|
东亚银行：百年银行的数字化探索与实践
- 东亚银行简介
东亚银行作为一家具有领导地位的香港金融服务集团，1918年，在香港成立母公司——东亚银行有限公司；2007年，在内地注册成立的全资附属银行——东亚银行（中国）有限公司（下文简称东亚中国），总部设在上海，成为内地首批获准设立的外资法人银行之一；东亚银行全球设有约130个网点，聘用逾8000名员工，致力为香港、内地及世界其他主要市场的客户，提供全面的企业银行、个人银行、财富管理和投资服务。
东亚中国自2007年成为法人银行后，为支持业务发展组建了本地化的科技队，并在2009年完成了上海数据中心，上海研发中心的建设，成为率先在境内自建数据中心和研发中心的外资法人银行。2021年，东亚中国正式启动数字化转型，以数据这一核心资产作为切入点，聚焦夯实数据基础，提升客户体验，提高经营效率，加强数字化人才建设四大领域。
二、项目背景
为加快大数据体系建设，稳步推进数字化转型战略，规范数据架构体系和数据治理体系，运用大数据推进全行数字化转型建设，为业务发展提供创新动力，东亚中国秉承“追赶同等规模城商行，3年内成为内地数字化领先的外资银行”的数字化转型的愿景，提出了3年数字化转化规划。目标是利用金融科技和数字化应用实现精准营销，赋能客户经营。通过激励创新，加速人才发展，提高数字化人才覆盖率，最后，提升经济化管理水平，为员工降本减负，提升管理决策效率。
自2021年数字化转型项目正式启动后，东亚中国成立了数字化转型领导小组，自上而下强管理，统一规划指导。同时，专设战略及数字化办公室，以统筹推进全行数字化转型工作。
三、解决方案：
1. 构建自助数据分析平台，提升数据分析应用便捷性：
东亚中国与国内Top3分析平台工具供应商“帆软”合作，对分析产品FineBI进行适配性改造，打造外资银行首个“灵活数据分析平台——Eureka深眸系统”。该系统能够提供数据分析全流程一站式服务，实现便捷的数据获取、自助的数据处理与加工、互助的数据协作、灵活的可视化分析。
“灵活数据分析平台——Eureka深眸系统”首页
平台特色主要体现在以下四个方面：
1）数据框架：
通过构建用户、产品、交易等常规自助分析主题，支持经营管理方面的不同分析视角；另一方面，构建规模、收入、营销活动、风险、反洗钱等专项主题，支持一线员工及时进行日常分析工作。
2）数据使用：
通过不同的数据加载时间策略，如月、周、日等，充分利用软硬件资源，以有限的资源为业务用户提供更舒适的用户体验；另一方面，对于业务人员查看敏感数据原文的诉求，通过将Eureka平台与OA流程系统相互打通，实现一键自动生成流程以及取数加工自动化，加速取数流程速度的同时，减少数据中心人工运维成本。
自助数据分析平台示例图
自助数据分析报表示例图
3）数据口径：
所有业务用途报表经过筛选和精简后，已经全部迁移至Eureka平台，迁移过程尽可能保证数据统计口径的一致，减少了业务决策和执行分歧。
功能分级：Eureka平台使用门槛极低，可以赋予不同岗位业务人员不同级别的能力：入门级-帮助用户快速获取数据并完成图表可视化；中级-帮助用户完成数据处理与多维分析；高级-帮助用户完成高阶计算与复杂分析。
分析协作：用户在Eureka平台的任何使用环节遇到阻塞，都可以通过协作邀请他人共同参与分析，互帮互助、协作共赢。
4）数据安全：
Eureka平台也完善了安全防护能力，其中包括数据脱敏、全局水印、上传文件校验、请求Cookies强化、针对IP或用户名控制访问频率、SQL 防注入等安全防护行为。
2. 搭建数据科学算法平台，满足数据挖掘及AI算法研究需求：
东亚中国构建数据湖的同时，同步搭建了数据科学实验室，面向业务分析岗及有相关技能的同事开放。平台包含了主要业务系统的几千张表，覆盖零售、对公、风控、合规等各个条线需求。平台上所有数据依照东亚中国数据分级分类要求，确保既能方便使用，又能满足合规要求。
数据分级分类示例图
3. 推广数据工具：
2022年，东亚中国在全行范围举办首届“数赢”杯数据分析大赛，参赛队伍均以Eureka平台为数据分析工具。本次大赛有来自32个组织和19个业务条线的208人参加，全行900+人关注并跟随大赛进行学习。大赛历时5个月，共52个方案入选数字化方案案例集。2023年，第二届“数赢”杯赛继续开展。大赛历时150余天，全行1150人关注学习，252人共61个专业团队参与，共有90+Use Case落地。
东亚中国举办“数赢”杯赛的意义，不仅在于实现Eureka平台的普及与推广，带动一线及中后台人员的业务分析热情；更重要的是，通过杯赛在全行范围内广泛推动数字化学习，提高了员工数字素养，强化了全行数字化学习意识，提升了业务人员数字化相关技能，推广了数据分析平台的使用与普及，挖掘出数字化人才，使得“数字化”理念更加深入人心、数字化技术得以普及。
 
东亚中国“数赢”杯赛
获奖作品示例
四、典型应用场景
数字化转型从最初发展到现在，主要推动银行完成电子化、自动化、移动化、智能化四个阶段的发展，目前东亚中国基于公司数据能力建设框架和战略，已实现了多个场景的数字化产品的应用和落地，从营销、成本、效率多方面取得了显著成果。
场景一：管理驾驶舱优化建设项目
一、发现问题：
在东亚中国的数字化转型中，管理驾驶舱作为大数据服务门户建设的核心组成项目之一，旨在为管理层提供全行经营决策的高效管理工具，实现经营管理可视化、数字化、智能化。目前管理驾驶舱仍面临三大挑战有待解决：（1）管理驾驶舱数据处理层极大程度依赖BDP大数据平台数据处理层出数时效和准确度，进而影响应用层数据质量；（2）管理驾驶舱指标层未形式合理的指标明细汇总的主题分类体系（即无指标集市），指标体系混乱，指标和过程数据的关系弱，复用性不强；且明细层并未实现定制化数据存储，明细存储混乱；（3）管理驾驶舱处理层数据来源分布无序，未形成合理的数仓结构化存储，亟需治理，提升数据来源的可拓展性和规范性。
2、解决过程：
（1）优化管理驾驶舱整体架构
在数据处理层，将管理驾驶舱数据从数据源端开始做隔离。
管理驾驶舱的整体架构优化方案
在数据应用层，完成MBR（Monthly Business Report）可视化看板建设，包括全行、对公、零售、金融市场、司库等核心版块。供管理层月度经营审视使用，减少纸质办公场景，提升数据信息获取效率。
MBR汇报看板
其次，完成管理驾驶舱PC和移动端的建设，服务类型分为三大层级：
① 公司战略层看板：用于衡量公司整体目标达成情况的看板，主要服务于公司战略决策；
公司战略层看板示例图
② 业务策略层看板：拆解公司战略级目标到业务条线，支撑业务策略执行的核心过程指标；
业务策略层看版示例图
③ 业务执行层看板：对业务策略目标进一步拆解，一线人员关注的细化到客户明细层级指标。
业务执行层看板示例图
（2）构建管理驾驶舱指标体系
① MBR数据集：更新数据包括收入、成本、规模、KeyRatio等模块累计140+指标；
② 管理驾驶舱数据集：更新数据累计200+指标，分时间、机构不同维度统计汇总。
管理驾驶舱的指标体系建设
3、场景价值：
从不同的终端类型来看，管理驾驶舱建设场景价值可以分为三个方面：
（1）MBR汇报看板：在优化前，MBR面临数据逻辑的优化、新增需求建设、数据底层架构的优化等问题；在优化完成后，搭建更健全的全行、对公、零售、金融市场、司库等核心版块的关键指标看板，规范数据M+1更新机制。
（2）管理驾驶舱PC端：在建设前，全行的经营分析均为线下手工统计，缺乏多视角、多维度、系统化的经营决策数据支持，缺乏基于数据类型权限管控体系下的数据分条线、分模块的查看体系，缺乏提供决策层信息获取通道；在建设完成后后，支持CEO、前台条线、中后台条线数据信息获取，搭建多视角的经营决策可视化数据看板，满足管理层T+1、M+1时效查看数据需求。
（3）管理驾驶舱移动端：在建设前，缺乏可供管理层能够随时随地获取所需的业务数据、完成独立的分析与决策移动终端应用；在建设完成后，构建可移动的数据决策平台产品工具，实现决策分析无处不在实时动态管理。
管理驾驶舱项以提升管理层用数效率为宗旨，项目上线后，提升了管理层决策效率的同时，为公司每年节省了近百万的成本支出，真正实现了管理层决策智能化。
场景二：智能现金管理项目
1、发现问题：
东亚中国一直以为秉持着“存款自愿、取款自由、存款有息、为储户保密”的储蓄原则，同时为了保证现金充裕，规避银行的流动性风险，分支机构现金管理员按现金库存限额及自身业务经验来留存本机构的现金，以确保机构不发生流动性风险。但是随着移动支付技术的发展和普及，全社会对现金使用的需求萎缩，在需求减少的情况下，现金管理成本却高居不下，无息资产大量占用，现金押运和库存风险以及投诉和舆情风险问题仍待解决。
2、解决过程：
东亚中国开展智能现金管理项目并根据四大目标推行：（1）形成科学运维，实现精细管理；（2）动态核定库存，降本增收/控制风险；（3）感知用户类型，有效分级服务；（4）增加目标客户粘性，逐步减少无效客户。
智能现金管理项目的整体架构方案
具体分析看板包括：全国分行合理库存现金限额分析（CNY/ USD/ HKD）、全国分行现金押运寄库成本分析、各区域现金智能管理分布、热销产品的现金粘度分析（美元定存/人民币大额定存）、现金类客户的价值和结构分析等。
智能现金管理项目看板与分析
3、场景价值：
（1）从实际的降本增效情况来看，累计创造收益近百万元；（2）从数字化管理的角度来看，取得科学备付、控制风险，超额及时缴存、压降无息资产占用，减少运营成本、持续动态预测与监测等价值；（3）从客户差异化经营的角度来看，对现金交易数据分析可以完成对客户的分类，增强目标客户粘性，挖掘潜力客户，清退无效客户，对产品进行精细化定价；（4）从绿色金融的角度来看，优化了库存现金仓储，减少了现金流转过程中的资源浪费，更好地引导客户进行线上交易。
场景三：黑名单预警压降项目
1、发现问题：
东亚中国防范洗钱风险，对其零售、对公、互联网等客户群体，在开展相关业务时，实施反洗钱预警扫描机制。该机制通过黑名单服务系统，以批量和实时的方式，识别出可疑客户并发出警告，对客户信息与路透社、红通等制裁和监管名单进行对比，经过人工查核后，将结果推送给下游系统，供业务部门使用。目前BLN系统每日产生大量错误警报，而所有警报量均需要通过人工审查，希望通过规则和模型建立无效警报过滤，以减少警报量和人工排查工作量。
2、解决过程：
项目主要分为两个优化方向：
（1）黑名单过滤（PEP定义完善规则模型）：基于打标结果和遵守合规要求，结合数据分析和模型等方式过滤定义不符的黑名单。
（2）AI警报分析（行职业分析模型优化、机器学习模型和策略优化）：基于打标结果和遵守合规要求衍生行职业特征，自动排除无效警报。
3、场景价值：
从优化方向来看：
（1）黑名单过滤：定义完善规则模型后，数据分析结合规则模型辅助补全定义不符的文本组合，提升警报率。
（2）AI警报分析：通过模型进行行职业分析和判断，结合行职业分析模型，使用AI和策略辅助判断无效警报，从而减少人力投入。
Eureka同反洗钱BLN模型项目效果图
五、总结与展望
在当今数字经济时代，数字化转型已成为银行界的共识，各大银行纷纷进行战略布局和开展数字化落地工作，东亚中国作为一家百年企业，在当今快速发展的数字化时代要找到适合自己的转型模式与路径。
帆软FineBI提供了一站式大数据商业智能的解决方案，帮助东亚中国充分激发数据要素，释放数据价值潜能，提升在数字化时代的竞争和发展能力，更为东亚中国降本提效，激发创新能力，实现转型升级提供了行之有效的方法。
百年东亚，扎根中国，东亚中国将继续推动数字化转型，在数字化转型的航道上行稳致远。 | 
