地方性银行金融科技度量系统建设案例

导语

面对研发数据整体性、可比性、及时性与一致性不足的挑战，某地方性银行以金融科技度量系统为抓手，建立覆盖需求、开发、测试、交付的端到端量化管理体系。通过统一指标口径、集中数据管理和持续分析改进，组织提升研发管理透明度与决策效率，并为 CMMI3 评估提供可靠的数据支撑。

在十四五规划和2035年纲要中提及“加快数字化发展，建设数字中国”的国家战略背景下，以中国人民银行印发的《金融科技发展规划（2022-2025年》及中国银保监会办公厅关于银行业保险业数字化转型的指导文件提及的“需要建立能够快速响应需求的敏捷研发运维体系”为方针，某地方性银行以提升自身的科技研发管理水平为目标，依托金融科技度量系统的可视化数据做支撑，推进IT研发领域的数字化转型。切实推动研发管理体系高效运作和研发效能全面提升，实现金融科技快速引领和有效赋能全系统数字化转型发展。

同时在数字化转型中，度量系统对组织实现CMMI过级也起到了至关重要的作用。通过设定关键绩效指标（KPIs），为组织提供量化数据，帮助清晰了解业务流程、技术应用和管理能力的水平，从而准确评估数字化转型效果，为CMMI过级提供依据。度量系统支持持续改进，实时监测业务流程和项目管理绩效，及时发现问题并采取改进措施，优化流程，提高效率，助力组织向更高CMMI成熟度级别迈进。同时，它促进科学决策，通过数据分析帮助管理层制定合理战略和计划，提升组织透明度，增强内部协作和沟通，推动组织文化变革。此外，度量系统满足CMMI评估要求，确保数据准确及时收集和分析，帮助组织在CMMI评估中一次性就通过CMMI3的评级，并持续监控和维护成熟度水平。

一、某地方性银行研发度量面临的挑战

在度量系统建设之初，该行当时的数据管理主要面临着四大难题：

1) 数据整体性不足，研发部门各中心关注自身情况多，协作问题未完全体现，研发响应力需提升；

2) 数据对象缺乏对比性，管理数据资产未沉淀，需求规模缺乏衡量单位；

3) 数据及时性不足，业务需求进度和任务管理需更透明和校准；

4) 数据对象缺乏一致性，需求评估和验证未覆盖所有研发领域。数据整体性有待提升。

除了以上四大难题以外，如何培养组织内的数据认知素养也是度量系统建设的关键环节。度量系统的核心在于数据，而数据本身只有被理解、被运用才能产生价值。组织成员如果缺乏基本的数据认知素养，即使拥有了先进的度量系统，也无法有效地解读数据、利用数据。他们可能看不懂数据背后的含义，无法从数据中发现问题、找到机会，更无法将数据分析的结果应用到实际工作中，从而导致度量系统形同虚设。

图度量现状

二、金融科技度量系统建设目标

在金融行业数字化转型的浪潮中，构建一个高效的度量系统对于提升研发效能和业务价值至关重要。我们的目标是通过引入度量系统，实现需求、开发、测试、交付等环节的端到端数字化管理。

首先，我们需要解决上述所遇到的数据整体性割裂，数据对象缺乏可比性、及时性、一致性等难点问题。通过自动化和标准化指标的制定和数据收集，我们将显著提升研发交付的效率和质量，减少人为错误，提高代码的稳定性和可维护性，确保开发和运维的无缝对接。

在项目建设过程中，我们重点培养一支“效能教练”专业团队。这支团队将负责推动“数据驱动改进”文化的落地，并通过引入专家经验和工具来赋能团队，持续提升团队的数据认知素质。帮助内部建立起一个“量化-分析-改进”的效能管理闭环。这意味着我们将通过度量系统收集关键性能指标，分析这些数据以识别改进机会，并据此制定和实施改进措施，从而实现持续的流程优化和效能提升。

三、金融科技度量系统建设实践

1、明确度量目标

在打造金融科技度量系统之前，银行首先需要明确度量目标。这些目标应涵盖金融科技的多个方面，如技术创新、业务转化、流程优化、数据应用等。通过明确目标，银行可以确保度量系统能够全面、准确地反映金融科技的实际效果。在此次建设过程中，该行将“流程优化、数据应用、科技应用”作为度量指标系统建设的三个重要方向。

2、构建多层次指标体系

为了量化金融科技的表现，银行需要构建一个多层次、多维度的指标体系。这一体系应基于金融科技的组织结构和职能分工，涵盖需求、开发、测试等多个层面。例如，可以设立端到端的研发时效，需求等待时效，需求吞吐量指标等，以全面评估金融科技的管理水平。在构建指标体系时，除了借鉴业界先进经验，还需要结合自身的实际情况进行定制化设计。同时，要确保指标的可度量性和可操作性，以便在实际应用中进行有效监测和分析。

图多维度多视角的度量指标体系

3、实现度量数据集中管理

金融科技度量系统需要收集和处理来自多个渠道的数据。为了确保数据的准确性和一致性，银行应实现度量数据的集中管理。这包括将分散在各类研发工具、业务系统和管理平台中的度量数据进行收集和整合，形成一个统一的数据仓库。通过数据集中管理，可以消除数据不一致性，提升数据流通性，为开展度量数据统一分析奠定基础。同时，还可以利用数据处理技术对数据进行清洗、加工和分析，以提高数据的质量和可用性。

4、提升量化管理能力

金融科技度量系统不仅需要收集数据，还需要对数据进行深入分析和解读。银行应提升量化管理能力，通过构建度量分析模型、计算各类指标和多维度分析等方法，全面、准确、客观地反映金融科技的发展状况。

在度量系统建设过程中，赋能效能教练，以每月的效能数据分析报告为抓手，让管理者对于数据的敏感性得到进一步提升。后续在在量化管理过程中，银行可以运用先进的统计方法和机器学习算法，对数据进行深入挖掘和智能分析。这有助于发现数据背后的规律和趋势，为银行的战略决策提供科学依据。

5、数据指导研发和业务改进

金融科技度量系统的最终目的是指导研发和业务改进。银行应充分利用度量系统的数据和分析结果，发现金融科技存在的问题和不足，制定针对性的改进措施。

例如，通过分析技术研发投入与产出比，银行可以优化研发资源配置；通过分析客户满意度指标，银行可以改进产品设计和用户体验。通过数据指导改进，银行可以不断提升金融科技的核心竞争力。

图度量系统上的数据呈现情况

金融科技度量系统不仅仅是科技人员需要看，需要去不断观测的系统，它也是和业务部门拉通对齐的一个良好手段，通过对于科技资源的透明化认知，业务能更理解资源的投放方向和需求实施成本，有利于业务方向的调整以及进一步的业务创新。

6、持续优化度量系统

金融科技度量系统是一个不断更新和优化的过程。随着金融科技的快速发展和银行业务的不断变化，度量系统需要不断调整和完善。

后续应定期对度量系统进行评估和反馈，根据实际需求进行功能扩展和性能优化。同时，还应关注业界最新动态和技术趋势，将先进的技术和方法引入到度量系统中，以不断提升系统的性能和准确性。譬如引入AI相关的辅助进行动态分析和形成组织的资产知识库。

综上所述，打造金融科技度量系统是银行提升金融科技竞争力的重要手段。通过明确度量目标、构建多层次指标体系、实现度量数据集中管理、提升量化管理能力、数据指导研发和业务改进以及持续优化度量系统等措施，银行可以构建一个高效、精准的金融科技度量系统，为银行的战略决策提供有力的数据支持。