2017年4月初，筆者走進福建南安農商行，和龔小培先生（銀行開發中心經理）做了面對面交流，談談當下的銀行數據化管理，並整理成案和大家分享。
南安農商行，由福建第一家農村合作銀行改制而來。擁有98個營業網點，其中1個營業部、30個一級支行、31個二級支行、36個分理處等。多年來南安農商行存貸款規模、市場佔比、盈利水平及上繳稅額等主要經營指標穩居南安當地銀行業首位，2016年納稅2.46億元，是當地的納稅大戶。截至2017年2月底，南安市場佔比33%（轄內共有21家金融機構）。榮獲頗多稱號：「全國農村金融服務先進單位」、福建省「標桿銀行」、福建省農信「農村金融服務綜合示範行社」。
船長：話說磨刀不誤砍柴功，您怎麼看數據應用中的「刀」的作用？
龔：企業數據應用，
大數據分析軟體就是把「刀」，選擇合適順手的「刀」很重要。但不可否認，既要根據「砍什麼柴」，也就是企業實際數據應用需求，也得考慮這個「到」給什麼人用。我們農商行技術能力是有一些的，但是技術整體儲備和人員儲備顯然是不如大銀行。所以功能簡單的
數據分析插件這種「小刀」不適合我們，需要較強代碼能力，大量開發工作的「大刀」也不適合我們。學習門檻低、能調用sql、跨系統取數、方便集成、展現樣式豐富、手機電腦多終端展現等這些指標就是我們選「刀」的標準。
船長：這麼說，南安農商行是提前明確了自身需求，拿著標準在市場上選的「刀」。據我所知，很多企業的需求，都不是很明確，只有一個寬泛的範圍，您在選擇時有這樣的困惑嗎？
龔：其實我們選型開始也只是有一些框架性標準，比如能在手機端展示，能對接不同業務系統，能集成，支援sql取數。但是詳細的標準都是和報錶廠商顧問交流過程中，逐步明確的。這裡也能感受到不同廠商的專業程度，帆軟銀行顧問給我們帶來的不少有價值的經驗。
船長：我聽說您做了很多數據類應用的嘗試，有績效考核、盈利分析、網格化管理等等，具體怎麼實施的？產生了哪些效果？
龔：我們確實做了這三塊。歷時三年，我們做了廣泛研討和實驗。現在我們的薪酬績效涉及範圍相當廣，統計粒度很細，可以精確到每一位員工的各種補助和各種提成的明細。從下面的圖可以看出，我們員工的工資大概分為五個方面，基本薪酬、福利待遇、業務量、行銷、組織創意。這五個方便又有更為詳細的子項目，一個員工工資可能有20多項明細。之前，我們很多賬目都是手工匯總，最後有個薪資總數。現在這個系統自動匯總計算，月底自動郵件推送給每個人工資詳單。而且薪資如有調整、項目如有變更，隨時方便調整這個平台。就光這一項，就節約了我們一半多的財務人工工作量。我們這5年存款增長2.5倍，現在通過這個系統，就能看到每一位員工在業績增長中的貢獻。
船長：這郵件要是讓家裡老婆看見了，那難藏私房錢了。那盈利分析是不是更神奇，具體是如何通過數據分析來增加盈利的？
龔：我們的盈利分析，其實還相當複雜。我們需要資金轉移定價、成本分攤、經濟資本三部分來支撐，每部分又有更為明細的劃分，可以看下面的圖，這也就是我們的盈利分析模型。紅色部分是對利潤影響較大的模塊，黃色部分影響程度中等，綠色影響較弱。我們要做完所有這些節點指標的分析，最後才能得出總的盈利分析。
船長：有這樣的盈利分析模型的故事實例嗎？
龔：舉個例子，比如說貸款。假定期限12個月，網點的外部資金在去年總共是一個億。然後中間資金成本大概七千六百萬，所以你得出一個「利潤」三千四百萬。但是做這些業務，是有運營成本。比如說網點員工是運營成本。所以我們要算業務管理費，營業稅費還有附加費，還有董事會支出。這樣計算之後，我們才能得出營業利潤。同時，我們利潤是需要繳稅的，繳稅比重很高。我們減去資產損失、所得稅之後，可以得出凈利潤。凈利潤因為我們銀行還要對於一些資產風險做評估，還要減去資本損失，12月份資本金600萬。那最後才能得出外部資金收入有一個億，但是實際盈利只有600萬。這是我對系統計算模型的簡化，這樣一些列的運算，就全依靠這套我們自己搭建的數據平台自動運算的。
船長：這樣的盈利計算方式可是夠精細的。不過我了解到，還有網格化管理，這具體是什麼應用？
龔：業務網格化管理，是我們對業務的地理分布的一個形象的稱呼。福建南安有150多萬常住人口，分布在23個鄉鎮，384個行政村。我們的這個系統能識別出130多萬人的鄉鎮地址、性別、身份證號等等個人信息。我們根據南安區劃，分出不同區域來做單獨的業務統計，單獨做業務核算和業績分析。我們看下圖左邊的普惠金融客戶存款覆蓋率分析。覆蓋率較高的為紅色，覆蓋率低的為綠色，中間值為過渡色。比如說紅色部分是石井溪東鎮，覆蓋率約達到37%，也就是100個辦理存款業務的客戶里，有37位選擇在我行辦理。我們把這個37%和我們的當地支行的戰略目標掛鉤，便可以從這個維度去要求其他網點提高覆蓋率。
船長：我看好像這邊有對東田鎮的詳細分析，右邊的圖和表示在做詳細分解分析嗎？
龔：是的，在鄉鎮覆蓋率圖上，我們看到東田鎮覆蓋率很低，不到20%，路高於15%。那麼我們就要從地理區塊上先去尋找原因。在其下轄的行政村中，最高的山西村的覆蓋率才打到32%，這個就不算很高，相比之下，其他村覆蓋率更低。那麼我們就要重點監管這個網點了。比如我就就先分析山西村的情況，發現存款客戶數和覆蓋率都在下降，但是貸款的客戶數和覆蓋率等相關數據基本都在上升。這就說明這個網點要去探究存貸是哪裡出了問題，是利率折扣問題？服務問題？還是就是具體的業務工作重心問題，這些要結合其他報表，然後讓網點負責人去解決了。
船長：像這樣的數據管理和數據分析，我們做了多少工作，帶來哪些影響，有量化數據嗎？
龔：我這邊有我們的系統截圖，可以看到，我們做了挺多的數據分析頁面。實際上，2016年度，
報表製作系統共實現各部門各類定製報表150餘項，通過自由填報實現臨時報表填報共計110餘張。整個數據應用系統涵蓋了高管報表、村鎮管理報表、財務會計、行銷中心、零售電子、資產管理、公司國業等諸多模塊，有效解決數據壁壘問題，降低了各單位的取數難度及工作強度，提高了數據統計質量及效率；解決了很多統計難度大、費時費力的報表統計及報送事項。直接促進了我們存款增長2.5倍，貸款每年保持10%左右增長，目前我們的市場份額已經達到了南安市的33%。在本地全部21家金融機構中，處於領先地位。
船長：我們把數據分析工具啊比作「刀」，把數據分析需求比作「砍柴」。那您總結一下，要滿足「砍柴」要求，「刀」的分量有幾分，還有其他元素要考慮嗎?
龔：「砍柴」三分功在工具，七分在人。因為數據分析工作不是盲目的干就行，這裡面有很多企業經營管理的思想在裡面。數據不騙人，但是我們分析數據，得出的結論卻可能是騙人的。三分工具，不是貶低工具，是確實認可工具的作用。畢竟企業競爭，不是六分及格萬歲，而是爭當第一名。各種手段取得盡量高的分數。七分在人，主要三點考慮：一，前期選型時，要充分了解數據分析工具的成功失敗經驗教訓，這就需要廠家有相當多的客戶案例和實施經驗；二，項目實施時，團隊要有能力理解規劃業務，把業務經營指標轉化為數據分析指標和報表頁面，再好的工具也需要這群人用著合適；三，持續運維，企業經營不是一蹴而就，不是一朝一夕，數據分析的內容是需要不斷調整的，何時調整，如何調整，調整什麼，這都需要企業內部外部相當一批有業務經驗的人來提供支援，也需要高層積極決策。不過，數據分析這個工作，因為高度和業務結合，但各家業務又各有不同，所以我一家之言可能不能代表全部，也歡迎大家與我討論。
文| 帆軟數據應用研究院 船長@李向川
