文 / 中国建设银行数字化工厂
党的十九届四中全会将数据正式纳入生产要素范畴，明确了数据要素在经济社会发展中的重要地位，国务院在《“十四五”数字经济发展规划》中明确指出数字经济的特征之一就是以数据资源为关键要素。党和国家的一系列战略部署，为数据要素发挥赋能作用奠定了政策基础。人民银行《金融科技发展规划（2022—2025年）》提出了加快金融机构数字化转型的目标，并强调了数据作为新的生产要素的重要性。原银保监会《关于银行业保险业数字化转型的指导意见》从顶层设计的高度对银行业保险业的数字化转型进行了规范和指导。国家数据局等17部门联合印发的《“数据要素×”三年行动计划（2024—2026年）》则为在金融服务领域发挥数据要素乘数作用制定了计划。
作为国有大行，建设银行始终把握金融工作的政治性、人民性，不断提升金融服务对经济社会需求结构的适应性，深入推动自身数字化转型，建立与发展新质生产力相适应的金融服务体系，为经济社会发展提供高质量金融服务。
建行数字化工厂在总行网络金融部指导下，以G、B、C三端场景切入，持续打造生态场景样板间，探索“走出去”“引进来”和“生态联动”等建设方案，开启新商业模式，实现价值提升，沉淀数字化经营的工具、能力和方法。在此过程中，数字化工厂对数据要素赋能银行数字场景建设进行了非常有意义的探索和实践。
筑牢数据要素赋能底座
根深才能叶茂，坚实的数据基础是建设银行探索数据要素赋能数字场景实践的必要前提。一方面，建行已构建了完善的数据中台体系，能够提供丰富的数据服务能力。另一方面，随着移动互联网技术日趋成熟，互联网平台依托海量数据跑马圈地，迅速抢占银行传统市场，仅仅依靠银行内部数据已不能全面刻画客户特征。因此，数字化工厂在与头部互联网平台开展业务合作时，通过数据合作的方式，将合作方数据与建行内部数据体系充分融合，形成了发挥数据要素价值，高效赋能银行数字场景实践的数据基础。
数据要素赋能银行数字场景建设
基于坚实的数据基础底座，数字化工厂积极探索、挖掘数据要素在银行数字场景建设中的重要作用和价值。
1.评估合作价值，选择优质场景
在与互联网平台开展合作前，对行业市场现状、外场景客群特征开展数据分析，有助于选择更加优质的合作方场景。数字化工厂联合互联网平台针对中小微商家推出“生意卡”服务，提升对商家的金融支持力度，旨在抢抓商家交易结算主账户，撬动资金回流。在开展合作前，生意卡样板间需要对合作方的市场份额、平台经营模式、小微商家规模、商家经营情况等方面开展初步调研，从而选择出具有合作价值高、商户质量优、经营模式成熟、流量规模大等特点的优质合作方。例如，在针对短视频平台类场景合作方的选择中，通过在市场份额、行业竞争情况、平台业务结构、用户群体特征等方面对目前众多短视频平台开展数据分析，最终选择两家平台作为生意卡样板间的合作方。
2.助力金融产品服务创新，满足客户个性化需求
数据要素可以助力银行创新金融产品和服务，以满足客户的个性化需求。数字化工厂与互联网平台合作中，通过数据分析及客户调研挖掘客户的需求痛点，向客户提供与核心诉求相匹配的金融产品和客户进阶衍生服务，以实现市场细分和精细化运营，是增强用户黏性、强化竞争壁垒的重要实现方式。例如，在客户服务方面，数字化工厂结合小微商家经营需求，通过日常数据监测沉淀总结出多渠道资金流向统计模式，根据该模式提供跨平台对账管理“超级账单”服务，厘清资金从哪里来、到哪里去，以便商户更直观地了解自身账务信息和交易明细，增强产品核心竞争力。
3.及时监测预警，挽回流失客户
利用大数据分析等技术，可以实时监测和跟踪客户，实现对流失客户的召回。例如，数字化工厂在生意卡样板间运营中通过数据分析得到生意卡客群的客户流失情况与经营回款规律，识别易流失客群的特征，据此建立生意卡客户的流失预警机制，并通过线上线下相结合的方式对潜在的流失客户进行触达，从而召回潜在的流失客户。
4.调优营销策略，实现精准营销
在样板间运营过程中，通过构建引入一定业务经验的规则或算法模型，可以深入分析客群现状或准确圈选定位目标客群并进行触达，助力营销策略智能调优，实现对客群的精准运营。例如，数字化工厂通过构建XGBoost、LightGBM等算法模型选取关键特征开展手机银行生意帮专区的客群圈选，精准定位出目标商户客群进行营销，实现转化率提高近10%，有效地助力了手机银行金融交易MAU提升。
再如，建行手机银行的生活频道页面，是通过非金融服务带动手机银行MAU的主阵地。数字化工厂选取生活频道中的影票客群作为提升MAU的切入点，利用聚类算法进行深度的客群画像分析，共提炼出客群30条显著特征。基于上述特征，选择目标客群进行手机银行广告投放。此次投放UV点击量达到全年手机银行广告月均UV点击量的2倍。
5.优化资源配置，降低运营成本
数字化工厂以数据为驱动开展定期的营销活动复盘，为样板间运营的费用成本管理、营销资源调配、经营策略优化和成效指标提升提供决策支持。例如，在生意卡样板间的营销活动复盘数据分析中发现了生意卡商户客群权益偏好规律，可以根据客群权益偏好配置差异化面额平台权益。分析发现部分客户对权益不敏感，可以减低对此类客群的权益投放力度；部分客户对权益非常敏感，可以提升对此类客群的权益投放力度。根据此数据分析结论对营销费用进行重新配置，显著地降低了营销成本。
6.提升监测效率，赋能业务管理
数据报表可辅助业务人员在样板间运营管理中对样板间关键数据进行监测分析，此前行内的数据报表均需提供数据口径等内容至开发中心的技术人员进行需求开发实施，整体周期长。为解决此问题，数字化工厂在数据管理部门指导下，基于行内数据中台能力，利用行内企业级数据应用平台，实现了自助报表开发，整体实施时间较短且流程进度灵活可控。
目前，数字化工厂通过行内企业级数据应用平台已部署上线多个样板间的自助报表，可供总分行运营人员自行下载，及时查看并统计数据情况，避免了重复繁杂的取数环节，降低了业务处理时间成本，大幅度提升了统计监测的效率。
探索隐私计算技术在生态场景的应用
为了解决数据安全保护与数据价值挖掘之间日益突出的矛盾，数字化工厂积极推动隐私计算技术在生态场景样板间的落地应用。例如在数字化工厂与某互联网公司开展针对小微商家普惠贷款的合作中发现，中小微商家的交易流水等信息大多沉淀在互联网公司侧，这些信息作为重要的数据资产是银行有针对性地服务中小微商户的必要条件。由于重要数据的缺失，银行很难从大体量的个人客户中识别圈定小微商家，使得行内准入及授信模型门槛高，金融产品服务模式单一，商户商家转化难度大。
若使用传统的联合建模方式构建信贷模型存在客户隐私泄露的风险，无法满足强监管的要求。而联邦学习作为隐私计算和人工智能的核心技术之一，可以通过共享中间模型而不是训练数据，实现数据不动、模型动。在确保原始数据不出域的同时，促进数据融合，完善小微商家客群画像，从而提供更精准、更有竞争力的普惠贷款产品。
建行数据管理部门为满足行内各类隐私计算需求已建立企业级“多方数据安全共享平台”，可为全行提供联邦学习、隐私求交、匿踪查询等安全共享能力，实现多方数据的联合分析应用的数据共享模式。提升建行数据合规高效流通使用能力和数据要素价值创造能力，拓展数据资源利用途径。因此，本次合作，双方决定采用建行“多方数据安全共享平台”完成信贷模型研发。数字化工厂与该互联网公司的合作为后续建行与合作方开展隐私计算合作铺设了一条数据融合的通路，此模式已被建行内其他业务条线复用。数字化工厂也正与其他互联网公司合作，采用通过隐私求交获得双方交集客群的模式，寻找共同潜在客户进行精准营销，以提升建行业务转化率及营销资金的投入产出比。
保障数据赋能安全合规
数据要素在赋能银行数字场景实践上发挥了重要作用，但同时我们也应该清晰认识到由此可能带来的合规风险和数据安全挑战。随着《中华人民共和国数据安全法》《中华人民共和国个人信息保护法》的发布，国家及行业监管要求日趋严格，建行建立了数据安全管理的组织架构，制定完善了数据安全管理、数据分类分级保护、数据安全应急管理等相关制度规范。数字化工厂持续强化监管要求落地，将行内数据安全管理要求落实到数据要素赋能业务全生命周期的各个环节，牢守数据安全底线。
在数据采集方面，遵循合法正当、最小必要、知情同意等原则，在客户授权协议中明确采集目的和范围。与第三方机构开展业务合作时，通过数据安全评估、签订合作协议等方式，约定数据安全责任与义务，确保外部机构数据的合法合规性和真实性。
在数据使用方面，严格按照行内授权管理要求，遵循数据访问、加工的最小必要原则，在业务数据展示过程中，明确信息脱敏范围及其业务规则，避免个人信息在展示环节的泄露风险。
在数据存储和销毁方面，在客户协议中明确所辖数据的存储期限和清理策略。对于第三方合作机构，在合同中约定对数据删除或匿名化处理等要求，并在合作结束后做好合作方数据销毁的监督检查。
总结与展望
数字化工厂在数据要素赋能银行数字场景实践层面已具雏形，通过数据和技术的双轮驱动，带着建行的金融产品和服务延伸进生态场景的大流量池中，为建行业务发展提供了充沛的数据动能。
未来，数字化工厂将在现有实践的基础上，以“数据要素×金融服务”计划为指引，发挥数据要素乘数效应，释放数据要素价值。在牢守安全合规红线的前提下赋能建行数字场景建设，为提升金融服务的可得性、便捷性、普惠性贡献更多数据智慧和数据力量。
中国建设银行数字化工厂：薛环振、吕涛、陈萌、马丹、贺思翔、展世蒙、王鑫子、李佩兼、吕祎娜
（此文刊发于《金融电子化》2024年11月上半月刊）
