華夏銀行:數字人才賦能：華夏銀行企業級數據服務共享平臺

企業簡介

華夏銀行於1992年10月在北京成立，是首鋼集團有限公司獨資組建成立的全國性商業銀行，是全國唯一一家由製造業企業發起的股份制商業銀行。華夏銀行在改革開放總設計師鄧小平的關心支持下，於2003年9月上市交易，成為全國第五家上市銀行。

近年來，華夏銀行在政策驅動與監管要求下，已將數字化轉型確立為重要戰略轉型方向，不斷加大科技投入，建設數字化人才體系，全面推進數字化建設。投入主要集中於數字科技轉型，包括多個重點任務和條線轉型方案，旨在提升金融科技對業務發展的賦能和服務能力。

管理需求和挑戰

背景和挑戰

從宏觀背景來看，隨著我國經濟從高速增長階段轉向高質量發展階段，產業結構正面臨升級轉型。

從行業角度來看，傳統銀行業面對金融科技的快速發展和市場競爭的挑戰，應積極推進數字化轉型。

從政策角度來看，國家政策鼓勵銀行業加快數字化轉型。政府工作報告提出，要深入推進數字經濟創新發展。這為銀行數字化轉型提供了有力的政策支持。

從我行現狀來看，數字化轉型涉及的技術領域廣泛，面臨著嚴峻的技術挑戰。雲計算、大數據等都需要投入大量的資源進行技術研發與應用。

行動方案

為響應國家號召，華夏銀行制定《華夏銀行2023—2028年數字化人才體系建設行動方案》，方案指出三項重點工作，一是構建企業級數字化能力圖譜，二是構建支撐萬人規模的培訓認證體系，三是啟動全行業務人員、數字化轉型相關崗位人員培訓和認證，探索推行上崗考試認證。

在總行引領下，我行已搭建企業級數據服務共享平臺（以下簡稱“平臺”），平臺的核心特色之一是集成了帆軟BI，這種集成不僅為平臺帶來了前所未有的功能擴展，更為全行業務人員和科技人員打造了一個全面、高效、便捷的數據分析環境。

依託該平臺2023年7月啟動數據分析師人才的培訓和培養工作，既有工作中的實用技能，又有數據分析思維培養，還加入了業務場景實操課程，秉承“學中練”、“練中幹”、“以賽促學”、“資質認定”的方法讓學員們掌握數據分析技能和使用行內數據的方法，提升了各業務人員對數據的掌控能力，並將所學知識應用到實際工作中，為全行數字化轉型貢獻智慧和力量。

培養方案

培養對象

對標同業最優實踐及我行數字化轉型戰略要求，我行定義三類數據化人才，分別是數字化管理人才、數字化應用人才和數字化技術人才，每類人才分不同的培養方向和等級，平臺組織的培訓納入全行數字化應用人才（數據分析方向）初級及中級培訓課程。

培養目標

平臺是全行數據服務體系的一部分，數字人才數據分析師培養計劃以滿足華夏銀行全行數據服務需求為出發點，以實現服務運營與管理能力提升為立足點，充分發揮數據服務價值，為全行業務人員提供數據展示、數據加工及報表、報告製作能力，實現數據分析自服務能力，構築一體化企業級數據服務平臺。

培養過程

平臺協同總行19個部門、40家分行，總分協作、業技融合，通過體系化的培養解決“查數難、取數難、用數難”的痛點，助力“表哥表姐”升級為“數哥數姐”，提高全行數據認知和應用能力。

取得成效

組織全行BI培訓，平臺經過總、分行聯動運營，平臺整體使用率都得到了較高的增長。截止2023年12月底，全年共發佈數據產品2348個，比年初翻了5倍，其中分行發佈1782個，佔比近76%。活躍用戶由年初的427人增長至9131人，增長超過20倍，全行月活人數佔比28.5%。

典型成果

場景一：華夏銀行個人線下貸款大看臺

發現問題

個人業務部同事發現當前的報表存的問題：一是平臺多報表散；二是報表多為明細報表，涉及客戶信息或業務信息，例如身份證件號、房產坐落地址、手機號等客戶經理無法查詢；三是數據統計要求高，報表查詢員需具備基本EXCEL操作經驗，明細報表下載後需重複去重、合併、彙總、篩選等工作；四是明細報表一查查全部，無法事先脫敏敏感信息，這些痛點讓信息保護落實難上加難。

解決過程

個人業務部同事通過參加平臺組織的數據分析師人才的培訓（包括FineBI初階培訓和FineBI中級培訓），培訓完成後秉承“各有所長，各盡其長”進行人員分工組織進行自助分析和開發統一看板（個人線下貸款大看臺）。

場景價值

一是減少人工大量重複查詢、重複統計的的時間和精力，一個看板滿足全行各級人員使用需求；二是業務人員根據業務使用思維進行可視化展示，界面美觀，內容清晰；三是按照傳統開發模式需要經過立項、需求評審、技術開發、測試、驗收、投產等環節預計1個月才能完成的需求，業務人員1周即完成看板的開發和投產，節省了大量人力和時間成本，促進全行降本增效。

場景二：華夏銀行對公賬戶風控雷達

發現問題

隨著2022年12月1日《中華人民共和國反電信網絡詐騙法》的正式實施，對商業銀行在賬戶管理中應履行的權利義務列入法條，對不盡職的行為也要承擔法律責任。運營管理部在進行對公賬戶分析時發現的問題：一是賬戶分級分類如何一目瞭然？二是每個賬戶風險點到底有哪些？三是賬戶網銀限額設置合理嗎？四是賬戶管理措施有數據支撐嗎？

解決過程

參加平臺組織的數據分析師人才培訓的運營管理部同事通過對基礎數據的分析提出了“兩個層面數據分析，三組人員使用數據”的思路通過BI工具進行自助看板的製作。

場景價值

一是解決了賬戶管理只提要求，不提供管理手段的困難，讓管理要求落地可視化；二是解決了賬戶管理工作中因人員風險接受程度存在差異導致相同事件不同人員判斷出不同結果的問題，分行統一判斷風險指標的嚴重程度，通過參數化將指標轉換為風險分值，再由系統根據不同賬戶觸發的風險值個數和頻次為每個賬戶計算出賬戶風險值，實現全行賬戶管理統一標準；三是解決了賬戶管理點多面廣、數據分散的問題，將關注信息和數據整合展示，實現集約式管理；四是解決了櫃面在對賬戶管理做判斷時不再是憑藉主觀想法，例如賬戶網銀權限設置是否合理（不再由人工進行判斷），而是通過平臺進行數據提取，準確判斷，成為賬戶管理的有力工具。