數據指標在金融行業的應用-張鯤-v2.pdf

《數據指標在金融行業的應用-張鯤-v2.pdf》由會員分享，可在線閱讀，更多相關《數據指標在金融行業的應用-張鯤-v2.pdf（36頁珍藏版）》請在三個皮匠報告上搜索。

1、DataFunSummit#2024數據指標在金融行業的應用張鯤 帆軟金融事業部 咨詢總監01怎么建體系？02怎么建底層？03怎么用指標？目錄 CONTENTDataFunSummit#202401怎么建體系？指標體系設計框架指標體系建設目標指標體系設計管理體系管理制度管理流程組織職責142多維多層指標框架客戶產品渠道機構一級：戰略指標二級：經營管理指標（結果指標）三級：業務執行指標（過程指標）橫向：指標業務維度指標體系應用3標準報表自定義報表可視化應用指標體系設計方法縱向：指標管理維度1、業務發展戰略解讀2、企業價值樹分解3、價值樹推導指標3、指標整合2、指標歸類1、指標收集經營分析指標庫基

2、于公司發展戰略，梳理戰略相關的關鍵價值驅動因素，理解營銷活動的關鍵目標以行方戰略目標和數字化轉型目標為導向，分析影響戰略實現的決定性因素，梳理指示實現價值的可測量數據形成指標xx銀行十四五戰略規劃(2021-2025年)XX銀行數字化轉型規劃調研訪談現有營銷指標零售銀行戰略定位零售業務高質量發展高效的管理運營布局覆蓋城市和小微的大零售格局豐富產品體系加大營銷力度降低運營成本提升服務質量整體戰略價值驅動因素一級指標活躍客戶數產品使用率新增客戶數新增交易額營銷轉化率觸達效率投入產出比營銷成本滿意度NPS客戶投訴率指標體系-建體系：通過自上而下的價值樹分解（Top-down）與自下而上的經營分析指標

3、梳理（Bottom-up）形成客戶經營指標庫 建體系：以營銷為目標，構建客戶指標體系做評估補數據自上而下演繹基于集團業務發展戰略，通過企業價值樹分解，梳理企業核心關鍵KPI，形成指標庫AB1、業務發展戰略解讀2、企業價值樹分解3、價值樹推導指標3、指標整合2、指標歸類1、指標收集客戶經營指標庫自下而上歸納通過梳理企業現有客戶經營分析指標，形成指標庫A:自上而下演繹：運用價值樹分解價值驅動因素，逐層進行指標的拆解，保障指標體系的完整性和可落地性價值樹將公司的總體戰略分解為影響它的“關鍵因素”，即價值驅動因素根據對公司戰略的影響，對價值驅動因素進行排序價值樹價值驅動因素優先級價值樹和價值驅動因素優

4、先級排序相結合，可以幫助行方設計完整的指標體系，并保障在服務行方戰略目標的同時，滿足經營管理的需求北極星指標：保證自上而下的戰略方向一致，引導整個團隊集中精力，打破“豎井”使資源更加聚焦，協同更有效率。明確北極星指標從行方整體戰略目標出發，根據價值樹框架，識別每一關鍵驅動因素的關鍵指標，找到唯一關鍵指標作為北極星指標。A:自上而下演繹：以價值樹方式逐層拆解指標示例未拆解節點節點指標2 提升客戶留存和活躍增加客戶留存提升產品銷售能力客戶月活率APP注冊率提升客戶粘性提升客戶忠誠度活躍率轉化率分期等產品用戶轉化率促進交易量新增消費額累計交易筆數額度使用率月均交易額客戶喚醒率綁卡率人均持卡數流通率客

5、戶流失率商城訪問量提升審批效率B:自下而上歸納：通過梳理企業現有經營分析指標，自下而上歸納總結形成指標庫指標收集指標解析指標整合和歸類指標成果梳理：定義指標業務維度和技術維度，梳理指標與維度的對應關系，形成指標庫庫收集指標：向各業務部門收集經營指標清單，按指標類型對指標進行分類解析指標樹：梳理指標之間的關聯關系，逐層拆解后得到指標樹及指標圖譜營銷指標體系框架：多維度、多層級、全場景覆蓋APP月活MAU2.提升客戶留存和活躍度4.提升客戶滿意度3.提升客戶貢獻1.擴大客戶數量一級指標（北極星指標）二級指標三級指標新增辦卡數量新增凈客戶數量有交易客戶存續率首刷率交易金額流通數業務維度技術維度客戶渠

6、道機構產品場景口徑值統計第二層第三層第五層第二層實際管理同比按月第二層第三層第五層第二層實際管理同比按月第二層第三層第四層第二層實際管理同比累計第二層第二層第五層第三層實際管理同比按月第二層第三層第五層第三層實際管理環比累計第三層第三層第五層第三層實際管理同比按月第二層第三層第四層第二層實際管理環比按月第三層第三層第四層第二層實際管理同比按月價值驅動因素提升渠道銷售能力網銀月活客戶經理月產能指標體系-建體系：通過7大步驟逐步自下而上梳理指標體系進展情況業務全景圖23業務條線業務場景業務流程業務過程指標梳理步驟業務調研訪談梳理業務條線、業務場景梳理業務流程、業務過程基于現有指標底表，識別原子指標

7、組合提煉核心KPI明確分析維度拆解影響KPI的關聯業務事件，明確影響因素拆解影響KPI的關聯指標，明確下鉆計算邏輯匹配落地技術工具12345674.14.2如何識別核心KPI核心KPI歸因分析應用4梳理原子指標、衍生指標零售信用卡中心汽車金融私財客戶網點管理中心網金及財富管理金融綜拓零售企劃零售風險零售HR零售財務經營及消費貸款貸款后貸款中貸款前獲客進件審核放款還款催收留存注冊開戶活躍授信審核貸款審核簽訂合同風險審核簽訂合同放款審核發放貸款還款提醒賬戶扣款還款登記短信催收電話催化制定還款方案約定還款日期提起訴訟驗真下發名單認領名單自留名單撥打名單再貸款流失當前識別核心KPI數量指標體系-做評估

8、&補數據：構建數據全景圖，有序推動指標完整性建設數據全景圖L0服務體系基礎服務L1信用卡L0產品戰略產品研發L1L0客戶運營SAT運營L1L0負債匹配委托投資L1L0資源投放資源運用L1資源域投資域客戶域產品服務域飽和度100產品服務域電子渠道域客戶域投資域資源域數據飽和度評分三級域：二級域：一級域：業務過程：主顧積累 互動開拓 理財促成 服務經營銷售管理(活動量管理)獲取名單建立聯系激活用戶互動養客鎖客激發需求缺口分析方案呈現簽單持續服務保險復購3個已覆蓋指標價值鏈10個9個13個4個10個6個3個7個5個電子渠道域原子指標新戶AUM開卡客戶數交易總金額理財復購3個電子 渠道域0個0個 建立

9、基于統一價值鏈的完整指標體系 通過數據全景圖評估出價值鏈的覆蓋度和數據飽和度 從數據價值的角度，有序推動指標完整性建設建體系做評估：梳理所需指標缺失度、飽和度等補數據：通過主動和被動的方式補充數據指標運營管理屬性運營業務屬性運營技術屬性指標分類屬主部門系統字段名稱指標數值類型指標技術口徑指標編號指標的唯一識別編號指標名稱指標的中文名稱可基于價值鏈和管理主體進行劃分指標定義部門指標含義指標的業務含義指標計算規則計算過程的數學算式指標統計頻率指標所需的更新頻率業務場景在業務上的使用場景指標統計時間區間統計時間區間如：截止當年、最近X日、整周等技術實現邏輯系統名稱-界面路徑-字段名稱數值類型如：數值

10、、同比、環比、較年初等指標業務口徑統計口徑的業務描述完成指標庫業務、技術、管理維度屬性定義指標體系的運營管理制度、流程、組織職責三方面保障指標全生命周期的管理旨在，針對指標生命周期的各個環節，提出相應的管理策略和原則，更好的進行指標的管理，指導執行的落實。指標管理角色定義指標管理端到端流程指標需求收集指標拆分創建指標發布應用指標歸檔失效部門職責管理制度管理層下達北極星指標業管部門CRM團隊指標創建規范管理指標度量標準創建業務部門指標的信息整理指標的內容檢驗業管部門指標拆解指導業務部門指標的拆分指標的梳理指標的創建技術部門執行數據質量檢查指標管理平臺維護業管部門指標發布審批管理指標應用分析管理業

11、務部門指標發布指標執行技術部門指標部署管理指標權限管理指標分析平臺管理業管部門指標時效歸檔管理業務部門提出失效歸檔需求技術部門執行標簽歸檔、失效方案指標全周期管理辦法指標創建規范績效考評辦法指標數據質量規范指標管理平臺規范指標發布審批流程指標權限管理辦法指標分析規范指標失效歸檔管理辦法失效歸檔流程指標全生命周期管理指標管理維護者指標落地開發者指標屬主指標消費者DataFunSummit#202402怎么建底層？ODSDWDDWSADS業務過程業務過程實體業務過程業務過程實體業務過程業務過程實體實體實體業務過程業務過程存款事實表貸款事實表理財事實表同業事實表公司客戶維度個人客戶維度科目維度票據事

12、實表信用卡事實表非標事實表債券事實表機構維度公司客戶寬表個人客戶寬表貸款業務寬表存款業務寬表表外業務寬表同業業務寬表支付業務寬表外匯業務寬表業務過程寬表跨域實體寬表應用結果表應用結果表少量維度少量業務過程事實表少量實體事實表業務過程窄表跨域實體窄表少量維度駕駛艙看板主題分析報表固定查詢報表移動端報表應用貼源層明細層匯總層應用層數據分析應用分層處理，每層定位明確，模型設計需要滿足應用，因此數據需求來源于應用數據流向需求指引DWD層是數據倉庫的核心層，該層一般保持和 ods 層一樣的數據粒度，并且提供一定的數據質量保證?；A層做的操作包含數據清理、數據標準落地、數據脫敏和維度退化。01數據清洗02

13、數據標準落地03維度退化04數據脫敏 事實表加入etl_time時間信息，例如hive中date_format(current_timestamp,yyyyMMdd HH:mm:ss)格式；將日志中的經緯度解析為省市縣地址信息；空行去除。日期格式按照數據標準統一；字符串統一為String格式；數據中有空字符串、null值、N等，統一為null值；布爾型字段，有使用0/1標識的，也有使用true/false表示的，統一為Y/N。涉及用戶敏感信息用*表示，如手機號135*2456；涉及金額進行指定的算法進行加密處理，如交易金額原為20000元，加密后變為400元。維度退化是將明細事實表的某些重要維

14、度屬性字段做適當冗余，即寬表化處理。對業務數據傳過來的表進行維度退化和降維，如將原來商品的一二三級分類維度合并到商品事實表中。清晰數據結構-DWD層建設：承接ODS，完成標準落地，從源頭把控數據質量匯總層是為提高數據訪問效率等要求而設立，數據來源于基礎層，將數據輕度匯總后整合匯總成分析某一主題域的服務數據，可依照業務需求劃分主題，一般情況下一個主題一張寬表，例如用戶信息表、用戶設備信息表、用戶理財信息表等，可以形成日、周、月粒度匯總明細表。匯總層提供的多為較為通用的模型和服務。不面向特定應用，提煉各應用的需求共性，設計通用實體對象，服務之后的數據報表和數據產品指標需求1包括多種數據粒度，需要逐

15、層加工、匯總(從輕度匯總到深度匯總)，相同粒度和不同粒度的數據都可以匯總，不同粒度的數據匯總時需要通過聚合操作將粒度統一，避免創建太多表，指標口徑一致，提供詳細的描述2對明細層數據進行預連接、預計算、預聚合等，適當冗余設計，涵蓋所需分析主題的相關維度和指標，提高查詢效率3對于比較大的實體為方便使用、提高查詢效率可根據業務拆分多個實體4面向分析維度設計，更側重業務人員理解和使用5本層特點：清晰數據結構-匯總層（DWS層）（1/3）比如，匯總的聚集表能否與他人公用？基于某個維度的聚集是否是數據分析或者報表中經常使用的？如果滿足這些情況，我們就有必要把明細數據沉淀到匯總表中。數據通用性數據主題域是在

16、較高層次上對數據進行分類聚集的抽象，如交易統一劃到交易主題域下，商品的新增、修改放到商品主題域下。不跨數據主題域如_1d 表示最近1天，_td 截止到當天，_nd 表示最近N天。統計周期表命名上要能說明數據的統計周期比如，如果存在7天和30天的事實，我們可以選擇用兩列存放7天和30天的事實，但是需要在列名和字段注釋上說明清楚避免將不同層級的數據放在一起匯總層的表建模應遵循以下的原則:清晰數據結構-匯總層（DWS層）（2/3）清晰數據結構-匯總層（DWS層）：充分解決指標類需求的復雜加工問題（3/3）20表名ANL_BA_CDL_LON_BUS_AGRGT_TAB說明客戶貸款業務匯總表 客戶分析

17、序號字段英文名稱字段中文名稱1CUST_IDN客戶編號2BELNG_ORG歸屬機構3SUBJ_COD科目代碼4PROD_TYP產品類型5CHL_TYP渠道類型6CR_TOTL授信總額7CR_BAL授信余額 DATA_DAT數據日期/*XXX_客戶授信金額*/SELECTCASEWHEN T6.CHARGE_OFF_DATE=THENcast(T6.BAL_INTABLE asDECIMAL(16,2)+cast(T6.BAL_OUTABLE asDECIMAL(16,2)ELSE cast(T6.CHARGE_OFF_AMT as DECIMAL(16,2)END CR_BALFROM CCP

18、_CCP_ACCOUNT T1-賬戶表LEFT JOIN CCP_CCP_CUSTOMER T2-客戶表ON T1.CUST_ID=T2.CUST_ID調整前/*ATO_O端客戶授信金額*/SELECTCASEWHEN T6.CHARGE_OFF_DATE=THENcast(T6.BAL_INTABLE asDECIMAL(16,2)+cast(T6.BAL_OUTABLE asDECIMAL(16,2)ELSE cast(T6.CHARGE_OFF_AMT as DECIMAL(16,2)END CR_BALFROM CCP_CCP_ACCOUNT T1-賬戶表LEFT JOIN CCP_C

19、CP_CUSTOMER T2-客戶表ON T1.CUST_ID=T2.CUST_ID/*ATO_T端客戶授信金額*/SELECTCASEWHEN T6.CHARGE_OFF_DATE=THENcast(T6.BAL_INTABLE asDECIMAL(16,2)+cast(T6.BAL_OUTABLE asDECIMAL(16,2)ELSE cast(T6.CHARGE_OFF_AMT as DECIMAL(16,2)END CR_BALFROM CCP_CCP_ACCOUNT T1-賬戶表LEFT JOIN CCP_CCP_CUSTOMER T2-客戶表ON T1.CUST_ID=T2.CU

20、ST_ID/*授信余額*/SELECTCASEWHEN T6.CHARGE_OFF_DATE=THENcast(T6.BAL_INTABLE asDECIMAL(16,2)+cast(T6.BAL_OUTABLE asDECIMAL(16,2)ELSE cast(T6.CHARGE_OFF_AMT as DECIMAL(16,2)END CR_BALFROM CCP_CCP_ACCOUNT T1-賬戶表LEFT JOIN CCP_CCP_CUSTOMER T2-客戶表ON T1.CUST_ID=T2.CUST_ID/*XXX_客戶授信金額*/SELECTCR_BAL-授信金額FROM ANL_

21、BA_CDL_LON_BUS_AGRGT_TAB T WHERE CHL_TYP in(01)客戶分析主題中，加工“客戶貸款業務匯總表”，用于提前沉淀復雜邏輯可按照客戶、賬戶、機構、產品、渠道多類要素等字段整合到一張表，結構上表現出字段非常多。寬表化按主題塊方式組織、按需要字段分組、往上匯總金額。匯總化/物理化調整后DataFunSummit#202403怎么用指標？BI分析是指標應用的主要場景，可分為4個層次，統計型、歸因型、預測型、決策型統計型基于現有數據進行統計分析歸因型分析統計結果，得出導致現狀的主要原因、次要原因等預測型根據現有統計分析，預測一段時間后的指標變化，或者可能發生的事件決

22、策型得知原因后，直接通過業務系統改進，完成閉環4層次BI分析現有BI應用絕大部分屬于統計型預測型決策型統計型歸因型戰略指標監測 集團戰略指標監測報表經營決策支持 集團主要經營指標報表 集團資產負債分析報表 集團損益分析報表 綜合回報率分析報表 集團利率定價分析報表 資本管理分析報表資產質量管控 資產質量分析報表業務驅動分析 各條線分析報表 特殊資產經營指標報表 資產結構分析報表 新發放貸款利率報表 營業費用分析報表 租賃主要指標分析報表 綜合金融分析報表 客戶分析報表 產能分析報表 表外業務分析報表監管指標監測 監管指標監測報表標準管理報表自助式定制化報表可視化應用主題篩選主題篩選分析視角戰區

23、2.地方債3.客戶貢獻4.行業集團5.團金業務6.存款派生機構分行當月時間累計區域客戶行業客戶經理團隊收入費用存款規模貸款投產效率利率不良風險抵補維度篩選1.政府集團損益系統展示（示例）分行費用投產存款戰區指標卡選擇主題風險監管戰略決策添加指標信用卡中收監管零售營收零售存款添加維度客戶產品條線機構可視界面趨勢分析預實對比結構分析增長分析預警觸發警報預警提示駕駛艙、大屏為統計型BI的主要展現形式預測型決策型統計型歸因型帆軟FineBI數據解釋功能可以完成初步的歸因和下鉆預測型決策型統計型歸因型統計分析數據解釋下鉆分析AI在統計型BI的應用場景中，側重輸入標準化，引導客戶思路預測型決策型統計型歸因

24、型聯想提示，匹配字段枚舉值,標準化輸入引導客戶分析思路二次確認，進步提升問答精準度此外，還可以拆解分析過程，啟發用戶思路預測型決策型統計型歸因型大模型意圖解析過程，自動選取最優解作為結果返回，若干次優解作為推薦問題備選輔助用戶在模糊語義場景下對齊提問意圖BI分析的深層次價值，體現在現有指標的影響歸因預測型決策型歸因型歸因型統計型KPI第一維度：直接影響第三維度：渠道/產品/客群第二維度：間接影響透支余額 同比-10%卡量增長YY%卡數量 同比-8%戶均余額 同比-5%戶均額度 0.5%戶均額度使用率-2%申請總量 -6%通過率 1%線上申請總量 -9%線下申請總量 -1%戶均余額XX通過率YY

25、%戶均額度XXX萬轉化率76%轉化率40%戶均額度xxx萬使用率XX%XX萬XX萬通過歸因分析，發現線上申請總量過低、筆均交易額降低，需要分析具體線上各渠道申請變化情況，是否有渠道終止合作等；以及筆均交易額的變化情況，是否有渠道或產品設置了交易限額歸因分析結果A產品通過率 1%B產品通過率 -1%通過率YY%通過率YY%A客群戶均額度 0%B客群戶均額度 1%XXX萬YYY萬戶均交易筆數-1%筆均交易額 -5%XXX筆YYY萬戶均額度使用率YY%申請總量XX萬AI在歸因領域，可以推薦不同維度進行計算展示，同時挖掘關鍵影響因素預測型決策型歸因型用戶可以使用智能推薦的維度解釋數據，也可以自定義分析

26、的維度挖掘影響指標值的重要因子，針對性拆解維度進行分析，提高分析效率歸因型統計型在預測型BI領域，重點還是依靠規則和機器學習模型，給出特定場景的預測結果預測型決策型歸因型統計型預測型3月4月5月3月30日頁面訪問量63次利用交互式語音應答（IVR）系統咨詢電話咨詢：查詢費用3月31日客戶數據匹配BAI調查4月14日頁面訪問量49次覆蓋檢查4次4月28日電話咨詢：技術支持5月2日頁面訪問量13次頁面訪問量4次5月5日電話咨詢：升級投訴，覆蓋5月7日頁面訪問量25次，包含“聯系我們”頁面5月8日頁面訪問量 行為準則有所不滿投訴傾向“我已經和你們公司說明了情況，你們的網站一直顯示已接收了我的即期匯票

27、，但是實際上還在我的賬戶里等待被接收，導致我無法進行網上支付。請抓緊處理這個問題，我付了款，但是你們沒接收，導致我逾期好幾個月了?！备叩?月8日投訴發現背景影響 銀行希望更好地預測客戶行為，了解引起客戶投訴的服務因素 確認常見的投訴路徑，在早期預警指導下采取糾正行動 銀行確認了投訴傾向排名前X%的流程，客戶投訴數減少Y%Whats Next?繼續拆分，定位問題，并且聯動業務系統解決問題預測型決策型歸因型統計型決策型線上申請總量 -9%線下申請總量 -1%XX萬XX萬A產品通過率 1%B產品通過率 -1%通過率YY%通過率YY%A客群戶均額度 0%B客群戶均額度 1%XXX萬YYY萬戶均交易筆數

28、-1%筆均交易額 -5%XXX筆YYY萬分析不同線上渠道申請量定位渠道，解決問題通過率提升是否帶來了對應的客戶量提升？激活率是否對應增加？額度提升是否帶來余額提升消費筆數、金額增減？是否渠道有交易限額變化？修改限額設置構建完整的指標庫可以將指標歸因拆解邏輯內化，指導指標分析數據類項目建設的最大風險建完了，沒人用科技人員想推推不動、順勢難1、推不動：需求梳理難科技人員不理解業務的分析場景和數據需求，不知道該給業務人員準備哪些數據，開放哪些權限。2、順勢難：科技與業務融合難行內的BI推廣需要順勢，一些時候需要業務人員的意愿，和IT部門的協作，同時還需要行內管理層的價值認可，否則難以成勢。業務人員想

29、用缺環境、缺條件1、學習路徑不清晰分析人員沒有一個很多的學習平臺和機會去系統化的學習思維、工具、業務場景等知識。2、缺少分析思路很多客戶表示沒有好的分析思路和邏輯去對業務進行分析，分析結果比較淺。培訓人員想推無方法、無抓手1、無方法：缺乏推廣方法沒有很好的推廣方法，不知道如何推廣，沒有詳細計劃，導致推廣周期很長且收效甚微。2、無抓手：缺乏切入點培訓人員在推廣數字化轉型培訓時會發現沒有一個合適的切入點、抓手來進行項目的推廣。從數據人才與文化來看，帆軟數據人才解決方案已經超越產品培訓和推廣，而更能賦能一線，培養數據文化1定位數據人才培養方向2提升數據人才能力數據人才診斷數據人才培養崗位能力模型搭建崗位能力測評企業數據發展現狀定位數據人才體系梳理人才培養方案設計培養內容工具培訓領導力培訓企業人才發展平臺&企業數據生態建設企業競賽數據人才評估3評估數據人才能力企業競賽支持以賽促學、以賽促用職業發展路徑帆軟認證FCA初級工程師FCP資深工程師數字化管理數據分析IT開發業務分析培養形式公開學習班企業訓練營數據領導力賦能思維培訓翻轉課堂企業內訓業務場景沙盤完整的數據人才服務體系，幫助銀行把數據用起來線上+線下線下開營，線上同步直播參與人數超900人高管參與邀請總行高管及條線領導參與提高項目的影響力和重視程度訪問次數同比325%高頻訪問提升225%編輯次數同比349%活躍編輯用戶160%感謝觀看