商業銀行大數據的運用

前言：本站為你精心整理了商業銀行大數據的運用范文，希望能為你的創作提供參考價值，我們的客服老師可以幫助你提供個性化的參考范文，歡迎咨詢。

摘要：大數據技術與互聯網應用相結合造就了小微信貸領域創新的蓬勃發展，相形之下擁有更堅實數據基礎的傳統商業銀行在大數據應用于小微業務上進展緩慢。究其原因，除了高額的體制壟斷收益導致改革創新的動機不強之外，還在于商業銀行在大數據應用的體制機制、基礎條件、商業模式等方面還存在較大不足。本文對商業銀行在小微業務上的大數據技術應用進行了分析，并給出了具體建議。

關鍵詞：商業銀行；大數據；小微業務

隨著大數據技術越來越廣泛應用于各社會領域，一些以大數據技術運用為基礎的小微信貸產品也不斷出現。這些產品同互聯網應用緊密結合、以線上運營方式出現，具有傳統信貸產品無法比擬的傳播效率，正在迅速攪動小微信貸市場。傳統商業銀行如何積極應對大數據時代，創新發展小微業務已成為經濟金融領域的一個重要課題。

一、大數據和大數據技術

大數據意味著大量的數據。麥肯錫全球研究院給出的大數據定義是：大數據指的是大小超出常規的數據庫工具獲取、存儲、管理和分析能力的數據集。一般認為，大數據具有4V特點：海量的數據規模（Volume）、快速的數據流轉和動態的數據體系（Velocity）、多樣的數據類型（Variety）、巨大的數據價值（Value）。大數據不僅需要處理的量大，而且類型繁多。在數據質量上，由于追求全量數據，采集和存儲了所有能夠收集的信息，因而數據價值密度往往相對較低，如何通過強大的技術算法完成數據價值“提純”，是大數據技術最重要的環節。正是由于作為分析對象和基礎的數據量巨大、數據處理要求高，傳統的常規技術手段無法應付，大數據技術就此應運而生，并迅速表現出超越數據庫、數據倉庫、數據集市等傳統信息管理技術的特點。

1.信息技術架構以分布式存儲、并行處理為特征。大數據應用的一些關鍵技術包括非結構化數據收集架構、數據分布式存儲集群、數據清洗篩選架構、數據并行分析模擬架構等等。其對傳統信息的技術突破主要變現在：一是數據對象從結構化向半結構化、非結構化拓展，如各種網頁、文檔、多媒體文件等，并直接促進了各種非結構化數據處理算法的發展。二是數據庫從關系型向非關系型、分布式拓展。三是數據處理方式從靜態向實時交互拓展。

2.數據分析思想從邏輯驅動向數據驅動變化。大數據本質上是數據挖掘技術的進一步延伸和發展，其背后的分析思想較之數理統計有了明顯的變化。大數據技術不會強調數據結果背后的邏輯因果關系，結果本身就足以說明問題。舍恩伯格在《大數據時代》中提出了大數據技術的重要思想，即：大數據分析致力于取得和使用全數據集，而不再是傳統的隨機抽樣樣本；大數據追求的不是精確性，而是混雜性；大數據力圖揭示的不是因果關系，而是相關關系。

3.大數據技術應用與互聯網、云計算緊密聯系。到目前為止，大數據技術應用的最重要表現是云計算以及基于云計算的商業模式，隨著互聯網社交、自媒體、電子商務等生活方式的蓬勃興起而迅速發展。但是大數據并不等同于互聯網或云計算，大數據應用于金融領域也不等同于互聯網金融。例如，P2P、眾籌等是互聯網金融的典型形式，但大部分P2P或眾籌平臺使用的仍然是傳統線下信貸調查和分析技術而不是大數據，而商業銀行也可以將數據分析技術引入傳統線下信貸產品的開發和管理中。

二、商業銀行小微業務應用大數據技術的現狀和問題

在導致小微企業融資難、融資貴的因素中，信息不對稱和交易成本過高是兩個重要原因。大數據分析技術在應用于小微業務中時，通過對大量的歷史實際發生的客觀數據進行分析判斷，沒有人為的、主觀的判斷因素，在一定程度上能夠增進小微企業征信信息量和準確性，降低信息不對稱。此外，由于大數據技術快速、交互的特點，能夠減少貸前調查時耗費的大量人力、物力以及時間成本，在節約交易成本上具有明顯的優勢，因而最終將有利于增加商業銀行開展小微業務的積極性和可操作性，降低小微企業融資難度。

（一）銀行小微業務大數據技術應用現狀

近年來國內銀行紛紛在大數據應用上做出嘗試，例如利用大數據技術實現了信用卡精準實時營銷、建立社交網絡信息數據庫等等，但最引人注目的表現是一些銀行陸續推出的小微創新產品。根據產品數據、技術基礎等方面的不同，銀行推出的大數據小微產品可以分為兩類。一類是根據掌握的客戶交易數據推出的信貸產品，典型的如中信、交行等傳統銀行推出的“POS貸”；另一類是新興帶有互聯網基因的銀行推出的產品，如網商銀行、微眾銀行等，產品的數據基礎主要來自社交網絡和電商數據。從相同點上看，兩類產品都有如下特點：純信用，無需抵押或擔保；采取全線上流程方式，比傳統貸款大為方便快捷，借款人無需或僅需很少量提供紙質資料；增信信息主要來自央行征信記錄等開放渠道。同時由于出自不同的文化背景、經營理念和技術條件，兩類產品又具有明顯不同的特點。從表1可以看出，傳統商業銀行大數據應用于小微業務還只是剛剛起步，在產品理念、技術條件、運作思路上與網絡銀行有很大不同，并未完全融入“大數據思維”。

（二）傳統銀行在大數據技術應用上存在的問題

盡管傳統商業銀行，尤其是國有大行，擁有世界上最大規模的客戶群和眾多實體網點網絡，每天產生海量的客戶賬戶交易信息，同時兼有雄厚的資金和技術實力，但是目前這種數據生產上的優勢完全沒有能夠發揮并反哺銀行自身經營，傳統銀行面對互聯網興起仍然缺乏變革和創新，其原因除了傳統銀行習慣于享用高額的體制壟斷收益因而改革創新的動機不強之外，客觀上也受制于一些現實問題

。1.未建立開發大數據應用的體制機制。未來的商業銀行有人物理網點將逐漸減少，人力勞動將不斷被現代信息技術運用所代替，因此大數據應用于商業銀行的前景無疑是十分廣闊的。它可以嵌入和運用到銀行前中后臺不同部門和不同業務線中去，既可以促進銀行開展精準營銷活動，也可應用于風險分析和貸后管理，幫助做出準確的風險決策。從操作上看，大數據技術的應用和開發需要依托信息技術部門。但是如何建立數據技術開發體系、有效組織信息技術部門與各業務線的協同工作，目前商業銀行仍有待進一步明晰思路和體制。

2.大數據應用的基礎條件仍有欠缺。一方面是硬件技術體系。大規模的數據收集和處理、快速的數據流轉、動態的數據體系、多樣化的數據類型，使數據技術復雜程度和處理難度倍增，銀行需要重新思考面向大數據業務應用的基礎架構、設計流程和方法，來構建面向大數據業務應用的解決方案。另一方面是數據分析人才準備。數據分析跨越軟件、統計、數學建模以及金融經濟多個領域，對人才的復合型知識結構要求較高。目前，數據分析隊伍多集中在BAT、電商以及專業管理咨詢公司，金融機構人才儲備有較大空缺。

3.數據基礎存在明顯不足。要促進大數據技術廣泛應用，銀行不僅要充分發掘和利用自身采集到的數據，更應考慮整合外部更多的數據，以擴展對客戶的了解。外部數據來源包括人行征信及工商、稅務、海關、法院、環保等各方面反映企業、居民信息的數據，社交媒體上客戶行為的數據，企業所處產業鏈上下游的數據，甚至客戶的地理位置信息、客戶的互聯網行為數據等。通過引入外部社會化數據，銀行可以建立更為完整的客戶拼圖，進行更為精準的營銷和管理。

4.大數據創新應用于小微業務的商業模式還有待檢驗。一些銀行已經在小微業務上取得了數字亮麗的成績。2015年開業的浙江網商銀行在短短4個月內就為逾18萬小微客戶提供了授信服務，涉及信貸金額達30億元。但是總的看來，國內銀行將大數據技術引入小微客戶金融服務領域的時間還很有限，大數據背景的信貸余額仍然很小，其盈利性、安全性尚未得到可信檢驗。另外，大數據技術在小微領域應用后一定還會出現更新的探索和變化，例如大數據技術如何與線下調查技術結合、如何針對企業全生命周期的不同階段開發、如何應用于貸后管理等許多問題都會促使小微業務不斷完善、創新，因而小微業務商業模式將是一個不斷實踐、調整、再實踐的過程。

三、對商業銀行在小微業務中發展大數據技術的建議

通過對大數據技術應用的分析，我們受到很多啟發，并對商業銀行在小微業務發展中更好地應用大數據技術提出如下建議。

（一）做好頂層設計，明確大數據發展戰略和思路，構建數據分析和應用架構體系商業銀行應當有“數據即資產”、“經營數據是重要的資產管理”的思想認識，做好數據應用體系規劃和建設，明確自身利用數據技術的步驟和方向。由于數據技術的重要性，且涉及銀行經營管理的諸多方面，以事業部或是子公司方式成立數據技術應用的專業部門，是比較好的選擇。此外，為適應現代信息技術的數據更新快、信息動態變化的特點，數據技術部門應當具備決策效率高、工作流程簡化、行政層級簡單的特點。在這方面，已經有銀行做出了有益探索。2015年，興業銀行先后宣布成立研究咨詢子公司和數字金融信息子公司，標志著該行在金融與科技融合、打造新技術平臺、實現創新發展上又領先邁出了重要的一步。

（二）實現基礎信息技術系統

由集中式向分布式轉變，加快技術隊伍建設，全力搶占市場先機傳統銀行在信息技術系統和人才隊伍建設上已經落在了新興互聯網金融企業的后面。隨著我國金融體制改革不斷深入、金融市場壁壘逐漸消失，留給銀行維系市場優勢地位，實現向“互聯網化”、“大數據化”轉變的時間已不多。面對咄咄逼人的互聯網企業跨界競爭的壓力，商業銀行必須盡快迎頭趕上，準備好信息系統基礎設施和技術隊伍。當前，各傳統銀行仍然采用IBM大型主機構建核心業務系統，主機集中式架構具有集中、專有、封閉等特點，系統軟件和工具由IBM等國外公司所掌控。這不僅不利于銀行開展自主可控的快速業務創新，甚至危及金融安全。與銀行相比，互聯網企業以X86開放平臺、開源軟件構建云計算平臺為基礎建立的分布式聯機交易處理架構，可以處理海量并發支付交易，例如在2015年天貓“雙十一”促銷活動中單位時間并發交易量最高達14萬筆/秒，遠遠超出商業銀行交易量峰值。隨著互聯網信息技術的迅猛發展，分布式架構得到不斷應用、優化和完善，技術逐步成熟，與主機集中式架構相比在運行風險控制、可擴展性、敏捷開發、使用成本等方面具有明顯優勢。在技術隊伍建設上，要高度重視數據分析隊伍的建設。數據分析隊伍是銀行將數據資源優勢轉化為市場競爭力優勢的重要基礎，是銀行信息化建設能否成功、業務創新能夠實現的保障。從實際情況來看，目前國內外都存在嚴重的數據分析人才缺口，如何組建一支高效的分析師隊伍并進行有效管理，是有遠見的銀行應當及早著手解決的一個重要問題。

（三）重視數據基礎積累，充分整合既有數據系統，利用和建立外部數據源

良好的數據積累是分析的基礎。銀行業重視數據信息資源積累，要從以下幾方面著手：一是整合好存量數據資源，充分發掘其價值。銀行業務系統眾多，每天都在產生大量的數據信息，而且這些信息質量很高，直接反映客戶的真實交易行為，因而具有巨大的價值。問題是銀行往往存在嚴重的“信息孤島”問題，數據資源分散在不同的系統里未能形成一個整體，不能發揮作用。因此商業銀行重視數據積累首先就要珍視數據資產，利用現代信息技術處理好存量資源。二是重視利用公開信息渠道，為迎接政府數據信息開發準備好技術條件。2015年8月，國務院了《促進大數據發展行動綱要》，明確提出“形成公共數據資源合理適度開放共享的法規制度和政策體系，2018年底前建成國家政府數據統一開放平臺”。政府數據信息的開放，將很大程度上提高小微企業信息透明度，為銀行選擇合格客戶、創新服務產品帶來便利。三是尋求與第三方機構合作，如第三方支付、第三方征信平臺公司以及電商、搜索引擎等，有效擴大數據來源。

（四）創造和擴大銀行產品應用場景，建立客戶交互渠道，提高客戶粘性和活躍度

與微信、淘寶等互聯網產品相比，銀行業務有兩個明顯劣勢。一是客戶粘性差、活躍度不高。粘性差表現為客戶對某家銀行服務的依賴程度不高，在市場上可以輕易找到替代服務?；钴S度不高表現為客戶使用銀行產品的頻次低。二是缺乏與客戶交互，客戶體驗較差。商業銀行要創新小微業務服務，必須向互聯網企業學習，不斷改進手機銀行、網銀等功能，擴大小微產品服務應用場景，提升客戶體驗。國內銀行要深入研究客戶需要和感受，為之提供增進銀企交流的交互式服務，才能在同質化的銀行競爭中脫穎而出，贏得客戶認同。

總的來看，在小微業務領域，以網商銀行、微眾銀行為代表的新興民營銀行依托其強大的互聯網基因，已經在大數據應用上走在了前面，傳統銀行必須迎頭趕上，鼓勵數據資源生產和積累，建立大數據應用的適宜生態環境，實現向信息化銀行的轉變。

作者：熊福平 單位：交通銀行湖北省分行