企业简介
东亚银行作为一家具有领导地位的香港金融服务集团，1918年，在香港成立母公司——东亚银行有限公司；2007年，在内地注册成立的全资附属银行——东亚银行（中国）有限公司（下文简称东亚中国），总部设在上海，成为内地首批获准设立的外资法人银行之一；东亚银行全球设有约130个网点，聘用逾8000名员工，致力为香港、内地及世界其他主要市场的客户，提供全面的企业银行、个人银行、财富管理和投资服务。
项目背景
为加快大数据体系建设，稳步推进数字化转型战略，规范数据架构体系和数据治理体系，运用大数据推进全行数字化转型建设，为业务发展提供创新动力，东亚中国秉承“追赶同等规模城商行，3年内成为内地数字化领先的外资银行”的数字化转型的愿景，提出了3年数字化转化规划。目标是利用金融科技和数字化应用实现精准营销，赋能客户经营。通过激励创新，加速人才发展，提高数字化人才覆盖率，最后，提升经济化管理水平，为员工降本减负，提升管理决策效率。
解决方案
1. 构建自助数据分析平台，提升数据分析应用便捷性
东亚中国与国内Top3分析平台工具供应商“帆软”合作，对分析产品FineBI进行适配性改造，打造外资银行首个“灵活数据分析平台——Eureka深眸系统”。该系统能够提供数据分析全流程一站式服务，实现便捷的数据获取、自助的数据处理与加工、互助的数据协作、灵活的可视化分析。
通过构建用户、产品、交易等常规自助分析主题，支持经营管理方面的不同分析视角；另一方面，构建规模、收入、营销活动、风险、反洗钱等专项主题，支持一线员工及时进行日常分析工作。
通过不同的数据加载时间策略，如月、周、日等，充分利用软硬件资源，以有限的资源为业务用户提供更舒适的用户体验；另一方面，对于业务人员查看敏感数据原文的诉求，通过将Eureka平台与OA流程系统相互打通，实现一键自动生成流程以及取数加工自动化，加速取数流程速度的同时，减少数据中心人工运维成本。
所有业务用途报表经过筛选和精简后，已经全部迁移至Eureka平台，迁移过程尽可能保证数据统计口径的一致，减少了业务决策和执行分歧。
2.搭建数据科学算法平台，满足数据挖掘及AI算法研究需求
东亚中国构建数据湖的同时，同步搭建了数据科学实验室，面向业务分析岗及有相关技能的同事开放。平台包含了主要业务系统的几千张表，覆盖零售、对公、风控、合规等各个条线需求。平台上所有数据依照东亚中国数据分级分类要求，确保既能方便使用，又能满足合规要求。
3.推广数据工具
2022年，东亚中国在全行范围举办首届“数赢”杯数据分析大赛，参赛队伍均以Eureka平台为数据分析工具。本次大赛有来自32个组织和19个业务条线的208人参加，全行900+人关注并跟随大赛进行学习。大赛历时5个月，共52个方案入选数字化方案案例集。
东亚中国举办“数赢”杯赛的意义，不仅在于实现Eureka平台的普及与推广，带动一线及中后台人员的业务分析热情；更重要的是，通过杯赛在全行范围内广泛推动数字化学习，提高了员工数字素养，强化了全行数字化学习意识，提升了业务人员数字化相关技能，推广了数据分析平台的使用与普及，挖掘出数字化人才，使得“数字化”理念更加深入人心、数字化技术得以普及。
典型应用场景
数字化转型从最初发展到现在，主要推动银行完成电子化、自动化、移动化、智能化四个阶段的发展，目前东亚中国基于公司数据能力建设框架和战略，已实现了多个场景的数字化产品的应用和落地，从营销、成本、效率多方面取得了显著成果。
场景一：管理驾驶舱优化建设项目
发现问题
在东亚中国的数字化转型中，管理驾驶舱作为大数据服务门户建设的核心组成项目之一，旨在为管理层提供全行经营决策的高效管理工具，实现经营管理可视化、数字化、智能化。目前管理驾驶舱仍面临三大挑战有待解决：1.管理驾驶舱数据处理层极大程度依赖BDP大数据平台数据处理层出数时效和准确度，进而影响应用层数据质量；2.管理驾驶舱指标层未形式合理的指标明细汇总的主题分类体系（即无指标集市），指标体系混乱，指标和过程数据的关系弱，复用性不强；3.管理驾驶舱处理层数据来源分布无序，未形成合理的数仓结构化存储，亟需治理，提升数据来源的可拓展性和规范性。
解决过程
1.优化管理驾驶舱整体架构
在数据处理层，将管理驾驶舱数据从数据源端开始做隔离。
在数据应用层，完成MBR（Monthly Business Report）可视化看板建设，包括全行、对公、零售、金融市场、司库等核心版块。供管理层月度经营审视使用，减少纸质办公场景，提升数据信息获取效率。
2.构建管理驾驶舱指标体系
MBR数据集：更新数据包括收入、成本、规模、KeyRatio等模块累计140+指标；
管理驾驶舱数据集：更新数据累计200+指标，分时间、机构不同维度统计汇总。
场景价值
1.MBR汇报看板：搭建更健全的全行、对公、零售、金融市场、司库等核心版块的关键指标看板，规范数据M+1更新机制。
2.管理驾驶舱PC端：支持CEO、前台条线、中后台条线数据信息获取，搭建多视角的经营决策可视化数据看板，满足管理层T+1、M+1时效查看数据需求。
3.管理驾驶舱移动端：构建可移动的数据决策平台产品工具，实现决策分析无处不在实时动态管理。
管理驾驶舱项以提升管理层用数效率为宗旨，项目上线后，提升了管理层决策效率的同时，为公司每年节省了近百万的成本支出，真正实现了管理层决策智能化。
场景二：智能现金管理项目
发现问题
随着移动支付技术的发展和普及，全社会对现金使用的需求萎缩，在需求减少的情况下，现金管理成本却高居不下，无息资产大量占用，现金押运和库存风险以及投诉和舆情风险问题仍待解决。
解决过程
东亚中国开展智能现金管理项目并根据四大目标推行：
1.形成科学运维，实现精细管理；
2.动态核定库存，降本增收/控制风险；
3.感知用户类型，有效分级服务；
4.增加目标客户粘性，逐步减少无效客户。
具体分析看板包括：全国分行合理库存现金限额分析（CNY/ USD/ HKD）、全国分行现金押运寄库成本分析、各区域现金智能管理分布、热销产品的现金粘度分析（美元定存/人民币大额定存）、现金类客户的价值和结构分析等。
场景价值
1.从实际的降本增效情况来看，累计创造收益近百万元；
2.从数字化管理的角度来看，取得科学备付、控制风险，超额及时缴存、压降无息资产占用，减少运营成本、持续动态预测与监测等价值；
3.从客户差异化经营的角度来看，对现金交易数据分析可以完成对客户的分类，增强目标客户粘性，挖掘潜力客户，清退无效客户，对产品进行精细化定价；
4.从绿色金融的角度来看，优化了库存现金仓储，减少了现金流转过程中的资源浪费，更好地引导客户进行线上交易。
场景三：黑名单预警压降项目
发现问题
东亚中国防范洗钱风险，对其零售、对公、互联网等客户群体，在开展相关业务时，实施反洗钱预警扫描机制。目前BLN系统每日产生大量错误警报，而所有警报量均需要通过人工审查，希望通过规则和模型建立无效警报过滤，以减少警报量和人工排查工作量。
解决过程
1.黑名单过滤（PEP定义完善规则模型）：基于打标结果和遵守合规要求，结合数据分析和模型等方式过滤定义不符的黑名单。
2.AI警报分析（行职业分析模型优化、机器学习模型和策略优化）：基于打标结果和遵守合规要求衍生行职业特征，自动排除无效警报。
场景价值
定义完善规则模型后，数据分析结合规则模型辅助补全定义不符的文本组合，提升警报率。通过模型进行行职业分析和判断，结合行职业分析模型，使用AI和策略辅助判断无效警报，从而减少人力投入。
总结与展望
在当今数字经济时代，数字化转型已成为银行界的共识，各大银行纷纷进行战略布局和开展数字化落地工作，东亚中国作为一家百年企业，在当今快速发展的数字化时代要找到适合自己的转型模式与路径。
帆软FineBI提供了一站式大数据商业智能的解决方案，帮助东亚中国充分激发数据要素，释放数据价值潜能，提升在数字化时代的竞争和发展能力，更为东亚中国降本提效，激发创新能力，实现转型升级提供了行之有效的方法。
百年东亚，扎根中国，东亚中国将继续推动数字化转型，在数字化转型的航道上行稳致远。
川公网安备51015602000223号
