銀行促進數字化的基本能力——大數據
未來十年，大數據能力是銀行的核心競爭力，世界各大銀行都把建設大數據能力作為核心戰略，并在市場營銷、風險管理、運營管理等方面積極投入。調查顯示，大數據可以推動交叉銷售業務增長10-30%，減少10-15%的信貸成本，減少20-25%的后臺運營成本。
但銀行在大數據應用領域依然面臨著挑戰。我們認為，國際領先的銀行是從四個維度來培養大數據能力的：
[if !supportLists]一、[endif]建立“數據湖”和改善數據基礎設施。
銀行業內的大部分據點是零碎的，信息的使用非常不便。通常情況下，每個項目都有一個單獨的數據集，導致數據集多得驚人，并且合并數據庫成本很高。由于上述原因，一些領先的公司已經轉向了使用全行通用的DataSystem總分析層，從分散的各個數據源中提取數據，將所有數據以非結構化形式存儲在 DataSystem中。所有數據都處于初始狀態，沒有經過典型的數據倉庫處理，如結構化、整合或篩選。這就是說，數據湖覆蓋了大量的細節。它能提高組織對數據的利用效率，保持靈活性和靈活性。
以數據用例為基礎，與業務應用緊密結合，促進數據分析和治理改進，提升使用價值。數據湖技術的早期應用表明，在數據湖設計階段，成功企業應該主要從業務問題(而非技術性因素)的角度來考慮。他們首先要找出商業單位能從數據湖中獲得最大收益的情況，然后在設計存儲方案和推廣決策時考慮到這些情況。然后根據實際需要，逐步將特定集群或用例的數據填充到數據湖中。最理想的情況是，銀行應該根據業務案例的優先級，從高到低分批地填滿數據。
[if !supportLists]二、[endif]建立高層次的分析“卓越中心”，使數據組織模式和管理架構合理化。
為充分挖掘大數據的價值，實現大規模應用，一些銀行建立了集中式的先進分析卓越中心(CoE)。雖然組建 CoE的方式多種多樣，但最有效的方式還是中央數據團隊統籌指導，業務事業部內嵌數據團隊實施的“中心輻射模式”。借以集中稀少的高級分析人才，同時打通與企業的合作。
[if !supportLists]三、[endif]建立大數據人才梯隊(包括內部培養和外部引進)。
培養大數據能力，人才是關鍵。很多銀行的分析部門都引進了數據科學家和工程師。在業務部門和數據專家之間仍然需要聯系，但是并不是很好。這個職位也可以被理解為“翻譯”，幫助數據專家了解待解決的業務問題，并支持數據專家開發新的變數和行為洞見，以一種簡單易懂的方式向業務部門反饋模型洞見。在項目的后期，“翻譯”變得越來越重要，他們既要確保業務部門研究相關的模式，積極行動，也要跟蹤業務部門行動的效果，提供意見反饋，并不斷改進模型和過程。
四、建立敏捷組織與創新文化
“敏捷組織”在傳統組織架構已不能支持產品迭代和創新的情況下，成為領先銀行實現跨越式發展的重要手段。
突破傳統銀行的“條框框”，對標網絡公司的扁平架構，從各業務部門抽調相關人員，形成靈活的項目制“群組”，實施扁平決策機制，推動企業整體變革。一家國際領先的銀行通過敏捷變革實現了管理層次的扁平化，原來的6個層次，30多個獨立的部門，近3500名員工被縮減為3個層次，13個敏捷部族，2500名員工。根據新的敏捷組織和工作機制，產品上線周期由一年2~3次減少到2~3周一次，員工效率提高30%，客戶凈推薦值(NPS)大幅度提高，客戶參與度提高20分。
另外，敏捷組織需要建立市場化的評價機制，鼓勵創新。以上提到的是國際領先的銀行每年舉行的創新訓練營比賽，CEO親自從一千多個參賽團隊中挑選出最優秀的三個，獎勵是六個月的銀行創新孵化“創新工場”的研發機會。谷歌允許員工在與工作無關的創新活動中花費20%的工作時間，并為貢獻突出的員工提供豐厚的獎金(與同級別員工相比，薪酬相差5倍)。
