银行应用商业智能 岂能“啤酒与尿布”?

申请免费试用、咨询电话：400-8352-114

对话嘉宾：

民生银行科技开发部副总经理 贾凤军 光大银行信息科技部总经理助理 陈 敏

北大青鸟商用信息系统有限公司副总裁 冯明刚 IBM（中国）有限公司资深管理咨询顾问 段仰圣

赛仕软件（SAS）中国区市场总监 罗 威

贾凤军（以下简称贾）：一谈到商业智能（BI），人们就会想到数据仓库，似乎两者是不可分的。我个人认为，BI与数据仓库没有必然的联系。认为没有数据挖掘就没有BI，是一个认识的误区。理论上讲，数据挖掘技术能够为企业提供需要的数据，但这些数据能否成为决策的依据，关键还是取决于决策者或执行者本身。数据挖掘如同给导弹提供了制导数据，但如果导弹的推进系统、爆破系统技术跟不上，即使发射出去也不具有威力。BI应用的关键是业务与技术要找到结合点，前些年在探索路子，现在已经积累了不少成功经验，技术和业务的共同进步，为将来BI的更好运用奠定了一定的基础。

冯明刚（以下简称冯）：很多银行都有一个误区，他们将数据仓库看作万能的，结果是花了大价钱，得到的仅仅是一个报表系统。建立数据仓库不是难事，难的是使用数据的人要明白怎样才能用好这些数据。如果业务人员非常清楚优质客户的标准，那么他通过数据挖掘寻找潜在客户便易如反掌，反之就不会收到好的效果。正如贾总所说，制导数据仅仅是导弹发挥威力的一部分。

同样的道理，BI也不是万能的。指望通过建立BI应用就立刻使企业上一个台阶的想法是不现实的，或者说是对BI认识不全面的结果。真正将数据仓库和BI应用落实到实处，不是由IT部门主导的，IT人员只是数据仓库和BI的建立者，业务人员才是使用者。

陈敏（以下简称陈）：在BI应用推动上，寻找IT人员与业务人员的结合点，一直是我们关注的重点。IT部门可以提供工具，也可以将企业数据整合在一起，但如果数据没有业务部门的积极使用，数据不能很好发挥业务价值，得不到业务人员的充分认知，就很难看到BI的应用效果，以致业务部门似乎对这些数据没有兴趣。业务人员情愿依靠主观经验拓展市场、营销产品和服务客户。要改变这种状况，除了建立数据仓库和实施BI应用外，还需要营造一个良好的“用数环境”——使用数据的文化。只有业务部门肯于用数据、乐于用数据来分析客户需求和市场需求，才能够充分体现数据挖掘或BI的价值。

罗威（以下简称罗）：BI是在美国颁布萨班斯法案后应运而生的新事物。目前，国内很多企业的BI应用停留在报表阶段。现在看来，报表仅仅是人的脸孔，但脸的表情如何，更多地需要用商业分析的方法去提示。BI仅仅是一个统称，不同部门应用中具体名称各不相同，在风险管理部门称为定量分析，在财务部门称为作业成本管理，在市场营销部门称为交叉销售、精细化营销等。虽然在各业务部门的称谓五花八门，但万变不离其宗之处，在于必须使用IT部门提供的数据进行分析、总结，甚至包括进行数据分析建模，以及对未来、市场趋向、客户喜好的预测等。

陈总的一个观点我很认同，就是文化的建立。国内银行不缺BI工具，欠缺的是没有将文化贯彻到企业每个部门和每个层次中去。构建一个良好的用数环境，单纯依靠企业首脑远远不够，必须涉及部门首长乃至普通操作员的层面。

段仰圣（以下简称段）：很多谈商业智能的企业、专家还停留在IT层面，其实已经无法适应客户的现实需要，我认为应当回到业务层面。目前，两大趋势促使国内银行业关注BI建设：一是巴塞尔新资本协议（巴塞尔Ⅱ）的引入，二是市场竞争的日趋激烈。

我们与国内某家银行就数据挖掘层面开发了一些应用。该项目中有两部分，一是采用数据挖掘进行客户细分，二是通过报表进行经营管理数据展现。在项目过程中，我们发现国内银行业的快速成长，他们已经不满足于报表功能，开始追求更高级的应用方法，这明显与几年前不同。窥一斑，知全豹。从这一点可以看出越来越多的银行开始主动接受应用数据进行分析。

贾：风险管理的原则要求是充分识别、准确计量、持续检测和适当控制。巴塞尔Ⅱ定义了信用风险、市场风险、操作风险，每种风险定义了不用的资本计量的方法，信用风险有标准法、内部评级法基本法，内部评级法高级法，市场风险有标准法、内部模型法，操作风险有基本指标法、标准法、高级计量法。每种方法的核心是模型，模型的基础是数据，因此巴塞尔II最大的挑战就是数据积累问题，数据的可靠性非常重要。没有数据积累（成熟模型需要7年的数据检验），难以达到巴塞尔II的很多要求。国内银行业在信用风险控制方面还比较成熟，在市场风险和操作风险控制方面则比较稚嫩，在风险计量方面更为薄弱。如何依照巴塞尔II的准则，将市场风险和操作风险进行量化，对国内银行是一个难题。专业厂商给我们指出方向了么？没有。他们也只能够根据历史经验提出建议，因此这是一个需要双方共同努力的新领域。

段：如何帮助银行的业务部门、业务人员发挥BI的价值，是专业厂商和咨询公司下一步需要积极开拓的领域。

什么是关键数据？谁能够动用这些数据？如何管控数据？什么人可以调用这些数据？数据的定义是什么样的？等等。到这一步时，便开始渐渐脱离工具阶段。我们需要建立一个数据应用的流程机制，这样才能发挥BI最大的效果。

陈：不可否认，数年前国内银行业对BI的应用均处于报表阶段。随着中国银行业的不断成熟，越来越多的银行开始希望将BI应用到更深层面，即通过历史数据的分析，预测未来，正确决策未来。

要做到这一点，首先需要在数据管控层面做好，然后才有客户关系管理、营销管理、财务管理等等。但很多一线操作人员对数据的真实性和准确性不关心，只关心能否做成业务，因而在信息录入过程中随意操作，致使产生大量无用信息或虚假信息。如果我们能够确保每一个数据采集的环节都准确可靠，再经过数据仓库的加工和整理，产生出来的信息也才具备更高价值。

我们现在考虑的是要建立一个数据管控体系，在人、数据、IT系统间建立一种和谐的关系，其中可能会涉及企业组织结构的变化，也可能涉及业务运作模式的变化。在这个体系中，应当有数据模型专家和IT专家，并且需要有专门的人员制订数据标准、管理数据质量。

罗：Gartner 提出了一个概念——BICC（商业智能竞争力中心）。BICC不是传统意义中的IT部门，是由来自IT和财务等各个部门的人员组成，具有确定的任务、角色、责任和程序。除了设置专门管理数据质量的管理人员，需要有谙熟分析、统计、建模的专业人员，同时还需要有业务人员。BICC团队的建立，有助于企业文化的创新，它能够帮助企业在流程、文化、人和基础设施完备化领域更上一层楼。更重要的一点，BICC直接向CIO或行长汇报。

这对于改变我们奉行已久的靠经验决策到靠数据决策，将有非常重要的推动作用，才能将思想、文化的创新，转变为业务、产品的创新。

冯：BI系统的建设与其他应用系统有很大差别。一般来说，其他应用系统的需求较为明确。而几乎所有业务部门对BI系统的建设需求不清晰，这就使IT部门大伤脑筋。我看过很多银行业实施BI的经历，由于科技部门与应用部门未能紧密结合，使项目往往做一段、停一段。

即使是成功的数据仓库案例，同一家银行内也存在截然相反的评价。不同需求的人站在自己的数据计量需求上看问题，结论当然不统一。要知道，数据计量体系或者说 BI的应用是一个持续不断的过程，不可能一蹴而就。一家有名的厂商在这个领域作了10年，也感到很困惑。但是市场的需求真的不存在么？绝对不是！TelraData和SAS公司在中国的市场越来越大，说明这个市场有着强烈的需求。

陈：说到BI系统建设的发展历程，我认为，可以归纳为三个阶段：

一是起步阶段，多是技术人员参与，建立BI基础平台，BI应用以实现报表、简单数据查询为主，也会有部门级的简单的数据集市应用，这是数据价值的认知阶段。这一阶段的明显特点是数据质量较差。

二是发展阶段，随着业务人员开始认可数据，更主动地利用数据，应用需求呈现多层次化，从简单的报表向复杂的挖掘分析转变。企业开始数据仓库的建设，搭建企业级的基础数据平台。代表性的应用模式有灵活数据查询、数据分析与挖掘应用、数据加工处理提供服务等。这也是对数据的进一步利用阶段。这一阶段技术部门与业务部门的结合也更加紧密。对数据标准和质量的认识逐步增强，企业开始加强数据管控体系的建设，使数据质量得到极大改善，数据价值逐步提升。

三是成熟阶段，也是数据的智能化应用阶段。业务支持系统与管理信息系统能够紧密结合，智能分析的结果直接应用于业务处理环节中，快速响应差异化客户需求。这阶段数据管控体系得到不断的完善，BI已经成为企业业务运营过程中不可或缺的部分，也能够帮助企业得到更高的业务价值提升。

段：IBM 根据全球项目经验，总结了商业智能的成熟度模型。主要有5个阶段：一是以报表为主的商业智能应用；二是提供信息的使用，例如达成了部门数据集市的建设或是主题领域的数据仓库的建设；三是企业信息的整合，例如实现全企业信息集成，完成企业级数据仓库建设，形成一致的、高质量的信息等；四是绩效管理，商业智能应用开始可以提供整合的经营绩效管理的信息；五是智慧型的敏捷企业，业务人员所需的信息可以随需应变，企业的运作结合了商业智能的分析结果等。

在发展初期，企业期望由商业智能应用的得到的是效率的提升，而在商业智能应用后期，企业则是则是追求效用的提升，会各有所侧重。同时，我们也可以理解，随着不同阶段的发展，商业智能应用所体现的业务价值将会越来越高。

罗：我讲一个真实的案例：美国富国银行是美国排名第二的房屋信贷银行，在今年初次贷危机还没有大规模显现前就毅然中止了次贷业务，因而损失非常小。为什么富国银行成功规避了次贷风险？起因是该行风险管理部门通过数据分析，发现资产管理公司退回的次贷产品越来越多，预见到了可能潜在的高风险，遂建议停止次贷业务。而业务部门仍持乐观态度，拒不接受。后经该行最高管理层评估，最终采纳了风险管理部门的建议，所以能够在次贷危机中全身而退。整个过程回顾起来并不是非常复杂，但如果不是将商业分析的文化融入到企业流程决策中，则很难做到真正的智能分析、智能决策。

段：在国内某银行做过的数据挖掘案例结果中，我们有这样的发现，该银行的客户年龄段在42～46岁之间，某一群男性客户有这样的特征：98%的购买过理财产品的男性客户中，全部不购买信贷产品，这造成了理财产品与信贷产品的互斥现象。如果银行发现这样的结果，就会思考如何重新定位信贷产品的定位，而不会只是单独考虑产品本身的设计而忽略了各个产品之间的关联性。

贾：很多人谈到BI，都对“啤酒与尿布”津津乐道。我一直怀疑这个故事的真实性。我问过几个光顾过沃尔玛超市的人，他们都说啤酒与尿布并不在一个货架上。我也给沃尔玛超市打过电话，得到的也是同样的答复。所以说这是一个虚构的故事。如果这是一个有效的BI实践，这么多年应该会有很多超市仿效。然而我在其他超市的观察也非如此。所以说“啤酒与尿布”以讹传讹的可能性较大。但这并不是说BI没有市场，恰恰说明BI的目的是促进业务增长，还有科学决策及风险管理，只要能达到目的，成本在能够接受的范围内，其前景是毋庸置疑的。

结语：数年前，当BI成为国内IT媒体追捧的对象时，本刊没有跟风炒作。原因很简单，当一个全新的概念出现时，需要用理性的头脑观察和判断。特别是对于用户而言，新技术的产生能否引发新的应用，新的引用能否为用户带来效益，都是需要放到实践中去总结和检验的。数年下来，国内金融业有了一些成功的实践，通过这些经验的总结，也更加能够深刻理解并推进BI的广泛应用。作为专业媒体，我们希望通过这次对话，将BI推进到应用层面，使其为用户带来实实在在的利益。（金融电子化）