최근 몇 년 동안 빅데이터 산업이 급성장하면서 기업과 정부는 데이터 자산의 가치를 재인식하고 있습니다. 하지만 안타깝게도 데이터 자체가 곧바로 가치를 창출하지는 않습니다. 데이터를 활용해 가치를 창출하고자 할 때 데이터 표준의 부재, 불명확한 데이터 소스, 데이터 품질에 대한 규제 부재 등 많은 문제점이 노출되고 있습니다. 따라서 데이터 가치 실현의 토대를 마련하기 위해서는 통일된 데이터 표준과 우수한 데이터 품질이 필요합니다. 그리고 데이터 거버넌스는 바로 이러한 기반을 확보하기 위한 것입니다.
국제 데이터 관리 협회(DAMA)는 데이터 거버넌스를 데이터 자산 관리에 대한 권한과 통제권을 행사하는 활동의 집합으로 정의합니다. 이는 조직, 시스템, 프로세스 및 도구를 포함하는 관리 시스템입니다.
국내 기업의 실무 적용에서는 일반적으로 데이터 거버넌스와 데이터 관리를 통합적으로 고려하며, 데이터 거버넌스는 조직 구조, 관리 시스템, 운영 규범, 정보 기술 적용, 성과 평가 지원 등 여러 차원에서 조직의 데이터 모델, 데이터 아키텍처, 데이터 품질을 포괄적으로 분류, 구축, 지속적으로 개선하는 등 데이터를 조직의 자산으로 취급하는 일련의 집합적인 노력으로 간주됩니다, 데이터 보안 및 데이터 수명 주기 프로세스.
데이터 거버넌스와 관련하여 금융 산업만큼 데이터에 의존하는 산업은 없으며, 거의 모든 측면이 데이터와 밀접하게 연관되어 있습니다. 은행 정보 기술은 30년 이상 발전해 왔으며, 초기에는 데이터가 기본적으로 거래의 부산물이었고 거의 사용되지 않았습니다. 최근 몇 년 동안 시중 은행들은 점차 더 정확한 고객 마케팅, 리스크 관리, 운영 최적화를 위해 데이터를 활용하기 시작했습니다. 하지만 그 과정이 순탄치 않았고, 데이터 관리 체계 미비, 불완전한 통계 데이터, 산재된 데이터 유통 등 많은 문제가 은행 업계의 디지털 전환을 가로막는 걸림돌로 작용하고 있습니다. 은행 업계는 데이터 거버넌스를 강화하는 것이 필수적입니다. 데이터 거버넌스를 잘 수행해야만 데이터에서 가치로 승화시켜 은행의 경영 수준과 시장 경쟁력을 진정으로 높일 수 있습니다.
데이터 거버넌스는 은행 운영 보안을 위한 필수 요소입니다.
데이터는 이미 은행의 중요한 자산 중 하나이며, 은행은 자신과 고객의 정보를 안전하게 보관해야 합니다. 영업 비밀과 민감한 데이터가 포함된 모든 종류의 정보는 처리 및 사용 중에 침해되거나 불법적으로 사용되거나 정보가 유출될 위험이 있으며, 이는 은행에 막대한 손실을 초래할 수 있습니다. 우수한 데이터 거버넌스 환경에서는 데이터의 관리와 사용을 표준화하여 비즈니스 프로세스의 불확실성을 더 잘 수용할 수 있습니다.
데이터 거버넌스는 은행의 리스크 관리를 위한 필수 요소
핀테크의 발전과 적용으로 상업 은행은 빅데이터, 데이터 마이닝, 머신러닝, 사기 방지 및 블록체인과 같은 기술을 활용하여 종합적으로 리스크를 평가하고 있습니다. 하지만 이 모든 것은 데이터 모델의 데이터가 잘 활용되는 것을 전제로 합니다. 데이터의 일관성과 무결성은 은행의 리스크 관리가 제대로 작동하고 리스크를 효과적으로 관리 및 완화할 수 있도록 보장합니다.
데이터 거버넌스는 은행의 혁신을 위한 필수 요소
은행들은 항상 '전통적인' 은행으로 분류되어 왔습니다. 시장 경쟁이 치열해지면서 고객, 상품, 채널, 마케팅 측면에서 큰 도전에 직면하고 있습니다. 빅데이터 환경에서 은행은 과거 및 기존 비즈니스 데이터를 마이닝하고 분석하여 전통적인 비즈니스 운영을 기반으로 다양한 혁신 비즈니스를 시작하고, 고객 경험을 개선하며, 경쟁력을 강화해야 합니다.
데이터 거버넌스는 정책 및 규제 요건입니다.
2065438+2008년 5월 21일 중국 은행업감독관리위원회(CBRC)는 데이터 거버넌스 구조, 데이터 관리, 데이터 품질 관리, 데이터 가치 실현 및 감독 관리 측면에서 은행 금융기관의 데이터 관리 활동을 규제하는 '은행 금융기관의 데이터 거버넌스 가이드라인'을 발표했습니다. 이는 은행이 데이터 거버넌스 시대에 본격적으로 진입했음을 의미하기도 합니다. 하지만 2009년 말, 안후이펑양농촌상업은행은 "데이터 거버넌스에 심각한 결함이 있고 신중한 업무 규칙을 심각하게 위반하는 등 데이터 거버넌스를 요구대로 효과적으로 수행하지 못했다"는 이유로 중국은행감독관리위원회로부터 처벌을 받았습니다. 이는 또한 은행의 데이터 거버넌스 시스템을 개선해야 할 시급한 필요성을 반영하는 것이기도 합니다.
최근 몇 년 동안 은행들은 데이터 거버넌스를 은행 전체의 전략 수준으로 끌어올리고 일련의 작업을 수행했습니다.
2014년 중국건설은행은 정보 센터의 명칭을 데이터 관리 부서로 변경하여 본사 차원의 관리 부서로서 은행의 데이터 관리 및 응용 역량 구축을 주도적으로 추진하고, 전사 차원의 데이터 사양 수립, 내부 및 외부 데이터 자원 관리 조정, 정보 공유 실현, 그룹의 데이터 수요 조정 및 관리, 그룹 내 조직을 위한 데이터 서비스 제공, 은행 전체의 빅데이터 적용 추진을 담당하고 있습니다.
2065438+2008년 3월, 난징 은행은 데이터 거버넌스를 주도하고 은행 전반의 디지털 혁신을 촉진하기 위해 디지털 뱅킹 관리 부서를 공식적으로 설립했습니다.
......
그러나 중소형 은행 핀테크 발전 연구 보고서(2019)에 따르면 중소형 은행의 91%가 여전히 건전하고 효과적인 데이터 거버넌스 시스템을 구축하지 않았으며, 은행이 종합적인 데이터 거버넌스를 수행해야 하는 시급한 필요성이 제기되고 있습니다. 그러나 현재 중국 은행 및 금융 산업의 데이터 거버넌스는 아직 발전 단계에 있으며 시스템, 데이터, 기술, 인재 측면에서 큰 문제에 직면해 있습니다. 특히 인재 측면에서 전문적이고 체계적인 데이터 거버넌스 및 데이터 분석 인재가 부족합니다.
5년간의 연구 개발과 3년간의 교육 실습을 거쳐 CDA 데이터 분석가들은 '금융 디지털 트랜스포메이션 인재 양성 캠프'를 시작했습니다. 오리지널 CDA 인증 시스템을 기반으로 금융 산업에서 데이터 활용의 특성을 강조하는 동시에 국제적으로 유명한 엔터프라이즈 아키텍처 Togaf, 데이터 관리 및 거버넌스 시스템 DMBOK, IT 거버넌스 COBIT 인증 시스템을 통합하여 학생들에게 금융 데이터 활용의 이론적 틀과 실무 능력을 배양하고 금융 실무자에게 개인 디지털 전환 솔루션을 제공하며 조직의 내부적 디지털 역량 강화.
이 과정에서는 다음을 배울 수 있습니다.
I. 데이터 자산의 계획 및 관리
엔터프라이즈 디지털 혁신은 비즈니스 프로세스 리엔지니어링을 지원하고 변화에 대처하는 조직의 능력을 향상시키기 위한 수단으로서 데이터의 가치를 더 깊이 파고드는 것입니다. 기업은 명확한 디지털 전략을 수립하고 데이터 자산 관리 역량을 지속적으로 개선하는 것이 필요합니다. 데이터 제품은 데이터 모델, 데이터 품질, 데이터 도구, 데이터 애플리케이션, 데이터 알고리즘의 다섯 가지 카테고리로 나뉩니다. 이 중 데이터 애플리케이션 제품은 기업의 비즈니스 프로세스 최적화를 위해 사용되는 복잡한 노동의 산물이며, 그 노동의 대상은 비즈니스 운영으로 축적된 원시 데이터와 외부 소스에서 얻은 비교적 1차적인 데이터 제품입니다. 운영 측면에서 기업 디지털 전략은 데이터 제품 포트폴리오 전략과 동일하며, 기업의 비즈니스 전략 목표에 따라 데이터 애플리케이션 계획을 수립한 후 데이터 제품 포트폴리오를 결정하고, 데이터 자산 관리의 목적은 가장 경제적인 방식으로 데이터를 데이터 애플리케이션 제품으로 변환하는 것이며, 데이터 센터는 데이터 애플리케이션 제품의 처리 공장으로 AI 센터와 상호 작용하고 비즈니스에 입력을 제공하며, 데이터 거버넌스는 데이터 애플리케이션의 품질 보증 시스템입니다. 제품의 품질 보증 시스템으로, 궁극적으로 비즈니스 지표 분석 및 데이터 마이닝 모델 적용을 지원합니다.
둘째, 지능형 고객 기반 운영
세계적인 경영 컨설팅 회사인 맥킨지는 2020년 중국이 미국에 이어 세계 2위의 소매금융 시장이 될 것이며, 새로운 상황 하에서 소매업체가 세계를 지배할 것으로 예상했습니다. 모바일 인터넷 기술, 빅데이터 기술, 인공지능 기술, 블록체인 기술의 성숙과 심도 있는 적용으로 은행의 미래는 진입 시나리오, 운영 디지털화, 리스크 관리 지능, 인재 국경을 초월한 인재, 서비스 보편성 등 '5가지 변화'를 보여줄 것입니다.
이 과정의 목표는 문제를 찾는 방법부터 해결하는 방법까지 지능적인 고객 운영 및 관리를 실현하는 것입니다.
이 과정의 내용은 주로 도, 기술 및 기의 세 가지 수준으로 나뉩니다. 이론, 실현 및 도구.
1, 이론 장에서는 주로 구 4P 이론에서 신 4P 이론으로의 진화, 디지털 운영과 디지털 마케팅의 이론 및 개념과 은행 산업에서의 실무를 소개하고,
2, 실현 장에서는 주로 세 가지 전략을 소개합니다: 첫째, NES 기반 고객 기반 운영 모니터링, 둘째, 디지털 마케팅 시스템(모델, 레이블, CRM 시스템 등) 구축. 셋째, 디지털 폐쇄 루프 마케팅.
3. 도구, 디지털 운영에서 특정 알고리즘의 적용에 초점을 맞춘 사례 연구.
첫째, 클러스터링 알고리즘과 고객 세분화에서의 적용, 둘째, 협업 필터링 알고리즘과 상품 추천에서의 적용, 셋째, 커뮤니티 발견과 은행 마케팅에서의 거래 서클의 적용.
셋째, 지능형 신용 리스크 관리
이 과정은 중국에서 부상하고 있는 소비자 금융과 인터넷 금융을 주요 시나리오로 삼아 대출 전, 대출, 사후 신용 리스크 관리에서 소비자 금융의 데이터 적용을 소개하고 심층적인 실무 시나리오를 바탕으로 참가자에게 데이터 기반 종합 리스크 관리 지식을 제공하고자 합니다. 본 과정은 여신 전, 여신 중, 여신 후의 세 가지 여신 시나리오를 중심으로 관련 비즈니스 배경을 소개하고 실제 리스크 관리의 필요성과 결합하여 데이터 분석 및 데이터 마이닝의 적용을 강의와 사례의 형태로 소개합니다.
제1부에서는 일반적인 소비자 대출 상품 요소, 리스크 포인트, 지능형 자동 승인 기본 프레임워크, 데이터 기반 대출 접근, 룰 수립, 적용을 위한 신용 스코어카드 구축, 리스크 차별화에 따른 여신 가격 책정 등을 중점적으로 다룹니다. 두 번째 파트에서는 행동 점수 모델 구축 및 해당 쿼터 전략 개발을 포함한 우수 고객 관리에 대해 설명합니다. 세 번째 파트에서는 수금 스코어카드의 구성과 수금 부문의 수금 전략 개발에 대해 설명합니다.
넷째, 지능형 운영 리스크 관리
최근 금융 리스크 관리 사건이 빈번하게 발생하고 규제 정책이 지속적으로 강화됨에 따라 많은 은행 및 기타 금융 기관은 대내외 리스크를 줄이기 위해 리스크 관리 능력을 향상시키는 것이 최우선 과제가되었습니다. 새로운 바젤 협약의 3대 리스크 중 하나인 운영 리스크에는 일반적인 사기 방지, 자금 세탁 방지, 사기 방지 시나리오가 포함됩니다. 이러한 '삼중 위험' 시나리오에 대응하기 위해 다양한 위험 관리 및 예방 수단을 통합적으로 사용하는 것이 많은 금융 기관의 중요한 도구가 되었습니다.
2일 과정에서는 운영 리스크의 개념과 일반적인 하위 시나리오를 분석하여 운영 리스크에 대한 명확하고 완전한 이해를 제공합니다. 그런 다음 운영 리스크에 대응하기 위해 어떤 예방 및 통제 시스템을 구축해야 하는지 소개하고 시스템, 인재, 데이터, 기술의 관점에서 분석합니다. 특히 기술 도구 세션에서는 운영 리스크의 머신러닝 모델링이 직면한 몇 가지 주요 문제와 해결책을 중점적으로 다룹니다. 하루 반 동안 진행되는 실습 사례 세션에서는 신용카드 사기 방지, 자금세탁 방지, 마케팅 부정거래 방지라는 세 가지 대표적인 파이썬 모델링 사례를 통해 리스크 통제 모델링의 전반적인 프로세스를 이해하고, 모델링의 기술적 어려움을 사례를 통해 다루며, 참가자들의 리스크 통제 모델링 실무 능력을 효과적으로 강화하는 것을 목표로 합니다.
Verb(동사의 약어) 데이터와 인공지능 중간역
금융 산업이 네 번째 주요 발전 단계인 디지털 시대에 접어들면서 금융 기관에 발전 기회를 가져다주는 동시에 심각한 도전과제를 안겨주고 있습니다. 데이터 사일로 문제와 새로운 애플리케이션을 기존 시스템과 통합하는 데 따르는 어려움을 어떻게 해결할 수 있을까요? 기존 IT 역량으로는 비즈니스의 급격한 변화를 지원하기에는 역부족인가요? 다양하고 일관되지 않은 표준의 데이터 호출과 품질이 좋지 않나요? 데이터 리소스의 디지털화 역량을 발휘하는 문제는 기업이 직면한 동일한 문제입니다. 데이터 통합 및 데이터 자산 관리는 이러한 문제를 해결하는 효과적인 방법 중 하나입니다.
이 과정은 효과적인 데이터 통합 수행 방법, 다양한 데이터 플랫폼 소개, 효과적인 데이터 거버넌스 수행 방법, 데이터 자산 관리 및 데이터 센터 구축의 네 가지 측면에서 시작됩니다. 디지털화 과정에 있는 기업이 시스템 간 데이터 통합 시스템을 신속하게 구축하고 사용자 데이터 통합 애플리케이션의 신속한 실현을 지원하며, 완벽한 데이터 관리 시스템과 효과적인 데이터 통합 솔루션을 제공하여 상위 계층 데이터의 마이닝, 분석 및 적용을 지원하고, 기업의 개발 전략 및 비즈니스 혁신을 위한 효과적인 데이터 지원, 기업의 운영 상황 및 시장 동향에 대한 통찰력 확보, 기업의 신규 비즈니스의 유연성 향상에 도움을 줄 수 있습니다. 민첩한 데이터 애플리케이션 환경을 조성합니다.