銀行業商業智能熱的冷思考

　　從2002年開始，伴隨著對數據分析、業務分析和綜合分析需求的不斷產生，我國銀行業的商業智能(BI)應用全面啟動，許多商業銀行都分別實施了不同層次的BI系統。但從整體市場看，商業智能的概念眾說紛紜，給銀行業選擇合適的商業智能解決方案造成很大的難度。

　　從用戶需求的角度，可將BI定義為：一種為企業或機構提供大規模數據聯機處理、數據挖掘、數據分析，以及報表展現等服務，以實現對特定的商業目標或企業整體績效提供定

量化決策支持的綜合解決方案。BI的實現依賴于一系列數據處理分析工具：查詢和報表處理工具、聯機分析處理(OLAP)、數據倉庫、數據挖掘、數據分析與展現工具。

　　根據對目前BI應用的產品技術形態，又可將BI分為專業分析型、綜合分析型、分析工具包三類。專業分析型：以滿足特定的業務分析需求為目標，提供支持局部業務單元數據處理、OLAP、業務單元分析、報表展現等功能。對數據規范和標準化要求較低。綜合分析型：滿足企業績效、領導者決策支持等面向企業綜合分析需要為目標，提供EAI、數據集市、多維分析、數據挖掘、分析建模、報表展現等功能。對數據規范和標準化要求高。分析工具包：不面向具體的應用，以提供分析支持工具為目標。集成商和用戶可以根據需要進行組合，結合其他信息系統實現業務分析或綜合分析的需要。

　　研究發現，目前上述三種類型的BI產品在我國銀行都有應用。這些產品的引入改變了銀行業的決策和管理方式，是銀行業面臨改革的必然選擇。回顧BI應用在中國銀行業的發展過程，也正是中國銀行業從傳統的“拍腦袋”決策到科學決策的過程，對中國銀行業的改革具有重要的意義。

　　BI對銀行業的意義

　　剖析我國銀行業發展的歷史進程，可以看到，近年來，銀行的決策方式發生了極大的變化。在國家專業銀行階段，決策方式的特征是計劃性和行政命令；1994年-2003年的國家獨資銀行階段，決策方式的特征是專家輔助，領導決策；而從2003年開始的國家控股股份制銀行階段，四大國有銀行進行股份制改造，銀行需要對董事會負責，對定量分析的需求增加，開始進入科學決策階段。BI作為定量分析和決策支持的解決方案，是銀行實現科學決策的重要手段。

　　另外，入世后，隨著外資銀行的不斷進入中國，銀行業面臨著全球化競爭，銀行產品創新的速度也愈來愈快，許多銀行系統工具的創新不能適應業務創新的需要，銀行信息系統更新的速度相對落后。隨著銀行產品種類增加，國內對于銀行風險控制經驗不足，經營風險越來越大，風險監測、計量的工具相對欠缺。銀行的數據越來越多，而對數據利用因為缺少合適的工具，以及工具利用不足，不能為科學的決策提供充分的證據。

　　在重重壓力下，需要借助BI來挖掘數據價值，實現科學決策。在客戶分析、績效評價、風險監測和分析、報表處理方面，銀行需求近年來明顯增強，近兩年增長高達52%。近期的銀行BI項目90%以上都直接與以上幾方面密切相關。

　　銀行業BI應用的挑戰

　　研究發現，各家銀行在BI實際應用中，仍然存在很多挑戰和問題。

　　用戶需求的易變性與系統剛性的沖突。易觀國際通過對銀行用戶的抽樣調查發現，銀行商業分析需求在6個月內有較大變動的占6.7%，在6個月-12個月會有較大變動的占13.5%，在12個月-18個月才會有較大變動占22.1%，在18個月-24個月內才會有較大變動的占28.9%，在24個月以后才會有較大變動的占20.80%。接近80%銀行用戶認為，商業分析需求會在24個月以內發生較大變動。而目前的系統剛性與這種需求易變性之間的矛盾更加突出，這會造成BI系統實際使用壽命大大縮短，銀行用戶需要不斷更新系統和大規模維護相關模型和數據。由于目前四大國有銀行正在進行股份制改造，中小銀行面臨著更多的外資銀行競爭壓力需要不斷創新產品，這都將影響到商業銀行業務和組織的變化，商業分析需求變化頻繁還將持續較長一段時間。

　　數據資源整體規劃的缺失，導致BI應用不能快速切換。國內銀行數據資源普遍缺乏整體規劃，數據格式、數據結構、數據標準存在不同，使得一些銀行在實施商業智能過程中不得不反復中止，重新進行數據資源規劃。易觀國際在調查中發現，目前只有約15%的銀行進行了數據資源規劃或準備進行數據資源規劃，約85%的銀行還沒有進行數據資源規劃。這將造成商業智能數據抽取的難度，導致BI應用不能快速切換。

　　數據孤島和業務數據不完整，為BI目標實現增加難度。目前國有銀行的數據大集中，主要針對業務系統方面。由于各種歷史原因，部門級、各層級機構管理系統繁多，有的銀行甚至有超過100多個大大小小的系統，這些系統平臺和數據格式差異很大，系統的覆蓋范圍不同，造成大量的數據孤島。另外，還存在一些數據不能進入系統，形成數據不完整。

　　現有產品技術與廠商兼容性，是BI應用實現的壁壘。目前國內BI應用市場活躍的廠商有50家左右，進入中國的國外大型的商業智能廠商有12家左右。不同的BI廠商提出了不同的解決方案，而除了少數大的廠商提供相互兼容接口，更多的廠商之間兼容性并不夠，不同商業智能工具和平臺之間不能相互支持。隨著綜合分析應用需求的不斷增加，目前銀行已經開展的商業智能應用之間的集成，將是商業智能應用領域重點問題。

　　當然，上述問題的存在，很重要的原因也在于銀行在選擇BI應用時，過多追求大而全，盲目實施。因此，選擇合適的策略就非常重要。

　　銀行業BI應用策略建議

　　對于中國銀行業BI應用，可以選擇三種不同的策略：數據驅動策略、業務驅動策略、價值驅動策略。處于不同信息化建設階段、規模大小不同的銀行，可依據自身條件選擇不同的策略。

　　數據驅動型策略。核心特征是圍繞特定的部門級的信息分析需要或報表處理需要，通過對部門級的應用或單個業務系統的小規模數據(1Gb-100Gb范圍內)進行數據挖掘，并采用前端BI展現工具進行信息展現。該策略可作為中小型銀行信息化建設相對落后的銀行的選擇。

　　業務驅動型策略。核心特征是圍繞特定業務線的面向系統的信息分析需要或報表處理需要，通過對跨部門的單個業務系統或多個系統的中等規模數據(100Gb-1000Gb)進行數據集成(ETL)、構建數據倉庫、采用數據挖掘或OLAP技術進行信息分析，并通過前端BI展現工具提供面向特定業務線的決策支持。這種策略可以作為較大規模的銀行，信息化建設具有一定基礎的銀行，如股份制商業銀行和較大的城市商業銀行的選擇。

　　價值驅動型策略。核心特征是圍繞企業級BI應用需要，以滿足企業決策支持為手段，最終提升企業績效為目的，通過對銀行內部多個信息系統的海量數據(TB數量級)進行數據集成、構建企業級數據倉庫、采用數據挖掘、O鄄LAP、分析模型構建等方法進行信息綜合分析，并通過多種BI展現工具提供面向銀行的全面決策支持服務。四大國有銀行目前BI應用還主要停留在業務驅動階段，但它們的信息化建設相對完善，條件較為成熟，可以逐步采取價值驅動型策略。

　　總體來說，BI的深入實施和應用是中國銀行業的必然選擇，選擇合適的策略則是銀行在實施過程中，最先要考慮的要素。而合適的策略，是由自身的業務、戰略需要，以及現有的技術與管理條件所決定的。弄清了這些，BI的應用或許就會多幾分理智和清醒，少幾分盲目與冒進。