12月13日，2018数据资产管理大会在北京国家会议中心举行，大会由中国信息通信研究院、中国通信标准化协会（CCSA）主办，CCSA TC601大数据技术标准推进委员会承办，中国IDC圈协办，会上中国建设银行股份有限公司（以下简称“建设银行”）副总经理尚波发表了题为“中国建设银行的数据能力建设”演讲。
中国建设银行股份有限公司副总经理尚波
根据尚波会上演讲的速记内容，圈圈进行了加工整理，谨供参考。
数据管理历程和认知
尚波的报告分四部分，第一部分为数据管理历程和认知。尚波首先介绍了中国建设银行企业级数据能力建设历程，自1984年起到目前为止，经过了不关注、起步、打基础、体系化、持续优化五大阶段。
第一阶段在2003年前建行并不关注数据建设。
第二阶段是起步，2003年中国建设银行成立了信息中心，是数据管理部的前身，提出了数据管控概念，制定了一些数据的标准，开始规划和建设建设银行的数据仓库，建设银行2003年规划、2004年建设、2005年上线，银行界，建成第一家数据仓库。
第三阶段在2007年到2010年，是打基础阶段。2007年建设银行股改上市会以后，与美国银行开展战略合作，美银在数据治理和数据管理方面给予建设银行很大的帮助，在这个阶段他们和带领建设银行研究数据能力框架。同时，也是建设银行数据管理部在牵头实施新资本协议，第三支柱建设银行负责在做，打下了一个基础，在理念上、在规范上、在仓库建设上，建设银行都有很好的基础。
第四阶段体系化，2011年开始中国建设银行对整个全行的核心业务系统进行了重构，打破原来所有的系统，按照组建化、模型驱动的方法去来构建建设银行建设银行新一代的核心系统，为期六年。通过这个建设，由于良好的积累，建行借助新一代核心系统的建设，建立了数据管理体系和数据应用体系，说到体系化，是因建设银行建立了两个体系，2007年开始实际上，对数据能力建设这个角度来看，建设银行对两个体系进行持续不断地优化。
第五阶段就是持续优化。在这样一个数据化的时代，建设银行已经把数据视作资产、视作战略资源去加以管理和应用。
数据管理能力中国建设银行数据能力框架建设：2007年美银专家带领建设银行开始建设数据能力的框架，它是来指导建设银行在数据能力建设方面哪些东西你应该去做的，哪些东西你做的是不到位的，指导建设银行不走偏。
这个框架2007年开始不断地在修订、在补充、在完善，随着新的技术、新的工具，通过咱们数据行业的一些发展，当时2007年在建的这个框架，美行自己有一个框架参考了，另外建设银行参考了IBM的一些能力框架，再就是DAMA，刚才李广乾先生也提到了DAMA，DAMA的框架也参考了，建设银行形成了中国建设银行的能力框架，不断地在迭代，从数据的应用、数据管控机制的建设和管理类数据的需求的统筹管理。
业务数据化，建立企业级数据规范。中国建设银行的核心系统的建设是模型来驱动的，不是传统的写文字、划出屏幕的样子，实际上建设银行是通过模型来驱动，两大核心模型，一个是数据模型，一个是流程模型。
从数据的角度来看，参考了IBM金融服务数据模型构建中国建设银行，建设银行从ABCC’到D，最核心的一块建设银行是C，C模型是企业界的逻辑数据模型，涵盖了建设银行所有的产品和服务，在构建C’是叫应用级或者叫组件级的模型，根据建设银行的C模型来组建指导它建设它的数据库设计，最终落地到数据库。通过企业界的C模型把建设银行所有数据的规范和标准进行统一的定义，包括所谓的代码。
建设银行从业务视角看指标或者从数据视角看衍生数据，建设银行从底层到上面也有一套管控机制，通过这套管控机制使建设银行任何一个数据不管它的基础数据还是汇总数据或者指标数据都是单点去创建的，从而避免了企业常见的同名不同域，或者同域不同名的情况。通过两套模型把技术标准规范定义了，确保企业数据的标准唯一。
数据资产化：实施全流程数据管控。刚才谈业务要数据化，数据要资产化，资产化借助底层，根据数据能力框架定义好的一些数据管控的机制也好，数据管理核心的一些能力，通过这些建设来支撑，保证中国建设银行的数据能够达到全、省、快、信、易、好，整个让数据是良性的，使要数据的时候很快可以拿到而且是可信的，而且是容易的。
企业级数据仓库是数据资产宝库和引擎。
中国建设银行在2011年启动建模，2015年前后模型建立好以后，企业界的逻辑C模型，这个模型在2015年前后把它换掉了，采用自己的模型，采用C模型构建的仓库，讲九大主题就是这九大主题，所以整合数据的时候用建设银行自己企业级的逻辑模型去构建。下游所有管理分析类应用唯一的一个数据来源就是仓库，各管理分析系统之间没有任何数据交换，唯一的交换点就是仓库。
仓库的构建使得中国建设银行在任何一个试点企业核心的全貌的数据是能够看到的，也是准确的，所以讲大数据时代也好或者讲数据服务以后，在可见的将来我认为数据仓库是非常重要的，而且一定是存在的，因为谈仓库一定是结构化数据，所以它是在任何一个时间点是能够保证你企业有完整的、统一的一个视图，能够保证数据的可信，所以这个机制是非常非常重要的一个机制。
有效的数据治理组织架构。
中国建设银行今年刚刚改革，建设银行今年成立了金融科技创新委员会，大的特点是在创新委员会下面设立了数据治理专业委员会，它最重要的职责是对中国建设银行所有关于数据管理和数据应用重大的一些事项要去审批的，重大的一些财务支出是要审批的，大数据的重大的一些项目也需要它去审批。数据治理专业委员会主任是一把手、是行长，包括首席财务官也在这里面。数据治理专业委员会办公室设在部门，下面有一个上海大数据智慧中心，要干的事情就是干大数据的事情，有一支100人的队伍在上海。
数据应用能力
企业级数据能力应用需求统筹管理。建设银行数据管理部承担了一个重大的职责就是把数据需求进行集中，统一进行管理，把数据需求分为三类，叫做简单、复杂和专业需求。
因为所有的需求都会到数据管理部进行统筹，对于涉及到开发的直接就转技术，对于纯数据的需求，第一类简单的直接通过一些管理分析类的系统，通过界面去解决。再一类是专业复杂的需求，复杂的需求往往是临时性、紧迫性的东西，有专业的数据团队通过服务去交付，这块就完成了。还有一块需求是专业的需求，专业的需求往往通过数据模型的建设，通过模型跑出结果去交付的，叫做专业。
最重要的一点是驱动，有两类驱动，一类是业务需求的驱动，业务部门或者分行干不了的事情有困难会提出来，这是驱动力。还有一块是数据需求的驱动，数据需求驱动这块为什么重点来谈呢？这块就是数据分析人员、数据专业人员对于业务有一定的洞察能力的时候，他会来主动提出一些需求，往往一些大数据产品就是像一些分数、指数、客户标签很多的需求是来自于数据条线的专业人员提出来的，叫做数据驱动。
普及企业级数据应用，实现资产价值化。关于数据的需求，除了传统的管理分析类专业的系统，建设银行数据管理部来承担的大量的需求是什么呢？就是一些跨部门、跨条线、说不清楚的一些需求，这块需求给它分为三类：一类叫固定报表，自助查询加上机器查询，这类应用由企业级的数据平台来去支撑，企业平台最重要的作用是来支撑业务人员自主用数，把用数的权利还给业务，这是数据管理部牵头建设的一个平台。再一块叫做数据模型实验室和数据挖掘，这块对应着大数据智能平台，大数据智能平台承担着中国建设银行数据模型实验室和传统的商业智能或者讲现在的大数据分析应用，承担着这个功能。再一块就是仪表盘，仪表盘这块有建设银行的手机移动端作出各阶层500、600个指标，建设银行T+1，大部分核心业务指标做了T+1来去展现的，这是谈信息应用的六大模式建设银行有三个平台去承接。
大数据智能平台。建设银行2016年开始建设大数据智能平台，大数据智能平台从底下看，有数据，它的数据来源就是我谈的数据仓库，数据仓库所有的数据包括内部数据、外部数据、结构化数据、非结构化数据，对整个大数据智能平台是开放的。在功能上有三大核心能力：第一，数据的获取，从仓库拿数据不需要走线上流程，有一套机制可以直接去取。再一个就是分析能力，建设银行借助各种工具，传统的商业智能工具也好、新型的大数据包括人工智能的一些能力都部署上去了。再一块就是交付，可以把模型交付出去，也可以把结果批量地交付出去，也可以分装服务直接跟流程系统去对接，这是交付。
另外还有三个库，一个产品库，好的模型分装成产品去共享，变成一个数据产品，再一个是知识库，工具箱，工具箱就是刚才谈到的所有的基于传统的商业智能工具也好、大数据工具也好，另外一点把图也用上了，图数据库加上上面的可视化分析工具相关的算法已经部署了。在应用层面谈了，用什么去交付的，可以训练好模型，由模型布置到其他的地方。
绿树工程。建设银行做了绿树工程，大的职责是管理好数据让大家用数据，绿树工程叫做大数据人才培养工程，建设银行在各部门、各条线，从2016年开始到现在干了三年，去培训条线的各分行的、各部门去上海建设，去做模型，去做一些应用，让这些人回到分行和部门的时候起到一些带头的作用，效果非常好了，各部门现在对大数据的一些应用非常好，认识水平也有大大的提高。
数据应用共享，力求价值大化。通过共享来实现国家的价值，让数据的价值大化，这里是最后一个价值化，其实整个贯穿下来谈到一个重要的理念也是建设银行总行数据管理部刘总提出来四化的概念，哪四化呢？业务数据化、数据资产化、资产价值化、价值大化，实际上是围绕着这四化来去说的。
未来展望
中国建设银行通过新一代核心系统的建设同步建立了两大体系，数据管理体系和数据应用体系。
通过这两个体系的互动，使得的数据更好，也支撑数据的应用能够更好地发展，在数据应用过程中发现数据问题的时候通过数据管理体系去解决，数据管理体系解决得好，更好地来支撑建设银行数据应用体系的一些建设。
相关阅读：
IDCC2018｜郝丽萍：秒计监控，日处理70亿笔交易量！建行的数据中心，你怎么看
热门专题
