最近几年，笔者一直在关注未来的银行是否真有可能是“数据驱动型银行”。我们首先注意到一些领先银行正在向“数据驱动型银行”转变，看到它们在数据收集、处理分析以及数据运用方面走在业界前列——营销是由数据驱动的，通过数据指引找到潜在客户；风险管理是数据驱动的，通过数据准确定位风险点。从实践效果来看，“数据驱动型银行”比普通银行竞争力更强。西方很多银行在数据处理、分析、应用方面处在市场领先地位，其市值变化也是惊人的。

应该说，“数据驱动”理念已经被银行界广泛接受，并演化出了“数据驱动”客户关系管理、“数据驱动”营运管理等细分概念。近年来，“数据驱动”已经进化为一个企业级的、更广泛的概念，即“数据驱动决策型”企业。作为商业模式的“数据驱动型银行”，其特点是引入具有前瞻性的数据分析，重点关注已经发生了什么、会引发什么、最好情况下会发生什么、怎样才能达到最好结果等，以便提供更多有效信息对企业决策进行指导。因此，要成为“数据驱动型银行”，必须要有一套完整的数据价值体系，涵盖数据收集、整理、分析、报告到转化为决策建议的流程，更重要的是这些结果能够被决策者使用，用以作出科学决策。

在观察研究中，我们发现成熟的“数据驱动型银行”至少应具备三个特质，即无所不在的“数据驱动”理念、高质量的数据资产、重新定位的数据部门。

无所不在的“数据驱动”理念是“数据驱动型银行”成功运营的前提。从实践看，全球诸多银行都看到了数字革命带来的业务增长机会，纷纷发布“数字化转型”规划，但在实施过程中却困难重重，有技术的问题、数据的问题、人才的问题，但最关键的是理念和文化问题。企业往往满足于局部业务的客户画像、产品设计，中高层管理人员还未摆脱以往依靠经验或直觉判断的本能，缺乏数据敏感性和对深入分析事实的正确技能，还没有建立“数据资产”的价值认知和如何围绕数据重构业务价值链。而“数据驱动型银行”则不同，顶层设计的“技术咨询委员会”“数字创新实验室”“数字卓越中心”以及各级“数字管理”人员和员工保证了数字战略的有序实施；“数字化转型”“数字化一切”“数字和移动优先”等战略深入每一个员工。因此，成熟的“数据驱动型银行”不仅会将“数据”列入公司顶层战略、制定转型路线图，并从组织架构、财务和人力资源、技术与数据储备等方面予以充分保障，更关键的还是引导企业的“数据文化”，培养 “基于数据分析进行决策” 的工作习惯，形成“自上而下、人人用数、精细管理、持续改进”的良好氛围以及对“数据资产”的广泛价值认知。

高质量的数据积累是“数据驱动型银行”的基础。成熟的“数据驱动型银行”视数据为核心资产，对数据质量提出了更高要求。将数据作为核心生息资产来看待是近年来的事情。对于我国大型银行而言，虽然拥有的数据量很大，也很有价值，但是尚未被纳入资产负债表核算，数据资产观尚未形成。前瞻性观察，数据资产可能会影响大型银行发展的战略方向，不同的数据资产会产生不同的战略选择和商业模式；拥有独一无二的数据资产的银行将会获得难以置信的发展速度，孕育出令人叹为观止的商业价值；数据资源的管理和使用将成为企业经营中的核心内容，那些拥有优质数据资源、深度挖掘分析能力的银行，可以将数据优势转化为竞争优势；银行价值将与其拥有的数据规模、活性、运用数据的能力成正比，资金、人力、渠道等要素需要根据数据资源的情况进行重新优化配置，数据资产成为未来驱动银行业务价值发现和创造的新动力。

作为“数据驱动型银行”，银行决策者必须将数据分析纳入公司决策流程，并依据数据进行评估决策。随着数据资产价值的凸显以及数据收集、存储、挖掘、运用等对业务发展和风险管理日益重要，数据部门正在由后台支持服务部门演变成为银行运营的核心部门。目前已经到了重新定位数据部门地位的时候了。在领先的“数据驱动型银行”，以数据分析为基础的经营决策过程通常要求分析人员和决策者之间建立一种紧密的、相互信赖的关系。管理层负责确定数据文化的基调，并推动数据驱动能力建设；专业的数据科学家进行复杂数据分析，并将结果报告给需求提出者；一线业务人员的主要任务是使用数据分析结果来提升工作业绩。大型银行往往会设有首席数据科学家，协助高管层分析企业内部数据问题，通过设立数据卓越中心或创新中心引领企业数据科学的发展。可以肯定的是，业界共识与自觉行动必将深刻改变银行业的形态，甚至引起金融市场结构发生重大变革。

“数据驱动型银行”会产生前所未有的数据需求，既包括充分的内部结构化和非结构化数据，也要大量引入外部的结构化和非结构化数据，尤其是对实时交易数据、政府部门公共服务数据、跨界数据等提出了更迫切的共享需求。银行业亟待提升的数据管理和分析应用能力，提出了包括异构数据存储、非结构化数据处理转换、海量数据挖掘、数据可视化、大数据分析工具在内的专业技术需求。数据战略的实施需要多层次专业人才队伍作为支撑，需要对银行领导层开展大规模的数字化培训、对数字化部门领导人进行全面的业务培训，既需要在内部培养数据分析人才，又要呼唤专业化、商业化的数字服务市场与相关的专业人才市场，“数据驱动型银行”将产生大量的外包及外购服务需求。

在一个大型经济体内，大型银行一旦确立了“数据驱动型银行”模式，将引发金融市场结构性改革，不仅会大量产生一些与数据相关的全新的金融供给主体，比如数据收集、存储、加工（为满足特种需求的建模、深度挖掘）的专业公司，数据化的金融产品也会屡见不鲜。更重要的是带来了一系列金融监管课题，包括怎样完善数据收集与交易法律法规、金融风险监测与识别的方法变革等。当然，我们既要看到这是一种趋势，更要看到“数据驱动型银行”的形成不是一日之功，简单花钱是买不来的。数据是要不断积累的，人才是要自己培养的，数据资产只有在不断挖掘中才能更有价值。譬如，困扰银行业“数据驱动”发展的一个突出问题是数据质量无法满足分析效率的要求。为此，一家大型银行历时6年，建立了业内领先的企业级数据管理和数据应用体系，完整定义8万多项数据规范，实现了贯穿创建到应用全流程的数据管控，全面夯实数据基础。但从实践看，“全员数据质量管理”的理念还需要进一步深入，数据质量仅仅局限在内外部数据的准确性、完整性和一致性，在数据的颗粒度、时间跨度、连续性和及时性等方面，距离“数据驱动型银行”的要求还很遥远。