觀遠數據與億歐智庫聯合正式發布《2023 商業銀行智能決策能力建設白皮書》(以下簡稱《白皮書》), 對銀行智能決策的建設背景、難點、路徑與實踐等進行了全面闡述和分析。《白皮書》著重探討銀行智能決策在實際應用中的問題、價值和意義，期望為銀行決策者和科技人員在數字化轉型和業務智能化建設中提供支持和決策依據。

商業銀行天生就是“經營數字”的行業，其數據產出在各行業之首。爆炸式增長時代下，數據超載讓銀行出現決策遲緩，智能決策能力成為了破局關鍵。在數據分析與智能化技術的不斷迭代創新中，商業銀行 BI 逐漸實現傳統商業智能向新型商業智能的轉變。

《白皮書》詳細闡述了商業銀行“統計報表分析”、“局部自助分析”、“全面自助分析”、“智能決策”四大 BI 發展階段，為銀行智能決策發展情況提供印照路徑。受限于數據應用程度影響，大多數銀行仍處于局部自助分析階段，《白皮書》從數據質量、組織文化、數字化工具等方向，深度剖析智能決策建設難點，并提供銀行 BI 平臺建設六大核心環節、銀行 BI 選型指標體系 (IPSI) 與多家銀行 BI 最佳實踐，讓更多銀行不走彎路，助力實現全面自助分析。

破局之道：BI 工具是構建智能決策能力的重要抓手

BI 是銀行打通數據應用最后一公里的重要工具，同時也是銀行構建智能決策能力的重要抓手。

《白皮書》指出，銀行需要根據自身數字化基礎與戰略定位差異化建設適應性 BI 平臺。其中，國有大行關注共性基礎能力構建；全國性股份制銀行關注整體展業效率提升，需構建平臺化工具應用；城商行與農商行關注區域化特色服務，需按場景突破建設部門級工具平臺。

《白皮書》認為，銀行常見 BI 建設路徑分為全面建設與單點突破兩種，其面向的主體分為大型銀行和中小型銀行。

大型銀行目前已經完成了大數據平臺建設，有相應的數據基礎與相對完善的數據洞察體系，能夠在一定程度上解決業務的問題，但整個體系尚處在粗泛式管理狀態。大型銀行如果想要進一步釋放數據價值，需要采用全局建設路徑，自上而下地推進智能決策能力建設。

對于中小型銀行來說，其科技能力相對不足，數據質量有待提升。在這樣的前提下，中小銀行要想大刀闊斧地進行全面改革將面臨許多現實問題。因此，對于中小銀行來說，應該從場景 / 業務出發，聚焦于單點突破，集中解決某層級 / 某條線的決策問題。

建設難點: 數據質量、組織文化、數字化工具

圍繞數據分析與智能化技術的不斷迭代創新，商業銀行 BI 至今共經歷四次變革，實現由傳統商業智能向新型商業智能的轉變過程。見下圖:

目前，中小銀行普遍處在由統計報表式分析向自助式分析過渡的階段，而大型銀行普遍處在向全面自助式分析過渡的階段，僅少部分銀行的部分業務在開展智能決策試點。

《白皮書》指出，銀行推進 BI 平臺建設面臨業務人員不好用、不想用、不會用等難點。其背后核心原因主要集中在數據質量失真、組織文化分裂與數字工具使用門檻高等三大痛點。這些痛點直接限制著銀行數據發揮應有的價值。

數據質量: 銀行信息化“部室系統”從創設初期到現在已逐步積累了幾十個、上百個業務系統。各系統在建設時通常個自為戰，缺少橫向溝通和統籌，導致各系統數據設計標準不統一、口徑不一致，相同數據的業務含義不同，給后期整合帶來很大困難。這種困難直接造成非結構化數據常年累積，數據質量偏低，致使 BI 顯示及預測結果失真，最終導致 BI 平臺不好用。

組織文化: 傳統模式下，業務人員需要向數據分析師提出報表需求，經由數據分析師向科技部門就報表需求發起提交工單流程，再與數據分析師反復溝通確認需求后審批數據使用權限，再由數據分析師取數后完成報表加工給到業務人員。這樣的流程將本該為同一目標努力的團隊分割為三個團隊，而不同維度的 KPI 又將業務科技分出兩層皮，業務協同上容易發生矛盾。這種數據組織文化的分裂和不協調，讓 BI 使用流程繁雜、耗時，導致其無法在業務側真正落地。

數字化工具: 傳統數字工具易用性低、學習成本高導致業務人員不會用。以往，銀行傳統報表式 BI 工具使用門檻高，更強調技術專業性，對使用人員的技能也有較高的要高，相關人員需要通過培訓或者增設數據分析師崗位來滿足日常需求。這些門檻不僅造成組織冗余，同時還產生眾多協同上的矛盾，影響數據價值的釋放。銀行 BI 亟待向輕量化、敏捷化升級，釋放數據價值。

三大痛點的疊加在提醒銀行應盡快升級 BI 工具，由傳統報表式 BI 以局部的、靜態的數字結果展現為主，向以過程為主導，全面性、動態的展現經營結果轉變，同時向輕量化、敏捷化、易用化升級，解決業務不會用、不想用等核心問題。

為實現這一轉變，觀遠數據在《白皮書》中提出 IPSI 選型模型，以幫助銀行找到提升 BI 工具的優秀生態合作伙伴。

建設指南: 四大維度標準，幫助銀行找到優秀的生態伙伴

銀行目前處于數字化轉型深化，國產化進程加速，新技術不斷融合發展的重要節點。觀遠數據認為，國內銀行 BI 服務市場呈高度景氣態勢，對銀行各業務條線數據清理、智能輔助、效率提升、國產環境適配等意義重大，細分市場格局雛形初現。不過，業內目前尚未出現以綜合服務價值為視角，對相關廠商進行的全面評價體系。

據此，《白皮書》基于銀行業專家訪談、深度調研及分析，從產品、服務、生態、創新等視角入手，建立商業銀行智能決策 BI 平臺最佳伙伴價值分析模型-IPSI, 由“集成力、產品力、支撐力、創新力”四大維度，15 個一級指標，26 個二級指標，系統性分析國產銀行 BI 服務廠商綜合價值表現，旨在賦能商業銀行智能決策 BI 市場更自主化，成熟化發展。

未來展望: 實現銀行敏捷運營與智能洞察

銀行業作為金融行業的龍頭，面臨著數字信息爆炸和線上業務復雜度暴增的挑戰。而數字化工具的應用將促進數據成為重要生產力和核心競爭力，屆時生產關系也將迎來變革。“人人都是數據分析師”文化將融入員工日常工作，員工從數據的使用者轉變為數據的生產者。

新變革讓業務與科技將深度融合、高效協同，也讓雙方不再是從前那種提需求與滿足需求的甲乙方對決。觀遠數據指出，組織變化支撐決策分層，讓不同層級的人員能夠根據自己的權限和職責，獲取所需的信息和支持。

數據生產關系將發生變革，銀行中心化決策也將向分級決策轉型。不同層級的人員，可進行各自對應的決策。這樣既可以提高客戶滿意度，又可以降低風險成本，從而提升銀行的競爭力和盈利能力。

此外，大模型的應用將拓展 BI 能力邊界，AI 賦予的新能力也將促進銀行 BI 完全脫離傳統的報表體系。用戶無需預先設計報表。用戶采用聊天對話的方式查詢數據、分析數據，問題一經提出，數據圖表即刻呈現。

期望《白皮書》能夠給更多銀行決策者和科技人員帶來有益的信息與啟示，跟隨智能化數字化的時代潮流，開創出更加火熱而具有挑戰的銀行業新航程。

關注觀遠數據公眾號回復【商業銀行】即可下載《商業銀行智能決策能力建設白皮書》。

《2023 商業銀行智能決策能力建設白皮書》發布會預告

為更好地幫助銀行科技人員、決策者和相關專業人員了解白皮書，了解如何加強銀行數字化轉型和業務智能化建設，提高金融機構的商業效益和客戶服務質量。

觀遠數據攜手億歐智庫、北京銀行、沙丘社區舉辦《2023 商業銀行智能決策能力建設白皮書》線上發布會，攜手行業研究分析師、先進銀行實踐者、金融領域業務專家，從 3 方視角探討如何助力提升商業銀行智能決策競爭力。

活動時間：8 月 29 日 19:00-20:30

活動地點: 線上直播

活動報名: 關注觀遠數據公眾號回復【發布會】即可報名