爱华网20世纪90年代以来，以数据大集中为标志的金融信息化席卷了整个中国银行业。无论是大型国有商业银行，还是中小型商业银行，纷纷都在抓紧时间建设适于本行的数据处理中心模式。迄今为止，大多数大型商业银行已经完成区域性的数据集中，全国数据大集中也正在如火如荼的建设中；相对而言，中小商业银行走得快一些，有的已基本完成集中的目标。究竟如何来看待目前各商业银行系统数据的大集中和系统的大集成，这对于促进商业银行增强竞争力、业务创新都至关重要。因为工作的缘由，自己能够站在前端――－商业银行信息系统应用者的角度、末端―――方案提供商的角度，从应用出发来分析和看待问题，力图抛砖引玉。
其实商业银行无论基础信息化建设――硬件配置、信息平台建设、网络搭建等等，因为决策者――行领导不甚懂，所以几乎更大的权力在信息技术部负责人手中，而动则几亿元、几十亿的“单子”让更多的供应商垂涎三尺、不择手段，表面是招标，实际运作之黑暗、手段之卑鄙、“竞争”之“惨烈”是常人很难想象的，最后的结果是早就了权力与金钱的紧密结合。
而项目本身似乎变得不甚重要，需求调查变得形同虚设，设计方案一切围绕投资最大化，“重硬件、轻软件”、“重厂家、轻价格性能”、“重外商、轻国产”……
这些问题并非本文需要关心和探讨的问题，因此不再赘述。
一、大集中后做什么?
金融信息化走到今天这一步，接下来的一个问题是：如何据集中的基础之上走向应用的集中。中国金融业过去的数年当中已经走过了从单机到网络设施建设的过程，这就好比是高速公路这样的基础设施已经铺设好了，但现在亟需能在这个高速公路上奔跑的车辆，也就是实用、有价值的应用系统。尽管近年来，银行业务不断创新，金融应用快速发展，但其应用仍感美中不足，即应用分散，信息共享程度不高，深层次的数据挖掘难度大，难于形成有效及时、科学准确的决策信息。因此，应用的集中将成为银行信息化建设下一个阶段非常关键的一个重点。通过应用的集中，建立起银行核心业务的整合，由此把银行的核心竞争力完全凸现出来”。
应用的集中当如何推展呢？
进言一：转化观念 全员参与
如何在大集中所构筑的平台上，进一步实施应用系统？爱尔兰银行的技术总监Hugo：“项目能否得以顺利实施，关键要看银行从上至下能否冲破传统观念的禁锢和束缚。”他介绍说，爱尔兰银行是一个小国家的大银行，作风一贯保守。以前爱尔兰银行采用的是多系统、多流程的运作方式，实施基于大集中上的新系统就必须要求清除原来的流程方式。所以，新系统一实施就遇到了原有的传统和新的管理理念矛盾冲突的问题。“我们花了很大的精力劝说银行各个层次的人员接受集成数据的中央化管理模式，这不仅是技术的变革，更是管理的变革，我们必须敞开心扉接受这些改变。”Hugo还强调说：“这当中最重要的是要得到高层管理者的明确支持。得到高层管理者的支持越多，情况越好；得到的支持越少，实施项目所面临的风险越大。我们在项目的开始，得到的支持是零零散散的，因为高级管理层对上这个项目意见不一致。后来，来了一个新的执行总裁，在听取了我们的汇报后，他说了一句‘项目的成功对银行的改革至关重要’，从此，项目的进展越来越顺利。”为何上一个新项目必定要获得高层管理者的理解和支持呢？这是由于当大集中所构建的技术平台已基本完成后，下一步就是要尽快整合和提升技术应用水平，将信息技术的应用从业务作业层向经营管理层、决策层快速推进，将业务信息化升华为管理信息化。对此，高层管理者必须要有深刻的理解和认识。举个例子，我国各商业银行现在都在尝试进行自己的数据仓库建设，而数据仓库建设与传统业务系统建设不同，数据仓库是面向管理决策层应用的，必须有系统自身的最终用户———企业决策层的全面参与。因为数据仓库应用本身并不是业务流程的再现，而是基于数据分析的管理模式的体现。也就是说，数据仓库对于决策层的意义首先不是信息技术和产品上的，而是经营管理模式上的。因此，必须使决策层充分认识到数据仓库是他们自己所需要的系统，在投入与配合上给予充分的支持，数据仓库的建设才能发挥其本身的价值。进言二：总体设计 分步推进
一个项目能够得以成功实施，先要仰仗银行全体人员的普遍认同和决策层的大力支持外，接下来的事就是如何进行总体布局和具体实施了。对此，Hugo的建议是：从各部门抽调人员成立一个稳定的全职项目组，对项目进行总体设计。设计的原则要关注到系统的适应性、高可用性、扩展性、安全性以及可维护性、可管理性、协作性等等，对这些要素都应统一综合考虑。瑞士苏黎士银行技术主管Thomas：“在上新系统时，面对IT公司所展示的新方案以及成千上万个流程配置方法，千万不要乱了手脚，而是要先确定好本银行想要达到的效果以及要采用的业务流程，自己来决定先上什么，后上什么，然后再坚持和贯彻下去，尽量做得越简单越贴近运作流程越好。”Thomas格外强调：“如果你想一次完成所有的目标，势必会失败的。因此，一开始规模不要做太大，不要尝试全线实施所有的模块，应当逐渐建立自己的知识库，并逐步增加对各类系统和IT厂商的了解，如此才能将新系统的优势与银行自身的实际需求恰到好处地结合起来。”Hugo也表示：“爱尔兰银行初期实施了财务采购和人力资源系统，虽也选择了厂商成本方面的盈利与损失的分析系统，但这一系统目前尚未启用。我们考虑这是个渐进的过程，成本与盈利两个项目如果一起进行，银行内部带来的变革就太大了。”
进言三：应用无限 学习无限
大集中对银行运作的各个层面都产生了深远的影响，也提出了更高的要求。在大集中后，银行应采取怎样的措施来确保系统的安全、稳定的运行，同时将新系统的优势全面发挥出来呢？首要问题是系统的安全、稳定运行。数据的大集中也使系统集中了更大的风险，如何降低集中后的风险，最大限度地减少社会损失，建立有效的运行、维护机制，将是近期银行面临最棘手的问题。专家们建议中国的银行业应抓紧时间，下大力气解决这一难题。关于如何发挥新系统优势的问题，Thomas是这样看的：“实施了新系统，就好像是买了一辆宝马车，不是说车能开动就能发挥出它的作用，而是需要用户以良好的技术在驾驶中把它的附加价值‘开’出来。这个意思是说，银行应在新的系统身上发掘出更多高附加值的功能出来，以此支持更多的业务工作，而这些附加值都是要靠每一个银行自己来实现的”。Hugo对此也有同样的看法，他说：“我们推出了以前从来没有过的功能，而这只是挑战的十分之一，十分之九的挑战是认真、全面使用这个流程和系统，由此才能给你的银行带来实际的收益。”另外，在系统的实施过程中，要注意对引进的IT项目消化、吸收，吸收不了的技术对于银行来说，将会变成一个巨大的包袱。银行借助外力达到初步目标后，系统优化、升级等后续工作最好由自己来做。从这个角度看，大集中后的中国银行业对其从业人员，无论是技术人员，还是业务人员、管理人员的技术水平都提出了较高的要求，要求他们具备不断学习的能力、对变化的适应能力、对自有产品和新系统的集成能力等等，因此，每一个银行从业人员都应直面这一挑战，努力提高自身的技术及业务水平，在“用中学、学中用”，将大集中后所带来的经营、管理上的改变落到实处。二、大集中，银行集约化经营的基石
没有现代化的科技就没有现代化的银行。实施大集中，能够带来领先的科技平台，并由此带动管理提升、带动业务发展。银行可以节约IT投资，集中全部力量开发、推广应用软件，避免重复投资、重复开发现象。并且，在集中处理模式下，银行可以实现账务处理和账务信息的集中，从而达到集中管理、分散经营的要求。同时，大集中能加强金融风险的防范，进一步提高资金的流动性和资金营运的效率，有效地改善商业银行的管理机制。这些，都已经成为银行界人士的共识。
银行实施数据集中，从业务角度来讲，有利于加强对分支机构的业务监管，便于进行统一的资金调度、进行统一的信贷风险控制；从投资成本上讲，可以节省包括设备、场地、人员等计算机系统工程建设的投资；从管理角度来讲，便于进行计算机安全管理和运行管理；从创新的角度上讲，有利于加快业务创新，促进新的业务在全行范围的推广应用；从同业协作的角度来讲，有利于银行间采用统一接口，实现网络互通、业务互通。
让我们先看看大集中对于银行集中管理、防范经营风险的一则案例：2004年，XX银行有一家分行违规放了四笔贷款，没几天，该分行就收到了总行发来的“整改通知书”，责令该分行行长下岗清收贷款。总行为何能对该分行的违规放贷做出如此迅速的反应呢？据了解，这都得益于它运用了一套在集中架构下开发的信贷综合业务系统，通过该系统，总行可以实现对全行系统所有分支行、几百万个个人贷款客户、上千亿元贷款情况进行实时监控和管理。由此可见，从经营管理的角度来看，集中是必要而有益的，以上案例中的事件如果发生在银行分散经营的年代，总行是很难迅速做出反应的，因为在分布式模式下，银行的信贷决策非常分散，全行实际上有几百上千个人在决定贷款怎么发放；而在数据集中之后，总行可以站在更宏观的角度做出决策，在全行范围内决定贷款进入和退出，可以随时考核全行的经营情况，做出科学的决策以避免风险。也就是说，大集中对于总行进行集中管理，实现数据、报表采集的及时性和准确性，防范经营风险、提高决策质量起着至关重要的作用。
对客户来讲，集中提高了资金的运用效率，缩短了资金的在途时间，方便了客户支出、理财、消费；对银行来讲，银行做业务更快更及时了；此外，集中带来了统一管理，比如资金运用的决策管理，以前银行的报表需要层层上报，最后由总行进行汇总，而集中之后，情况就反过来了，总行首先得到报表，然后层层下发。也就是说，总行可以在第一时间得到第一手的资料及时进行决策。银行是企业，企业就需要盈利。对企业经营来讲，成本和效益最根本的两个要素，成本降低了，效益也就上去了，而大集中对这两者（降低成本、提高效益）的作用极为突出。大集中的远期优势体现在降低了电子化支出的成本，提高了投资回报率。他举例说，银行原来推出一套系统，需要到全国各分行去分发，并且各分行还得有自己的一支系统维护、管理、升级队伍，这是一项巨大的支出；而集中以后，全国的客户共享一套系统，“像民生银券通、个人外汇买卖系统、国际结算系统都是基于集中模式的，都是依托全国大集中的账务系统来开发的，因此它的推广应用很快、很方便，管理、维护成本也比以前降低了。”
从国内外银行的集中模式看，大集中主要有多中心、双中心和一个中心三种模式。
Ø 比如，美国的花旗是3个中心，德国的德累斯顿在全球有4个主要的计算中心，荷兰的皇家银行有6个数据中心，而英国汇丰银行的最终目标是把全球业务集中到欧洲、美洲和亚洲3个中心处理。
Ø 国内银行，比如光大、民生、深发展等中小商业银行，都是全国1个数据中心；国有商业银行则不尽相同，工行是集中到南北两大中心，中行集中到8个中心，农行则提出在建设36个省域中心的基础之上建一个大中心。
三、大集中的趋势
若纯粹从IT角度谈大集中，很难说清楚。应该说，大集中后银行的IT结构有一个趋向性走法，大家都在寻找明确的答案。大集中是中国银行业产业升级的前奏，IT集中只是银行业产业结构调整的第一步棋。中国银行业的规模化升级、产业结构调整还刚刚开始，大集中的作用在于打造一个平台，为真正的银行业产业调整打基础。以中国银行为例，由1000多个大大小小、规模不同的数据中心收缩到十几个，简单来说，大集中是由过度分散向相对集中的过渡和调整，大集中后并没有形成稳定的结构，目前的结构只是一个过渡，而不是结论。相对集中的结构是对过去发散型投资的经验总结，是对以前银行长期规模化发展欠下的债的一个清理，IT在还银行经营管理的旧账。大集中这一过程，有很大的管理和业务调整的因素，由IT集中带来产业结构重组，跨度是比较大的，因而集中是一个循序渐进的过程。
不仅仅要建立综合业务系统、信贷综合管理系统、数据仓库等应用系统，而且要建立科学的绩效考核、成本分析、经营风险控制的电脑支持系统，还要依此通过对客户消费数据分析、风险分析，建立细分市场的营销系统，实现个性化的客户服务；当然充分利用大集中后新系统的开发、推广优势，加快金融理财产品的创新是大集中必须要解决的问题。
四、数据集中与数据挖掘
一）实现大集中的动力
1、从国际金融发展趋势看：随着经济全球化、金融一体化进程的加快，以及计算机通信和信息技术在金融业的普遍应用，使得国际金融业已突破地域、时间和空间的约束，谁能全面掌握客户信息、及时为客户提供快捷的、全方位的金融服务，谁就能赢得客户，也就赢得了市场。适应市场的发展趋势，客观上要求商业银行建立强大的科技平台，实现科技大集中。
2、从国内金融市场的未来竞争环境看：我国加入WTO后，外资金融机构将纷纷登陆中国，外资银行的进入，不仅会改变中国金融市场竞争的格局，而且会进一步加剧金融市场的激烈竞争。如果国内银行依然是靠粗放经营、粗略的数据分析、粗略的市场判断，将无法与资本雄厚、管理先进、数据集中的外资银行进行竞争，只有改造传统的业务系统和技术系统，建立强大的科技平台，实现数据集中，才能提高银行的核心竞争力，才能适应未来市场竞争的环境。
3、从商业银行自身发展的角度看：商业银行的发展，一是要依靠外延的跨越式发展，实现资产规模的扩张，以期获得规模经济；二是依靠内涵的信息资源的整合，提高资源的运用效率和分配效率，推动银行的管理水平迈上新台阶。也就是说，商业银行要实现利润的最大化，既需要外延资产规模的快速扩张，又需要内涵管理水平的快速提高，从而促使商业银行主动地进行信息资源的整合，实现科技大集中。
二）大集中的内涵
简单地讲，大集中就是将分布在各个分支机构和营业网点的业务数据及其他一些相关数据实现集中。实际上，大集中就是依靠科技手段，实现数据的集中和整合，并通过对数据深层次的挖掘，对银行的客户数据、业务数据进行系统分析和评价，推动商业银行向决策科学化方向迈进，提高银行的管理水平和工作效率。
大集中是与分散运营相反的一种集中运营模式和操作模式。它是在确保银行流动性和安全性的前提下，以期实现利润最大化。也就是说，大集中的目标是增加银行的利润。要达到这一目标，需要商业银行在迅速扩张资产规模的同时，逐步提高管理水平及运作效率。而提高管理水平和运作效率的基础就是进行大集中，通过对资产类、负债类、中间业务类、财务类、会计类等数据信息资源进行整体规划和集中开发，将分散在各分支机构和营业网点的数据信息统一集成，形成银行信息化、智能化管理的基础和前提。
大集中不是一个单纯的技术问题，也绝不是一个IT部门的课题，它涉及银行各个业务部门。大集中可以实现：全行会计一本账、本外币一体化、统一账务处理、实时资金清算、对客户的个性化服务、全功能综合柜员制等。
大集中的最终目标：
Ø 一是通过对客户信息的分析和评价，确立明确的市场拓展方向，寻求银行新的利润增长点；
Ø 二是通过银行信息资源的整合，推动银行由粗放型向集约化经营转变，全面提高商业银行的管理水平和工作效率；
Ø 三是通过对业务数据的实时跟踪和监测，化解和防范各种风险。
三）数据挖掘与信息资源的开发
在知识经济时代，信息，尤其是数据信息如同人才、资本一样，也是企业发展过程中重要的禀赋资源。企业信息化建设，不仅涉及信息资源开发的数量和速度，也涉及信息使用的效率和质量。信息资源的合理开发、科学管理和有效分析，不仅对企业的发展起着重要作用，而且对企业做出正确战略决策起着决定作用。
无论立足商业银行的发展角度，还是立足商业银行的管理角度，不断进行科技创新，积极开发信息资源，对商业银行的发展都是十分必要的。
第一，从银行未来发展角度看：坚持外延扩张和内涵增长并举仍是商业银行拓展市场份额，实现规模效益的重要举措之一。积极开发商业银行的信息资源，尤其是数据信息资源，强化对银行数据的管理、分析和评价工作，使其支持和服务于商业银行业务发展的大局，有利于银行健康发展。
第二，从风险控制方面看：商业银行实现数据集中之后，通过对总行各业务部门、各分支行的存款、贷款、同业拆借、不良资产等数据信息进行实时的监测和跟踪，尤其是对分支行反常或异常变动的数据信息的检测和跟踪，可以达到防范和化解潜在风险的目的。
第三，从业务拓展方面看：数据和信息的集中管理，一是可以减轻各分支机构市场部门一部分负担，使其集中精力开拓市场；二是通过对客户信息的系统性分析和评价，可以协助各分支机构拓展市场空间。
既然信息资源开发对商业银行的发展具有如此重要的作用。那么，数据集中之后，如何从大量的数据信息中，获得有价值的信息呢？其答案是数据挖掘。数据挖掘就是从大量的数据中提取有用的信息，并将这些信息应用到商业决策过程之中。简单来讲，它包括数据集中、信息提取和商业决策三大块。
数据挖掘的方法可以归纳为4类：预估模型、分割分类、链接分析和预测模型。数据挖掘的步骤包括9个方面：既定目标的确定、数据源的确定、数据的收集和整理、数据筛选、数据质量的检测、数据的转换、数据的挖掘和分析、结果的解释和应用的推荐。
数据挖掘的方法和技术主要有以下几个方面：
Ø 目标销售，主要是利用预估模型来确定和选择销售的对象和目标；
Ø 风险分析，数据挖掘的方法已被广泛地用于风险模型的建立，包括审批模型、行为模型、逾期模型、破产模型等；
Ø 客户利润贡献度分析，根据预估模型及客户的贡献度分析，确立黄金客户、创利客户及非创立客户的分布；
Ø 银行关键经营指标的分析，包括存款、贷款、不良资产等指标的变动对比分析；
Ø 信用价值/潜在价值的预估，在北美已被广泛地使用，主要通过对客户潜在价值的分析，有利于银行根据客户信用价值和潜在价值高低采取不同的策略；
Ø 预测分析，预测主要用于销售的预测、利率预测以及成本费用的预测等。数据挖掘方法的使用将极大地提高银行未来规划管理水平。
需要强调的是，尽管数据挖掘已经被国外银行广泛地使用，而且这一技术和方法的使用使得许多银行获益匪浅，但银行切不可赶时髦，一拥而上，为了数据挖掘而来挖掘数据。数据挖掘必须要有很强的目的性，数据挖掘的目的要和银行的发展一致。银行必须清楚进行数据挖掘的目的是什么，银行希望通过数据挖掘解决什么问题。目的和要解决的问题是数据挖掘的关键所在。
五、未来商业银行信息化建设重点
着眼于未来，商业银行应尽快建立并依靠强大的科技平台，实现数据信息资源的整合和有效利用，完善对数据资源的统一管理、系统分析和科学评价体系，建立商业银行完整的、准确的、自上而下的信息系统。这就需要做好以下几方面的工作：
第一，要立足整体和战略的发展角度，做好商业银行近期和远期科技发展规划，规划和设计各类业务数据模型,建设多维数据仓库,为各级管理部门提供决策支持。
第二，借鉴国外银行的先进经验，建立一套对商业银行数据进行分析和评价的指标体系，为商业银行业务发展奠定坚实的数据管理和分析评价的基础。
第三，加快银行信息智能化建设步伐，建立和完善资产、负债、中间业务及人力资本科学定价系统、风险管理和控制系统、客户关系管理系统、多层次的人力资源绩效考评系统、网络化的培训系统等信息系统。
第四，在大集中的基础上，实现对总行本部、各分支行的存款、贷款、同业拆借、不良资产等业务数据进行时时监测和跟踪，尤其是对异常数据的变动及时检查，防范和化解潜在风险。
第五，加强客户数据信息的挖掘和分析，确认哪些客户对商业银行的利润贡献最大，哪个行业对商业银行的利润贡献最大，哪些业务品种给商业银行带来的利润贡献最大。
只要坚持数据是基础、信息是核心、决策是关键、效益是目标的原则，数据集中与数据挖掘就可以为商业银行发展提供强大的技术支持。
