简析大数据在商业银行发展中的作用和应对

2023-01-13

1 大数据定义及在商业银行营运中的概念和意义

大数据 (big data) , 是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合, 是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。大数据技术的战略意义并非在于掌握庞大的数据信息, 而在于将这些含有意义的数据进行专业加工处理, 通过加工实现数据的增值。

20世纪90年代, 随着信息技术的发展, 国内银行业顺应潮流, 将信息技术广泛运用于业务处理和内部管理, 营运效率大幅提升。进入21世纪, 以国有大型银行为代表的行业领军者率先推进业务系统和业务数据大集中, 整合冗繁的业务系统, 提升业务系统运作效率, 并基于业务创新和客户服务等客观需求, 搭建数据平台和数据仓库, 信息化程度日益提升。近年, 国内商业银行信息系统建设日趋完备, 电子银行、网络银行等线上金融服务渠道长足发展, 在提升客户体验、丰富服务种类、强化风险管控的同时, 也积累并储存了大量的数据资源。这些数据既包括全部的存贷汇兑等核心业务数据, 也包含客户信息、交易记录、交易习惯等个性化专属数据。这些数据内容, 结合现代商用计算和互联网技术, 成为具有巨大商业价值的大数据资源。

(1) 大数据技术对原有数据分析系统的升级, 可显著提升数据分析和商业决策的效率。从商业智能角度来看, 大数据技术是原有数据分析系统的跨越式升级, 将传统的“业务—数据—分析—报表—决策—业务”的流程进行了再造, 压缩了整个流程的信息链条, 同时大幅提升了链条各个环节和整体的运转效率。

(2) 大数据提供了一种有效的手段, 提高商业银行对客户的理解和认知。大数据技术可以帮助商业银行对大量的存储数据进行统计建模, 从而了解客户的财富状况、行为习惯、风险偏好、消费能力、渠道喜好、信用状况等诸多方面信息, 进而为客户“贴标”、“画像”、“分组”;同时还可以动态监控数据变动, 以实时关注业务风险、获取客户即期和潜在业务需求。

(3) 大数据能够低成本、批量化地实现较为精准的个性化客户服务, 增加客户黏性。如能有效地将大数据技术与移动互联技术、线上线下一体化服务体系进行融合、嵌套, 商业银行将可能为客户提供响应更加迅速、定位更为精准的个性化金融服务。此举, 将大幅拓展银行现有服务边界, 使商业银行服务原先依托物理网点渠道无法顾及的长尾客户一举成为可能。

综上, 评价一家商业银行是否有效利用数据, 发挥了大数据的功用和效能, 就要看其大数据系统是否显著提升了数据分析和商业决策的效率, 是否能够提高对客户的理解与认知, 是否能够低成本、批量地实现个性化客户服务。若商业银行的数据系统暂未能实现上述功用, 则有必要重新审视自己的数据战略并加以调整。

2 商业银行已初步具备运用大数据的基础

大数据是信息技术与互联网产业发展到特定阶段的产物, 而商业银行作为与信息技术高度关联和深度融合的行业, 在客户服务、业务分析、风险管理、产品创新等诸多方面已经积累了一定的数据规模和业务经验, 为逐步转型、过渡到大数据运用奠定了良好的基础。

(1) 商业银行具备较为完整的客户和业务数据资源。近年, 随着我国金融监管体制和制度的日趋完善, 商业银行出于监管要求、内部管理、流程优化、市场分析、客户服务等诸多方面的需要, 产生并记录了巨量的文本数据, 涉及客户的个人基本信息、财务信息、风险偏好、资金往来、消费记录等;同时, 伴随互联网金融的兴起及智能手机的普及, 商业银行联合各外部机构推出的个人掌上综合金融服务平台 (APP) 也陆续开始对客户的兴趣爱好、生活习惯、消费偏好等行为数据进行累积。这些海量的数据使得商业银行运用大数据技术成为可能。

(2) 商业银行拥有处理数据的经验和人才。数据分析和计量模型在传统数据领域已有着较为充分的运用, 同时也培养了大量精通计量分析的技术人才。在此框架下, 商业银行经过多年的摸索和积累, 不但已将数据分析技术广泛应用于贷款评估、客户准入退出、授信审批、产品定价、风险分类、绩效考核等诸多领域, 而且也已针对诸如物理渠道区位选择、单一客户综合贡献测算、特定客群营销拓展等较为复杂的业务研发出一整套较为有效的辅助数据模型。

(3) 商业银行已初步尝试应用大数据。虽然商业银行距离系统性、大规模运用大数据技术仍有较长的路要走, 但多家银行已从具体业务入手开始尝试数据挖掘, 以期解决效率提升中的难题。如有的银行提供集电话、网络在线、客户端、微博、微信于一体的整合服务平台, 也有银行着重客户数据分析, 摸索出客户行为模式和潜在需求, 促成定向精准销售, 还有银行研发线上智能投顾技术, 以期延伸服务边界, 捕捉长尾客户。这些探索虽然局部并且初级, 但已是在朝着正确的方向迈进。

3 商业银行进行大数据应用的障碍

(1) 数据虽多, 但整合困难。商业银行虽然坐拥海量数据, 但因传统的“部门分制”, 致使数据在银行内部处于割裂状态, 业务条线、职能部门、经营机构等各个机构分别拥有相对独立的一部分数据, 并且数据与数据之间往往缺乏顺畅的互通和共享机制。这样的矛盾致使商业银行中的海量数据往往处于分散或“睡眠”状态, 与运用大数据技术所需要的“全量”数据背道而驰。

(2) 想法虽多, 但动手困难。商业银行虽然拥有庞大的海量数据, 但将数据真正运用起来却困难重重。一方面, 国内对于大数据专业人才培养刚刚起步, 专业人才市场良莠不齐, 商业银行较为死板的薪酬制度无法吸引有能力的大数据专业人才加入, 快速提升商业银行大数据运用效能;另一方面, 商业银行也会担心因擅自使用数据而触犯监管或法律底线, 或侵犯客户隐私权, 给自身带来声誉风险或业务风险。

(3) 资源虽多, 但协调困难。商业银行短期内无法按照IT企业执行项目制管理, 使得技术部门和业务部门的矛盾在实际工作中频频出现。不成功的经验还往往会使双方矛盾日渐加深。复合型人才的匮乏、合作机制的缺失以及工作方法的不当往往是造成这一局面的重要原因。

4 进一步推进商业银行大数据运用的发展建议

(1) 制定与银行整体经营战略和发展规划相适应的大数据战略。各银行应尽快制定符合自身实际的大数据战略, 明确大数据应用方向, 制定大数据实施路线, 落实大数据推进预算。应将大数据战略融入整体发展战略, 而非独立于整体战略之外。只有将大数据战略与银行整体战略进行有机统一, 才能保证大数据成为银行发展的核心要务。

(2) 梳理整合现有数据基础, 改变“数据大”的窘迫局面。各银行应打破现有各业务条线和经营机构分别持有部分数据的分立局面, 以客户为中心、为逻辑, 梳理存量数据仓库中的数据关系, 唤醒长期处于“睡眠”状态的存量数据, 并制定清晰的规则规范新生成数据的储存和运用, 使海量数据得以为全行各业务条线和经营机构简便、准确运用, 由原先的“数据大”逐步转变为真真正正的“大数据”。

(3) 设立专岗、广纳专才, 明确工作机制, 落实工作成效。商业银行应借鉴国内大型IT企业成功经验, 在银行内部设立独立于其他业务部门的大数据事业部, 并且提供有竞争力的薪酬制度吸引有技术、有能力的专业人才加入。同时, 借鉴IT企业的大数据业务模式, 推行项目制, 将业务部门与技术部门有机整合, 组建专向业务组, 以确保业务构想的准确实施和有效落地。

摘要：近年来, 我国银行业突飞猛进, 实现了跨越式的发展, 取得了令全世界瞩目的成就。但是, 伴随着以大数据、移动互联网、云计算等为代表的信息革命的兴起, 我国银行业又将面临一次全新的机遇和挑战。中国银行业能否接纳大数据、掌握大数据、运用大数据, 实现经营、管理和服务的创新, 决定着其未来可持续发展的能力。本文试从大数据在商业银行营运中的概念和意义出发, 探讨商业银行运用大数据进行经营与发展的必要基础、实施条件和面临困难, 并提出若干发展建议。

关键词：大数据,商业银行,信息管理