信托业数据治理与应用实践研究（五）--价值驱动的数据应用场景探究
来源：工程案例 发布时间：2024-01-09 03:23:44原标题：信托业数据治理与应用实践研究（五）--价值驱动的数据应用场景探究
关于“数据应用需深化”的问题，信托机构应根据不同用户对数据诉求的需求，按需实现“千人千面”的应用，制订数据应用推广的计划，丰富应用形式，不断深挖数据应用场景和数据服务建设，以实现数据应用的深化创新。
“千人千面”的数据应用和推广计划：需要结合业务管理思想和管理动作，从业务用户视角思考用户真正需要的是什么信息和服务，并按照每个用户角色特点实现按需定制的数据应用，而不是千篇一律地给用户更好的提供报表、报告等。比如高层管理层关注企业级广度的管理信息视图及异常动态，应该以移动智能的方式主动推送管理看板给高管使用，便于高层快速获取跟踪各业务指标完成情况；对需要各系统数据资源做综合业务分析的财务、运营、风控等用户，其关注的是数据的广度、深度、关联度、灵活度等内容，应该提供融合了信托业务财务、人力等数据模型和自助分析功能给用户，便于用户自行灵活分析，无须依赖科技部门。
深挖数据场景：将数据与业务场景相结合，比如在业务的投前或者以客户为中心的服务上，按照每个客户画像，开拓线上获客渠道，通过量化分析客户的偏好做客户的适当性管理、资产配置等，推进整个业务或者客户服务的优化过程。
不断推进数据服务应用建设：将数据应用和应用系统集成，从事后分析型数据，向事前事中分析决策型转变。比如在信托审批决策环节，提供智能风险数据服务支撑交易对手集中度管理、项目评审等。
关于数据场景和应用服务的深化，当前行业较为关注有数字化赋能经营管理和业务运营、财富管理、监管报送、风险管理等方向，课题组通过前期的调研分析，尝试总结相关的场景实践和方法。
中国银保监会印发的《数字化转型指导意见》第三章“业务经营管理数字化”中，要求金融机构建设数字化运营服务体系：“建立线上运营管理机制，以提升客户价值为核心，加大数据分析、互联网运营等专业化资源配置，提升服务内容运营、市场活动运营和产品运营水平。促进场景开发、客户服务与业务流程适配融合，加强业务流程标准化建设，持续提高数字化经营服务能力。统筹线上、线下服务渠道，推动场景运营与前端开发有机融合”。可见，数字化运营体系的本质内涵融合了业务运营和经营管理的数字化。
目前信托业整体数字化运营水平仍有待加强。调研多个方面数据显示，以较为基础的办公运营为例仅有23%的机构实现了80%以上运营流程的线上化。对于业务运营则普遍存在系统接口尚未全部打通、彼此数据无法流通、流程断点较多等问题。当然，随义务转型的深入，慢慢的变多信托机构认识到数字化运营能力是成为数字化战略落地的关键领域之一，相关管理机制相应调整，主要呈现出部门专业化加快、多部门协作加强、部门层级灵活的趋势，传统运营正在向数字化运营模式转变。如五矿信托积极做出响应信托业变化，开启了“二次转型”的征途，并提出了“大运营”平台的建设思路，将数字化运营体系建设作为公司业务转型的加速器。
根据数字化运营特征，数字化运营体系应重点展开构建两方面能力：第一是全过程的智能化流程运营能力；第二是全覆盖的精细化管理运营能力。
（1）以效能为重点，构建全过程智能化流程运营能力：建设数字化运营服务体系应建立标准化的业务流程数字能力，促进场景开发、客户服务与业务流程适配融合。一方面，通过全面梳理业务运营管理所有的环节的尽职履责事项，形成详尽的操作手册，将运营管理动作规范化；另一方面，结合不同业务特点，形成全生命周期的标准化工作模板。在此基础上，通过信托科技重塑再造运营流程，形成标准化的业务流程数字能力，提升运营效能。业界已有诸多实践经验。例如，中航信托为实现业务、技术、数据、运营的大融合，构建“尽职尽责、数据、风控三中台”（见图3-18）。其中，尽职尽责中台实现对公司的期间管理系统、项目管理系统和信息公开披露管理系统等的统一集合再造。通过统一流程、统一操作视图、统一操作标准，大幅度的提高信托项目的运营操作效率和数据化、流程化管理上的水准，提升了公司整体受托履职管理水平。
（2）以数据为驱动，构建全覆盖精细化的管理运营体系。数字化转型的本质是经营转型，只有“从数字中来，到经营中去”，通过场景牵引，用数据赋能经营管理，才能切实发挥数字化转型的强大力量。信托机构通过数据中台的建设，聚焦公司长期、中期与短期经营目标，实现目标及经营理念的数据化、指标化，形成经营、管理、项目数据一体化，为不同经营角色基于统一数据语言和数据指标体系，提供差异化数据视图与分析工具，实现全员自助数据分析，促进公司经营决策效率与质量持续提升。例如，中航信托2020年开展数据中台建设，整体架构包括为“1平台+2中心+1体系”，以数据平台为基础，负责数据采集、存储与计算；以数据服务能力中心、数据洞察能力中心为力量，赋能经营管理和业务应用场景，配套数据管控体系保障数据质量（见图3-19）。
其中，数据服务能力中心面向应用提供公共的服务能力，如为尽责中台提供项目全景、交易对手全景、信息公开披露、风险智能预警等数据服务等，支撑项目全生命周期运营管理。数据洞察能力中心展示全司数据产品及应用场景，如战略度量、经营业绩、业务分析、财富管理等，做全面数据赋能。
卓越的数字化运营体系将成为信托机构核心竞争力的重要支柱，从数字化、集约化、集中化的运营模式来实现信托机构数据应用能力、场景运营能力、管理决策能力的全面提升，以加强完善客户体验、改善流程效率、实现业务赋能、支持未来开放信托和生态信托的战略转型。
在资管新规、长期资金市场改革、居民财富增长、金融开放等背景下，财富及资产管理行业迎来了长期的黄金发展机遇，同时也带来前所未有的挑战，大资管行业的格局将迎来很大的变化，运用金融科技为客户提供一体化服务能力是各大金融机构的核心诉求，尤其是客户价值及投资研究能力的数字化水平提升。信托业作为大资管行业重要一员，具有业务制度优势和固收类产品特色，一直在推动财富及资管管理业务的发展，但在数字化程度仍有较大提升的空间。在传统信托业务模式上，信托机构主要是依靠理财师在线下向投资者提供理财服务，但单纯线下服务的问题越来越明显。一方面，客户私有化严重，公司与客户连接和黏性不足；另一方面，信托财富管理业务主要服务于高净值人群，伴随社会整体数字化应用的日趋丰富和社会大众数字化习惯的日渐养成，高净值客户对科技赋能下的财富管理体验和资产管理要求也在逐步的提升，中航信托综合客户的真实需求、效率、价值等驱动维度总结了数字化时代财富客户的核心价值诉求（见图3-20）。
（1）流程的便捷化：慢慢的变多的客户追求便捷的线上全流程智能交易服务体验，如希望在远程开户、双录、面签、购买、受益权转受让等全流程的交易获得支持，让客户随时随地即可获取信托服务。
（2）服务专业化：高净值客户财富管理需求愈发迫切，保值增值已不再是唯一需求，兼具财富传承、子女教育、企业融资、税务筹划等功能的综合金融解决方案日渐得到更多高净值客群青睐，客户希望从信托机构获得更加专业的财富服务，实现财富增值保值、财富保护、财富传承。尤其是在数字智能化时代，信托业从“非标”向“标品”转型，运用大数据、人工智能等技术建立智能的投资研究和资产组合管理能力，打造资产管理核心竞争力，从而更好地为客户提供专业的投资决策支持服务。
（3）产品多元化：客户希望获得更为丰富、多元化的产品体系和产品组合与资产配置方案，信托机构应具备一站式的产品货架和产品超市、开放式的财富数字化能力。
（4）需求个性化：客户希望获得更加个性化的服务，能够精准匹配客户的真实需求，提升客户体验。
（5）体验一致化：客户希望在不同渠道获得的信息、体验是完全一致的。信托机构需解决传统各渠道的信息孤岛、风格迥异的体验问题，建立一体化的全渠道服务能力。
基于核心价值诉求的变化，信托机构应以客户为中心打造财富及资产管理数字化能力。如中航信托，开展客户旅程的价值重塑，积极构建全域、全生命周期、全服务流程的客户服务价值链，打造“识别——洞察——互动——链接——转化——体验——忠诚——价值提升”全过程的极致体验（如图3-21所示），推进财富业务转型和变革。
财富管理数字化应用应着力构建以账户体系为核心，配套“全渠道融合管理”“客户分析洞察与运营管理”“产品与服务体系管理”等数字应用能力（如图3-22所示）。
（1）全渠道融合管理能力。为客户提供便捷智能的一体化渠道服务已是行业趋势，近年来，信托公司逐渐完备线下及线上的渠道建设，但渠道整合对于许多信托机构仍是一大挑战。
①线上渠道存在多个微信公众号、财富APP、钱包App，财富App功能较为全面，基本覆盖了从开户、交易到服务的所有流程，超过70%的机构在移动App建立了较为完整的营销服务功能，但在用户体验方面存在比较大改善空间。各线上渠道未实现统一管理，仅30%左右的机构较好地实现了PC/财富App/微信等主流线上渠道的统一登录和数据同步，线上渠道的分散和差异造成使用者真实的体验割裂。
②线上线下缺乏有效的整合与联动，基于客户分层的渠道策略更是无从谈起，未能形成公司层面的协同体系。
疫情时代客户的投资习惯、交互方式、服务需求都在发生根本性变化，信托机构需全面加速线O闭环协同的全渠道数字建设，明确各个渠道的定位与功能，有效整合各渠道的数据及实现功能融通联动，打造财富管理的服务闭环，通过一致、丰富、专业的服务体验持续增强客户黏性，为客户提供长久的综合金融服务。
（2）客户分析洞察与运营管理能力。客户分析洞察能力和精细化运营管理是数字化时代各大金融机构的核心能力。调研多个方面数据显示，当前行业整体在客户信息基础方面的建设相对较好，已有超过90%的机构完成了客户唯一性识别的能力建设，完成客户信息统一视图建设的机构也超过了70%。但在客户运营管理方面，仍有待逐步提升完善。仅少量机构完成了客户等级体系、客户标签体系和客户画像等相对高阶的功能建设，占比分别为43%、34%和13%，开展客户个性化经营与服务缺乏必要的功能基础。另一方面，数字化的客户的真实需求分析和价值挖掘能力建设也处于起步阶段，分别仅有15%和12%的机构具备了建设了上述功能体系。信托机构需进一步按照业务实际需要逐步推进客户360视图及标签体系建设。通过多维度收集整合客户数据资源，从“人口、交易、交互、行为”等维度特征全方位描绘客户画像（见图3-23）。
①人口数据：客户画像基础信息，包括基本属性、资产信息、地理位置、关系图谱等。
②交易数据：客户在信托机构的会员账户信息、历史交易往来、当前交易往来等信息。
④行为数据：行为偏好数据分析，如风险、渠道、产品、行业、期限等偏好信息。基于客户画像，可以科学地对客户进行分层分群，并采取差异化服务和精准经营销售的策略，进行个性化产品、服务推荐，对客户生命周期进行追踪，防止客户流失，赋能财富顾问为客户提供更合适的财富服务。
（3）产品与服务体系管理能力。在产品体系数字化能力方面，构建统一开放式的产品货架是基础，通过数字化手段实现内外部金融理财产品的全覆盖，为客户提供全谱系、开放式、精品化的金融理财产品选择，提升财富规划和智能投研能力，信托机构应基于经营及客群增长目标的产品战略，明确内部产品创设的实现方式与外部产品筛选的标准与数字对接流程。同时，为逐步提升客户体验、活跃度、忠诚度，服务体系数字化能力建设也很重要，个性化、差异化的服务需要以会员体系和增值体系数字化为依托，实现内部生态、同业机构、异业联盟的数据融通，在线上渠道为客户提供更多的增值服务、权益，有效提升客户粘度。
当前信托业始终保持严监管的态势，各监管部门持续完善金融监督管理制度与管理细则，提升金融监督管理科技能力，对信托机构及时、准确地完成监管报送工作，提出了更高的要求。从数据视角来看，现阶段我国金融监督管理统计已形成指标、报表、明细三个层级的监管报送统计体系（如图3-24所示），三个报送层级相互验证、相互补充。监管部门可通过统计指标掌握信托机构的整体运营情况，如信托监管评级、注册资本、净资本等指标反馈信托机构的整体经营实力与风险防范水平。通过统计报表获悉信托机构各项业务的开展情况，如通过全要素统计报表分析、评价和监测信托业发展状况；通过1104统计报表发现信托机构存在的问题，掌控信托机构财务情况、风险识别和风险抵御能力；通过明细数据（如EAST）洞察信托机构具体的业务详情及数据质量情况，同时可通过明细数据对报送的指标及报表进行数据准确性、真实性、合规性等验证。
同时，信托业监管报送各模块间呈互相校验的趋势，信托机构提高监管报送质量已势在必行。如中国信登为有效促进报送机构改善数据质量上的问题，建设了统一的行业数据智能质检平台，自动全面识别报送数据数据质量上的问题，实现单模块及跨模块间的数据稽核，辅助信托机构进一步探索数据质量情况，推动行业数据质量的整改、优化。
当前信托业数字化建设水平参差不齐，部分机构已完成一体化的数据平台建设，并在数据平台之上搭建监管报送应用，统一支撑监管报送工作，如光大信托、民生信托等；还有部分机构并未搭建统一的数据平台，采取烟囱式、孤岛式的建设模式（如图3-25所示），依赖于多个报送系统，分别支持监管报送工作，甚至还存在大量手工台账出报表的情况。
孤岛式的系统建设模式虽可暂时满足当前的监管报送要求，但从长远的角度看存在数据网状交互、系统建设重复投资、缺乏统一监管数据模型、缺乏监管数据一致性管控等问题，很难保证报送数据的准确性、一致性，不足以满足当前日趋严格的报送要求。信托机构应转变建设理念和模式，从原有的“报送孤岛建设模式”提升为“统一管理建设模式”，由数据中台汇聚公司全域数据资源，在数据中台基础上搭建统一监管数据集市和监管报送平台，实现从报送数据到报送结果的闭环管理。如光大信托为有效解决信息孤岛问题，实现数据互通，提高数据质量，统一业务统计标准，分析利用数据资产发挥数据业务价值，满足公司精细化管理、监管报送和决策支持等要求，在2018年开展数据中心项目，并于2020年启动统一监管报送集市和平台建设，统筹管理报送内容，规范报送流程，实现1104、全要素、EAST4.0等10余个监管模块的统一报送（见图3-26）。
统一监管数据集市从监管视角为出发点，按照分层的思想设计数据架构，如图3-27所示，分为基础层、汇总层、报送层等。基础层按照主题建模的方式，以监管数据标准为基准，存储信托业务及固有业务明细数据；汇总层按照监管报送报表及指标要求，基于统一的业务口径，构建公共粒度的汇总指标；报送层则面向监管应用，基于实际监督管理报送结果要求，按需设计相关报送模型。
统一监管报送平台规范各监管报送模块报送流程，按照报送数据生成、校验、报送数据管理、审核、报送等进行流程管控；同时，解决报送系统离散异构的现状，统一管理各监管报送模块；亦可针对报送数据来进行联合质检，实现跨模块间的数据有效质检，协助报送人员快速发现数据质量上的问题，指导业务人员完成相关的数据治理工作。
当前信托业数字化风险管理上的水准处于初级阶段，总的来看，存在三方面的问题：首先，未深度规划风控体系数字化转型，对数字化风控体系的路径和目标缺乏足够深入的认知和研判；其次，现有风控体系对业务和运营的支撑主要是依靠的是传统线下风控手段及浅层面的被动性科技辅助，风险评估个案化、管理手段后置化、决策判断经验化，如传统信托业务的风险管理以人工专家经验为主，流程为辅，标品业务风控体系底子薄弱等。最后，行业缺乏大量的数字化风险管理复合型人才，风控团队与技术团队之间有较大的沟通理解鸿沟，需要具备数字化思维、熟悉业务、数据、科技能力兼备的复合型人才团队才能保障落地的效果。
可喜的是，随着数字化转型的加速布局，慢慢的变多的信托机构重视全面风险管理体系和数字化落地的规划和建设，积极探索信托特色的数字风控之路，如平安信托持续优化风控体系，深度应用人工智能、区块链、云计算和大数据等技术，打造贯穿“募、投、管、退”四大环节，覆盖全品种、全周期的智能风控平台，实现了全流程、一站式、智能化风险管理能力。
数字化风控体系建设的目标是通过数字化技术和流程实现对信托各类风险的全覆盖和全过程实时监测、应急处置、风险管理，以“体系为先、数据为本、智能为核、平台为表、服务为道”的框架进行规划建设（如图3-28所示）。
（1）体系为先：全面风险管理体系先行先导。数字化风控是全面风险管理体系的数字化落地，在顶层设计建立与信托机构战略目标、组织架构、业务模式等相适应的全面风险管理体系是第一个任务，涵盖风险管理战略、流程、保障、环境等层面内容（见图3-29）。
（2）数据为本：内外部数据融合是数字化风控的基础。数据是实现数字化风控的基础，利用大数据技术丰富数据维度，实现对内外部数据的清洗、整合、加工融合，形成统一的风险数据集市。
首先，要考虑怎么丰富数据资源维度。当前信托机构内部数据资产未完全线上化，如大量尽调信息、合同信息以文档形式存在，没办法形成可分析利用的结构化数据资源；同时，对外部数据资源接入有迫切的需求，如交易对手全景画像需要外部数据补充。因此，丰富数据资源维度需要从内外部同时入手，一方面将内部数据逐步结构化、数字线上化；另一方面拓展外部数据合作渠道，合法合规对接外部数据资源。
其次，内外部数据融合是分析的基础，外部数据与内部数据可在数据平台和风险集市上实现融合，如国内对公交易对手能够最终靠统一社会信用代码建立映射关系，将其内部投融资数据、合同数据与外部工商信息、股权关系等关联，形成统一交易对手视图。
最后，数据质量提升是应用的关键，所谓“垃圾进垃圾出”，低质量的数据输入不仅导致输出错误的模型结果，有时候会派生出灾难性的辅助决策后果。因此，加强内外部数据治理是数字化风控应用效果的保障。
行业已有诸多信托机构开展数据资源拓展工作，部分头部信托公司尝试实现金融市场动态、行情信息、不动产市场信息、企业信息等数十类外部数据的对接，建立项目全景视图集市以及交易对手全景视图集市，赋能风险管理及尽责运营。
（3）智能为核：数智技术应用是数字化风控的内在核心。“无法计量风险就无法高效地进行风险管理。”风险的计量、智能模型分析与策略研发是数字化风控的核心。信托业在量化风险的实践上大多分布在在具备海量数据样本的消费金融、普惠金融等领域。传统信托业务由于业态各异、数据样本量较少等因素，在智能化技术运用在风险管理的实践相对较少，主要通过人工专家经验加规则计算等方式来进行风险识别，近年来也有不少机构探索创新，部分头部信托公司尝试基于指标计算平台（指标库）实现风险偏好指标和限额准入指标体系的配置管理和自动加工计算。
（4）平台为表：数字化风险管理平台是数字化风控的表征载体。在风险数据集市基础上建立数字化风控管理平台，实现全面风险管理体系的平台落地，作为信托机构统一的风险管理门户，包含统一风险视图、风险指标监测、风险事件管理、风险报告中心、风险数字工具箱等核心功能，同时将一揽子风险数字能力集成为统一风控服务，全面内置到业务活动流程中，赋能全流程风控管理，形成真正意义的风控中台。
①统一风险视图。统一风险视图是企业级的风险管理驾驶舱，以图形仪表、移动互联的形式，生动、直观地展现信托机构整体风险水平、各类风险类型（如信用风险、集中度风险、市场风险等）的风险全面视图、监管合规动态，支持层层下钻，如从信用风险视图从信用风险指标下钻到项目、行业、地区等维度、再下钻到资产、交易对手等风险视图，辅助用户定位风险根因（见图3-30）。
行业已有很多信托公司进行风险视图的建设，部分头部信托公司实现了信托业务项目风险视图，贯穿项目立项、审批、变更、募集、成立、存续、清算等全生命周期节点的风险监测，对生命周期节点进行分级分类，设置风险红绿灯判定规则，并可以下钻到明细项目和异常节点详细信息：
②风险指标监测。实现风险偏好指标及限额指标等体系的管理，并对风险指标体系进行自动化、实时化监测，对于超出预警阈值的指标进行预警信息推送，实现监测结果快速触达，自动察觉缺陷，支持业务人员进行指标预警缘由分析及跟踪处理。
③风险事件管理。实现风险事件管理，将通过数据模型发现、指标监控、事件上报等方式识别风险事件，实时更新风险事件处置进展与最新动向，有助于风控人员及时掌握风险化解进度，实现从“发现——评估——处置——追踪”的风险管理闭环（见图3-31）。
④风险报告中心。嵌入管理报告模板，基于风险集市数据信息，自动生成各类型风控报告，如公司全面风控管理报告、风险类型专题报告（信用风险管理报告、市场风险管理报告、流动性风险管理报告等），减低人工工作量，提升风险报告制作效率，增加风险分析的维度和深度。
⑤风险数字工具箱。提供一系列风险管理数字工具，辅助用户高效管理风险，如主体信用内部评级、集中度测算（按交易对手、区域、行业等）、净资本与风险资本测算、项目及交易对手信息全景查询等。
（5）服务为道。风险数据智能服务是数字化风控的赋能之道。将数据、策略、模型、平台功能有机结合集成为统一风控服务能力，全面赋能各业务系统来进行业务流程的高效风险管理，贯穿于业务的事前调查、事中审查、事后检查环节，以自动化方式替代或部分替代人工判断和决策，达到风险管理流程自动化、决策智能化的目标。