分析银行业商业智能存在的问题及对策

信息报告和数据分析一直是现代企业管理的核心内容。在强化管理的内在需求迫使下，新的IT技术和理念不断地被导入到企业信息体系中。在我国银行业，数据仓库系统和商业智能(BI)的引入与实施已经持续了很长一段时间。围绕这两个技术概念所创造出来的客户关系管理、风险管理、决策支持、管理信息系统、数据平台、综合报表平台等等应用系统名称，乃至一些诸如多维分析、数据挖掘等等系统和纯技术概念被广为接受，与此相关的各类应用和集成服务项目也一直被当作各专业服务商、咨询商、产品厂商的工作重点。

但是，近十年的时间过去了，纵观这些林林总总的BI项目，却会发现真正为企业管理起到关键推动作用，真正达到“决策支持”目的的成功项目却是凤毛麟角。要么是购买了一堆工具后束之高阁，要么是把花费巨资引入的BI工具作为“报表”工具使用，进行简单的信息报告，更有甚者，使最终的项目成果变成是一个对手工采集数据进行展现处理的报表躯壳。那么，这种现象的根源何在？是因为技术不成熟？是因为所购买的工具不先进？还是其他的原因导致了这种现象的频繁发生呢？

明确项目定位

任何一个BI应用的提出，都是围绕一个业务的管理主题而提出的。所以，银行首先需要回答的是——要解决一个管理问题，还是要改善数据的展现方式和交互形式？在实际工作中，银行的管理信息体系所包含的业务主题非常宽泛，大致包括客户关系管理、战略绩效管理、全面风险管理等几个大的方面。这些管理主题的每一个业务模块又可以分解为大量的关键业务指标。很显然，这些管理模块中的每一项关键指标几乎都是常规业务系统所无法提供的，而必须由一个个管理信息系统的专用模块计算完成的，这些专用模块不仅需要大量基础数据的支持，同时，包含了复杂的业务逻辑维护和复杂中间计算过程，这一过程既不可能单纯地由数据采集(ETL)过程来完成，也不可能单纯地依靠BI工具的计算逻辑定义来承担。因为BI工具本身是不能也不会去参与这种数据的加工和业务逻辑处理的。所以，我们通常所提到的客户关系管理、风险管理等管理类应用系统的关键并非“数据分析”，而是“数据加工”。也就是说，这些项目成败的关键在于业务逻辑的处理，而不在于数据的摆放模式和展现手段。当然，如果银行已经计算出了这些关键的业务指标，希望借助更加强大的分析工具和更加丰富的交互手段，来强化应用系统的数据分析能力和知识发现能力，项目成败的关键就会演变成BI工具的选择以及BI工具的部署了。所以，银行首先要明确的就是项目的定位，这是整个项目的基础，也是影响项目成败与否的关键步骤之一。

客观分析基础数据环境

BI是对与企业决策过程相关的所有内部的和可能得到的外部数据，进行采集、清洗、汇总、综合、分析、利用和传递，使数据转换成为信息和知识的过程，是企业信息化的新领域和更高的层次，是企业数据生命周期的第二阶段。所以，从某种程度上说，BI项目业务目标的实现严重依赖基础数据的完整性和规范性。以“1104工程”为例，许多人都曾经设想通过一个大投资的BI项目或者“数据仓库”项目来解决监管报表的自动生成问题。但是，冷静下来分析就不难发现，一般商业银行的现行信息体系中，仍有许多业务的明细数据不规范、不完整，很难成功。比如：债券投资、存放同业、同业存放等大都缺少电子明细，即使有明细数据，也很难分清交易对手的行业特征和风险权重因素；传统的抵债资产、不良贷款处置方式、案件发生情况等信息在业务和管理信息系统中几乎没有对应的电子数据；银行账簿、交易账簿也没有严格的区分。这些问题如果不通过改善基础业务系统的管理精度，或者同步开发必要的信息补录平台，单纯依靠BI工具是难以达到预期的项目目标的。所以，对客观数据环境的分析和准确评价也是成功与否的关键步骤之一。

合理选择BI工具

对技术发展的历史和趋势来看，在BI领域有一个基本的共识：整个技术应用进程经历了从数据到报表，从报表到报告，从报告到知识的发展过程。而在不同的阶段，需要不同技术手段和管理水平进行对应。

银行在规划或启动一个BI项目前，需要首先来分析业务目标是什么？项目目标是为了实现综合业务系统的基本财务、业务明细、交易流水、业务量统计等一般报表的生成和输出？是为了方便的查询、打印、导出人行金融统计监测、1104工程报表等监管报表？还是进行收益率、风险变化趋势、业务量分布等统计分析报告？……这些目标可以方便的帮助银行确认一个问题：是需要一个报表工具还是BI工具？报表不等于报告，报表工具也有别于BI工具，即使在BI厂商所提供的产品包中，两者也有明显的区别。

“报表”强调的是格式、效率和精确性。首先，从格式上来说，比较具有挑战性的就是所谓的“中国式报表”。比如：损益表需要收入、支出分别在左右两栏列出，最后的总收入、总支出在同一行上显示，而且报表中会出现一些可能是全部或者部分的“其中：”项。其次，报表系统要满足报表生成、查询和分发等各个环节的处理效率和响应能力，在当前各金融机构已经几乎全部采用“大集中”策略后，各分支机构的日常业务报表需要被快速的生成和分发下去，并被转移到报表服务器上，实现报表的快速访问和打印。而BI分析的特点则是以旋转、钻取、切片为代表的图形分析、统计模型、仪表盘等交互分析。项目开始之前，银行需要很好地分析一下自身的业务需求特点和技术要求，选择一个最适合的技术平台和工具，才能确保最佳的投入产出比。

重视实施组织

任何一个项目的成功都离不开专业的实施，当然BI也不例外，甚至表现得更加突出。BI项目实施需要的是对“数据”的驾驭能力，实施团队不仅需要熟悉BI工具的“操作工”，更是需要对金融企业数据逻辑了然于胸的“建模工程师”。

仍以“1104工程”为代表的监管报表为例，以流动性缺口G21、利率重定价G33、风险等级迁徙G12和风险加权资产等报表为代表的分析主题中，需要很高的业务分析能力和基础数据整合能力。项目实施过程中，系统开发者是否对已有的基础数据进行了充分的采集和规范化整理，是否对缺失的基础数据提供了严谨、规范、便利的信息补录机制，是否基于这些基础数据对流动性缺口、重定价期限缺口、风险等级迁徙等复杂报表进行了专业化计量管理……这些都直接影响到系统最终业务目标的实现。如果没有这些专业的基础数据整合框架(数据模型)，如果没有赋予数据整合一个“活的灵魂”，再高级的BI工具、再先进的数据仓库平台也只能是一个徒有其表的躯壳而已。

BI的基础包括了商业信息、商业定位、商业策略和商业思维，没有信息和业务体系加以支撑，“智能化功能”是无法得以体现的。所以，我们必须清醒地看到：商业智能软件只是其中的一个手段、一个工具而已。商业智能软件或解决方案不是金融管理信息系统的充分或必要条件。也就是说单纯依靠商业智能软件无法解决风险管理、客户关系管理、战略绩效考核的问题。

总之，管理信息系统的核心是“管理”，而不是工具或技术；管理的核心是规则、流程和模型，而不是空洞的概念和光鲜的展现图表。在有效的数据整合和数据规范基础上，合理地应用数据仓库和BI技术，构建完整的企业数据模型和专业的业务计算模型，才是有效实施银行管理信息系统的关键所在。