2024年度上市公司数字化转型最佳实践丨青农商行：BI+AI智能数据平台

为进一步落实党中央、国务院关于发展新质生产力、打造数字经济新优势等决策部署，坚定实施数字化转型任务，推动数字经济发展，中国上市公司协会开展了上市公司数字化转型最佳实践案例征集活动，并从技术领先、场景创新、社会价值贡献、产业链建设四个维度遴选出了40个优秀、69个典型案例入选《上市公司数字化转型典型案例》，这些案例集中反映了上市公司在数字化转型过程中的实践、挑战与成功经验，为上市公司开展数字化转型提供参考和借鉴。

一、案例简述

数据作为一种新型生产要素，被称为数字经济时代的“新石油”，我行此前为业务人员提供的数据工具主要是数据报表平台，该平台主要功能定位为固定报表查询，采用传统的“业务提需求，技术做需求”的串行模式，缺少对业务人员自助分析的支撑能力。

为更好地赋能业务发展，提升业务人员自助分析能力，我行搭建了“低代码、一站式”的BI+AI智能数据平台，该平台通过“拖拉拽”的操作方式降低了业务人员搭建数据应用的门槛，助力业务人员深入挖掘数据价值，当前平台70%以上的数据应用由业务人员自主搭建。

该平台建设核心在于突出“人才、产品、场景”三条主线，聚焦人才培育、产品创新、场景建设，与存量数据类平台深度融合，形成以BI+AI智能数据平台为核心，集成数据治理平台、数据报表平台、大数据平台、数据整合平台的“五位一体”数据门户体系；同时开展大数据分析师培训工作，制定高级、中级、初级不同的培训方案，在2025年前为全行培养1000名具备数据分析思维、掌握数据分析工具的复合型数字化人才。

（图1：“五位一体”数据门户框架）

二、转型工作情况

青岛农商银行为更好地统筹推进数字化转型工作，开创高质量发展新局面，打造线上线下融合最佳的数智上市银行，于2022年11月成立了青岛农商银行数字化转型工作领导小组。领导小组制定了《数字化转型战略规划（2023-2025年）》（简称“12361”规划），规划中明确指出实现数字化管理的目标，到2025年底成为全国农商银行数智赋能标杆银行。

（图2：“12361”规划内容）

BI+AI智能数据平台的建设过程中，以全行数字化转型战略为指导，突破传统数据平台“业务提需求、科技做需求”的串行数据应用链路，明确平台建设核心不在于搭建多少张报表、看板，而在于为全行培养了多少具备数据分析思维和能力的业务人员。

最终目标是形成“人人都是数据分析师”的转型文化，打造一支“业·技·数”深度融合的数据分析队伍。当前，BI+AI智能数据平台建设正在稳步推进中，已推广至全行20余个业务部门和10余个分支机构，得到了全行上下的高度认可，荣获全行金点子竞赛金奖。全行同步开展了“云梯·千数”数据分析师队伍培养工作，持续不断地培养兼具数据和业务能力的复合型人才。

（图3：“云梯·千数”数据分析师培养计划）

（二）业务模式

1.建设思路

为实现BI+AI智能数据平台的目标，我行聚焦人才培育、产品创新、场景建设三条主线，分别明确建设路径，总结如下：

（1）人才培育：一是形成L1-L4的分层级平台用户培养规划，针对不同岗位员工采用差异化培育策略；二是主动走进一线网点，现场解决一线业务人员实际遇到的问题；三是建立平台月度应用龙虎榜，挖掘各单位种子用户，营造“比学赶超”的文化氛围。

（图4：L1-L4用户等级培养体系）

（2）产品创新：一是实现数据分析与查询加速，达到亿级数据秒级计算的效果，突破传统数据类平台查询瓶颈；二是引入复杂报表功能，具备兼容Excel表格的能力，可将线下Excel表格一键转为线上复杂报表；三是支持PC端应用一键转换为移动端应用。

（图5：产品创新主要内容）

（3）场景挖掘：一是围绕“业务提需求，科技做需求”向“科技搭台，业务唱戏”转变要求，挖掘技术创新类场景；二是重点挖掘能够助力全行业务发展，实现管理精细化、决策数据化、分析智能化的业务赋能类场景；三是聚焦解放基层数据统计人员、由基层报数逐渐转变为总行供数的释放基层类场景。

（图6：场景挖掘主要内容）

2.应用成效：

（1）平台应用情况：当前平台已上线300+数据看板，20+数据大屏，30+移动应用，访问次数超过30万，已推广至全行20个业务部门和10余个分支机构，超过一半的单位已挖掘出能够搭建部门级数据应用的种子用户。

（2）文化建设情况：全行已组织第一批“云梯·千数”初级数据分析师培养工作，参训员工通过线上培训与线下实训相结合的方式，掌握了数据分析师所需基础知识和BI+AI智能数据平台，当前已有超过300名员工获得了首批初级数据分析师资格认证。

（图7：平台上线标杆单位应用成效）

三、转型成效

（一）企业价值：

1. 决策效率和精度提升：通过BI+AI智能数据平台的应用，企业能够基于统一的数据服务快速做出决策，减少了决策的时间成本，同时提高了决策的准确度。

2. 业务效率提高：自助分析能力的提升使得非技术人员也能快速生成报表和洞察，培养了全员参与的数据分析文化，大幅提高业务处理的效率。

3. 风险管理强化：平台建立全行级风险驾驶舱，提升风险识别和检测能力，针对异常变动数据，与行内OA系统打通，自动推送异常数据，实现“数据追人”。

4. 资产价值化：BI+AI平台通过发掘数据的潜在价值，将沉睡的数据资源转换为活跃的数据资产，推动建立企业级数据资产目录，形成统一的数据服务开放规范。

（图8：企业级风险驾驶舱）

（二）社会价值：

1. 行业标杆打造：BI+AI智能数据平台的建设，为全国农商行，特别是核心系统非自建的中小农商行打造了数据价值挖掘先进样例。

2. 信息安全保护：在BI+AI智能数据平台的数据应用全链路中，敏感数据强制校验，确保敏感数据不被露出，且数据下载数量严格限制。

3. 赋能绿色金融：建立起完善的绿色贷款识别机制，平台部署规则，将绿色贷款标签标记到具体贷款借据，并重点监控该部分贷款的规模和质量。

4. 助力普惠金融：基于平台搭建普惠信贷工程监控平台，优化普惠贷款审核链路，提升普惠贷款审核效率，提升中小企业融资效率。

（图9：普惠信贷工程监控平台）

（三）技术创新：

1.极速查询：基于Clickhouse的多核并行、分布式计算、向量化执行与SIMD指令等多种重要技术，一键将数据转换为高性能查询表，达到亿级数据秒级计算的效果。

（图10：极速查询技术框架）

2.移动轻应用：将智能分析场景扩展至移动端，通过零代码拖拽迅速创建。企业成员可在移动端随时随地监控数据，为问题的快速定位与及时解决提供有力抓手。

（图11：移动轻应用技术框架）

3.智能洞察：运用AI算法模型，对指标波动进行自动化多维度拆解，快速找到关键影响因素，以图文报告方式，高效获取业务洞察，穿透数据结果，挖掘影响因子与根源，深入业务真相，提升数据洞察能力。

（图12：智能洞察技术框架）

4.智能ETL：用户可基于强大的数据处理算子和节点，通过全拖拉拽式、配置化的方式对数据进行清洗、转换、加载等操作。

（图13：智能ETL技术框架）

四、面临的痛点难点及建议

BI+AI智能数据平台的转型过程中，面临着部分痛点和难点：一是数据整合数据质量和准确性问题是企业需要关注的重点，特别是对于核心系统非自建的中小银行，源数据解析难度进一步增加；二是尽管平台提供了强大的自助分析功能，但业务人员的技术门槛和数据素养仍需持续提升，这需要通过持续的培训和文化建设来逐渐改善；三是技术快速发展意味着企业必须不断更新其平台和工具以保持竞争力，这要求企业拥有先进的技术洞察力和灵活的应对策略。

为应对这些挑战，企业应重点关注以下方面：一是强化数据治理，确保数据的质量、安全性和合规性；二是加强人才培训和文化建设，提升全员的数据素养，形成数据驱动的企业文化；三是优化技术选型和平台建设，选择与企业当前及未来需求相匹配的解决方案；四是推进业务部门的参与度，降低使用门槛并鼓励直接参与数据分析。