摘要：面对市场变化和行业竞争，A银行尝试以会计业务数据为基础，探索大数据在网点资源配置、业务流程优化、风险控制及网点运营等方面的应用，开启了以数据分析指导网点管理的新途径。A银行尝试将会计大数据应用于运营管理领域中，提升了管理质效，丰富了管理手段，拓宽了管理思路，具有较强的业务应用价值和借鉴意义。
关键词：会计大数据；银行运营管理；数据分析
20世纪以来，信息技术在金融业广泛应用，使银行累积了体量庞大且完整高质的各项数据，做好数据的挖掘和利用具有较强的现实意义。很多银行已将大数据应用于关注客户和产品营销领域，实现了运用数据分析对客户精准画像、精准营销及新客户挖掘。A银行尝试以会计业务数据为基础，探索大数据在网点资源配置、业务流程优化、风险控制及网点运营等方面的应用，开启了以数据分析指导网点管理的新途径。
一、A银行运营管理领域数据分析应用实践
银行实施数据分析具有得天独厚的条件。首先，银行日常业务办理过程中对数据的被动获取和长期积累，使银行拥有了庞大的信息存储；其次，为加强风险防控，银行业务往往经过了严格筛查，致使银行拥有高质量的数据集成。A银行面对机遇与挑战，勇于探索，在网点运营方面运用大数据分析做出了有益尝试。
1.数据分析应用于网点资源配置向网点发放设备、配发凭证、开展业务培训是银行网点管理部门的日常业务。以往A银行网点管理部门配发物品时一般是根据网点数量进行平均分配，或者参考网点人数、过往分配情况，并未精确计算或考虑各网点业务特点来满足不同网点的实际需求。由于缺乏具体的数据支撑，常常出现网点资源配置后一些网点物资压仓库，而另一些网点却不够用、补不上的情况。近几年，A银行致力于数据应用，对日常的业务数据进行挖掘和再利用，将全行各网点全年日均会计业务发生量进行收集和汇总，通过综合运用业务量结构视图、对比分析等方法对网点资源进行合理投放和科学配发，取得了良好的成效。由图1可见，各网点会计业务量水平及业务结构存在较大差异，不同的业务规模必然产生不同的资源需求，理应配套不同的资源。如A银行发现643600网点和755000网点总业务量水平相差巨大，因此根据各网点会计总业务量占比情况，在凭证配发、设备投放、人力资源布局等方面按比例分配，解决了以往网点间物资冗余与短缺不均并存的状态，使管理更为适用有效。此外，A银行从会计业务量结构上进一步分析，发现了各网点处理的业务品种同样存在较大差异，管理上立即进行了有针对性的调整。鉴于613600网点的汇兑业务量是其他网点汇兑业务量的几倍，又由于汇兑业务流程标准、操作简单，特别适用于客户自主处理、人机交互的智慧柜员机办理模式，A银行对该网点重点布放了自助式设备。又如643600网点现金缴款业务量显著突出，经分析判断该网点是上门收款的集中网点，而375100电子渠道落地业务占比较大，因此，A银行对这类网点在相关业务凭证配发、人力配置、业务培训等方面予以重点考虑，从而提高了管理效率，增强了管理的针对性。
2.数据分析应用于流程优化为修补业务系统缺陷、提高业务处理效率、满足客户多样性的需求，支持业务发展，银行网点管理部门常常需要持续关注流程改进和系统优化。以往A银行涉及到系统或流程优化的内容，大部分是自下而上的路径，由网点在工作中发现问题后报上级行，并层层向上报送提出，问题的时效性不强，是否存在典型性、集中性问题也难于判断。开展数据分析应用后，A银行运用数据间类比关系快速查找差异的功能，实现了自上而下的发现问题，主动开展有针对性的流程优化，从全局性、根本性解决业务问题。A银行发现在众多集中上收（网点前台扫描申请表，由外包录入信息，后台集中处理的生产模式）的业务品种中，信用卡申请业务耗时最长、外包费用最高，发生差错的情况也最多。为此，A银行对信用卡进件业务办理流程环节展开了专题数据分析，重点研究信用卡申请的信息项录入的必要性和有效性，分析是否存在非必录项或录入项出现重复等问题，以探索是否存在减少录入项，节约外包录入成本、提高效率的可能空间。A银行抽取了某分行某日信用卡进件（申请）全量业务明细，对其外包一次录入项数据进行了筛选、汇总，发现该行各网点当日共发生信用卡进件业务493笔，录入信息量22350个，均需由外包录入，并计入费用。A银行对上述业务数据进行了描述性统计分析，发现在2万余条录入信息项中存在空值5172条（即每一笔信用卡申请需录入45个信息项，但存在10条空值信息项）。按照外包协议，凡记入录入项信息均需要计付外包费用。A银行进一步对空值信息项逐一分析发现，86%的空值项并非影响业务成功办理的必要信息项，应作为非必录项，无需笔笔推送外包录入。另据分析发现，在已填信息项中类似“受理日期”“受理机构”“受理人员”“出生日期”和“身份证号”等信息项完全可通过增加系统参数和业务规则的方式由系统自动识别并回填，无需人工录入。通过以上对信用卡进件业务处理的全量数据分析，A银行准确地找到了信用卡申请业务中存在的不经济问题，及时调整了业务规则，规范了信用卡申请表中必录项，实施了流程优化，及时弥补了业务漏洞，从原单笔业务需要45个外包录入项减少至30个，节约了大量外包费用。
3.数据分析应用于内控管理风险管理是银行管理的重要工作之一。为避免风险隐患，A银行成立之初即设置了严格的网点业务不相容岗位的内部牵制制度，并长期由网点管理部门内设巡检团队定期或不定期进行现场检查，此项工作耗时费力。大数据下，A银行利用数据间便于查找、易于比对的便利性，将其成功应用到不相容岗位风险检查中，收效良好。按照银行会计内控制度规定，会计处理账务人员与对账人员为不相容岗位，A银行分别从对账系统和会计系统抽取了同时段处理人员信息进行数据比对，系统快速核验出不相容岗位问题，并精准定位相关责任人，改变了过去巡检人员必须到现场采取手工查验不相容岗位的原始检查方式，极大地提升了工作效率，提高了风险识别准确度。
4.数据分析应用于网点运营基层网点的负责人最关心的问题是获取网点利益最大化，期望组织更多人手，投入到客户营销中去。但由于以往缺乏数据支持，网点不能精准地掌握图1A银行各网点业务量、业务品种分布图图2某网点月度业务量趋势分析图本网点全月业务量峰谷信息值，无法科学预判业务量趋势水平，尽管网点负责人整日被营销任务压得焦头烂额也不敢轻易打破网点固化的排班方式和劳动组合，不能适时抽调人手补充营销。为全面提升网点运营服务能力，A银行网点管理部门尝试对网点会计业务量进行时间序列分析和相关性分析，用于精准掌握网点忙闲时段和具体影响因素。首先通过对单一网点业务量分时段收集和统计，提取了网点每日业务量波峰、波谷及平均值，并按月梳理绘图，掌握了网点全月业务量的时间趋势，然后对各时段波峰、波谷的影响因素进行了相关性分析，及时推送给网点，供网点负责人评估、参考，适时抽调人手补充网点营销，从而为网点提供切实有效的智能化资源调度指引。由图2可见，该网点月初和月末业务量较多，运用因素相关性分析后得出结论，该网点业务量与代发工资及季末货币流动性具有较高相关性。经深入查找原因，月初、月末往往是银行代发工资高峰时段，各单位发放工资集中申请和个人工资分散取款的情况较多，导致网点月初月末业务量增大。同时，月末、季末金融市场往往急需流动资金，理财产品投放较多、收益最好，容易吸引客户前来购买，增大了网点业务量水平。网点负责人可参照此图安排和规划网点营销活动。
二、应用成效及借鉴价值
1.A银行大数据应用全面提升了网点管理质效A银行通过对网点会计业务量及业务结构分析，优化了网点资源配置，在网点凭证配发、设备管理、人力配置、业务培训等方面取得良好收效，提高了网点管理的精细化、智能化管理水平；运用数据描述分析法和比较分析法，通过研究全行会计业务处理环节的质量、效率差异，及时发现流程缺陷及阻滞因素，推动了流程优化，从而提高了流程优化的主动性和时效性；运用数据比对关系和数据频次分析，快速而准确地识别风险性事项，对重要风险岗位和风险人员实施精准定位，提高了风险防控和预警能力，提升了全行内控管理水平；运用时间序列分析方法和因素相关性分析法，研究网点全月日均业务量趋势变化和具体影响因素，促进了网点劳动组合优化，平衡了网点资源，支持了业务发展。2.A银行大数据应用丰富了管理手段在大数据应用的过程中，A银行借用EXCEL、SPSS等软件工具，综合运用了数据整理、统计分析、数据建模、图表展示等技术方法和分析手段，从营业网点海量的会计业务信息中挖掘出管理上关注的重点内容，为日常管理提供了科学、有效的数据支撑。在管理上开启了以数据为支撑，以数据分析结果为导向实施管理的新型管理模式。同时，A银行在流程优化中采取数据分析结果差异去主动发现问题，自上而下批量修正问题的流程优化处理模式，以及运用系统间业务数据的比对关系查找不相容岗位问题，填补了过去管理上的空白，创新了管理手段。3.A银行大数据应用缩短了管理时间、拓宽了管理辐射面利用数据建模和信息图表展示，管理者可随时动态了解辖属网点各类基础性信息，及时提供管理参考，从而提高了管理的时效性；运用大数据分析让管理者的视角随时切换，上可了解全行汇总情况，从全局角度考虑问题，下可延伸至任意一个基层网点，为其提供最贴切恰当的管理建议，助力网点业务发展。
查看全文