En los últimos años, con el vigoroso desarrollo de la industria de big data, las empresas y los gobiernos han vuelto a reconocer el valor de sus propios activos de datos. Pero, lamentablemente, los datos por sí solos no generan valor directamente. Cuando utilizamos datos para generar valor, quedarán expuestos muchos problemas, como la falta de estándares de datos, fuentes de datos poco claras y falta de supervisión de la calidad de los datos. Esto requiere que tengamos estándares de datos unificados y buena calidad de los datos para formar la base para obtener el valor de los datos. La gobernanza de datos es precisamente para garantizar la existencia de esta base.
La Asociación Internacional de Gestión de Datos (DAMA) define la gobernanza de datos como el conjunto de actividades que ejercen autoridad y control sobre la gestión de los activos de datos. Es un sistema de gestión que incluye organizaciones, sistemas, procesos y herramientas.
En la aplicación práctica de las empresas nacionales, el gobierno de datos y la gestión de datos generalmente se consideran de manera integral. El gobierno de datos se considera una serie de trabajos grupales que utilizan datos como activos organizacionales, incluida la estructura organizacional, los sistemas de gestión, y especificaciones operativas El proceso de clasificación, construcción y mejora continua de manera integral del modelo de datos, la arquitectura de datos, la calidad de los datos, la seguridad de los datos y el ciclo de vida de los datos de la organización desde múltiples dimensiones, como la aplicación de tecnología de la información y el soporte de evaluación del desempeño.
Cuando se trata de gobernanza de datos, ninguna industria depende más de ella que la industria financiera. Casi todos los vínculos están estrechamente relacionados con los datos. La informatización bancaria se ha estado desarrollando durante más de 30 años, y los primeros datos son básicamente subproductos de las transacciones y rara vez se utilizan. En los últimos años, los bancos comerciales han comenzado gradualmente a utilizar datos para un marketing de clientes más preciso, gestión de riesgos, optimización de operaciones, etc. Sin embargo, este proceso no ha sido fácil. Muchos problemas, como los sistemas de gestión de datos imperfectos, los datos estadísticos incompletos y la distribución dispersa de datos, son obstáculos para una mayor transformación digital en la industria bancaria. Es imperativo que la industria bancaria fortalezca la gobernanza de datos. Sólo haciendo un buen trabajo en el gobierno de datos se podrán sublimar los datos hasta convertirlos en valor y mejorar verdaderamente el nivel de gestión del banco y la competitividad en el mercado.
La gobernanza de datos es un requisito para la seguridad operativa del banco.
Los datos ya son uno de los activos importantes de los bancos, y los bancos necesitan mantener de forma segura su propia información y la de sus clientes. Todo tipo de información que involucre secretos comerciales y datos confidenciales corre el riesgo de ser violada, utilizada ilegalmente o filtrada durante el proceso de procesamiento y uso, lo que traerá pérdidas inconmensurables a los bancos. En un entorno de buen gobierno de datos, la gestión y el uso de datos se pueden estandarizar para adaptarse mejor a las incertidumbres en los procesos de negocio.
La gobernanza de datos es una necesidad para la gestión y el control de riesgos bancarios
Con el desarrollo y la aplicación de Fintech, los bancos comerciales utilizan tecnologías como big data, minería de datos, aprendizaje automático, anti- fraude y blockchain para evaluar completamente los riesgos. Pero todo esto depende de que los datos del modelo de datos se utilicen bien. La coherencia e integridad de los datos pueden garantizar el buen funcionamiento de la gestión y el control de riesgos bancarios, y gestionar y reducir los riesgos de forma eficaz.
La gobernanza de datos es una necesidad para la innovación del negocio bancario.
Los bancos siempre han sido etiquetados como “tradicionales”. A medida que se intensifica la competencia en el mercado, se enfrentan a enormes desafíos en términos de clientes, productos, canales y marketing. En el entorno de big data, los bancos necesitan extraer y analizar datos comerciales históricos y existentes, lanzar diversos servicios innovadores basados en operaciones comerciales tradicionales, mejorar la experiencia del cliente y mejorar la competitividad bancaria.
La gobernanza de datos es un requisito político y regulatorio.
2065438+El 21 de mayo de 2008, la Comisión Reguladora Bancaria de China emitió las "Directrices de gobernanza de datos para instituciones financieras bancarias", que regulan la estructura de gobernanza de datos, la gestión de datos, el control de calidad de los datos, la realización del valor de los datos y la supervisión. y gestión de actividades de gestión de datos de instituciones financieras bancarias. Esto también marca que los bancos han entrado de lleno en la era de la gobernanza de datos. Sin embargo, en 2065438 + finales de 2009, Anhui Fengyang Rural Commercial Bank fue castigado por la Comisión Reguladora Bancaria de China por "no llevar a cabo eficazmente la gobernanza de datos según lo requerido, defectos graves en la gobernanza de datos y violación grave de reglas operativas prudentes". También refleja el problema de que el sistema de gobernanza de datos del banco debe mejorarse con urgencia.
En los últimos años, los bancos también han elevado la gobernanza de datos a un nivel estratégico para todo el banco y han llevado a cabo una serie de trabajos.
En 2014, China Construction Bank cambió el nombre del Centro de Información a Departamento de Gestión de Datos, como departamento de gestión de primer nivel de la oficina central, y lidera la promoción de la construcción de capacidades de aplicación y gestión de datos en todo el país. el banco, es responsable de formular especificaciones de datos a nivel empresarial y coordina la gestión de recursos de datos internos y externos, permite compartir información, coordina y gestiona las necesidades de datos del grupo, proporciona servicios de datos a las organizaciones dentro del grupo y promueve la aplicación de big data en todo el mundo; el banco.
2065438+En marzo de 2008, el Banco de Nanjing estableció oficialmente el Departamento de Gestión del Banco Digital para tomar la iniciativa en la gestión de datos y promover la transformación digital de todo el banco.
...
Sin embargo, según el "Informe de investigación sobre el desarrollo de Fintech en bancos pequeños y medianos (2019)", el 91% de los bancos pequeños y medianos Los bancos de gran tamaño aún no han establecido un sistema de gobernanza de datos completo y eficaz, y existe una necesidad urgente de que los bancos implementen una gobernanza de datos integral. Sin embargo, la gobernanza de datos en las industrias bancaria y financiera de mi país aún se encuentra en la etapa de desarrollo y enfrenta grandes problemas en términos de sistemas, datos, tecnología y talentos. Especialmente en términos de talentos, hay una falta de talentos profesionales y sistemáticos en gestión y análisis de datos.
Después de cinco años de investigación y desarrollo y tres años de práctica de capacitación, los analistas de datos de CDA lanzaron el "Campamento de capacitación de talentos en transformación digital financiera". Sobre la base del sistema de certificación CDA original, resaltan las características de la aplicación de datos en la industria financiera, al tiempo que integran la arquitectura empresarial de renombre internacional Togaf, el sistema de gestión y gobierno de datos DMBOK y el sistema de certificación COBIT de gobierno de TI para cultivar el conocimiento de los estudiantes. marco teórico y capacidad práctica en la aplicación de datos financieros, brindando soluciones de transformación digital personal para los profesionales financieros y transformándolos en empoderamiento digital dentro de la organización.
En este curso, podrás obtener:
1. Planificación y gestión de activos de datos
La transformación digital empresarial consiste en profundizar en el valor de los datos como un medio que ayuda a la reingeniería de procesos de negocio y mejora la capacidad de la empresa para afrontar los cambios. Es necesario que las empresas formulen una estrategia digital clara y mejoren continuamente sus capacidades de gestión de activos de datos. Los productos de datos se dividen en cinco categorías: modelos de datos, calidad de datos, herramientas de datos, aplicaciones de datos y algoritmos de datos. Entre ellos, los productos de aplicación de datos son el producto de un trabajo complejo utilizado para optimizar los procesos comerciales de la empresa, y sus objetos de trabajo son los datos originales acumulados con las operaciones comerciales y productos de datos relativamente elementales obtenidos del exterior. Desde una perspectiva operativa, la estrategia digital de una empresa es equivalente a una estrategia de cartera de productos de datos. Debe formular un plan de aplicación de datos basado en los objetivos estratégicos comerciales de la empresa y luego determinar el propósito de la cartera de productos de datos; transformar datos en aplicaciones de datos de la manera más económica; el centro de datos es una planta de procesamiento para productos de aplicaciones de datos, y la interacción con el centro de inteligencia artificial proporciona información para la gestión de datos; es el sistema de garantía de calidad de los productos de aplicaciones de datos; , en última instancia, sirviendo a aplicaciones de modelos de análisis de indicadores comerciales y minería de datos.
Segunda operación de grupo de clientes inteligente
McKinsey, una firma de consultoría de gestión de renombre mundial, informó que se espera que China se convierta en el segundo mercado de banca minorista más grande del mundo después de Estados Unidos. en 2020. La nueva situación Los minoristas dominarán el mundo. Con la madurez y la aplicación profunda de la tecnología de Internet móvil, la tecnología de big data, la tecnología de inteligencia artificial y la tecnología blockchain, los bancos en el futuro mostrarán "cinco cambios": entrada basada en escena, operación digital, control inteligente de riesgos y cruce. -Talento fronterizo, Universalización de servicios.
Entonces el objetivo de este curso es: realizar principalmente la gestión de operaciones de clientes inteligentes, desde cómo descubrir problemas hasta cómo resolverlos.
El contenido de este curso se divide principalmente en tres niveles: Tao, Shu y Qi. Teoría, implementación y herramientas.
1. El capítulo teórico presenta principalmente la evolución de la antigua teoría 4P a la nueva teoría 4P, así como las teorías y conceptos de las operaciones digitales y el marketing digital y su práctica en la industria bancaria;
p>
2. El capítulo de implementación presenta principalmente tres estrategias: primero, monitoreo de operaciones del grupo de clientes basado en NES; segundo, sistema de marketing digital (modelo, etiqueta y sistema CRM, etc.), tercero, marketing digital de circuito cerrado.
3. Herramientas, enfocadas a la aplicación de algoritmos específicos en operaciones digitales a través de casos.
Primero, introducir el algoritmo de agrupamiento y su aplicación en la segmentación de clientes;
En segundo lugar, presentar el algoritmo de filtrado colaborativo y su aplicación en la recomendación de productos;
El tercero; es introducir la aplicación del descubrimiento comunitario y su círculo comercial en el marketing bancario.
Tercero, Control inteligente del riesgo crediticio
Este curso toma como escenario principal las finanzas de consumo emergentes y las finanzas de Internet en China, e introduce el crédito de las finanzas de consumo antes, durante y después. El préstamo Aplicación de datos en la gestión de riesgos intenta proporcionar a los estudiantes un conocimiento integral de la gestión de riesgos basado en datos y basado en una comprensión profunda de escenarios reales. El curso se centra en tres secciones de escenarios crediticios: antes del préstamo, a mitad del préstamo y después del préstamo. Al presentar los antecedentes comerciales relevantes y combinarlos con las necesidades reales de control de riesgos, se introduce la aplicación del análisis de datos y la minería de datos en forma de. explicaciones y casos.
La primera parte se centra en los elementos comunes de los productos de préstamos al consumo, los puntos de riesgo, el marco básico de aprobación automática inteligente, el acceso a préstamos basado en datos, la formulación de reglas, la construcción de tarjetas de puntuación de crédito para la solicitud y diferencias de riesgo en la fijación de precios del crédito. La segunda parte presenta la gestión de clientes de desempeño, incluida la construcción de modelos de puntuación de comportamiento y la formulación de las estrategias de cuotas correspondientes. La tercera parte introduce el establecimiento de cuadros de mando de cobranza y la formulación de estrategias de cobranza en el proceso de cobranza.
Cuarto, control inteligente del riesgo operativo
En los últimos años, con la frecuente aparición de casos de control de riesgos financieros y el continuo endurecimiento de las políticas regulatorias, se han mejorado las capacidades de control de riesgos para reducir los riesgos internos. y los riesgos externos se están convirtiendo en una prioridad absoluta para muchos bancos y otras instituciones financieras. Como uno de los tres riesgos principales de Basilea II, los riesgos operativos incluyen escenarios comunes de lucha contra el fraude, el lavado de dinero y el fraude. En respuesta a este escenario de los "tres males", el uso integral de diversos medios para la gestión y prevención de riesgos se ha convertido en un foco importante para muchas instituciones financieras.
En el curso de dos días, primero se analizará el concepto de riesgo operativo y los subescenarios comunes para permitir a los estudiantes tener una comprensión clara y completa del riesgo operativo. Luego presenta qué tipo de sistema de prevención y control se debe establecer para hacer frente a los riesgos operativos y lo analiza desde la perspectiva de sistemas, talentos, datos, tecnología, etc. Especialmente en la sección de medios técnicos, nos centraremos en presentar varios problemas y soluciones importantes que enfrenta el modelado de riesgos operativos con aprendizaje automático. En la sesión de casos prácticos de un día y medio de duración, se organizaron tres casos típicos de modelado Python de fraude contra tarjetas de crédito, anti lavado de dinero y fraude contra marketing, con el objetivo de fortalecer el proceso general de modelado de control de riesgos. y cubrir la tecnología de modelado a través de los casos, mejorar efectivamente la capacidad práctica de los estudiantes en el modelado de control de riesgos.
Estación intermedia de inteligencia artificial y datos verbales (abreviatura de verbo)
A medida que la industria financiera ingresa a la cuarta etapa importante de desarrollo: la era digital, ha brindado a las instituciones financieras oportunidades de desarrollo. pero también va acompañada de graves desafíos. ¿Cómo resolver los problemas de los silos de datos y las dificultades para integrar nuevas aplicaciones con sistemas antiguos? ¿Son las capacidades de TI existentes insuficientes para soportar cambios rápidos en el negocio? ¿Los métodos de llamada de datos son diversos y los estándares son inconsistentes? El problema de no liberar las capacidades digitales de los recursos de datos es también el mismo problema que enfrentan las empresas. La integración de datos y la gestión de activos de datos son una de las formas efectivas de resolver estos problemas.
Este curso comenzará a partir de cuatro aspectos: cómo llevar a cabo una integración de datos efectiva, introducción a varias plataformas de datos, cómo llevar a cabo de manera efectiva la gobernanza de datos, la gestión de activos de datos y la construcción de centros de datos. Ayudar a las empresas a establecer rápidamente sistemas de integración de datos entre sistemas en el proceso de digitalización para respaldar la implementación rápida de aplicaciones de integración de datos de usuarios para proporcionar un sistema de gestión de datos completo y soluciones efectivas de integración de datos para respaldar la extracción, el análisis y la aplicación de datos de nivel superior; Proporcionar a las empresas Brinde soporte de datos eficaz para la estrategia de desarrollo y la innovación empresarial, obtenga información sobre las condiciones operativas de la empresa y las tendencias del mercado, mejore la flexibilidad de los nuevos negocios de la empresa y cree un entorno ágil de aplicaciones de datos.