商业银行天生与数据打交道，但过去主要是记录业务过程和统计经营成果。数据作为一种新型生产要素，其作用在银行业务领域不断被发现、证实和运用，持续推动银行业务运行逻辑、经营模式、管理方式等的优化和变革。
实施金融科技战略，打造数据基础设施。工欲善其事，必先利其器。数据的采集、整合、存储、计算、传输、展示等都离不开IT系统的支持。建设银行较早意识到信息系统基础工程在未来银行发展过程中的重要性，2010年及时启动了全行信息系统重构的颠覆性工程——新一代核心系统建设，为数字化转型奠定了牢固基础。新一代核心系统建设统一了全行数据理念，构建了完整的数据逻辑模型，制定了8万余项数据规范，集成了海量行内外入仓数据，联通了100多个应用组件，承载了大规模企业级数据分析应用。在此基础上，建设银行又深化金融科技战略（TOP+），促进人工智能、云计算、区块链、物联网等前沿技术快速应用，敏捷赋能业务创新发展。
改变信贷传统打法，普惠金融超常发展。商业银行信贷融资业务过去主要依靠客户经理调查企业，依靠财务报表评判信用，依靠刚性规则筛选客户。在数字经济时代，继续沿用这些传统信贷业务手段打法推进普惠金融业务，势必面临客户难选、风险难控、工作量大等困难。为此，建设银行运用互联网思维和大数据技术，针对小微企业客户的不同经营特点，量身定制系列化信贷产品。例如，基于客户税务数据，开发与税收相关的信贷产品；利用银行代发工资记录，推出与薪金相关的信贷产品；依据出口退税数据，优化贸易融资信贷产品；依托内外部数据整合，实现了小微企业信贷业务线上自动化审批、智能化风控。建设银行依靠这些基于数据分类定制、精准投放的做法，探索破解普惠金融世界性难题，普惠金融业务连年跨越式增长，并于2020年3月成为全国首家普惠型小微企业贷款余额突破万亿元的商业银行，极大地支持了实体经济发展，实现了银企双赢。
融合行内外数据，精准定位目标客户。国有大型商业银行在发展金融业务的同时，始终承担着一份社会责任。精准扶贫是国家战略，建设银行为了把金融精准扶贫工作做到家，通过匹配客户与建档立卡人员身份证号码、客户工作单位信息、企业地理位置信息等，锁定身边的金融扶贫企业名单，及时将商机信息传递至就近的客户经理，主动宣传、介绍信贷政策和金融扶贫产品。此外，为更好地服务“三农”，建设银行还参考人民银行和银保监会口径，充分挖掘内外部数据资源，运用大数据分析手段洞察和识别农民客群特点，聚焦农民金融需求痛点，为农民设计专属金融产品，为农民提供贴心金融服务。
量化违约预警分析，优化风险收益策略。守住不发生系统性风险的底线，是国有大型商业银行的责任和担当。建设银行普惠金融业务之所以能驶上快车道，一个重要因素是得益于风险管控水平的提高。过去，小企业风险预警模型主要采用专家判断法，不仅预警发生率高，而且无效预警多，客户经理天天听到“狼来了”，小企业风险管理成本高、效率低。现在，建设银行通过对历史违约数据和旧模型预警指标进行检验分析，改进了风险预警模型，并发现了高相关性的新预警指标组合，进一步优化了风险预警模型。新的模型投入生产后，显著降低了预警发生率，提高了预警准确率。个人快贷与小微快贷是建设银行落实普惠金融战略的重要产品。为支持实体经济发展，从2018年8月开始，建设银行持续大幅下调小微快贷利率，使得小微快贷利率低于个人快贷利率，导致线上办理的个人快贷与小微快贷出现相互套利现象。为此，建设银行通过大数据分析，建立检测套利行为的监测体系，对相关风险做到早发现、早应对、早处置。
深入开展数据治理，破解数据安全之困。数据要素在价值实现的同时，面临的安全问题越来越突出，面对的个人信息保护法规也日趋严格。建设银行始终坚持数据应用和数据安全“两手抓，两手硬”。一方面，利用云技术、加密算法、数据脱敏、安全客户端等手段，防止数据泄露、篡改、损毁和滥用；另一方面，通过数据安全审计强化事后监督。此外，建设银行还引入联邦机器学习（Federated Machine Learning）技术，实现不同机构在数据不迁移的前提下，进行跨机构数据使用和机器学习建模，参与机构均在建模过程中贡献自己独有的特征变量，模型效果全面优于建设银行单边模型。为了进一步构建数据安全管理长效机制，建设银行针对数据应用安全面临的新挑战，对标国内外监管要求和领先实践，找出差距与问题，建立企业级数据安全管理框架，探索制定个人隐私数据安全应用保护策略和保护标准，逐步在个人敏感隐私数据等领域细化和落实数据安全管理要求，最终形成企业级数据安全管理机制。
