文 / 中国农业银行研发中心 苏强 魏超 张晶
随着农业银行数字化转型的推进，分行对数据的需求快速膨胀，传统数据服务模式中需求落地难、交付周期长、数据易用性差等问题日益突出。怎样提升数据价值转化、缩短数据供应和数据应用之间的距离是数据中台建设面临的重要课题。本文以指标建设为例探讨如何通过构建全行指标体系解决传统指标加工过程中口径不统一、重复加工、响应效率低等问题。
指标是衡量目标总体特征的统计数值，是能表征企业某一业务活动中业务状况的数值指示器。指标的意义在于它使得业务目标可描述、可度量、可拆解。比如我们所熟知的存款金额、贷款金额、不良率、掌银活跃客户数、信用卡客户数、代发工资金额等都是各条线的典型指标。
农业银行依托于数据中台的数据资产积累，建立了基于指标中心、统一指标库、经营管理信息平台的指标体系，提供了高质量的指标数据和高效率的数据服务。
指标体系构建
在传统的指标管理中，指标分散在各业务条线的分析系统中，这种方式存在管理不统一、口径不统一、流程不统一等各种问题。
在构建指标体系的实践中，指标建设团队设计了一套以维度建模思想为理论基础的标准定义。通过这种标准定义，明确了指标口径，消除了数据歧义。下面从维度和度量、指标分类两个方面介绍这种标准定
1.维度和度量
维度是人们观察事物的角度，反映业务的一类属性。在农业银行的指标体系中，公共维度包括时间、机构、币种，个性维度包括渠道、客群、产品、行业、介质、区间、风险分类等。
表1 维度类型及举例
度量是在维度组合下的数值，即指标统计的值。农业银行的指标体系包含以下度量类型。
表2 度量类型及指标举例
除此之外，指标体系中各指标还包含了日增量、月增量、年增量、比同期、年日均值等多种度量，供业务人员对指标数据进行统计分析。
2.原子指标、派生指标、组合指标
表3 指标分类
在指标加工前，需要按照指标标准定义对指标进行分类，并将其拆解成维度和度量。以个人e贷贷款不良率和信用卡客户掌银活跃率为例，如下图所示。
图1 指标标准定义举例(个人e贷贷款不良率)
图2 指标标准定义举例(信用卡客户掌银活跃率)
指标体系建设
下文将从需求、开发、运营这三个过程管理角度介绍指标体系的建设和管理过程，包括指标需求对接、口径定义、自助加工、发布、监测、后评价和下线的全生命周期管理。
1. 需求分析
随着农业银行数字化转型的不断深入，指标加工需求出现爆发式增长，在需求环节加强对指标的统筹和管控变得越来越重要，而充分的业务调研是需求统筹和管控的基础。首先需要将描述性的业务需求转换为标准的需求模板，实现需求的标准化，然后再定义指标的元信息。标准化的需求和指标的元信息定义包含了基本属性、业务属性、技术属性等。
表4 指标属性
2.指标开发
依托农业银行数据中台丰富的数据资产积累，以维度建模思想为理论基础，指标中心提供自助式、一体化、所见即所得的指标服务，实现了指标口径可解释、血源可追溯、明细可查询，规范指标口径与加工链路，推进标准化、结构化的指标构建，从根本上解决了定制开发带来的落地时间长、依赖数据工程师等问题，提升了指标服务能力。
图3 指标自助加工过程
以下是指标开发的具体步骤，通过这些步骤，数据分析师和数据工程师可以实现零代码的快速开发。
表5 指标自助加工步骤
3.指标运营
指标投产后，可能存在因数据质量、加工逻辑等问题导致的指标数据不准确的情况，为此指标建设团队添加了指标监测模块，将监测条件配置在指标定义中，可以实现规则的可配置和实时监控，确保能够在第一时间发现指标异常情况，有效降低业务影响。
表6 指标监测类型及描述
为全面掌握指标的运行及评价情况，指标建设团队增加了指标的后评价属性，包括各指标的最新日期、访问量、下载量、访问用户量、用户评价、质量监测结果等，并通过系统层面对接获取基础数据，进行相关数据展示，供指标管理人员进行分析。
数据服务是基于用户需求产生的，而业务需求是动态变化的，部分指标可能不再和当前的业务规则相匹配。对于此类指标，指标体系的管理规范中制定了指标下线流程，即指标运营团队通过访问分析等方式对指标进行后评价，提出对访问量较少指标的下线申请，经业务方充分评估后，通知各相关方后对指标进行下线。
结 语
截至目前，农业银行已建成数千个指标，覆盖个人、对公、网金等多个业务条线，包含存贷款、掌银月活、个人客户AUM、不良率、信用卡活跃客户等各条线的核心指标，为各级经营管理人员提供了方便、灵活、快捷的数据服务，有效地辅助管理层做出经营决策。
未来，指标建设团队将在沉淀复用指标数据资产、提升指标体系服务能力等方面不断优化提升，更高效地为业务赋能。