近年来，大数据在银行业的应用得到了空前的重视，国内很多银行都开始发力大数据应用，然而 ，在具体的组织架构上，各家银行均有各自的探索，有的是成立了专门的大数据分析机构，有的是在各业务条线都建立数据分析团队，还有的是采用集中与前置相结合的方式，那么，究竟哪一种方式更加科学，更能有效的凝聚大数据之力，更能释放数据红利？
成立专门的大数据分析机构的模式，我们可以称之为中央团队模式，在业务条线组建分析团队的模式，我们称之为前置团队模式；两者相结合的，我们称之为集中与前置相结合的模式。
首先，中央团队模式可以从企业级的高度去推进大数据的应用，可以更多的从数据的层面出发，夯实全行数据基础，主动创新研发数据产品，我们可以把它理解为银行内部的一家大数据公司，但是，这种模式的弊端也很明显，一是中央团队远离业务一线，对业务的理解不够深刻，研发出来的数据产品可能与实际应用相差甚远，失败率可能会较高；二是中央团队作为独立的部门，随着业务部门对大数据的重视程度的提高，与业务部门之间难免存在一些利益纠葛，不可避免的会带来一些沟通成本高企、流程过长等现象，难以完全形成合力；三是中央团队缺乏业务资源，这也会造成中央团队研发出来的一些产品需要看业务部门的脸色，而在讲究业务部门利益的氛围下，很多业务部门对于企业级的产品或者对于非本部门的产品并不是太热衷，也往往造成一些创新性的企业级产品无法落地 。
第二，前置团队模式的优势是紧贴业务，了解业务的最新动态和当前的一些业务痛点，可以有效调动本条线的业务资源，可以快速的将成果融入业务流程之中。其缺点在于这种模式主要是服务于本条线的业务，这往往会造成数据孤岛，业务条线间数据共享意愿不强，甚至是有选择的共享，而且也会造成各条线在一些基础工作上的重复劳动。同时，在整个银行的数据应用上，会出现缺乏企业级应用的情况，缺乏企业级层面的数据产品创新，难以最大限度的释放数据红利。
第三，集中与前置相结合的模式可以说是吸收了上述两种模式的优点，克服了两种模式中的一些缺点，但要发挥这一模式的效果，需要有明确的定位和分工，集中的中央团队可以扮演银行大数据应用中央引擎的作用，前置团队则扮演前置小型引擎的作用。中央引擎的特点是功率大，要发挥启动整个大数据应用的核心发动机的作用，要发挥核心牵引力的作用，一是要成为全行数据治理的中枢，所有的数据标准、规范的制定者；二是要成为全行数据运营的核心，是全流程数据资产的管理者，是数据化运营体系规范的制定者和监督者；三是要成为企业级创新的中枢，要能够主动研发出具有创新性的数据产品；四是要成为人才的摇篮，既可以为前置团队培养人才，也可以向前置团队输出人才；五是要成为大数据应用中各类疑难杂症的终结者，前置团队在大数据应用过程中处理不了的，都可以在中央团队寻找到答案或者解决方案；六是要成为数据产品的聚合中心，全行各个前置团队及中央团队的数据产品都要聚合到中央团队，并经过整合，面向全行共享。前置引擎的特点则是小、快、灵，可以在短时间内迅速满足业务需求，提供敏捷分析，可以支持所在条线对数据产品的灵活定制，可以从中央引擎中快速获得各类资源。
综上，从三类模式来看，集中的中央团队与前置团队相结合的模式是银行大数据应用的最佳组织模式，但是，前提是要理顺中央团队与前置团队的关系，最好是在考核激励上，中央团队对前置团队能够发挥一定权重的作用，这样更有利于形成整体的合力，否则，一些前置团队也可能成为条线的附属，成为独立的小王国。当然了，打铁还需自身硬，最核心的是中央团队本身要形成极强的核心竞争力，要对各前置团队具备压倒性的能力优势，要对各业务条线形成足够强劲的吸引力并转化为不可分割的黏性，否则，最终变成前置强、中央弱，这种模式就变成一盘散沙了。
延伸阅读：
做好大数据分析项目的四项基本原则
商业银行引进外部数据的三个验证要点
从芝麻信用看数据产品经理队伍建设
从芝麻信用看数据产品面向一线应用
商业银行业务线上化带来的数据机遇
