大数据或重构商业银行

大数据或重构商业银行

中国工程院院士、中国通信学会副会长邬贺铨将“大数据”描述为“没有办法在容许的时间内用常规软件工具对其内容进行抓取、管理和处理的数据结合。”他同时又指出，大数据本身的规模标准在不断变化中，以前叫海量数据，现在数据比海量数据还大量。

简言之，“大数据”的特征为：数据量极大，数据的种类繁多，数据增速加快，数据来源多样，数据必须经过处理，数据具有定向性。浩如烟海的“大数据”用处极大，完成了以往“不可能”完成的任务。

在美国总统科学技术顾问委员会提交给总统和国会的一篇名为《规划数字化的未来》的报告中，明确提到“如何收集、管理和分析数据正日渐成为网络技术研究的重中之重。以机器学习、数据挖掘为基础的高级数据分析技术，将促进从数据到知识的转化、从知识到行动的跨越。”

“大数据”时代与既往存在的数据区别是，由于数据量的不同，使得“大数据”的挖掘工作量迅猛增加；尤其是数据来源更广，通过交换、整合和研究，可以发现市场发展趋势，市场参与者的需求，让企业从中寻找适合自己的商机，商机在握，就能为企业创造新价值。相比“大数据”的作用，如果说现有的数据能提供对企业类似的帮助，仅是在边缘地带，“大数据”却能真正深入核心。为此，必须使用仿真和复杂的计算，计算速度要求极快，以适应超量、在限时内完成工作的要求。

当然，“大数据”由于人为制造、以讹传讹、 *** 作失误等问题，同样会存在虚假数据。因此，为了最大限度保证数据的准确性，需要大量的数学模型，而且分析结论可直观获得。其中，多源数据的存在提高了结论的完整性。所谓多源数据，是指对同一事物，采集它多方面、多纬度、多形态的记录数据。特别是用于预测时，还要关注历史数据，将两者对比，以缩小过去与未来预测的映射差距。

另外，“大数据”的最终结果展示也应该引起我们足够重视。最近爆发的美国“棱镜门事件”，表面上看，是美国政府对情报的窃取。实际上折射出“大数据”如何展示、向谁展示的问题。特别是“大数据”能够在一定程度上探寻人的思想时，就更加突显其重要性。

三十年前，商业银行用传统的算盘核算、簿记记录各类数据，今天，则以计算机运行、电子数据采集为主，并由此形成了海量数据。

相对“大数据”，过往数据因为过于零散、连续性不足、源头单一、形式单调，无法表现客户的交易行为、交易偏好和交易习惯等个性特征，银行也无法知晓客户对银行产品喜欢或讨厌的具体原因，以及对银行产品和服务满意与否的信息。海量的“大数据”却可以弥补这些缺憾。

商业银行核心竞争力，外部体现在市场份额、市场对其综合评价；内部则是股东利益最大化，员工的满意度。要实现核心竞争力，源头是市场与客户。“大数据”恰恰可以为开拓两个源头发挥重要引领作用。《经济学人》在一篇报道中写到“过去，这些数据储存在不同的系统当中，如财务系统、人力资源系统和客户管理系统，老死不相往来。现在这些系统彼此相连，通过‘数据挖掘’的技术，可以获得一幅关于企业运营的完整图景，这被称为：一致的真相。”

可以预见，今后“大数据”对商业银行的作用主要表现在：第一，对客户的了解程度与过去彻底不同。“大数据”不但让银行把握客户现在，更可以了解客户的历史，通过数据的交换、映射对其进行短期、中期预测。

第二，与客户开展多渠道互动，全面评估商业银行自身的产品和服务在客户中的满意度。商业银行通过自身和公共信息归集渠道掌握的数据，进行分析，有助于改进和提高产品种类及服务质量，在第一时间争取主动。

第三，“大数据”成为商业银行竞争的主要手段之一，其完整性、准确性将决定商业银行的竞争结果。“大数据”在竞争中成为名副其实的“双刃剑”，竞争双方都可以利用掌握的数据来制订竞争策略。

第四，商业银行营销手段以“大数据”为依托，开展针对性的销售。

第五，商业银行风险管理出现巨大变化。商业银行风险管理模型离不开数据。“大数据”的数据多样性和丰富性，能弥补过去数据不够的缺陷，最终带来管理方法的飞跃。

第六，多样化金融型态与传统商业银行展开竞争。马云[微博]涉足准金融业务，是电商市场发展的必然结果。某种意义上也预示“大数据”时代中，新的、能够节约交易成本的方式将不断涌现。

在“大数据”时代，商业银行要积极做好应对工作。

首先，商业银行在日常经营中产生的大量数据是形成整个社会“大数据”的重要组成部分，因此，要对数据管控、数据处理和数据结果反映作出正确处置。

一是数据管控上要依照标准化采集，统一化处理，时效化完成，分级化查阅。坚持做到采集的数据准确，结果可视，使数据应用性大大提高；二是数据处理时一定要科学、依照规则，特别要杜绝以假乱真，以次充好现象；三是处理后的结果，要依照规定展示，并且严格按照国家法律法规进行使用，避免影响商业银行声誉风险事项产生。

其次，商业银行需要投入大量资源用于适应“大数据”技术的需要。对此，对资源的投入一定要有相当的前瞻性，并兼顾当前实际。争取在过渡期内，尽可能地实现资源利用最大化。

最后，商业银行要高度重视适应“大数据”技术的人力储备。美国就曾预计，为适应“大数据”时代到来，未来美国需要60万名拥有数据分析特长，又懂行业知识的复合型人才。这类人才仅仅经过大学培养远远不够，还需要丰富的实践经验。我国商业银行对此类人才的储备相当不足，抓紧人力资源准备更为迫切。

此外，“大数据”时代将带动整个社会交易方式的变化，对诸如商业银行大多不需要体验型服务的行业冲击更大，从业人员和物理型网点一样将趋于减少。一增一减矛盾日益明显，要战略上着眼，早做布局。

商业银行对系统建设要高屋建瓴。今后商业银行的产品和资金提供主要由数据流来实现。同样，服务的虚拟化趋势，会让更多的服务由网络来承担。这一方面需要商业银行借助于社会网络，另一方面其自身的系统建设也必须与此匹配，强大的系统是商业银行未来经营管理的利器。

同样，商业银行要注重利用社交媒体的数据，拓展渠道获取客户信息。学会使用各类媒体，不但为客户服务，而且为优化商业银行自身形象服务。积极参与网络工具形成的各种运作方式，并研究在运作方式中融入商业银行工作目标。真正使媒体、网络工具成为维系、拓展客户的桥梁和重要的通道。

大数据在银行业的应用

一、舆情分析

对于银行来说，舆情分析包括：银行的声誉分析、品牌分析和客户质量分析。它主要是通过分析网络社交媒体的评论，对于客户的流失情况进行预警，还可以通过对新闻热点的跟踪以及政府报道的分析，为银行提供个性化的分析场所。

二、客户信用评级

银行可以通过手机客户申请xyk的数据，分析客户的信用程度，从而帮助业务人员做出相应的决策。

三、客户与市场洞察

银行可以通过跟踪社交媒体的评论信息，利用各种非结构化数据，对客户进行细分，改进客户的流失情况。这是银行对于市场的趋势分析。

四、运营优化

银行通过大数据平台对各种历史数据进行保存和管理，同时可以对系统日志进行维护、预测系统故障，从而提升系统的运营效率。

五、风险与欺诈分析

主要包括财务风险分析、贷款风险分析、各种反洗钱和欺诈调查和实时欺诈分析等内容。所谓财务风险分析是分析信用风险和市场风险产生的数据；贷款风险分析是从媒体或者社会公众信息中提取企业客户和潜在客户的信息。提高对于风险的预测能力和预警能力；反洗钱与欺诈调查是提取犯罪记录的信息；实时欺诈分析则是对大量的欺诈数据进行分析。

银行数据架构规划

随着银行业务的扩展，可以对数据进行架构规划。大数据的数据架构规划可以采用Hadoop技术，即通过与节后或数据进行关联，进一步拓展对非结构化数据的处理。其数据源包括结构化数据、半结构化数据和非结构化数据。半结构化数据和非结构化数据通过网络爬虫的方式来搜集，再经过内容管理处理，将数据进行结构化处理，然后可以将内容管理处理得出的数据信息存放到基础数据存储中。这是基于HDFS存放的非结构化数据。

大数据为银行创造的价值

当银行客户与银行产生交易，会产生大量的数据，这些数据具有大量的业务价值，为银行进行有针对性的营销创造了机会。

在大部分的应用中，随着数据量指数级的增长，特别是一些非结构化数据的快速增长，大量的数据导致分析时间增长，传统的商业智能已经无法满足需求，阻碍了业务的发展，以FineBI为代表的新型BI的涌现，无论在数据处理量和速度上都相比传统BI有突破性的进步。

在很长的一段时间内，银行的大部分业务是建立在客户和银行的交易过程中的，但是为了能更好地为客户服务，光靠依赖这些数据是不够的。随着技术的进步，银行可以通过很多途径来搜集客户的资料。从而进行有针对性的营销。

随着互联网技术的发展，客户可以通过电子渠道对银行业务发表看法或者购买银行产品。这些 *** 作都是为增强对于客户的了解，降低信息的不对称性。

目前来说，在利率市场化的趋势下，存款的稳定性降低，存贷款的利差收窄，数据分析已经逐渐成为银行实现核心业务价值的重要手段。金融脱媒会导致大量客户的流失和客户忠诚度的降低。银行作为“支付中介”的地位开始动摇，客户对于银行服务的要求越来越高。

在这种情况下，银行需要通过大数据深入全名了解客户的基本信息，提升业务运行的效率，逐步提高客户的体验。通过对大数据的加工以及挖掘，可能为银行带来极大的效益，特别是商业银行。

对于银行来说，风险管控和用户营销是未来最重要的两个方向。而对客户的信用评分是实现这两个方向的重要条件之一。信用评分是根据申请人的申请信息和证明材料，帮助业务员作出决策，降低坏账率。

比如：我们可以根据大数据的分析和查询，有针对性地为客户提供理财产品建议和提醒，同时通过对大数据的分析和挖掘，来评估客户的信用风险和资金偿还能力，降低了银行的各种风险。

---