劉凱 呂思聰 于天

[摘 要] 現(xiàn)階段，以大數據技術為基礎的人工智能與金融的融合形成的金融智能正在全面賦能金融機構，加劇了整個行業(yè)競爭格局的重構。未來，大數據賦能金融業(yè)務將會迎來爆發(fā)“奇點”，從而帶動整個行業(yè)的科技金融浪潮。為此，結合商業(yè)銀行目前大數據技術應用情況和存在的問題，結合商業(yè)銀行科技化、數字化進程發(fā)展情況，提出具體思考建議，為我國商業(yè)銀行數字化轉型奠定決策基礎。

[關鍵詞] 大數據;商業(yè)銀行數字化;科技賦能

[中圖分類號] F740[文獻標識碼] A[文章編號] 1009-6043（2019）04-0147-02

一、大數據在金融領域發(fā)展概況

大數據被認為是信息時代的新“石油”，據國際數據公司IDC報道，2020年產生和復制的數據量超過35ZB字節(jié)，并將以接近每年翻倍的速度增長。大數據具有三層內涵：一是數據量巨大、來源多樣和類型多樣的數據集。二是新型的數據處理和分析技術。數據處理和分析是大數據價值的實現(xiàn)和應用的基礎，其目的在于提取有價值的信息，提供論斷建議或支持決策。三是運用數據分析形成價值。利用大數據分析的結果，為用戶提供輔助決策，發(fā)掘潛在價值。為抓住大數據技術發(fā)展窗口期，我國頒布了一系列政策促進相關項目的落地實施。爭取到2020年，基本形成數據觀念意識強、數據采集匯聚能力大、共享開放程度高、分析挖掘應用廣的大數據發(fā)展格局。

我國“十三五”規(guī)劃提出：“實施國家大數據戰(zhàn)略，推進數據資源開放共享”。金融業(yè)在大數據前五大投資規(guī)模中位居第三，占比17.5%，而無而論是投資規(guī)模還是應用潛力，金融業(yè)中銀行又是重點，占比達到41.1%;證券占35.1%;保險占23.8%。根據麥肯錫統(tǒng)計，以大數據推動的銀行業(yè)務精益管理、流程、客戶體驗再造，實現(xiàn)了銀行15%-25%的收入增長;根據交易數據、需求預測和前線人員的實時匹配，釋放產能，降低了前、后臺5%-15%的運營成本;新建的大數據預測系統(tǒng)削減了30%-35%的不良貸款流入總量和15%-20%的風險加權資產（RWA）。

放眼未來，全球的銀行業(yè)正在大數據技術的帶領下，進行核心業(yè)務的重組和變革，同時搭建全新的數字化分析平臺。本文以國內商業(yè)銀行為例對目前大數據技術的應用和存在的問題進行分析，探討在銀行實現(xiàn)以大數據技術引領數字化轉型過程中核心能力提升的有效路徑。

二、銀行大數據應用場景分析

（一）商業(yè)銀行大數據分析價值挖掘

面對行業(yè)內外部的嚴峻挑戰(zhàn)，國際領先銀行以“大數據”為核心管理工具已成功挖掘出“大價值”，結合目前我國商業(yè)銀行業(yè)務經營的實際情況，有以下幾點可以作為大數據技術公關突破的重點方向。

1.推動精準營銷。通過大量分析客戶在銀行內部的個人數據、行為信息，以及社交網絡等外部機構的個人與家庭數據，對相近的客戶群體進行聚類分析，并基于結果對潛在需求進行預測，最終提出針對性的產品建議。

2.管理決策支持。通過系統(tǒng)地收集、整理、運用數據，運用大數據分析支持建立銷售管理看板，輔助總、分、支行的管理層進行決策，并實現(xiàn)各層級標準化流程管理。

3.降本提效。如今，互聯(lián)網金融盛行，這對銀行的運營能力提出了更高的要求。商業(yè)銀行目前已開始收集分析各類業(yè)務運營數據，探索全面提升渠道管理、運營調配及人力資源管理能力的方式。

4.管控風險。一家銀行的成敗，往往取決于它對風險的經營與管理。通過大數據分析可高效進行信貸風險評估和道德風險防范。豐富可分析的客戶數據源，提高信貸風險評估能力。在全面風險管理系統(tǒng)方面。

綜上所述，在開展業(yè)務的過程中，銀行積累了大量寶貴的客戶數據，包括其基本信息、資產負債情況、資金收付交易歷史記錄等，這都意味著大數據高級分析能夠為銀行業(yè)眾多領域帶來前所未有的實際價值。

（二）商業(yè)銀行大數據應用存在問題

國內眾多商業(yè)銀行雖然在數字化轉型的戰(zhàn)略引領下已經取得了明顯的進步和矚目的成績，但相比于國內外先進的同業(yè)，相比于商業(yè)銀行自身轉型發(fā)展的要求，大數據技術在具體業(yè)務應用中仍舊存在以下問題：

1.數據框架能力匱乏，難以形成高價值洞見。商業(yè)銀行缺乏針對不同業(yè)務問題的分析框架和能力，這主要體現(xiàn)在以下幾個方面：1）對業(yè)務問題的理解不夠全面，未能形成系統(tǒng)性的分析思路，缺乏對于整體業(yè)務目標及框架的全局思考;2）局限于當前業(yè)務和科技、數據等團隊之間的合作模式，一線團隊的業(yè)務思考邏輯難以轉化為對應的數據分析圖譜;3）缺少具備數據驅動營銷的協(xié)作中心及專職團隊;4）數據基礎能力薄弱，大量有價值的客戶交易行為數據被忽視等。

2.數據共享難以實現(xiàn)。銀行信息系統(tǒng)建設以往呈現(xiàn)“重功能實現(xiàn)、輕數據采集”的特點，導致數據豐富程度不夠，數據質量不高。數據共享存在一定障礙，導致不同部門在大數據的分析和應用上缺乏系統(tǒng)性和整體性也阻礙了數據的共享與集成，導致無法將數據優(yōu)勢有效地應用在經營管理的決策中。

3.數據安全管理能力有待加強。在大數據時代，銀行所擁有的數據量大幅增長，使得對數據安全的管理責任更加重大。如果一旦出現(xiàn)由于個人信息資料管理不善導致個人信息泄露，大數據淪為信息詐騙的工具，由此而造成的經濟損失將是難以估量，不僅會影響商業(yè)銀行正常業(yè)務的開展，更是引發(fā)銀行聲譽風險。

4.數據分析復合背景人才儲備缺乏。商業(yè)銀行的信息技術部門仍然簡單當成一個后臺基礎支撐部門，沒有一個有效的科技創(chuàng)新氛圍。另外，和國際先進金融科技公司相比，我國商業(yè)銀行的科技投入占全年運營成本比例普遍較低，并且投資基本以科技硬件固定資產和相關耗材為主，在人才培訓，項目科研，產品創(chuàng)新等方面投入經費較少。

三、大數據引領商業(yè)銀行數字化轉型必然途徑

（一）建設一體化數據平臺

為了實現(xiàn)大數據分析的潛在巨大價值，讓商業(yè)銀行具體業(yè)務在大數據驅動下切實產生效益，在銀行全行范圍內建設一體化的數據平臺作為大數據基礎架構是重中之重。該平臺從數據整合到一線執(zhí)行共包括5層，且各層均配備相應的組織架構和KPI支持。一是數據整合層：基礎層的功能是將不同來源的數據整合為一個集成數據庫，具備標準化且統(tǒng)一的數據結構和格式。二是分析模型層：在一體化數據庫的基礎上，構建各種機器學習模型來獲取洞見，并通過數據創(chuàng)造價值。三是軟件工具層：軟件工具是數據/分析模型和一線執(zhí)行之間的連接性組織。四是一線實施層：一線員工需要利用軟件工具，在其日常工作流中使用分析模型洞察。五是組織和KPI支持：所有上述工作需要組織和KPI體系支持。

（二）深度理解業(yè)務痛點和機會點

專業(yè)、高效地診斷并獲得客戶洞見是數字銀行開展精準營銷的第一步。大數據分析技術作為快速挖掘客戶洞見的診斷工具，可以從銷售構成、消費者生命周期、產品品類、渠道構成等多個維度搭建分析框架，通過對銀行業(yè)務邏輯的深度解讀，針對商業(yè)銀行特點定制了基于大數據的分析框架，對其客戶進行了全生命周期的數據診斷。在實現(xiàn)了業(yè)務診斷并獲得了相關洞見之后，通過大數據建模分析，可基于用戶個體數據建立顆粒度更細的分組，并針對分組建立用例，科學地考慮多個維度對于業(yè)務影響的效用，從而按照用例的商業(yè)背景，制定更加有效且可行的行動策略。

（三）頂層設計打通數據共享環(huán)節(jié)

數據共享的程度反映了商業(yè)銀行的數字化發(fā)展水平。要實現(xiàn)數據共享，首先應通過頂層設計建立一套統(tǒng)一的、法定的數據交換標準，規(guī)范數據格式，使用戶盡可能采用規(guī)定的數據標準。通過自上而下的頂層設計，實現(xiàn)全行的信息流共享。

（四）提升金融科技復合背景人才

隨著大數據技術的發(fā)展，掌握數學模型算法、數據分析、全業(yè)務“翻譯”等技能的新型金融科技人才崗位急需補充。健全的人才認定機制，把提高金融科技人才的自主創(chuàng)新能力作為核心，在科技人才錄取中做到公平、公正、公開，選撥出優(yōu)秀的人才，充分調動金融科技人才的工作潛力。同時，要建立、健全人才流動機制，設立金融科技專業(yè)人才庫，充分的發(fā)揮好科技人員的實際能力，實現(xiàn)柔性化的管理。

四、總結

未來，在大數據賦能的助力下，我國商業(yè)銀行的數字化轉型將推動實現(xiàn)高質量發(fā)展：在客戶服務上，大數據賦能將為客戶便捷高效地提供多樣化、組合化、場景化金融服務，提升客戶體驗，滿足客戶日益增長的對美好生活的向往;在業(yè)務結構上，大數據賦能將實現(xiàn)多種金融生態(tài)、不同金融業(yè)務的協(xié)調發(fā)展，形成動態(tài)合理的業(yè)務結構;在增長動力上，大數據賦能將堅持制度創(chuàng)新、科技引領、優(yōu)化人才結構，實現(xiàn)高效、敏捷、持續(xù)動力變革。大數據技術將會是引領我國商業(yè)銀行在新一輪信息革命浪潮中實現(xiàn)彎道超車，建成國際一流商業(yè)銀行的新引擎。

[參考文獻]

[1]李璠.商業(yè)銀行數字化轉型[J].中國金融.2017（17）.

[2]李虹含.大數據技術在商業(yè)銀行中的應用：場景、優(yōu)勢與對策[J].廣西大學學報（哲學社會科學版），2016（1）.

[3]傅俊.數據挖掘技術及其在商業(yè)銀行中的應用[J].軟件導刊，2014（2）.

[4]Crosman.Penny. How Big Data Helps Banks Strengthen Ties with Small Business. American Banker，2013.

[責任編輯：趙磊]