2008-02-15 14:59:42 来源:CIO时代网
信息化是商业银行提高服务质量、塑造核心竞争力的必经之路。总结国内外的银行实践经验,我们不难发现商业银行的信息化大致可以划分为帐务电子化、数据大集中和管理决策信息化三个发展阶段。九十年代末开始的数据大集中刚刚在国内一些商业银行中告一段落,走在前列的光大银行、工商银行、民生银行等商业银行的信息化进程却又不约而同地被一条无形的数据”封锁线”阻拦,始终无法突破。如何跳出这个数据丰富、信息贫乏的怪圈,立刻成为各大商业银行关注的焦点。
前不久,中国人民银行研究局副局长景学成先生指出,国有商业银行和股份制商业银行已基本实现了数据的集中处理,但数据集中并不能直接带来银行经营水平的提高和风险管理的改善,只有充分地利用集中的数据,实现业务和管理集中才能真正提升银行的竞争力。光大人经过摸索后明白,信息化走到这一步要解决的关键是资源共享和信息利用问题,”突围”势在必行!
成立于1992年8月的光大银行,是国内第一家国有控股并有国际金融组织参股的全国性股份制商业银行。伴随着中国经济和金融业的发展进程,12年来光大银行不断改革创新、锐意进取,始终把自身发展与国民经济的增长紧密结合,在为社会提供优质金融服务的同时,取得了良好的经营业绩,逐步建立了与现代商业银行相适应的多元化股权结构和日益完善的经营机制。目前其业务网已经覆盖了全国23个省、自治区、直辖市,已经成为对社会有较大影响的全国性股份制商业银行。根据官方统计的数据,光大银行在2003年的核心资本为118.74亿元,总资产3944.23 亿元,成本收益率46.94%,净利润高达4.33亿元。光大银行凭借其良好的业绩和优异的综合实力挤身进入英国《银行家》杂志公布的全球银行200强,是中国为数不多的上榜银行之一。
作为国内最大的股份制商业银行,中国光大银行拥有众多客户群,几百个分支机构遍布国内外;同时光大银行以领先的理念为客户提供种类繁多的金融服务,例如国际结算业务品种就包括信用证、保函、承兑汇票、福费廷、保理等。对于一个如此庞大的机构,如此繁多的金融服务,管理的复杂性可想而知。在国内银行业中算不上老字号的光大银行,其信息化建设却一直走在行业的前列。近年来,通过综合柜台业务系统、阳光卡系统、网上银行系统和办公自动化系统等一系列信息化基础建设,光大银行率先实现了业务系统全国联网和总行数据大集中。
在成功实现业务系统全国联网和总行数据大集中后,经营管理分析方面又出现了一些亟待解决的新问题,如:统计数据不够及时准确、对决策分析缺乏专业化系统化支持、报表处理效率低、数据共享差、难以为以客户为中心的经营管理模式提供充足的信息支持、业绩考核没有理想的IT系统为支撑等等。众多新问题的出现是银行管理层始料未及的。
为什么数据如此丰富、信息却如此贫乏呢?为什么信息系统还是那么难于有效地支持业务的发展?
国内商业智能领域的领袖菲奈特的CEO邓新平先生的两句话也许正好可以回答这个问题:”数据集中不是目的,集中是为了更好地挖掘隐藏在数据后的信息,进而指导行动。如果只有集中没有挖掘,集中将毫无意义,企业反倒会被海量的数据吞没。”
为了尽快突破海量数据的”封锁”,挖掘其中蕴涵的知识和信息,光大银行决策层于2002年初开始立项商业智能及数据仓库系统。同某些些银行不经过考虑就盲目选用国外产品不同,光大银行根据自身情况,以实际需要为导向,对各家方案的优劣进行仔细分析、反复考察、综合考虑。
光大银行信息科技部总经理李坚先生说:”我们必须选择一家有丰富实施经验的专业实施队伍和本地服务支持能力强的公司进行合作,以达到事半功倍的效果”。最终,菲奈特软件公司的高端商务智能产品BI.Office以其领先的技术和简便的操作从众多竞争者中脱颖而出,赢得了光大银行决策层的一致青睐。
经过商议,双方在国结业务统计分析、对公业务统计分析、信贷风险管理、客户经理业绩考核等方面签定了一系列合作计划。为了降低实施风险,将从国结业务统计分析系统开始,各个项目逐步实施。成功的选型是光大银行商业智能应用系统成功实施的开始。
一家企业能在市场上保持常胜不衰,很大程度上取决于企业清晰的远景规划及敏锐的辨别力。事实证明,光大银行所采取的”以部门为基础实施数据处理”的决定是正确的,也是务实的。
怎么才能拿下国结业务统计分析这个系统呢?光大银行相关人员同菲奈特技术顾问组成了一个实施监督团,通过频繁的讨论来处理项目进展中遇到的一切困难。
光大银行的国际结算系统于2001年正式运行,业务品种主要包括进口开证、到单、付汇、结汇、进出口押汇、贴现、包买票据等,并实现了与SWIFT、会计系统的对接。国际业务部是该行的重要业务部门,业务品种纷繁复杂,国际结算系统经过一段时间的运行,面临的问题是一方面无法为决策层提供准确数据源,另一方面也无法为决策层提供对数据进行分析查询所必须的先进、灵活的手段。这些迫在眉睫的问题使国际业务部成了光大银行应用商业智能的急先锋。
客观来说,数据种类少、数据量大是企业实施商业智能应用的最佳环境,因为这将有利于数据整合、转换、清洗、抽取、装载及数据模型的建立。然而,光大银行国际业务部作为重要业务部门,业务品种不下十种,各业务品种间逻辑还非常复杂。这些因素为菲奈特技术团队实施整个商业智能应用带来了相当大的难度,由此造成的风险比预计大了三倍。
由于银行业务分析本身专业性就很强,再加上上述这个原因,项目实施难度陡增。要保证银行数据仓库系统成功应用,必须选择合适的数据仓库产品以及优秀的IT服务公司。近年来,国内很多企业特别是金融企业,数据仓库投入巨大,但最终失败居多。作为行业领袖菲奈特公司拥有技术领先的商业智能产品和长期积累来的丰富行业模型,为国际业务部量身定做了一套可扩展的、结构化的数据仓库模型,一举攻克了难关。
光大银行国际业务部总经理姜岩松先生说:”相比过去,我们能够获得更加深入的分析,能够发掘数据背后隐藏的信息,从而使各级管理层和各级业务人员可以准确、全面地发现业务中出现的异常,进一步掌握客户的情况,及时了解竞争对手的发展,大大提高了业务部门的市场敏感性以及管理和决策水平。”
从2002年12月开始,菲奈特BI.Office商业智能应用平台相继应用于光大银行其他几个业务部门,形成相应部门的商业智能系统。这些商业智能系统以数据仓库技术为基础,把分散在各个业务系统的数据进行整合,数据经过清洗、转换,加载到数据仓库;再采用OLAP和Data Mining等技术,为管理决策人员提供强大、灵活的日常查询和决策支持。
在实施难度超高的情况下,项目的进行能如此顺利,总的来说有两方面原因:首先,作为商业智能解决方案的领导者,菲奈特一直致力于BI领域的研发和创新,经过8年数据仓库实施提炼出的方法论体系在整个数据仓库项目中起了指导作用,很顺利地解决了诸如确定系统范围、分析用户需求、建立系统架构方面的问题,可以满足不断变化的应用需求以及不可预测的决策支持需求;另一方面,光大银行之所以会在信息化建设上取得较大的成绩,除了积极引进先进技术之外,自身也有较强的技术研发实力。再加上光大的业务部门除了在项目需求分析阶段帮助技术人员了解企业的业务流程外,还本着积极认真的态度来验证系统的正确性、实用性,并和信息科技部门保持良好的沟通。整个项目在一个逐步验证、逐步完善的过程中进行。在这样的主客观条件下,项目的成功是必然的。
免责声明:本网站(http://www.ciotimes.com/)内容主要来自原创、合作媒体供稿和第三方投稿,凡在本网站出现的信息,均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性,但不保证有关资料的准确性及可靠性,读者在使用前请进一步核实,并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏,概不负任何法律责任。
本网站刊载的所有内容(包括但不仅限文字、图片、LOGO、音频、视频、软件、程序等)版权归原作者所有。任何单位或个人认为本网站中的内容可能涉嫌侵犯其知识产权或存在不实内容时,请及时通知本站,予以删除。