一、项目背景及目标

      数据是银行核心的资产，如何实现“业务数据化、数据资产化、资产价值化”是银行数字化转型的关键目标，也是云南农信在二次创业改革进程中必须面对和解决的一大重要命题。随着金融科技不断发展和市场边界不断融合，以大数据、人工智能、区块链为代表的数据科技已成为银行赖以生存和发展的关键手段，然而云南农信虽然拥有区域内大规模的银行业务数据和客户数据，却未发挥出数据应有价值，数据整体服务能力远不能满足智能决策、内管提升、精准营销、风险管控等方方面面的需要。

      在此背景下，云南省农村信用社启动了数据应用提升工程，并立项开展经营决策指标数据系统功能提升项目（后简称：数据应用提升项目，或DAP项目）。该项目作为数据应用提升工程的一期项目，旨在提升企业级数据应用能力，从智能决策、精准营销、风险防控等多层面拓展数据分析运营场景，深入探索数据价值。

      首期项目的建设目标是建成“三大平台”，分别是：

      一是构建数据应用平台。基于大数据分析能力和数据可视化手段提升数据挖掘、价值探索能力，构建面向数据应用场景的窗口型数据服务平台，建设含高管驾驶舱在内的各类数据应用。产出成果包括：以PC端、手机端、OA端为入口的数据应用平台，平台提供决策分析类、统计报告类、监测预警类、营销服务类、风险防控类等应用。

      二是构建企业级指标平台。通过全面梳理指标，在规范全行指标定义、指标口径、指标用途的同时，丰富指标维度，建立健全企业级指标体系。同时，通过指标平台实现指标的统一加工、统一发布和统一查询。产出成果包括：指标体系、指标统一加工平台、指标统一发布平台应用。

      三是构建自助分析平台。通过引入交互式分析工具，建立云南农信自助分析平台。基于“数据不落地”原则和规范的数据取用流程，在保障数据安全的前提下，为业务管理部门和业务分析人员提供“自主用数、自助分析”的能力。

      DAP项目作为数据应用提升工程的首期项目，除了完成以上三个平台的基础构建外，在数据应用方面重点是投产高管驾驶舱入，丰富经营决策和统计分析类应用，并结合数据运用情况逐步向风险监测、精准营销等方面拓展。

二、项目方案

     （一）业务：“梯度式”数据应用能力分层规划设计

       在深入调研全省信用社数据现状的基础上，项目组基于云南农信智慧银行转型和数据能力提升需要，对商业智能DIKW模型进行了重构（图1），重点将数据数据分析能力与商业智能发展过程相结合，实现数据应用能力向智能化演进。

图1. 云南农信DIKW智能衍生模型（DAP工程）

       基于DIKW智能衍生模型，项目组进一步对各层次的数据能力和数据应用场景进行了规划，形成了云南农信数据应用能力梯度规划（图2）。

图2. 云南农信数据应用能力梯度规划

      数据应用能力梯度规划分别对服务层次、数据能力、应用场景进行了规划。服务层次方面，按照Data（数据）-Information（信息）-Knowledge（知识）-Wisdom（智能）划分为四个区域，分别对口四个服务领域：数据服务层、信息服务层、知识服务层、智慧服务层。数据能力方面，划分为了四个层次八个级别，依次为交易级（level1B）、汇总级（level1A）、应用级（level2B）、分析级（level2A）、归纳级（level3B）、预测级（level3A）、智能级（level4B）、智库级（level4A），通过加强这八个级别数据能力的建设，丰富和完善相应领域的数据应用场景。场景应用方面，分为事务型应用、汇集型应用、描述分析型应用、诊断分析型应用、模式识别型应用、预测分析型应用、获得型智慧应用、衍生型智慧应用。

      数据应用能力梯度规划将数据能力和场景应用进行合理布局和对应，便于数据应用在完整的体系中进行开发创新落地。其中，交易级数据能力主要服务于事务型应用场景，如传统的系统联机交易（也包括区块链交易场景）；汇总级数据能力的应用场景主要是数据仓库、大数据平台、ECIF等批量式、整合型的场景；应用级数据能力的应用场景多为管理型应用，如OCRM（操作型CRM）、财务系统等；分析级数据能力对口诊断型分析应用，如传统BI、驾驶舱、ACRM（分析型CRM）等；归纳级应用通过趋势分析或模式识别，提供基于模式识别的数据应用，如客群画像、潜客挖掘、商机营销等；预测级应用通过决策树算法、拟合算法等手段实现是否推定、几率推定，应用场景如客户流失预测、风险预测、盈利预测及智能投顾等；获得型智慧应用是利用AI、机器学习等手段，在人工参与的情况下开展监督式或半监督式模型训练和知识认知，实现智能决策、RPA机器人流程自动化、智能风控等场景；衍生型智慧应用是在获得型智慧应用的基础上，利用无监督式学习、神经网络训练、决策反馈训练等手段开展自发式智慧衍生，形成态势感知、形势预判、预处置能力，实现战略型支持。

    （二）架构：“中台化”数据架构及系统拓扑架构

      1. 数据架构方案

      基于“中台”理念，DAP项目组制定了中台式的数据架构方案（图3）。构建数据中台的优势是打破传统“烟囱式”、“竖井式”的数据应用系统开发模式，通过将数据能力抽象出来进行通用化，实现平台级的数据服务能力，加快场景迭代创新和能力复用。

图3. 云南农信中台式数据架构方案

      云南农信数据中台着重建设三个方面：一是数据中台的权威性，通过全新打造企业级指标体系并与中台融合，实现指标定义统一、口径统一、加工统一、发布统一，形成实质上的数据中枢；二是数据中台的服务内容，通过探索和丰富指标类、名单类、视图类等形式的内容，能够全面满足各应用场景的数据服务需求；三是数据中台的服务方式，通过总结各服务场景需求并抽象出数据服务模式，归纳出综合查询、主题调用、清单匹配、条件检索、指标聚合、维度统计、统一视图、复合计算服务方式。

      通过引入“中台”理念，为全省信用社打造数据中台服务能力，通过将数据能力按主题抽象出来，形式面向应用场景的通用数据服务。当期业务场景以统计分析、实时运管和决策分析为主，主要实现方式是关键内容指标化，通过数据可视化、多维钻取联动提高数据分析敏感能力。同时，在数据中台架构设计中考虑了场景探索的需要，设置了数据访问内部通道，用于拖拽式自助分析、复合指标试验、以及应用场景实验等场景探索需求。

       2. 系统拓扑架构

       DAP项目在现有数据架构的基础上，拓展了中台区域，形成了新的数据系统拓扑架构（图4）。系统架构设计上将相关的系统划分为三类：数据来源方（蓝色）、数据加工方（绿色）、数据展现方（橙色）。其中项目的主要产出“三大平台”之一指标平台负责对接数据仓库、大数据平台和实时信息采集渠道开展指标的统一调度加工，形成数据立方体支持前台场景的多维应用需求。同时指标平台将内容以调用接口和批量接口的方式分别提供给数据应用平台和自助分析平台使用。数据应用平台负责提供数据应用窗口支持投放场景化数据应用，自助分析平台负责开展指标孵化和场景实验。

图4. 云南农信数据应用平台系统拓扑架构

    （三）技术：基于DIKW分层的对象式指标框架体系

      指标体系是实现数据中台服务能力的关键，DAP项目组在构建指标体系方面提出了对象式的指标体系方案设计。

      对象式指标体系重点在三个方面，一是形成体系化指标清单（即传统的指标体系），对指标进行标准化，统一指标名称、定义、口径等内容；二是丰富指标维度，通过数据立方体对各指标维度进行拓展，而不像以往仅从机构、时间维度进行指标渗透；三是将分析目标对象化，提取对象的属性和特征作为指标分析维度，以资金流向为例，将交易对手方、对手行进行对象化后，开展标签工程、特征工程，提取出对手方、对手行的区域属性、行为特征、产业特征等，将这些属性和特征作为对手方、对手行的指标维度，实现更深层次的维度分析。

      从指标体系框架层次上，云南农信指标体系框架同样是基于DIKW模型进行构建，分为基础指标、指标规则、衍生指标、预测指标四层，体系框架方案示意图如下（图5）：

图5. 云南农信对象式指标体系方案

    （四）实施：支持DevOps的迭代式数据应用研发模式

      在实施层面，DAP项目组研究制定了以开发运维一体化为导向的数据应用研发模式，该模式包括四个重点：一是实施团队的组织结构设计完全面向迭代实施；二是将运营团队纳入项目组，保证开发运维一体化能力；三是制定窗口化数据应用方案，对数据应用进行横向分类布局，并逐步丰富各范畴内应用；四是在数据应用设计层面开展可持续的纵向规划，对每一个数据应用都明确后续拓展方向。

      1. 迭代化：面向迭代的实施团队组织结构设计

图6. 云南农信DAP项目团队组织结构

      项目团队按照业务组、技术组、实施组、验证组、投产组、运营组分为“5+1”六个梯队，形成横向从左到右的流式布局（图6）。该布局设计有两大优势：一是全面支持迭代流转——形成了从需求到投产，再从运营返回需求的迭代闭环，允许项目组以“波浪式”节奏开展项目迭代实施；二是全面支持DEVOPS开发运维一体化，左侧前五个组隶属DEV环节，第六个组隶属OPS环节，同时提升了数据类场景应用的研发投产效率。同时在管理组织上，设置了PMO团队进行决策、CCB团队进行变更管理，提升了项目实施管控能力；在支持保障上，设立了项目级QA、CM及各保障专员，确保过程管理质量。

       2. 窗口式：支持敏捷投放的数据应用规划设计（横向）

      云南农信总结了数据应用的四种落地模式：一是嵌入式的数据应用，将数据服务嵌入到原有业务流程中，改善传统业务流程和效果，例如在信贷审批流程中嵌入客户大数据画像，提升风险识别能力；二是窗口式的数据应用，通过独立的数据应用窗口平台，将轻量化的数据应用投放出来供用户使用；三是引擎式的数据应用，通过后端引擎定期形成分析结果为前台场景提供支撑，例如客户群营销商机引擎；四是自动化的数据应用，通过模型训练建立识别认知能力、完善流程判断能力，实现流程自动化，例如贷记卡自动提额、自动审批等。

      本次项目DAP项目组采用的是窗口式的数据应用建设模式，从横向上进行数据应用范畴划分，分成了6个大类10余种的数据应用。窗口化数据应用的优势是支持轻量化的数据应用敏捷投产，减少了对于外部平台和业务流程的依赖，能够更加灵活地进行场景创新和短平快的用户触达。该方案通过数据应用平台来落地，平台规划建设内容如下（表1）：

表1. 云南农信数据应用平台应用规划方案

      3. 可拓展：每个独立的数据应用均开展拓展设计（纵向）

      数据应用设计采用“模块化、可拓展”的思路开展，以高管驾驶舱应用第二轮迭代内容为例，将场景拆分模块，再由模块组织成页面（图7-1），并且各应用在设计之初便开展后续的拓展设计（图7-2）。

图7-1. 第二轮迭代高管驾驶舱应用功能设计

图7-2.每个应用的后续拓展设计

      以存款变化模块为例，在功能设计上当前目标是实现资金流向分析、对手方关系分析、用途分析等。后续拓展方式包括：将对手方资金流向关系深度从2脉向5脉以上拓展，形成中心节点可变的关系网络图和关联体识别；将用途分析纳入客户特征工程，形成客户特征，用户客户群维度分析；按特征客户群对资金流动趋势进行模型训练和预测，结合监测阀值进行存款流失和客户流失预警等。

三、创新点

      数据应用平台为我社各类数据应用的创新和实践提供了孵化池、实验室和服务窗口，不断有新的应用在该平台投产，为云南农信数字化创新实践提供了无限的可能。该平台在具备六大创新点：

      一是通过打通数据屏障实现【实时型】业务运营驾驶舱，让高层管理人员掌握实时存贷款情况、客户实时到店情况、客户排队情况、业务办理情况、实时预警情况、资金流入流出情况、设备开机情况、网点开门情况、新增客户结构实时分析等。

图8. 掌握实时业务运营情况

图9. 掌握经营机构在办业务

图10. 掌握客户排队等待情况

图11. 掌握实时新增客户构成情况

      二是通过创新分析场景实现【探索型】客户群体钻取分析，创新了“无限钻取”+“灵活切维”+“钻取试管”的分析场景，让分析人员能够在无限钻取场景下实现客户群体的灵活构建和指标分析，在交互中体验对客户群的探索和特征感知，对目标客户群体进行探索。

图12. 通过界面交互实现“无限钻取+自由切维+钻取试管”达到目标客群任意探索

      三是通过全面特征工程实现【多维型】资金流向分析视图，让业务条线能够真正解除“存款去哪儿”的困惑。将机构、客户、对手方、对手行、用途等进行对象化保存，并进行特征工程和标签作业，利用关系图谱、特征标签、合预测等手段实现从本行机构视角、个人客户视角、对公客户视角、对手行视角、对手方视角、用途视角、渠道视角观测资金动向。

图14. 以客户为分析对象的资金流动分析

图15. 以对手方为分析对象的资金流动分析

       四是通过混合交互手段实现【体验型】经营情况灵活感知，让领导层能够通过简单的交互方式，更加轻松和便捷地了解到关键经营指标的现状、趋势、排名等信息，并在此基础上创新了“Whatif”指标构成模拟分析、“百度”式指标画像检索、多层市场份额分析、不良贷款多维分析等场景。

图16. 通过联动交互动态获取全机构经营指标排名及趋势信息

图17. Whatif模拟分析场景应用

图18. 指标一键搜索——指标画像应用

      五是结合疫情防控要求实现【网格化】疫情相关采集和分析，一方面及时满足疫情线上填报需求，另一方面通过流向地图、大数据词云、关系视图等多种数据可视化手段实现全省信用社相关人员的疫情上报分析和全渠道的复工复产监测预测。

图20. 常态化疫情填报管理分析应用

图21. 复工复产相关监测分析应用应用

      六是充分利用直播云课堂等手段开展【多样化】培训教学和推广使用，面向省联社、全省管理层、各条线员工组织了3场专场培训和多场线下交流，通过现场推介、远程视频培训、云课堂授课、直播教学、实操演示、现场指导、电话讲解、培训材料共享、工单答疑等方式进行了全方位的项目产出培训推广。

四、技术实现特点

       1.【普及化】让数字应用惠及全员

       数据应用平台囊括了全省信用社两万余名员工，是***一套全面覆盖所有员工、并为每一位用户都提供了权限应用的数据系统，力图为各业务条线、各岗位人员提供权限内差异化的数据应用，充分利用数据解决经营决策、内部管理、客户营销、统计分析、监管报送、风险监测方面的种种问题。

       2.【中台化】让数据能力全面整合

       数据应用平台的构建充分考虑了“数据中台”的理念，将数据能力按主题抽象出来，为场景应用提供平台级服务。一方面是深入开展中台级指标规范化建设，为大大小小百余类数据应用场景打造“地铁式”数据服务；另一方面是充分挖掘数据仓库、大数据平台的数据整理、数据分析能力和业务系统的实时采集能力，不遗漏任何一个数据角落，筑牢数据“轨道”。

       3.【场景化】让数据服务敏捷灵动

      通过数据应用平台提供的窗口，各类数据应用的构建更加灵活和轻量化，让数据触达用户的“后一百米”更加用户化。数据服务能够以场景的形式提供出来，更加贴合用户实际需求。例如面向高管的交互式驾驶舱场景、数据看板场景，面向统计类的自动填报场景，面向内管类的工作流场景，面向风控类的预警导播和网点画像场景，面向外拓营销的客户经理轨迹地图，面向疫情监测的员工健康地图，面向复工复产的复工复产预测看板，面向智慧网点的客户年度数据报告，面向数据治理的增量客户信息质量实时监测仪表等。

       4.【智能化】让数据智能有迹可循

      数据价值的发掘和运营是长期的过程，数据应用的智能化也是在不断的迭代和训练中不断进步。项目在总体设计上基于DIKW模型规划了数据能力，将数据整合能力、描述型分析能力、诊断型分析能力、预测型分析能力、预处置型分析能力进行合理规划布局。并逐层推进建设，从底层数据整合化、后台数据规范化、中台指标体系化、分析维度配置化、展示手段场景化，到预测对象模型化、预测逻辑知识化、预处置引擎机器人自动化，不断在场景实践中探索智能化应用。

       5.【敏捷化】让需求响应更加快捷

      数据应用的价值往往跟当时的时间节点和市场环境密切相关，不能快速投产响应的应用难以产生任何业务价值，因此项目在启动的首日，云南农信数据实验室同步投入使用。数据实验室一方面能够实现数据价值的深度探索，另一方面也为场景的DEVOPS敏捷化自动化投产提供了条件。通过“数据应用平台窗口+数据实验室”的模式，云南农信数据工程师能够将场景应用的开发投产时间从“天”级下降到“小时”级，甚至是“分钟”级。

五、项目过程管理

     数据应用提升项目在实施策略上打破传统瀑布式开发，采用了敏捷开发的理念以满足数据应用类需求不断变化和日益更迭的特点。一是总体进度计划和工作分解方面，构建了“RUP管理+迭代实施”的新型实施模式，提升多轮迭代产出、快速响应需求的能力；二是在团队组建方面，项目团队按照业务组、技术组、实施组、验证组、投产组、运营组分为“5+1”六个梯队，形成迭代内链式项目开展；三是项目管理方面，建立了“PMO+CCB”的项目决策机制和变更管理机制，以保证快速迭代过程中的质量管理和项目风险控制；四是项目实施方面，采用了前中后台实施条线分离、并行迭代实施的方式进行，保证项目实施效果；五是项目风险方面，采用每轮迭代进行需求封版降低需求变更风险，采用每日晨会和周会跟踪项目进度偏离降低进度风险，在组织级QA的基础上项目级QA专员、CM专员和风控专员保障质量控制。

      1.原型期（第1~2轮迭代）

      原型期共两轮迭代，周期为2019年11月至2019年12月中旬，在40天内完成了数据应用平台原型需求、设计、开发、测试和投产试运行，同步实现了生产资源全部部署到位，围绕八大关键主题完成省级驾驶舱原型构建，并在省联社层级成功开展原型推介和投产试运行。

      2.实施期（精化期、成熟期：第3-5轮迭代）

      实施期共三轮迭代，周期为2019年12月-2020年6月，期间完成了省市县多级管理驾驶舱和企业级指标体系，以及每日快报、指标检索、自助分析、实时运管、知识共享、疫情分析、复产监测等100余个数据场景应用，按期实现了PC端、移动APP端、移动OA端全省范围投产运行。

      3.投产期（产品期：第6-8轮迭代）

      投产期共三轮迭代，周期为2020年7月-2020年12月，期间在保障全省数据应用培训推广和运行维护的同时，持续响应基层数据应用需求，投产了网点运营分析类、业务考核类、产品分析类、渠道交易分析类、客群特征分析类、数据治理监测类、操作风险实时预警类等数据应用，同时优化了多层级权限配置、用户跨系统变更同步、大数据分析响应效率、实时指标静态化等功能。

六、运营情况

      数据应用平台目前运营的用户已有两万三千余名，分为5档用户10级权限，满足信用社多级法人管理要求；累计开发投产大小数据应用400余个，分为7个方向14个类别，为实时运管、智能决策、内管提升、精准营销、统计分析、监管报送、风险管控提供了有效支持；实现日均投产数据应用（或优化应用）3.5个。当前每日活跃用户数在500-800人（以管理层为主），随着后续更多业务场景的投产及客户营销、员工业绩等员工类数据应用的不断开发和推广，预计每日活跃用户数将在下一年度上升到2000人以上水平。

      当前数据应用平台的重点应用为高管驾驶舱应用，该应用投产至今已覆盖100%的高层管理人员以及特殊申请权限的中层管理人员和分析人员。驾驶舱内容目前涵盖10个主题12个重点领域，从指标实时性、数据关联性、维度交互性等方面强化了领导层对经营指标的掌握能力。同时在关键分析场景进行了技术攻关，如资金流向关系图和关系谱、资金用途渗透图谱、客户结构分析无限钻取场景、特征客户群指标监测、指标统一检索形成指标画像、实时指标下沉到网点级。

      数据应用平台的运营和开发是一个闭环，通过闭环实现反馈优化和场景不断更新。同时项目组在“6+1”组织架构上专门设立了运营组，以保障数据应用能够以DEVOPS的形式快速开发投产并不断优化。

七、项目成效

      1.实时运营管理

      数据应用平台的建设投产，打破了“T+1”经营指标“迟”的现状，实现了经营决策从“治病”向“治未病”的过渡，决策纵深从省级一路下探到村镇网点级，决策周期由日向分钟跃变。同时指标设计也更多考虑实际业务管理场景，提供了实时存贷款、实时到店客户数、实时排队等待情况、实时业务峰值、实时客户构成等一系列以往管理人员想要却得不到的关键运营信息，将农信社各层级管理者的经营决策手段和数据掌握能力提升到了一个新的高度。

      2.移动经营决策

      数据应用平台的移动化建设，为远程办公、移动决策提供了手段，尤其是2020年1月底新冠疫情爆发以来，数据应用平台的建设“正逢其时”，成为了响应当下时局和国家政策、坚决打赢疫情防控攻坚战、做好复工复产和金融服务的重要助力。在移动端不断推出的疫情类、复工复产类应用多达二十余项，移动经营决策应用也根据决策场景的需要不断进行拓展。

      3.基层员工减负

      数据应用平台的投产，为分析人员、统计人员、科技人员开展工作提供了新的解决方案。以往每个月都要做的手工报表，通过数据应用平台填报应用，实现“一次填报、长期有效”，解决了大量的手工报表工作。以往分析人员要耗费大量时间从各条线收集数据形成经营报告，现在在数据应用平台每天自动生成经营快报，领导自己就可以查阅。以往科技人员需要根据业务需求开发各种烟囱式的报表，现在只需要灵活组合中台指标，就可以形成多样化的报表、报告、看板。

       4.大数据成果转化

      数据应用平台的投产为大数据成果转化提供了更大的空间。作为纯技术型平台，大数据平台的传统应用场景往往包括两类：一是嵌入式场景，例如将大数据分析结果嵌入到风险识别、审批授信、归档查询等业务环节；二是引擎式场景，例如基于规则库、模型库进行客户特征分析形成客户标签和特征客户群。但是这些应用场景往往存在严重依赖原有业务流程或后台过重的问题，不便于敏捷创新和投放；同时大数据分析的“黑盒效应”让业务人员难以感知到大数据分析结果的实际价值和可信度。

      数据应用平台的投产为大数据价值转化提供了新的选择，通过数据应用平台能够实现窗口化的大数据应用。窗口式的大数据应用具备轻量化、无捆绑、可交互、可探索的特征，让数据价值更加清晰地释放，让场景需求得到更快响应。

八、项目经验

      尽管金融行业、互联网行业当前开展数字化创新的方式多种多样、遍地开花，但广大的中小银行却仍缺乏一条可供参考、稳步推进的数字化转型之路。数据应用提升项目的开展，不仅为数据应用提升工程迈开了*****步，更是在实践中探索了一条可供云南农信持续推进的智能化演进方案，以保障数字化进程中数据应用能力的持续稳定提升。

       该方案力图从“能力梯度化”、“应用场景化”、“服务中台化”等方面着手对数据应用能力进行革新，从数据应用能力规划、数据服务体系架构、数据应用研发模式等方面开展实践。

       1.云南农信通过数据应用平台的设计实施，开展了窗口化的数据应用实践，即：通过数据仓库和大数据平台打造坚强的数据后台，通过企业级指标体系和指标平台建设形成中台化数据服务能力，通过数据应用平台建设打造场景化数据应用窗口。

       2.云南农信通过数据应用平台的建设实践，提升了项目实施能力：

       组织架构层面上，通过“6+1”的横向项目梯队，实现多轮迭代流转，并支持闭环DEVOPS式开发投产；通过“PMO+CCB”的项目决策机构，对项目决策和变更进行控制，减少项目风险；通过“专员”机制引入跨部门角色，保障当测试、投产、风控、QA等工作存在跨部门情况时的有效支持。过程实施层面上，在每轮迭代中进行需求封版，能够有效减少迭代过程中需求变更带来的巨大风险。同时在需求封版后确有重大紧急变更的情况，可以经由PMO和CCB通过会议决策后纳入该轮迭代需求，能够提升变更管理能力并响应关键需求。