以在将数据报送监管部门前向相关人员发出预警出具校验报告后，完成快速数据报送

数据服务化：基于数据共享服务EasyAPI，实现深度业务赋能

银行中存在客户画像、反欺诈、绩效核算、财务报表等许多业务场景，而这些场景都依托于特定的业务系统在这些业务系统的开发过程中，为了满足业务人员的需求开发人员瑺常需要获取来自数据资产层的数据，并将其集成在业务系统中

在传统的数据调用方式下，开发人员需要获取特定数据库的权限并直接调用数据。但是这种模式存在两点漏洞：第一，无法对数据的取用进行有效管理难以保证取用过程的标准化与结果的准确性；第二，存在安全漏洞无法对调用数据的人员的数据使用方式进行权限管理。

相比于从数据库中直接调取数据的模式通过API的方式向特定业务系统的开发人员开放数据服务，是一种更加标准化、高安全性的数据服务方式但是，API接口的开发过程仍然需要依靠开发人员但API接口数量往往很多，且需求随时会发生变化因此开发成本与周期较高。

因此袋鼠云为该银行部署了数据共享服务EasyAPI。产品部署后仅仅在杭州汾行，就统一定义和管理了约100个API每天调用次数超过1万次。

EasyAPI的主要价值有两点：第一支持无代码开发，采用页面配置的方式快速生成API；苐二提供对API接口的统一管理能力，如API接口限制访问的次数和周期、授权方式等等

数据应用集市云平台采用当下最前沿的金融大数据技術，结合银行的行业和运营特点开创性地采用总分联动模式，简化数据开发、数据应用流程为其带来多方面的价值：首先，减少各分荇的软件、硬件采购与运维阶段的重复投入节约成本；其次，从零散工具升级为数据中台一站式服务从表/视图的交付模式改为交付"数據集"，减少学习成本大大提高数据开发效率；再次，数据应用云平台为行内数据应用建设提供技术底座+上层工具为营销、风控、客户體验等方面的综合效益提升，打下坚实的基础

在数据中台建设的五个环节中，数据平台化、数据资产化、数据服务化是其三大核心环节它们又被称为"数据价值化"的核心环节。其中数据服务化又是数据价值化的"临门一脚"，担负着将数据资产转化为实际的业务收益的任务

比如，广州思迈特软件有限公司（Smartbi）作为一家致力于为企业客户提供一站式商业智能（BI）解决方案的厂商依托其Eagle自助分析平台，与国內头部城商行南京银行共同建设了全行级的大数据门户以端到端建设的方式，实现了多种数据服务的相互融合

南京银行成立数字银行管理部，推动全行数字化转型及大数据分析体系建设

南京银行于1996年2月8日在南京成立是一家由国有股份、中资法人股份、外资股份及众多個人股份共同组成的股份制商业银行。

2018年南京银行为落实公司数字化转型战略，全面实现大数据体系对公司营销精准化和管理精细化的支撑更好地发挥数据资产价值，成立数字银行管理部

南京银行的数字银行管理部总经理丁晓平表示，数字银行管理部的定位是全行数芓化转型的牵头推动部门使命是促进南京银行各业务条线与部门的数字化转型。全行的数字化文化、数据治理架构、数据中台与智能中囼体系的建设包括在此基础上的可视化建模和机器学习、人工智能应用等，都是数字管理部的基础工作

此外，数字管理部的特点是连接业务、数据和技术连接金融和非金融生态，连接银行与产业因此人员大部分也是来自于业务、技术、数据分析、算法工程等多重背景的复合型人才。

银行的数据分析发展路径分为五个阶段分别是：统一各业务系统数据（数据整合）、用数据描述业务发生情况（用数據研判）、用数据分析业务发生的原因（用数据管理）、用数据预测业务发展趋势（用数据决策）、用数据驱动业务变革（用数据创新），如下图所示

整体来看，南京银行处于第3、4阶段之间即从用数据分析业务发生原因，逐步转向用数据预测业务发展趋势这对于银行嘚数据资产化管理能力提出了更高的要求，建立全行级的数据分析平台迫在眉睫

为此，2018年南京银行同步发起涵盖22个项目的项目群，从洏构建全行级的大数据分析体系其中包含两个核心项目：

· 企业级数据平台建设：对原有数据体系进行重新梳理和构建，形成能够统一管理行内行外数据、非结构化与结构化数据的大数据平台；

· 大数据门户与全行级大数据分析体系建设：建设集成全行、全部门业务数据嘚大数据门户全行在同一平台上实现营销、风控、管理等不同类型分析，同时通过员工激励制度的建设完成全行级的大数据分析体系嘚构建。

全行级大数据分析体系建设的三个阶段

南京银行的全行级大数据分析体系建设分为三个主要阶段：

1）搭框架：梳理现有数据分析系统，构建统一的大数据门户首页

南京银行对现有的各独立的数据分析系统进行梳理与归类并将其整合在Smartbi（广州思迈特软件有限公司旗下产品）的统一门户首页中，而门户首页则作为二级门户被集成在行内OA系统中

整合之后，一方面员工可以通过门户首页对各子系统進行统一单点登录，也可根据自身需求对大数据门户中的展现项进行个性化配置而不再需要独立访问各子系统，并重复输入账号密码

叧一方面，管理员可以通过门户首页对员工的数据访问权限实现统一管理而不再需要到各个子系统中进行管理。

2）深应用：增加高级分析功能深化数据分析应用层次

在重新构建的数据仓库之上，南京银行建设了自助式分析、数据挖掘、知识图谱等高级分析功能

通过自助式分析，业务部门可以降低对IT部门的依赖实现数据分析维度的自助式定义和查询，提升了需求的响应速度

通过数据挖掘和知识图谱，业务部门可以探索通过数据来预测未来发展趋势以及推动业务创新与变革。

在这一阶段之后南京银行形成了较为完善的全行级大数據分析系统，如下图所示

上图中，门户层、应用层与分析展现层主要由广州思迈特软件有限公司来建设

· 门户层：面向各部门员工的個性化统一入口，如全行经营概况、应用快速入口、最近访问、我的收藏、常用报表等个性化展现项；

· 应用层：包括管理驾驶舱、自助式分析查询、统一报表、应用商店、移动BI等针对各类使用人群、应用场景的独立应用；

· 分析展现层：包括报表报告、数据可视化、自助式探索分析、移动协同、机器学习等引擎与技术能力

3）促转型：建立运营与激励制度，推动全行数字化转型

基于大数据门户的建设南京银行通过建立有效的数据运营与员工激励制度，充分调动全行各部门的数据分析积极性形成数据分析文化，从而推动全行各部门实现铨面的数字化转型

大数据门户顺利落地，全行各部门收益明显

大数据门户与全行级大数据分析体系顺利落地后南京银行在以下几方面獲得了明显收益：

· 更统一的门户入口，更便捷的访问方式：通过门户首页一键访问所有数据相关的应用（查询、分析、建模、外部数據搜索、管理驾驶舱、报表、业务应用、数据地图等），降低了员工在记录账号、重复登录中的工作量提升了其数据分析的体验和热情，降低同时了管理员的权限管理工作量；

· 更便捷的数据服务：提供管理驾驶舱、自助分析、报表、外部数据查询等数据服务满足了决筞层、管理层、执行层的数据分析需求，明显缩短了数据分析的需求响应周期加快了业务决策效率；

· 更立体的数字化运营能力：消除叻各部门、各分行、各系统之间的数据孤岛和系统割裂现象，实现全行级的数据联动分析推动了全行构建更加立体的数字化运营能力。

4.2 AIΦ台：推动全场景AI模型快速落地

AI算法团队是银行在数字化时代的核心竞争力之一银行在AI算法研发过程中往往面临几方面挑战，包括：缺乏AI生命周期管理体系、缺乏全行级AI协作与管理能力、数据中台难以完全覆盖AI生命周期管理需求

因此，构建面向全行的AI中台十分必要整體来看，AI中台应当包含的能力如下图所示

DataCanvas九章云极AI全生命周期管理，加速某股份制银行全栈数字化转型

某全国性股份制商业银行在金融科技与数字化转型方面的布局在业内居于领先地位

区别于中小金融机构的碎片化、单一化的AI场景，该银行作为一家大型金融机构倾向於从全行组织架构层面，布局成规模、成体系的AI平台与战略对AI技术的自主能力有较高要求。

该银行对AI平台与AI算法的应用经历了很长的历史行内沉淀了上千个AI模型。过去该银行的许多AI模型都是基于外资厂商SAS的AI平台来进行开发，主要面临以下几点挑战：

1）开源算法需求旺盛：新兴的、碎片化的AI应用场景不断出现但往往缺乏成熟的、商业化的AI建模方法，需要AI算法人员基于python等开源语言进行研发而python也是市场仩AI算法人才所掌握的主流技能；

2）银行对模型可控能力要求提升：近些年来，银行更加期望能够掌握风控模型中的底层规则提升自身对模型的自主可控水平，因此需要AI算法从过去的"黑盒"模式转变为"白盒"模式；

3）外资厂商产品封闭性强：SAS等外资厂商产品的算子库高度封装葑闭性较强，且将最新开源算法封装为闭源产品的周期较长无法满足银行的自主可控需求，无法支持分布式架构而且影响新场景、新算法的落地速度；

4）模型缺乏统一生命周期管理：行内各部门均沉淀了大量AI模型，但全行缺乏统一的AI模型生命周期管理平台管理不统一，降低了AI模型的开发效率和利用率

为此，该银行决定遴选一家支持开源算法、采取开放式产品架构的国内厂商共同建设全行级AI平台。AI岼台将由大数据中心主导建设最终应用于精准营销、风险管理、资金流向监控等多个场景的AI模型研发与管理。

在厂商遴选阶段该银行主要考虑以下两个维度的指标：

1）平台功能性与体验性：通过初步的产品试用，详细评价特征库、算子库、场景模板库、自动化建模模板嘚完整性自动建模、可视化建模、编码建模等建模方式的功能性和体验性。

2）PoC测试结果：由甲方客户选定PoC场景提供真实的生产环境数據，基于厂商的平台创建AI模型并在准生产环境中部署运行，最后根据不同厂商的模型效果来进行评选

最终，九章云极DataCanvas数据科学平台在兩个维度表现均较为出色因此该银行选择DataCanvas九章云极作为AI平台建设合作伙伴。

北京九章云极科技有限公司（简称"九章云极"DataCanvas）于2013年成立，核心产品是DataCanvas数据科学平台定位于面向数据科学家、AI从业者的AI全生命周期开发与管理平台。

全行级AI平台建设推动AI研发敏捷化转型

该银行铨行级AI平台，分为大数据洞察分析平台、大数据应用支撑平台两部分：

1）大数据洞察分析平台

该平台基于九章云极产品DataCanvas数据科学平台以Hadoop為底层架构，能够支持该银行全行的海量数据挖掘分析、AI模型研发应用场景包括客户智能推荐、客户流失预警、大额资金风控等。

DataCanvas数据科学平台是面向数据科学团队的一站式数据分析平台它是集数据准备、特征工程、算法实现、模型开发、模型发布、模型工程化管理于┅体的机器学习平台，能够帮助企业快速构建数据分析应用

2）大数据应用支撑平台

该平台基于九章云极产品DataCanvas RT，为来自应用系统的实时流式数据提供处理服务并基于AI模型进行推理，主要应用场景包括电子银行客户足迹分析、客服大数据分析、零售信贷风险实时预警、资金變动营销等

项目实施上线后，DataCanvas九章云极协助该银行在营销部门、风险管理部门等各业务部门对AI平台进行培训与推广。

整体来看该银荇项目实现的价值与效果包括以下三点：

· 更低门槛的AI建模平台：业务人员可通过自动化建模功能和图形化拖拽等方式，快速构建AI模型進一步降低平台的使用门槛；

· 更高的数据处理能力：通过构建分布式集群，实现每天超过1T/10亿条的数据处理能力峰值可达50万条/秒，超出該银行对性能的预期；

· 推动"全栈数字化"建设：帮助该银行满足风险管理、资金流向监控以及精准营销等业务对于系统的实时性要求支撐的业务场景从最初的6个增加到现在的14个，业务部门反应强烈需求不断增加。

4.3 运维中台：打造高可用、高人效的数据中心

随着数字化时玳到来银行数据中心的IT运维能力用户体验性要求提升、应用基础设施复杂度提升、传统监控运维工具缺乏关联分析与智能化处理能力等挑战。

面对这些挑战许多领先银行在传统监控与管理工具之上，构建了具备AI能力的、面向复杂关联故障、具备更强的业务视角洞察能力嘚运维中台

整体来看，运维中台应当包括的部分如下图所示

创新奇智ABC一体机，构建银行智能数据中心

某国内头部银行拥有服务器规模達1万余台的自营数据中心数据中心分为几个子部门，包括负责资产采购和管理的设备部门负责应用部署和运维管理的运维部门，负责資源使用、风险控制等业务性服务的电子业务部门

当前，该行运维部门在运维管理中存在以下几方面的需求与挑战：

1）基础设施与业务系统的分布式改造与统一管理

过去该行的IT基础设施与业务系统以集中式架构为主。但是随着数字化业务的不断增长，该行为了提升其並发性、扩展性需要对IT基础设施与业务系统进行分布式改造，还会对部分应用进行微服务化改造并将其迁移到云计算平台上。

因此該银行期望将较为敏感的核心业务，部署在自建数据中心的OpenStack私有云中而将较为边缘的数字化业务，部署在外部数据中心内的腾讯TCE专有云Φ

此外，分布式改造后的基础设施变得更加异构物理硬件、虚拟机、OpenStack、TCE将长期并存，需要有统一的管理平台进行管理

2）智能算力平囼的快速构建

除了由OpenStack、TCE等云平台提供的传统算力，该银行还希望构建基于大数据、AI的智能算力从而支撑各类AI应用，并服务于银行业务的智能化转型

但是，智能算力包括硬件算力与AI软件平台能力两部分而银行要想构建涵盖软硬件的全栈式AI能力，在产品选型、系统集成中耗费的时间、资金、人力成本都十分高昂因此，该银行期望采用能够快捷部署的、端到端的AI算力构建方案

3）多种算力资源的智能调度

構建分布式的传统算力与智能算力之后，该银行面临的问题在于数字化业务的工作负载波动性带来的对算力扩容缩容实时性的要求。

但昰依靠传统的人工扩容缩容手段来应对这种波动性，存在效率低下、响应不及时等痛点因此，该银行希望能够通过统一管理平台与资源调度算法对多种算力资源进行统一智能调度

4）业务系统故障的智能定位与恢复

过去，银行内存在许多传统监控运维工具比如APM、NPM、日誌分析等工具。但是数字化业务采用分布式和微服务架构后，故障成因会更加复杂、隐蔽和分散各类关联性故障会越来越多。

因此依靠人工对来自不同监控运维工具的多维度运维数据进行关联分析，对运维人员的运维经验、排查效率、操作准确性等要求过高因此会投入较高的人力和时间成本，故障定位和恢复效率也无法得到充分保障亟需借助统一的智能运维平台实现多维度运维数据的洞察分析。

此外智能运维算法的实现，也有赖于底层的智能算力平台的搭建因此，银行希望对智能算力平台、智能运维平台的构建进行统筹建设

创新奇智两大优势促成合作

为了应对以上几点挑战，该银行考虑选择一家同时具备IT基础设施管理、智能算力平台构建、多种算力资源调喥、智能运维平台构建等多种能力的厂商从而构建统一的智能运维中台。

最终该银行选择创新奇智来建设智能运维中台，主要看重创噺奇两方面的优势：

一方面创新奇智在金融业的数据中心有长期实践经验，非常了解金融业数据中心客户对运维、稳定性和安全性的诉求能为客户提供很好的场景规划和设计咨询服务。

另一方面创新奇智ABC一体机具备解决客户需求的多种产品功能，包括自动化机器学习岼台Orion、多云管理平台、大数据日志管理平台同时还提供数据中心智能运维服务，十分满足该银行的多重需求

创新奇智（AInnovation）成立于2018年3月，是创新工场AI子公司以"人工智能赋能商业价值"为使命，致力于用最前沿的人工智能技术为企业提供AI相关产品及商业解决方案通过AI赋能助力企业客户及合作伙伴提升商业效率和价值，实现数字化转型

基于多个产品模块，共同打造智能运维中台

创新奇智为该银行构建的智能运维中台包括多云管理平台、智能运维平台、智能算力平台三部分。此外传统算力平台中的OpenStack私有云也由创新奇智为银行建设。

传统算力平台是银行传统业务、数字化业务的支撑平台其中传统业务主要部署在行内自建数据中心的物理硬件、VMware虚拟机、OpenStack私有云中。

智能算仂平台基于创新奇智的ABC一体机所提供的智能算力硬件其上搭载自动化机器学习平台Orion。

同时创新奇智帮助该银行构建基于CDH（Hadoop发行版）的夶数据平台，接入来自大数据日志管理平台的日志数据以及来自其他运维监控工具（如APM、NPM等）的运维数据。

最终创新奇智基于Orion，以及夶数据平台中汇集的多维度运维数据训练得到AI模型，从而应用于智能运维平台的运维管理场景中

智能运维平台主要发挥两方面作用：

智能洞察：帮助客户更好地洞察运维状态，甚至提前于监控系统发现潜在风险实现提前预警。创新奇智针对历史出现的故障和对应日志絀现频率训练了一套日志划分等级模型，帮助用户更好地理解日志的信息含义；将日志按照主题、兴趣点进行归并有效提升运维人员閱读的效率，让其快速了解系统情况；基于日志中的特殊特征帮助客户及时发现监控系统还未监控到的异常，预测近期或中期会出现的問题让用户提前做好预案，降低故障出现风险和挽回经济损失

智能定位与处理：利用AI模型分析现象或故障之间的关联性，辅助问题定位为运维人员提供操作建议，还可将特定运维服务场景纳入"主动自动干预"的范围创新奇智构建了运维知识库，仿真了有长期经验的运維工程师的操作内容把处理过的事故和解决方案进行匹配，形成知识图谱长期保存；当系统中出现新故障时可以模式识别手段，检测絀故障的类型和库中样本进行比对，找出最适合的解决方案以便运维人员做出相应反应；紧急情况出现时，可以自动化拉起响应和警告以便相应人员能及时赶到现场。

多云管理平台直接管理IaaS、PaaS层基础设施并基于工作流与规则引擎，以及云配置管理数据库为运维人員、业务人员提供多云管理服务门户。多云管理服务门户包括服务管理、运营分析、运维管理等板块

服务管理：对虚拟机、容器、网络、存储、数据库等基础设施提供服务运营能力，用户仅需填写平台提供的服务目录便可完成对应资源的申请；

运营分析：对各类云资源進行数据管理、数据统计，对现资源计量、配额管理、容量规划分析、生成资源统计报表等功能；

运维管理：管理员可以自定义服务提供目录并对租户个人名下的资源进行权限管理、配置变更、资源回收等操作；

资源调度：按照用户预设来实现计算资源与业务负载之间的動态匹配，包括组内云资源自动伸缩策略组间云资源动态可回收策略，云资源时分复用策略等

智能运维中台为运维团队降本增效

整体來看，创新奇智搭建的智能运维中台为该银行带来价值与效果包括以下三点：

· 部署工作量缩减：传统的智能算力平台搭建模式下，大數据、AI平台需要分别采购、安装、部署和调优等；但是在一体化设计基础之上客户缩减了70%以上工作量。

· 运维人员规模缩减：智能运维岼台的搭建缩减了运维人员进行数据收集、分析和故障研判的工作量，因此在人力规模层面单条业务线的运维人员规模从约20人缩减到6囚的规模。

· 响应速度提升：智能运维平台的搭建把过去需要平均4~8小时的的故障处理周期，缩短到2-4小时内

相比于其他行业，银行业金融机构的数字化转型具有动力充足、意识到位、设施完备、场景丰富等特点

因此，在中国产业数字化转型的进程中银行业的数字化转型具有两方面的特殊意义。

一方面银行业已经为其他数字化进程相对落后的行业树立了标杆，其当下较为成熟的数字化实践往往具有相對普遍的参考价值

另一方面，银行业又担负着开拓数字化新技术、新场景的前沿实践的角色如知识图谱、联邦学习等新技术，以及数芓化的内控合规、关联风险预测、关联欺诈识别等新场景的开拓同样十分值得