加快形成新的经济发展方式，必须把推动发展的立足点转到提高质量和效益上来。金融业是数据密集型行业，也是最早运用信息科技技术的一个行业，要加快转型跨越、变革图强，必须高度重视和充分发挥数据的作用。

数据是知识经济时代重要生产要素

推进银行转型发展，必须重视和加强数据分析挖掘工作。

坚持以提高质量和效益为立足点，加强数据分析，实现银行精细化管理。要建立量化的价值分析体系。核算银行每一客户、每个账户的业务，全面计量资金成本、费用分摊、风险拨备和资本占用，从而准确反映每笔业务的价值。要自下而上、灵活汇总，适时统计每一客户、产品、渠道、部门、机构、乃至客户经理、产品经理、风险管理经理和柜员等员工对银行的价值贡献。在价值计量的基础上，进一步实施银行全局性的价值链分析和流程优化再造，提高管理的精度，真正做到奖优罚劣，客观公正地激励员工。真正做到有所为有所不为，在战略调整、资源配置上及时向价值贡献大、资本占用少的业务倾斜。

坚持以人为本，加强数据分析，满足客户个性化需求。一是要建立分析型客户关系管理体系。通过数据挖掘，从海量数据中抽取客户的属性特征、分析行为习惯、进行客户细分，然后有针对性地匹配渠道和产品组合，构建事件驱动的触发机制，第一时间侦测并满足不同客户差异化的实际需求，主动提供交叉销售组合方案，增强产品黏性，提高客户满意度和忠诚度。做到真正了解客户，实现精准营销，提高营销效果，节约营销成本。二是要建立基于客户综合收益的定价机制。随着利率市场化改革的深化，银行亟须增强自身的定价能力。不能只简单计算银行自身的业务单项成本，更不能只盯着其他同业打价格战，而要全面考量客户在银行所有产品组合的综合收益、以及客户生命周期不同阶段的潜在贡献，还要扩展分析单一客户相关的客户群体状况，同时综合考虑银行自身不同产品的政策导向。因客定价，主动运用不同价格策略满足不同客户需求。例如对于小微企业，可以在准确计量风险溢价的基础上，构建自动审批模板，适当提高价格、加快授信流程，既满足企业融资需求，又确保银行风险调整后的总体收益水平。三是要建立一点接入、全程响应的渠道服务体系。自然用户界面正成为人机交互的主流方式，人们购物、支付、出行等各种日常事务处理趋于使用智能终端。银行要加快新兴电子渠道建设，积极推进物理渠道智能化改造，加快标准化交易向电子渠道迁移，同时还要基于企业客户统一信息视图，实现数据在各渠道终端的及时交互，分析不同客户对渠道的习惯喜好，创造最佳客户体验，提供随时、随地、随心的金融服务。

坚持变革创新，加强数据分析，融入开放共赢的时代潮流。首先，要加强全球化数据的分析。中国企业“走出去”和人民币国际化正在加速，境外金融业务大有可为。要积极拓宽视野，收集监测全球数据，在为客户提供好现金归集、贸易融资等服务的同时，特别要分析管理好汇率及国别风险。其次，要加强非结构化数据的分析。随着互联网技术的发展，除传统的数字外，各种文本、图像等非结构化数据激增。基于Web 2.0技术的社交网络促进不同群体的自发聚集，社区内信息几乎“无摩擦”流动。消费者更加主动地参与到生产过程中，而生产者更加着力于主动创造和引领需求，甚至出现了产消合一（prosumer）的崭新业态。因此银行要主动吸收科技前沿技术，利用搜索引擎及数据挖掘技术，及时分析提取用户需求动向以及对银行产品和服务的反馈，适时调整与改进。第三，要加强客户群数据的分析。在开放合作的时代背景下，企业间联系更趋紧密。银行不仅要分析单一客户，还要分析整体行业、整个集团、以及客户关联方的情况。大力发展供应链金融，首先要分析识别核心企业与上下游企业的资金流动规律。基于客户群分析结果，积极开展集群营销，一方面可以充分利用规模效应、降低平均成本，另一方面也有助于银行更加全面地监控风险。

坚持统筹兼顾，加强数据分析，建设全面协调可持续的经营发展模式。银行经营决策是复杂系统在动态环境中多因素多目标的优化问题。面对多因素间的复杂作用和多目标间的可能冲突，传统理论解析模型往往与现实有一定差距。现代控制论和系统论，抓住本质、化繁为简，把研究对象看作一个整体，重点研究不同输入和相应输出的反馈关系，寻找不同目标间的综合平衡状态。基于以上思想，建立资产负债管理仿真分析体系，复制银行内部业务结构、并模拟外部经营环境，设定未来利率汇率变动、不同业务发展策略等复杂情景组合，进行更加精确、逼真、直观地策略试验，分析各种情景对银行方方面面的影响，评估不同策略的综合效果，以最小成本优选出最为贴近未来实际的最佳策略方案，从而为制订综合平衡的发展战略提供有力保障。基于以上仿真分析，一是要平衡好安全性、流动性、效益性的辩证统一。二是要平衡好竞争性、差别性、共生性的有机统一。面对激烈的市场竞争，银行肩负着沉重的业绩压力，但必须始终保持理性态度，通盘考虑、从长计议，充分发挥自身比较优势，制订并坚守差异化的战略定位，才能更好地满足消费者个性化的需求，构建自身不可复制的核心竞争力，在市场竞争中找准自己长期存在的坐标和持续发展的空间，促进整个金融体系健康发展。三是要平衡好股东价值与社会责任的和谐统一。在商言商，在商明政，结合银行自身特点和战略定位，更好地服务实体经济，服务人民群众，服务整个社会。

做好数据工作是项复杂的系统工程

做好数据工作，需要从以下几个方面全方位展开：

第一，建立数据治理架构。银行董事会和高管层要高度重视并积极推动数据工作，将其作为重要内容纳入银行发展战略规划。明确数据归口管理部门以及各环节职责，统筹管理、分工负责。建立全面、科学的管理制度，针对数据全生命周期的各个阶段制订清晰、有效的流程。建立各岗位对数据的查询授权体系，在确保安全的前提下充分共享。将数据分析结果紧密嵌入经营管理流程，构建反应灵敏、富有弹性的创新机制，加快分析结果成为实际生产力的转化速度。

第二，加强数据质量管理。高质量的数据必须是真实、完整、及时、一致的。真实性是数据的生命。假作真时真亦假，个别虚假数据不仅会增加清洗成本、扭曲分析结果，而且会造成数据整体公信力的下降。因此必须正本清源，下大力气在源头就控制好数据质量，把责任落到实处。“书同文、车同轨”，一致性是确保各个局部可以彼此相加、共同组成一个整体的关键。因此必须确保数据标准统一、口径一致，编制并发布规范统一的“数据字典”，建立有效机制保障其权威性，促使银行内部都讲“普通话”。

第三，加快数据系统建设。工欲善其事，必先利其器。当前，并行数据库、分布式存储、云计算等信息科技技术为大数据挖掘提供了有利条件，而神经网络、遗传算法、自动推理等人工智能科学的发展为复杂数据的去粗存精配备了更加灵敏的工具。因此银行要充分吸收科技发展最新成果，打造集中统一的企业级数据仓库，加速利润贡献度分析、分析型客户关系管理、资产负债管理、风险管理、平衡计分卡等各类管理信息系统的建设。

第四，加大数据人才培养。人力资源是第一资源，特别是在知识经济中，智力资本是将数据加工成知识的关键。数据分析工作，不仅需要掌握日新月异的信息科技技术，还要具备针对不同数据情况构造有效模型的功底，更要熟悉银行各项业务，同时对市场具有敏锐洞察力。因此要着力造就一支数量充足、结构合理、素质优良、表现卓越的数据分析师专业队伍。同时，积极借用外脑，开放合作，加速创新进程。

第五，培育数据运用文化。长期以来，人们往往重视定性管理，而忽略定量管理。有些经营管理者对某些问题处理认为“差不多”就行了，有时甚至采取模糊处理的办法。对某些正确的决策，如果“度”把握不好，也容易产生相反的效果，最终使正确的决策变成错误的。事物的数量与性质是相互转化、对立统一的，量变发展为质变。因此，要形成数据驱动型的新的发展方式，必须大力倡导数据文化，加强全员宣传培训，人人重视数据，分析数据，善于用数据说话，真正把数据运用到经营管理决策和日常工作之中，改变粗放式经营，减少随意性，增强经营管理的前瞻性、针对性和有效性。