「普惠金融」是国家重要战略之一，在普惠金融中应用大数据技术，能进一步提升普惠金融的服务质效，助力小微企业的持续发展。这家国有大型商业银行选择以 Kyligence 产品及解决方案为基础，搭建了统一的指标中台，以高效的指标治理推动数据治理，利用先进的大数据技术实现数字化经营、提高业务协同效率，助力其普惠金融业务的健康、稳定发展。
1. 普惠金融业务及特色
2015 年，国务院印发《推进普惠金融发展规划（2016-2020 年）》，首次将「普惠金融」纳入国家战略规划，并提出做好微小、确切而有幸福感的金融有利于每个人、每个小企业实现自己的梦想。几年来，在国家政策的支持下，普惠金融已经有效提高了金融服务的覆盖率、可得性和满意度，让更多老百姓享受到了便捷、合理、安全的金融服务。
作为国有大型商业银行，这家领先银行认真贯彻党和国家决策部署，主动承担大行责任，全面启动普惠金融战略。该银行“涉农、扶贫”的普惠金融服务（以下简称“普惠金融”）是在县域乡村指定合作商户服务点布放银行卡受理终端设备或“普惠金融”APP，向借记卡持卡人提供助农取款、现金汇款和余额查询、转账汇款、代理缴费等服务功能。
面向“涉农、扶贫”重点客群，该银行为解决乡村地区金融产品服务供给不充分等痛点，以互联网思维、轻资产新模式快速延伸县域乡村地区服务触角；通过搭建起县域普惠金融共享服务平台，提供“金融+非金融服务”，满足乡村振兴多样化、多层次的金融需求，打通了金融服务“三农”最后一公里，提升了该行县域乡村服务能力。
1.1 融合民生场景、提供丰富金融产品
涉农普惠金融业务的特色是通过不断深化与民生场景的融合，持续丰富⺠生服务生态入口。目前该行已完成生活缴费、社保医疗、社区服务和农业生产四大类特色⺠生类服务场景的接入和部署。围绕“存贷汇缴投”为县域乡村客户提供特色助农取款、专享聚财、涉农保险等 30 项产品功能。在总行的支持下，普惠金融促进了多个分行的业务场景创新，落地了多项特色金融产品，持续推进“三农”金融服务。
1.2 深入三方合作、探索业务开拓模式
涉农普惠金融业务不仅具有助农取款、快贷、汇款等传统的功能，该行还积极与第三方合作，探索“普惠金融+”的业务开拓模式，借助第三方的资源为客户提供便民缴费、健康饮水、农业资讯等非金融服务，成为该行推动普惠金融服务网络深入腹地、助力乡村振兴的重要载体。例如，与某物联网公司共同打造的“普惠金融+日日顺乐农”乡村普惠金融服务平台，村民除办理金融服务外，还可享受健康饮水、网上问诊、定制化产品购买等非金融服务。
2. 开展涉农普惠金融面临的挑战
该行自逐步开展涉农普惠金融业务以来，就认识到其关键在于“涉农普惠金融”APP 的专业化运营。通过上述业务特色的介绍，大家知道了涉农普惠金融业务的显著特征是：基于用户的真实生活需要，与广泛的第三方渠道合作，融合民生服务场景，提供便利的金融产品等。而“涉农普惠金融”APP 则是该业务的重要载体，其实际运行中主要面临如下几个方面的挑战及数据需求：
2.1 如何提高信贷审批效率，灵活响应需求
如何通过建设数字化政务（包括精兵简政），提高为老百姓办事的效率是开展涉农普惠金融的重要需求之一。涉农普惠金融的资金需求额度不高，资金通常用于日常农业生产运营、扩大规模或短期资金周转等方面；另一方面农户及相关小微企业的资金需求较灵活，往往不能等待较长时间。尤其是疫情以来，很多小微企业面临倒闭风险，如果这时候能够成功融资，将会对小微企业的生死存亡起到至关重要的作用。然而，传统的信贷审批对农户和小微企业融资而言，审批速度不够友好，因此这也是涉农普惠金融业务需要重点解决的问题。
2.2 如何精准分配资源，促进业务规模增长
开展涉农普惠金融还需利用大数据挖掘农户及关联小微企业，进行资源的精准分配，更好助力业务的可持续发展。从银行整体的角度出发，随着时间推移，银行对普惠金融业务的投入会逐渐加大，但是将资源分配到各分支行后，就显得捉襟见肘了。虽然涉农普惠金融是一项政策导向的业务，但银行作为盈利机构，也要考虑健康、可持续的发展。如何充分利用这几十万个服务点，深入挖掘农户及关联小微企业，实现业务规模增长就成了该业务健康可持续发展的关键。
2.3 如何提高和支行的联动效率，联动资源整合发展
以数据为基础，更好联动普惠金融部门与各支行之间的资源、整合发展是开展涉农普惠金融面临的又一挑战。传统小微企业贷款审批模式具有较大限制，各支行的客户经理进行客户开发，对相关客户的业务往往只能推荐办理，再由分行普惠金融部专门审批，才能够最终确定贷款额度和放款时间，而普惠金融部对审批慎之又慎的态度，使得很多客户的贷款审批实际上得不到高效和高额对待，虽然提供相应抵押物，但“过不了关”的情况仍然非常多。
因此，普惠金融部门与各支行之间，如何有效提升联动效应，是银行提高普惠业务发展效率和提升规模的关键因素。
2.4 如何利用指标，实现多方高效协同
利用数据/指标协同普惠相关合作方或行业，更精准、高效地发展是开展涉农普惠金融的关键。涉农普惠金融立足于民生场景，牵涉到供销社、通信公司、电商平台、卫生系统、民生服务、住房租赁等众多合作方。如何与各合作方高效协同，打造好服务农户及相关小微企业的民生场景？这需要转变思路，从 APP 运营的角度优化好每一个业务环节，提高业务办理的体验和效率。
3. 以 Kyligence 指标中台为基础，高效助力该业务健康、持续发展
该行基于自身多年数据建设的丰富经验，认为要想解决上述挑战，需要搭建一套统一、共享、标准、高效的数据分析体系，利用先进的大数据技术实现数字化经营、对齐内外部各方信息、提高业务协同效率。
作为该行的重要合作伙伴，Kyligence 结合业内数据建设情况的研究和自身多年项目实践的积累，与该行展开深入的探讨和研究，双方认为要解决涉农普惠金融所面临的上述挑战，一套清晰、合理、高效的指标体系及分析平台是基础，才能逐步实现以数据驱动涉农普惠金融业务全面、健康、可持续增长的目标。
指标中台是一套复杂的系统，其不仅包括内部的各业务条线、渠道、职能部门等各种指标体系，还涉及到与外部合作平台的数据打通，同时需要科学设计底层数据治理、平台及管理系统、运营监控系统、指标的各种应用和指标用户管理等。结合 Kyligence 在搭建指标中台及系统的最佳实践，考虑到在复杂的业务和关系中，我们建议以指标体系的规划为切入点、以指标的开发与治理为抓手。此外，一个强大的数据平台底座，也是确保指标体系的良性运转和高效数据治理的关键。
3.1 梳理一套全面、清晰的指标体系
考虑到涉农普惠金融的业务价值链较为复杂、合作机构众多，指标体系的搭建是拉通各方行动的关键所在。Kyligence 基于行业先进实践和自身项目积累，提供了一套科学的方法论框架，帮助该行梳理规划一套清晰、合理、高效的指标体系。这套框架包含 OSM、UJM 和业务场景化三个相互配合的方法论组成：首先通过 OSM（Objective-Strategy-Measurement）使业务目标结构化， 然后融合 UJM（User-Journey-Map）使用户体验流程化，并用之反哺、校准业务目标，最后通过将业务场景模块化，使整个指标体系快速落地。整个方法论框架如下图所示：
3.2 坚实的 Kyligence 指标中台底座
基于 Kyligence 产品打造的指标中台底座，已经在国内多个大型银行成功落地和推广，服务了各总分行的管理人员、数据工程师以及业务人员，目前指标中台架构如下图所示：
得益于 AI 增强的高性能分析引擎、统一 SQL 服务接口、业务语义层等能力，Kyligence 提供成本最优的多维数据分析能力和丰富的指标体系建设经验，有利于该行进行大规模的应用和推广：
- Al 增强的智能指标引擎：实现指标的智能建模、自动加工计算，大幅降低指标 ETL 开发工作量，提升指标开发与上线效率；
- 高性能全场景的 OLAP 引擎：保证各类指标查询的秒级响应，保障用户用数体验，实现指标深度分析与洞察；
- 统一的语义层：基于集市模型实现上下口径统一的数据语义层，基于维度实现指标的穿透式分析；同时提供各类数据查询服务接口，比如 SQL、MDX、RESTAPI 等，更好对接各类指标应用；
- 全面的 API 集成接口：支持与现有的数据管理、调度、安全等组件无缝集成，迅速构建企业统一的指标中台。
3.3 高效的指标运营和数据治理机制
得益于坚实的 Kyligence 指标中台底座，该行可以基于前沿的智能化技术快速整合、展现、共享和治理高价值的指标资产，打破传统银行“业务提需求，IT 做开发”的被动响应模式，从而让业务方能够主动、快速地找到需要的业务指标，或者基于现有的指标快速派生新的指标。此外，系统还能自动匹配和推送有价值的指标给业务人员，让使用数据变得简单和高效。在本项目中，该平台充分发挥了如下几项优势：
- 基于智能多维数据库的高质量数据集成
根据该行涉农普惠金融业务的特点，本项目在数据整合的方法上以数据集市及指标为中心。通过这样的多维集市能够为上层的指标提供更好的能力，同时也有利于更好地跟上下游合作，确保端到端数据链路的高质量水平。
- AI 引擎驱动的智能化指标加工厂
传统的数据平台对人工 ETL 依赖重，造成了 IT 团队人力资源消耗居高不下，需求响应速度慢。Kyligence 指标中台通过 AI 增强引擎学习用户的分析模式，推荐或识别出最合适的数据模型，并进一步推荐出模型可以承载的指标，通过系统自动化地完成指标的加工工作。
- 高效的数据治理
在本项目中，Kyligence 指标中台通过推动指标治理来做到更好的数据治理。只有指标被使用、被消费，数据才能发挥更大的价值。Kyligence 指标中台规范了该行指标口径的管理，比如重复的指标、异动的指标，还有一些空值分布的异常等，都能在指标管理模块中实现自动的监控和治理。在数据时效方面，通过指标保障级别的设置，系统可以自动在后台调整资源和调度，保证对应指标的 SLA（Service Level Agreement / 服务级别协议）。
3.4 Kyligence 助力涉农普惠金融的健康、持续发展
在 Kyligence 指标中台解决方案的助力下，这家领先银行已实现：
- 对涉农普惠金融业务的敏捷数据应用支撑，新的数据应用开发上线从过去以月为单位提速到一周以内，使得该项业务在开展过程中能够敏捷地作出调整以适应农户及小微企业的需求；
- 在农业、农村的扶贫和乡村振兴中，该银行的指标体系有效支撑了扶贫资源的精准分配和致富商机的发现，助力该项业务的规模增长；
- 统一的指标体系和高效的数据治理，提升了该行内各部门、各地支行和外部合作方的协同效率，从而有效地解决了贷款审批速度、深入挖掘农户/小微企业等难题，实现了业务的健康、持续发展。
从全盘角度看，该项业务近年来保持了良好的发展势头，截至 2021 年 6 月累计拓展服务点 22.4 万个，覆盖了全国 31 个省市区，乡村覆盖率超过 33%，各地政府承接的定点扶贫村覆盖率达 98.85%，服务点规模持续扩大，县乡渠道覆盖显著提高，实现了实现普惠金融的稳健推进，助力社会经济的稳健发展。
作为大数据基础领域软件公司的领先者，截至 2021 年，跬智信息 (Kyligence) 已拥有 多项国内外专利以及软著认证，掌握大数据基础设施的核心技术。目前公司已通过联合实验室方式与中国银联达成深度合作，共建创新型金融数据服务，进一步研究大数据平台的国产化替换等课题，致力于为中国各行各业提供自主可控、高性能、高质量的大数据基础软件。
在服务众多行业领先客户的过程中，Kyligence 不断打磨自身的企业级产品，同时结合用户的最佳实践经验，沉淀了一套科学、完整的指标中台建设方法论，为客户提供从咨询到落地实施的全链路服务，并提供持续不断的平台运营和解决方案服务。如果您对上述产品及解决方案感兴趣，请点击链接了解更多。
欢迎大家致电 400-865-8757，与我们取得联系。
关于 Kyligence
上海跬智信息技术有限公司 (Kyligence) 由 Apache Kylin 创始团队于 2016 年创办，致力于打造下一代企业级智能多维数据库，为企业简化数据湖上的多维数据分析（OLAP）。通过 AI 增强的高性能分析引擎、统一 SQL 服务接口、业务语义层等功能，Kyligence 提供成本最优的多维数据分析能力，支撑企业商务智能（BI）分析、灵活查询和互联网级数据服务等多类应用场景，助力企业构建更可靠的指标体系，释放业务自助分析潜力。
Kyligence 已服务中国、美国、欧洲及亚太的多个银行、证券、保险、制造、零售等行业客户，包括建设银行、浦发银行、招商银行、平安银行、宁波银行、太平洋保险、中国银联、上汽、Costa、UBS、MetLife 等全球知名企业，并和微软、亚马逊、华为、Tableau 等技术领导者达成全球合作伙伴关系。目前公司已经在上海、北京、深圳、厦门、武汉及美国的硅谷、纽约、西雅图等开设分公司或办事机构。