数据支撑管理,信息创造价值——专访中国工商银行股份有限公司信息科技部副总经理张颖

作为一家拥有2．79亿个人客户、412万法人客户、日均业务量超过1．6亿笔的大型金融机构，工商银行的数据信息用“海量”来形容并不为过。在将数据视为最重要的资产之一的银行业，工商银行是如何管理其这一庞大而宝贵的数据资产，挖掘其对业务发展和经营管理的支撑价值，实现从“信息化银行”向“智能化银行”的转变？     

商业银行数据治理体系构建思考

数据是银行的重要资产之一，其重要性不亚于金融资产。数据治理是在明确数据责任的前提下，为促进数据有效使用和发挥业务价值而展开的一系列业务、技术和管理相结合的实践活动。中国银行业监督管理委员会发布的《中国银行业信息科技“十二五”规划监管指导意见》明确指出：商业银行应建立和完善数据治理制度体系，规范工作流程，理顺内部协作关系。     

数据仓库在银行业务中的作用

数据仓库是一种中介查询工具,可用来在海量数据中筛选有用信息,这一过程并不改写原始数据,因此对现有数据并无任何危害。在商业银行领域,数据仓库技术常被用于客户盈利分析、银行产品分析和市场趋势预测,数据仓库的主要作用是通过访问数据来实现信息查询,将隐藏的信息显露出来,作为银行决策的依据。     

金融大数据实战——大数据分析挖掘服务体系建设的实践与思考

当前,互联网金融和利率市场化对商业银行传统的盈利模式、经营管理以及客户服务方式带来挑战,迫使商业银行积极探索构建面向未来的、更加智慧的、可持续发展模式。在此过程中,海量数据信息的分析挖掘和创新应用发挥着越来越重要的作用。不可否认,数据是银行最为重要的资产之一。银行业信息化建设在完成数据集中后,积累了大量业务数据,同时随着银行业务的载体与社交媒体、电子商务融合越来越紧密,各种非结构化数据呈爆发式增长。     

数据仓库技术研析

数据仓库是一种基于数据管理和运用的综合性技术和解决方案,可用于在海量数据中筛选有用信息。在商业银行领域,数据仓库技术常被用于客户盈利分析、银行产品分析和市场趋势预测。本文主要介绍数据仓库的若干概念以及商业银行实施数据仓库的步骤等。     

对二级分行实施资产负债比例管理的探讨

对二级分行实施资产负债比例管理的探讨周农翻李建生许小林资产负债比例管理是商业银行适应市场经济的需要，从确保银行资产的“安全性、流动性、效益性”出发，通过一系列指标来控制银行资产和负债相互间比例及各自内部的比例，达到资产和负债在规模上、结构上的基本协调...     

基于OCTAVE的商业银行信息资产风险评估

商业银行信息资产风险是指，人为或自然的威胁利用系统存在的脆弱性引发的安全事件。若受损信息资产很重要，对整个银行运营会造成一定的影响。商业银行信息资产风险评估就是从风险管理角度，运用科学的方法和手段，系统地分析信息系统所面临的威胁及存在的脆弱性，评估安全事件一旦发生可能造成的危害程度，     

浅议商业银行的资产负债比例管理

一、商业银行的资产负债管理资产管理是商业银行的传统管理办法,其经营管理的重点主要放在资产方面。资产管理的任务是对已有的资金在现金、证券投资、贷款和其他资产之间进行适当的分配,形成合理的资产结构,以解决利润最大化与资产流动性的矛盾。商业银行的资产主要有现金资产、证券资产、贷款和其他资产（含固定资产等）。资产管理主要是指对前三种资产的管理。负债管理理论认为,银行没有必要完全依赖资产方面来保证流动性。例如,银行并非只有在存款不断增加时才考虑增加贷款;如果客户要求增加借款,而存款不变或减少时,银行除通过调整资产…     

大数据时代背景下的商业银行资产管理业务分析

本文展开对大数据时代背景下商业银行资产管理业务的分析,其主要目的在于了解当前大数据背景下,商业银行的发展现状,以及商业银行资产管理业务发展情况。近年来,商业银行资产管理业务逐渐增多,民众在银行资产管理业务中更加倾向于风险较低的储蓄性投资方式。为进一步明确大数据时代下,商业银行资产管理的业务发展状况,本文首先对银行资产管理相关内容展开分析。其次,探讨商业银行资产管理业务运营模式。最后,重点研究商业银行资产管理业务的发展。     

商业银行数据要素价值实现的理论与实践探讨

数字经济发展趋势下，数据资源、数据资产、数据资本、数据产品等相关概念既有所差异又存在共通之处，其本质都是数据生产要素在不同阶段的具体表现。本文基于数据生产要素理论，构建了银行数据要素价值实现的理论模型，总结出银行数据要素“资源化—资产化—资本化”的价值实现过程。基于银行业实践，本文发现目前我国银行数据要素呈现出“数据资源化大规模展开、数据资产化理论研究先行、数据资本化尚未取得实质性进展”的特点。因此，未来商业银行推动数据要素价值实现的方向主要有：一是树立系统性思维，在监管合规要求下，进一步加大对数据资源的保护、管理和开发力度；二是探索科学性方法，适时推动数据资产入表，全面深化数据融合应用；三是坚持开放性路径，利用先进科技手段有序推进数据流通共享，探索数据银行可行模式。