1、DataFunSummit#2024数据指标在金融行业的应用张鲲 帆软金融事业部 咨询总监01怎么建体系？02怎么建底层？03怎么用指标？目录 CONTENTDataFunSummit#202401怎么建体系？指标体系设计框架指标体系建设目标指标体系设计管理体系管理制度管理流程组织职责142多维多层指标框架客户产品渠道机构一级：战略指标二级：经营管理指标（结果指标）三级：业务执行指标（过程指标）横向：指标业务维度指标体系应用3标准报表自定义报表可视化应用指标体系设计方法纵向：指标管理维度1、业务发展战略解读2、企业价值树分解3、价值树推导指标3、指标整合2、指标归类1、指标收集经营分析指标库基
2、于公司发展战略，梳理战略相关的关键价值驱动因素，理解营销活动的关键目标以行方战略目标和数字化转型目标为导向，分析影响战略实现的决定性因素，梳理指示实现价值的可测量数据形成指标xx银行十四五战略规划(2021-2025年)XX银行数字化转型规划调研访谈现有营销指标零售银行战略定位零售业务高质量发展高效的管理运营布局覆盖城市和小微的大零售格局丰富产品体系加大营销力度降低运营成本提升服务质量整体战略价值驱动因素一级指标活跃客户数产品使用率新增客户数新增交易额营销转化率触达效率投入产出比营销成本满意度NPS客户投诉率指标体系-建体系：通过自上而下的价值树分解（Top-down）与自下而上的经营分析指标
3、梳理（Bottom-up）形成客户经营指标库 建体系：以营销为目标，构建客户指标体系做评估补数据自上而下演绎基于集团业务发展战略，通过企业价值树分解，梳理企业核心关键KPI，形成指标库AB1、业务发展战略解读2、企业价值树分解3、价值树推导指标3、指标整合2、指标归类1、指标收集客户经营指标库自下而上归纳通过梳理企业现有客户经营分析指标，形成指标库A:自上而下演绎：运用价值树分解价值驱动因素，逐层进行指标的拆解，保障指标体系的完整性和可落地性价值树将公司的总体战略分解为影响它的“关键因素”，即价值驱动因素根据对公司战略的影响，对价值驱动因素进行排序价值树价值驱动因素优先级价值树和价值驱动因素优
4、先级排序相结合，可以帮助行方设计完整的指标体系，并保障在服务行方战略目标的同时，满足经营管理的需求北极星指标：保证自上而下的战略方向一致，引导整个团队集中精力，打破“竖井”使资源更加聚焦，协同更有效率。明确北极星指标从行方整体战略目标出发，根据价值树框架，识别每一关键驱动因素的关键指标，找到唯一关键指标作为北极星指标。A:自上而下演绎：以价值树方式逐层拆解指标示例未拆解节点节点指标2 提升客户留存和活跃增加客户留存提升产品销售能力客户月活率APP注册率提升客户粘性提升客户忠诚度活跃率转化率分期等产品用户转化率促进交易量新增消费额累计交易笔数额度使用率月均交易额客户唤醒率绑卡率人均持卡数流通率客
5、户流失率商城访问量提升审批效率B:自下而上归纳：通过梳理企业现有经营分析指标，自下而上归纳总结形成指标库指标收集指标解析指标整合和归类指标成果梳理：定义指标业务维度和技术维度，梳理指标与维度的对应关系，形成指标库库收集指标：向各业务部门收集经营指标清单，按指标类型对指标进行分类解析指标树：梳理指标之间的关联关系，逐层拆解后得到指标树及指标图谱营销指标体系框架：多维度、多层级、全场景覆盖APP月活MAU2.提升客户留存和活跃度4.提升客户满意度3.提升客户贡献1.扩大客户数量一级指标（北极星指标）二级指标三级指标新增办卡数量新增净客户数量有交易客户存续率首刷率交易金额流通数业务维度技术维度客户渠
6、道机构产品场景口径值统计第二层第三层第五层第二层实际管理同比按月第二层第三层第五层第二层实际管理同比按月第二层第三层第四层第二层实际管理同比累计第二层第二层第五层第三层实际管理同比按月第二层第三层第五层第三层实际管理环比累计第三层第三层第五层第三层实际管理同比按月第二层第三层第四层第二层实际管理环比按月第三层第三层第四层第二层实际管理同比按月价值驱动因素提升渠道销售能力网银月活客户经理月产能指标体系-建体系：通过7大步骤逐步自下而上梳理指标体系进展情况业务全景图23业务条线业务场景业务流程业务过程指标梳理步骤业务调研访谈梳理业务条线、业务场景梳理业务流程、业务过程基于现有指标底表，识别原子指标
7、组合提炼核心KPI明确分析维度拆解影响KPI的关联业务事件，明确影响因素拆解影响KPI的关联指标，明确下钻计算逻辑匹配落地技术工具12345674.14.2如何识别核心KPI核心KPI归因分析应用4梳理原子指标、衍生指标零售信用卡中心汽车金融私财客户网点管理中心网金及财富管理金融综拓零售企划零售风险零售HR零售财务经营及消费贷款贷款后贷款中贷款前获客进件审核放款还款催收留存注册开户活跃授信审核贷款审核签订合同风险审核签订合同放款审核发放贷款还款提醒账户扣款还款登记短信催收电话催化制定还款方案约定还款日期提起诉讼验真下发名单认领名单自留名单拨打名单再贷款流失当前识别核心KPI数量指标体系-做评估
8、&补数据：构建数据全景图，有序推动指标完整性建设数据全景图L0服务体系基础服务L1信用卡L0产品战略产品研发L1L0客户运营SAT运营L1L0负债匹配委托投资L1L0资源投放资源运用L1资源域投资域客户域产品服务域饱和度100产品服务域电子渠道域客户域投资域资源域数据饱和度评分三级域：二级域：一级域：业务过程：主顾积累 互动开拓 理财促成 服务经营销售管理(活动量管理)获取名单建立联系激活用户互动养客锁客激发需求缺口分析方案呈现签单持续服务保险复购3个已覆盖指标价值链10个9个13个4个10个6个3个7个5个电子渠道域原子指标新户AUM开卡客户数交易总金额理财复购3个电子 渠道域0个0个 建立
9、基于统一价值链的完整指标体系 通过数据全景图评估出价值链的覆盖度和数据饱和度 从数据价值的角度，有序推动指标完整性建设建体系做评估：梳理所需指标缺失度、饱和度等补数据：通过主动和被动的方式补充数据指标运营管理属性运营业务属性运营技术属性指标分类属主部门系统字段名称指标数值类型指标技术口径指标编号指标的唯一识别编号指标名称指标的中文名称可基于价值链和管理主体进行划分指标定义部门指标含义指标的业务含义指标计算规则计算过程的数学算式指标统计频率指标所需的更新频率业务场景在业务上的使用场景指标统计时间区间统计时间区间如：截止当年、最近X日、整周等技术实现逻辑系统名称-界面路径-字段名称数值类型如：数值
10、、同比、环比、较年初等指标业务口径统计口径的业务描述完成指标库业务、技术、管理维度属性定义指标体系的运营管理制度、流程、组织职责三方面保障指标全生命周期的管理旨在，针对指标生命周期的各个环节，提出相应的管理策略和原则，更好的进行指标的管理，指导执行的落实。指标管理角色定义指标管理端到端流程指标需求收集指标拆分创建指标发布应用指标归档失效部门职责管理制度管理层下达北极星指标业管部门CRM团队指标创建规范管理指标度量标准创建业务部门指标的信息整理指标的内容检验业管部门指标拆解指导业务部门指标的拆分指标的梳理指标的创建技术部门执行数据质量检查指标管理平台维护业管部门指标发布审批管理指标应用分析管理业
11、务部门指标发布指标执行技术部门指标部署管理指标权限管理指标分析平台管理业管部门指标时效归档管理业务部门提出失效归档需求技术部门执行标签归档、失效方案指标全周期管理办法指标创建规范绩效考评办法指标数据质量规范指标管理平台规范指标发布审批流程指标权限管理办法指标分析规范指标失效归档管理办法失效归档流程指标全生命周期管理指标管理维护者指标落地开发者指标属主指标消费者DataFunSummit#202402怎么建底层？ODSDWDDWSADS业务过程业务过程实体业务过程业务过程实体业务过程业务过程实体实体实体业务过程业务过程存款事实表贷款事实表理财事实表同业事实表公司客户维度个人客户维度科目维度票据事
12、实表信用卡事实表非标事实表债券事实表机构维度公司客户宽表个人客户宽表贷款业务宽表存款业务宽表表外业务宽表同业业务宽表支付业务宽表外汇业务宽表业务过程宽表跨域实体宽表应用结果表应用结果表少量维度少量业务过程事实表少量实体事实表业务过程窄表跨域实体窄表少量维度驾驶舱看板主题分析报表固定查询报表移动端报表应用贴源层明细层汇总层应用层数据分析应用分层处理，每层定位明确，模型设计需要满足应用，因此数据需求来源于应用数据流向需求指引DWD层是数据仓库的核心层，该层一般保持和 ods 层一样的数据粒度，并且提供一定的数据质量保证。基础层做的操作包含数据清理、数据标准落地、数据脱敏和维度退化。01数据清洗02
13、数据标准落地03维度退化04数据脱敏 事实表加入etl_time时间信息，例如hive中date_format(current_timestamp,yyyyMMdd HH:mm:ss)格式；将日志中的经纬度解析为省市县地址信息；空行去除。日期格式按照数据标准统一；字符串统一为String格式；数据中有空字符串、null值、N等，统一为null值；布尔型字段，有使用0/1标识的，也有使用true/false表示的，统一为Y/N。涉及用户敏感信息用*表示，如手机号135*2456；涉及金额进行指定的算法进行加密处理，如交易金额原为20000元，加密后变为400元。维度退化是将明细事实表的某些重要维
14、度属性字段做适当冗余，即宽表化处理。对业务数据传过来的表进行维度退化和降维，如将原来商品的一二三级分类维度合并到商品事实表中。清晰数据结构-DWD层建设：承接ODS，完成标准落地，从源头把控数据质量汇总层是为提高数据访问效率等要求而设立，数据来源于基础层，将数据轻度汇总后整合汇总成分析某一主题域的服务数据，可依照业务需求划分主题，一般情况下一个主题一张宽表，例如用户信息表、用户设备信息表、用户理财信息表等，可以形成日、周、月粒度汇总明细表。汇总层提供的多为较为通用的模型和服务。不面向特定应用，提炼各应用的需求共性，设计通用实体对象，服务之后的数据报表和数据产品指标需求1包括多种数据粒度，需要逐
15、层加工、汇总(从轻度汇总到深度汇总)，相同粒度和不同粒度的数据都可以汇总，不同粒度的数据汇总时需要通过聚合操作将粒度统一，避免创建太多表，指标口径一致，提供详细的描述2对明细层数据进行预连接、预计算、预聚合等，适当冗余设计，涵盖所需分析主题的相关维度和指标，提高查询效率3对于比较大的实体为方便使用、提高查询效率可根据业务拆分多个实体4面向分析维度设计，更侧重业务人员理解和使用5本层特点：清晰数据结构-汇总层（DWS层）（1/3）比如，汇总的聚集表能否与他人公用？基于某个维度的聚集是否是数据分析或者报表中经常使用的？如果满足这些情况，我们就有必要把明细数据沉淀到汇总表中。数据通用性数据主题域是在
16、较高层次上对数据进行分类聚集的抽象，如交易统一划到交易主题域下，商品的新增、修改放到商品主题域下。不跨数据主题域如_1d 表示最近1天，_td 截止到当天，_nd 表示最近N天。统计周期表命名上要能说明数据的统计周期比如，如果存在7天和30天的事实，我们可以选择用两列存放7天和30天的事实，但是需要在列名和字段注释上说明清楚避免将不同层级的数据放在一起汇总层的表建模应遵循以下的原则:清晰数据结构-汇总层（DWS层）（2/3）清晰数据结构-汇总层（DWS层）：充分解决指标类需求的复杂加工问题（3/3）20表名ANL_BA_CDL_LON_BUS_AGRGT_TAB说明客户贷款业务汇总表 客户分析
17、序号字段英文名称字段中文名称1CUST_IDN客户编号2BELNG_ORG归属机构3SUBJ_COD科目代码4PROD_TYP产品类型5CHL_TYP渠道类型6CR_TOTL授信总额7CR_BAL授信余额 DATA_DAT数据日期/*XXX_客户授信金额*/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-账户表LEFT JOIN CCP_CCP_CUSTOMER T2-客户表ON T1.CUST_ID=T2.CUST_ID调整前/*ATO_O端客户授信金额*/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-账户表LEFT JOIN CCP_C
19、CP_CUSTOMER T2-客户表ON T1.CUST_ID=T2.CUST_ID/*ATO_T端客户授信金额*/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-账户表LEFT JOIN CCP_CCP_CUSTOMER T2-客户表ON T1.CUST_ID=T2.CU
20、ST_ID/*授信余额*/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-账户表LEFT JOIN CCP_CCP_CUSTOMER T2-客户表ON T1.CUST_ID=T2.CUST_ID/*XXX_客户授信金额*/SELECTCR_BAL-授信金额FROM ANL_
21、BA_CDL_LON_BUS_AGRGT_TAB T WHERE CHL_TYP in(01)客户分析主题中，加工“客户贷款业务汇总表”，用于提前沉淀复杂逻辑可按照客户、账户、机构、产品、渠道多类要素等字段整合到一张表，结构上表现出字段非常多。宽表化按主题块方式组织、按需要字段分组、往上汇总金额。汇总化/物理化调整后DataFunSummit#202403怎么用指标？BI分析是指标应用的主要场景，可分为4个层次，统计型、归因型、预测型、决策型统计型基于现有数据进行统计分析归因型分析统计结果，得出导致现状的主要原因、次要原因等预测型根据现有统计分析，预测一段时间后的指标变化，或者可能发生的事件决
22、策型得知原因后，直接通过业务系统改进，完成闭环4层次BI分析现有BI应用绝大部分属于统计型预测型决策型统计型归因型战略指标监测 集团战略指标监测报表经营决策支持 集团主要经营指标报表 集团资产负债分析报表 集团损益分析报表 综合回报率分析报表 集团利率定价分析报表 资本管理分析报表资产质量管控 资产质量分析报表业务驱动分析 各条线分析报表 特殊资产经营指标报表 资产结构分析报表 新发放贷款利率报表 营业费用分析报表 租赁主要指标分析报表 综合金融分析报表 客户分析报表 产能分析报表 表外业务分析报表监管指标监测 监管指标监测报表标准管理报表自助式定制化报表可视化应用主题筛选主题筛选分析视角战区
23、2.地方债3.客户贡献4.行业集团5.团金业务6.存款派生机构分行当月时间累计区域客户行业客户经理团队收入费用存款规模贷款投产效率利率不良风险抵补维度筛选1.政府集团损益系统展示（示例）分行费用投产存款战区指标卡选择主题风险监管战略决策添加指标信用卡中收监管零售营收零售存款添加维度客户产品条线机构可视界面趋势分析预实对比结构分析增长分析预警触发警报预警提示驾驶舱、大屏为统计型BI的主要展现形式预测型决策型统计型归因型帆软FineBI数据解释功能可以完成初步的归因和下钻预测型决策型统计型归因型统计分析数据解释下钻分析AI在统计型BI的应用场景中，侧重输入标准化，引导客户思路预测型决策型统计型归因
24、型联想提示，匹配字段枚举值,标准化输入引导客户分析思路二次确认，进步提升问答精准度此外，还可以拆解分析过程，启发用户思路预测型决策型统计型归因型大模型意图解析过程，自动选取最优解作为结果返回，若干次优解作为推荐问题备选辅助用户在模糊语义场景下对齐提问意图BI分析的深层次价值，体现在现有指标的影响归因预测型决策型归因型归因型统计型KPI第一维度：直接影响第三维度：渠道/产品/客群第二维度：间接影响透支余额 同比-10%卡量增长YY%卡数量 同比-8%户均余额 同比-5%户均额度 0.5%户均额度使用率-2%申请总量 -6%通过率 1%线上申请总量 -9%线下申请总量 -1%户均余额XX通过率YY
25、%户均额度XXX万转化率76%转化率40%户均额度xxx万使用率XX%XX万XX万通过归因分析，发现线上申请总量过低、笔均交易额降低，需要分析具体线上各渠道申请变化情况，是否有渠道终止合作等；以及笔均交易额的变化情况，是否有渠道或产品设置了交易限额归因分析结果A产品通过率 1%B产品通过率 -1%通过率YY%通过率YY%A客群户均额度 0%B客群户均额度 1%XXX万YYY万户均交易笔数-1%笔均交易额 -5%XXX笔YYY万户均额度使用率YY%申请总量XX万AI在归因领域，可以推荐不同维度进行计算展示，同时挖掘关键影响因素预测型决策型归因型用户可以使用智能推荐的维度解释数据，也可以自定义分析
26、的维度挖掘影响指标值的重要因子，针对性拆解维度进行分析，提高分析效率归因型统计型在预测型BI领域，重点还是依靠规则和机器学习模型，给出特定场景的预测结果预测型决策型归因型统计型预测型3月4月5月3月30日页面访问量63次利用交互式语音应答（IVR）系统咨询电话咨询：查询费用3月31日客户数据匹配BAI调查4月14日页面访问量49次覆盖检查4次4月28日电话咨询：技术支持5月2日页面访问量13次页面访问量4次5月5日电话咨询：升级投诉，覆盖5月7日页面访问量25次，包含“联系我们”页面5月8日页面访问量 行为准则有所不满投诉倾向“我已经和你们公司说明了情况，你们的网站一直显示已接收了我的即期汇票
27、，但是实际上还在我的账户里等待被接收，导致我无法进行网上支付。请抓紧处理这个问题，我付了款，但是你们没接收，导致我逾期好几个月了。”高低5月8日投诉发现背景影响 银行希望更好地预测客户行为，了解引起客户投诉的服务因素 确认常见的投诉路径，在早期预警指导下采取纠正行动 银行确认了投诉倾向排名前X%的流程，客户投诉数减少Y%Whats Next?继续拆分，定位问题，并且联动业务系统解决问题预测型决策型归因型统计型决策型线上申请总量 -9%线下申请总量 -1%XX万XX万A产品通过率 1%B产品通过率 -1%通过率YY%通过率YY%A客群户均额度 0%B客群户均额度 1%XXX万YYY万户均交易笔数
28、-1%笔均交易额 -5%XXX笔YYY万分析不同线上渠道申请量定位渠道，解决问题通过率提升是否带来了对应的客户量提升？激活率是否对应增加？额度提升是否带来余额提升消费笔数、金额增减？是否渠道有交易限额变化？修改限额设置构建完整的指标库可以将指标归因拆解逻辑内化，指导指标分析数据类项目建设的最大风险建完了，没人用科技人员想推推不动、顺势难1、推不动：需求梳理难科技人员不理解业务的分析场景和数据需求，不知道该给业务人员准备哪些数据，开放哪些权限。2、顺势难：科技与业务融合难行内的BI推广需要顺势，一些时候需要业务人员的意愿，和IT部门的协作，同时还需要行内管理层的价值认可，否则难以成势。业务人员想
29、用缺环境、缺条件1、学习路径不清晰分析人员没有一个很多的学习平台和机会去系统化的学习思维、工具、业务场景等知识。2、缺少分析思路很多客户表示没有好的分析思路和逻辑去对业务进行分析，分析结果比较浅。培训人员想推无方法、无抓手1、无方法：缺乏推广方法没有很好的推广方法，不知道如何推广，没有详细计划，导致推广周期很长且收效甚微。2、无抓手：缺乏切入点培训人员在推广数字化转型培训时会发现没有一个合适的切入点、抓手来进行项目的推广。从数据人才与文化来看，帆软数据人才解决方案已经超越产品培训和推广，而更能赋能一线，培养数据文化1定位数据人才培养方向2提升数据人才能力数据人才诊断数据人才培养岗位能力模型搭建岗位能力测评企业数据发展现状定位数据人才体系梳理人才培养方案设计培养内容工具培训领导力培训企业人才发展平台&企业数据生态建设企业竞赛数据人才评估3评估数据人才能力企业竞赛支持以赛促学、以赛促用职业发展路径帆软认证FCA初级工程师FCP资深工程师数字化管理数据分析IT开发业务分析培养形式公开学习班企业训练营数据领导力赋能思维培训翻转课堂企业内训业务场景沙盘完整的数据人才服务体系，帮助银行把数据用起来线上+线下线下开营，线上同步直播参与人数超900人高管参与邀请总行高管及条线领导参与提高项目的影响力和重视程度访问次数同比325%高频访问提升225%编辑次数同比349%活跃编辑用户160%感谢观看
sgpjbg002
工作日 9:30 - 18:00
会员动态：
报告分类
新质生产力
ChatGPT
新能源汽车
大模型
Sora
机器人
微短剧
芯片
薪酬
白皮书
低空经济
数据要素
创新药
人工智能
AI产业
信息科技
互联网
消费经济
汽车交通
电商零售
传媒娱乐
医药健康
投资金融
能源环境
地产建筑
传统产业
英文报告
其它
扫码登录
手机快捷登录
账号登录
