银行业应用难点分析论文

随着社交软件、智能手机和网络的普及，数据呈现爆炸式增长，人们正在步入“大数据”时代，这种颠覆性的技术变革对社会、商业和个人都将产生巨大而深远的影响。在此背景下，本文阐述了大数据的内涵及其发展，介绍了目前在商业银行的应用现状及难点，并提出了大数据在商业银行风险管理领域深入应用的策略建议。下面是小编整理的《银行业应用难点分析论文(精选3篇)》，仅供参考，希望能够帮助到大家。

银行业应用难点分析论文 篇1：

经管类专业本科生开设数据挖掘课程的教学探索

[摘 要] 数据挖掘作为一门新兴技术，在各行业中获得越来越广泛的应用。在分析经管类专业本科生开设数据挖掘课程的必要性和可行性的基础上，讨论了课程在教学过程中存在的问题和设置的教学目标，着重从教学内容和实验环节上探索了数据挖掘课程的具体教学方案及其实施。

[关键词] 经济与管理；本科生；数据挖掘；教学探索

0 引言

数据挖掘技术能从大量数据中发现和学习有价值的和隐藏的知识，因而近年来在国内外受到极大重视，在电信业、零售业和银行业等生产大数据的行业中正获得越来越广泛的应用[1]。因此，近几年数据挖掘这门课程已越来越多的走进了高校课堂。但是，数据挖掘又是一门综合性较强的交叉学科，它涉及到统计学、数据库技术、数据仓库、人工智能、机器学习和数据可视化等学科知识，对学生的专业知识背景和前期所学课程有较高的要求，这在一定程度上限制了数据挖掘作为一门既有理论价值又有实践价值的学科的应用和推广。笔者结合自己的教学实践研究经管类专业本科生开设数据挖掘课程的教学探索。

1 经管类专业本科生开设数据挖掘课程的必要性和可行性分析

从经管类各专业的培养目标角度分析。以南京邮电大学经管类专业为例，该专业包含信息管理与信息系统、电子商务、市场营销、经济学和工商管理等专业，这些专业的培养计划都把培养学生具备市场分析、经营和管理决策能力作为专业的基本培养要求之一。数据挖掘作为商务智能的核心技术，是辅助管理者进行决策分析的有效工具，在激烈的商业竞争中发挥的作用越来越大。因此，为经管类专业本科生开设数据挖掘课程可以更好地实现专业培养目标。

从经管类专业本科生的就业角度分析。经管类专业本科生毕业后，有相当一部分同学会从事营销岗位或者信息管理、网站设计与维护等技术岗位。对于从事营销岗位的同学来说，由于现在的市场营销概念已经发展到精细营销理念，即企业恰当而贴切地对自己的市场进行细分，对各种客户群进行深入的分析和定位，并根据不同的客户群特点，采取精耕细作式的营销操作方式，将市场做深做透，进而获得预期效益。数据挖掘技术是实现精细营销的重要工具；对于从事技术岗位的同学来说，学习数据挖掘课程，掌握数据挖掘的思想和方法对培养学生的系统思维和解决实际问题的能力、提高学生的信息素养很有必要。因此，学习数据挖掘课程对学生未来的工作也是非常有帮助的。

数据挖掘是一门交叉学科，课程理论性强，且对学生的计算机基础要求较高。经管类专业只有信息管理与信息系统、电子商务两个专业开设了较多的计算机课程。但是所有经管类专业都开设了统计学必修课程和数据库原理与应用必修或选修课程，这两门课程是数据挖掘的核心。因此，适当地调整教学目标，将数据挖掘作为一门选修课程为经管类专业本科学生开设是完全可行的。

2 教学过程中存在的问题

笔者在为经管类专业本科生开设数据挖掘课程的过程中，往往遇到两个问题。

1）课程较强的理论性与学生知识结构缺陷之间的矛盾问题。数据挖掘这门课程涵盖了统计学、数据库原理、机器学习、信息论和时间序列等众多内容，课程教材中有较多的公式推导和算法分析，因此课程的理论性较强。然而，经管类专业本科生之前只是学习了统计学和数据库原理与应用两门课程，机器学习等其他课程知识均没有涉及到，因此在学习数据挖掘课程时会感到内容难度较大，障碍较多[2]。

2）理论教学与实验教学学时合理分配的问题。由于数据挖掘课程通常是作为选修课安排在经管类专业本科生培养计划中，总学时数相比学位课程要少，只有32学时。正如前文所述，这门课程包含的内容多、难度大，因此必须要保证足够的理论教学学时数量。同时，数据挖掘又是一门应用性较强的课程，特别是对于经管类专业本科生来说，一定要安排足够的实验教学学时，让学生在实践中提高分析问题和解决问题的能力。在较少的总学时约束条件下，如何合理地分配理论教学学时和实验教学学时是课程教学遇到的又一个问题。

针对经管类专业本科生开设数据挖掘课程时遇到的矛盾问题，将这门课程的教学目标确定为：掌握数据挖掘基本流程和经典算法的基本原理，熟练运用数据挖掘软件工具，分析和解决商业应用问题。课程教学目标指出，为经管类专业本科生开设数据挖掘课程的目的是培养学生利用数据挖掘这种工具去分析和解决商业应用问题的能力，而不是要求学生具备数据挖掘算法设计能力。因此，对于经管类专业本科生来说，实验教学和理论教学同等重要。在课程教学大纲中应将理论教学学时和实验教学学时设置为各16个学时。

3 教学内容设计

用16个学时来介绍数据挖掘课程的理论知识点，这就要求教师能够为经管类专业本科生精心挑选知识点，“量身定做”教学内容。

1）以应用为目的设计教学内容。根据经管类专业本科生数据挖掘课程的教学目标，本门课程在教学过程中应注重培养学生应用数据挖掘分析问题和解决问题的能力，这就要求教师能够围绕数据挖掘的整个应用过程来安排教学内容。数据挖掘的应用过程包括数据收集、数据预处理、模型构建和知识评价四个主要步骤。数据收集步骤是指准备数据挖掘的对象——数据源，有的数据源是一个数据文件或者是数据库中的一张关系表，但对于具体的商业应用来说，数据源往往是来源于同一个或不同数据库中的多张关系表，或者是多个数据文件，这时需要对数据源进行集成，甚至是构建数据仓库；数据预处理步骤是指通过数据清洗、数据集成、数据变换和数据归约等操作为数据挖掘任务提供干净、准确和简洁的数据，提高数据挖掘效率和挖掘结果的质量，它是数据挖掘中非常重要的环节；模型构建步骤是指选用数据挖掘算法在预处理后的数据集上构建挖掘模型的过程，关联、分类、聚类和回归分析是数据挖掘中四个主要的挖掘任务，每个挖掘任务又对应了多个挖掘算法；知识评价步骤是指采用各种统计指标对挖掘结果进行评价，以发现有价值的知识。由于不同挖掘算法得出的挖掘结果表现形式不同，知识评价应针对具体挖掘算法进行，因此知识评价步骤要安排在每个挖掘算法介绍完之后。

2）重点介绍经典算法。针对经管类专业本科生在学习数据挖掘课程时感到内容难度较大这一问题，且考虑到课程的理论授课学时有限，笔者对原有的数据挖掘内容进行了适当的精简。数据挖掘包含数十种挖掘算法，删除复杂和难度大的数据挖掘算法，针对每种挖掘任务重点介绍其经典算法。例如，关联挖掘中的Apriori算法，实现分类挖掘的决策树算法，实现回归分析的最小二乘法以及聚类分析的k-means算法。对于神经网络、贝叶斯分类、时间序列挖掘和Web数据挖掘等难度较大或内容拓展性算法，在介绍相关章节时略提一下，并鼓励有兴趣的学生在课余时间自学。

3）增加商业案例。数据挖掘是一门技术性较强的课程，一般的教材往往注重理论，相关案例较少，因而不容易激发学生的学习热情[3]。为了帮助经管类专业本科生增加对课程中各种挖掘任务的感性认识，同时也是为了激发学生对本门课程的学习兴趣，笔者在讲授过程中增加了若干关于数据挖掘的幽默故事、经典案例和在各行业中的应用案例，通过分析案例加深学生对算法应用的理解。例如，在介绍关联挖掘任务时给学生们引入“啤酒与尿布”的故事；在介绍分类挖掘任务时讲解客户流失分析的应用案例；在介绍聚类挖掘任务时分析客户细分的应用案例。

基于上述分析，笔者为经管类专业本科生开设的数据挖掘课程教学内容具体如下。

第一章为绪论，主要是对数据挖掘技术作概括性描述，让学生对数据挖掘定义、与数据仓库的关系、研究热点以及发展趋势形成感性认识。本章内容分配2个理论教学学时。

第二章为数据仓库，主要内容包括数据仓库的定义与特征、数据仓库的数据组织、数据模型、总体结构和设计等原理性知识点，以及联机分析处理（OLAP）的基本概念和分析操作等基本知识。本章内容分配2个理论教学学时。

第三章为数据预处理，主要介绍数据清洗、数据集成、数据转换以及数据归约等数据预处理的基本步骤和常见方法。本章分配3个理论教学学时。

第四章至第七章围绕数据挖掘的4个重要任务——关联、分类、聚类和回归分析，在介绍每种挖掘任务基本概念的基础上，重点介绍经典算法的基本原理和挖掘结果评价方法，以及每个挖掘任务在具体行业的应用案例。第四章至第六章每章内容分别分配3个理论教学学时，第七章内容分配2个学时。

4 实验项目设计

数据挖掘是一门与实际应用结合紧密、实践性较强的课程。为了加深学生对数据挖掘理论知识点的理解，锻炼和提高学生的实际动手能力，必须结合实验进行教学。数据挖掘课程的理论教学和实验教学构成一个完整的整体，缺一不可[4]。实验教学要充分调动学生的主动积极性，而不是简单地让学生进行验证式的操作实验或仅仅局限于机械地使用、熟悉某种软件工具。

笔者针对课程知识点设计了4个实验项目，每个实验项目分配4个实验学时。

第一个实验项目为数据仓库构建，实验软件是SQL Server 2000，它提供了一套完全的数据库和数据分析解决方案，其中的Analysis Service 组件支持数据仓库的创建和应用，并提供OLAP联机分析操作。构建数据仓库的数据源来自SQL Server 2000的样例数据库Northwind，Northwind是一家虚构的公司，从事世界各地的特产食品进出口贸易。Northwind数据库包含有这家公司的销售数据，数据内容多，数据量大，数据结构贴近企业的真实数据，符合实验要求[5]。实验包含4个步骤：（1）理解业务数据，确定分析主题。Northwind数据库中的表非常多，需要理清各关系表的内容及其相互间的关联，在此基础上确定感兴趣的主题；（2）围绕分析主题，将主题相关的关系表通过企业管理器中的DTS进行清洗和转换，为数据仓库提供合适的数据；（3）使用Analysis Server向导，建立多维数据集；（4）基于构建好的多维数据集，对数据进行切片、切块、钻取、聚合和旋转等各种OLAP分析操作。

第二至第四个实验项目均是基于Clementine12.0等数据挖掘工具，通过构建数据挖掘模型分析具体商业问题。其中，第二个实验项目为关联挖掘的综合实践，要求学生运用关联挖掘经典算法Apriori分析移动产品交叉销售；第三个实验项目为分类挖掘的综合实践，要求运用决策树算法进行电信客户流失分析；第四个实验项目为聚类挖掘的综合实践，要求运用聚类经典算法K-means进行电信客户细分分析。上述三个综合实验项目都要求学生首先能够分析具体应用问题，然后进行数据预处理、构建数据挖掘模型，并对挖掘结果进行分析和讨论，以锻炼学生数据挖掘的思维体系和数据分析能力。

5 教学方案实施

在教学方案实施过程中，着重营造活跃的课堂教学氛围，重视对课后作业的指导，以期提高课堂教学效果。考虑到经管类专业本科生的知识背景和本门课程的特点，在每次课堂上都会抛出一个思考题，要求学生们运用所学理论联系身边实际展开讨论。例如，在介绍完第一章后设计了一个讨论题：如何运用数据挖掘帮助电信企业提高竞争优势？学生讨论得很热烈，也得出了多个答案。由于本门课程课堂讲授学时较少，为了帮助学生复习、巩固及应用所学内容，课程每章节后都安排了课外作业，并就其中的难点进行指导和讲解。实验过程中，着重培养学生的独立性和数据分析能力。首先向学生讲授清楚实验具体要求和注意事项，然后放手让学生自己去做，遇到问题先鼓励学生自己思考解决，实在有困难再稍加指点。实验结束后，要认真分析实验结果，完成实验报告。选择实验数据时要考虑到数据是否符合现实情况且能够突出所分析的问题。除实验以外，其它实验项目均采用SPSS产品培训过程中所用的相关数据，数据量大小适中，适合在实验课上使用，而且这些数据与真实数据的差异小，有助于提高学生解决现实问题的能力。数据挖掘课程的教学方案已实践了5年，其间不断进行经验总结和探索，无论从近几年选修本门课程的学生人数还是从课堂上学生的反映和学习气氛看，本门课程都取得了很好的课堂教学效果。

6 结束语

数据挖掘作为一门技术性和应用性较强的课程，对优化经管类专业本科学生的知识结构、扩展学生的专业应用领域有着重要的作用。笔者结合自己的教学经验，对经管类专业本科生数据挖掘课程的教学内容和实验环节等方面进行了积极的教学探讨和实践，学生反映非常好。在今后的教学工作中，要不断实践，不断总结，进而不断改进和提高数据挖掘课程的教学质量。

参考文献

[1]刘云霞.统计学专业本科生开设“数据挖掘”课程的探讨[J].吉林工程技术师范学院学报，2010，26（6）：20-22.

[2]李志勇，王翔，喻军.信息管理专业数据挖掘课程教学探讨[J].管理工程师，2012，（4）：66-68.

[3]刘昆宏.浅谈本科阶段数据挖掘课程设置[C]//In Proceedings of 2010 Third International Conference on Education Technology and Trainning，Wuhan，2010：4-5.

[4]李正辉.数据挖掘课程实验总体框架设计[J].统计教育， 2006， （9）：25-27，34.

[5]韦艳艳，张超群.“数据仓库与数据挖掘”课程教学实践与探索[J].高教论坛，2011，（1）： 94-96.

作者：朱恒民

银行业应用难点分析论文 篇2：

商业银行大数据风控还存在哪些短板

随着社交软件、智能手机和网络的普及，数据呈现爆炸式增长，人们正在步入“大数据”时代，这种颠覆性的技术变革对社会、商业和个人都将产生巨大而深远的影响。在此背景下，本文阐述了大数据的内涵及其发展，介绍了目前在商业银行的应用现状及难点，并提出了大数据在商业银行风险管理领域深入应用的策略建议。
大数据风控的发展历程

目前，业界对“大数据”并没有统一的定义。研究机构Gartner认为，“大数据”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。大数据有“4V”的特性，包括“Volume ”“Variety”“Value”“Velocity”。“Volume”是指海量的数据，并随着科技的飞速发展，数据量将急剧增长。根据国际数据公司IDC的研究预测，到2020年， 全球范围内将产生的数据容量为35ZB，是2011年数据容量的近20倍；到2025年，全世界将创建和复制163ZB的数据，是2016 年所创建数据量的十倍。“Variety”是指数据的类型丰富多样，相较于以往文本形式为主的结构化数据，大数据时代包含了视频、音频、图片、地理位置、网络日志等众多类型的非结构化和半结构化数据。“Value”是指数据的价值密度与数据总量负相关。“Velocity”是指快速的数据处理速度，海量的数据量需要高效率的数据处理速度，同时，短时间内完成的数据处理结果有助于应用策略的快速制订及调整。

在网贷领域， 英国贷款网络平台W o n g a首創大数据风控。该公司成立于2006年，从事发薪日贷款（Pa y d a y Loan），可以全天24小时办理业务，向用户提供金额从50英镑到750英镑不等的小额在线借款业务。其独特的大数据自动风控系统克服了传统征信系统的片面、不注重成长性和效率低下等难点，将征信数据节点提升到8000个，能够根据用户填写的信息自动进行风险评估，并在20分钟内给出贷款报价，堪称大数据风控的鼻祖。

在征信领域， 美国金融科技公司ZestFinance具有代表性。该公司成立于2009年，在其模型中，往往要用到3500多个数据项，从中提取70000多个变量，在传统信用分数不到1000个数据变量的基础上发生了质变。该公司引领大数据计算和征信技术的前沿，颠覆了延续半个世纪的传统征信模式。

在国内银行业，工商银行、兴业银行、宁波银行等在大数据风控中取得了长足进展。

工商银行通过打造大数据服务云，支持大数据发展数据多样化、服务能力实时化、算法引擎智能化、基础平台云化的趋势，在信用风险领域成立信用风险监控中心，以大数据分析技术为手段，集信用风险的分析、监测、预警、管控于一体，确立了分析建模、实时监测、风险预警、核查管控、跟踪督办、反馈优化及考核评价的信用风险监控工作流程，实时开展融资客户、融资产品、信贷机构及信贷人员风险的监测预警及跟踪管控。

兴业银行在风险管理方面大力推动数据应用和数据挖掘分析的力度，迭代开发风控搜、核贷宝、黄金眼等创新型大数据产品。“风控搜”产品整合了互联网风险类信息，供贷前调查、贷中审批、贷后监控等各环节的人员使用，旨在成为一款“采集风险—提示风险—扑灭风险”的风控产品。“核贷宝”通过Python技术自动抓取各重要网站信息，提供一站式查询服务，可一键查多网，并智能生成征信报告，促进贷款审核流程的革新；同时，该产品通过对外部数据实现电子化存储，信贷人员在贷款审查审批、放款复核及贷后管理环节只需一次性查询。“黄金眼”以随机森林算法为核心，利用大数据信息技术，结合网络爬虫和搜索引擎，模拟人工查询和评价数据的过程，构建100余条预警规则和评分模型，利用图关联技术可视化展现客户的股东、担保、交易等关联关系。

宁波银行通过整合行内各业务数据， 引入互联网数据以及专网数据，建立了内容覆盖面更广、风险信息来源更多、预警针对性更强的大数据风控平台。该平台通过风控模型探测潜在风险信号，在贷前、贷中和贷后三个环节，向前台业务人员及各级审查审批人员提示风险，通过建设企业级客户标签画像系统，全面了解客户渠道使用、产品购买等信息，为风险控制提供决策支撑。
大数据风控的应用难点

商业银行具备实施大数据的基础，虽然我国很多商业银行都建设了数据中心， 但离大数据的应用要求还有一定距离，应用难点主要表现在以下方面。

人才短缺难点。在商业银行应用和推广大数据技术，需要既掌握大数据技术和IT技术，又懂业务逻辑和业务操作流程， 同时也熟悉银行内控合规要求等的综合性人才。然而，现实的人才情况限制着商业银行大数据技术的发展。一方面，在大数据技术应用和推广领域中的人才储备普遍比较短缺；另一方面，随着互联网金融的火热，商业银行的部分金融科技人才逐渐流失，从而限制了银行大数据技术的创新应用。

数据整合难点。商业银行拥有丰富的、标准化程度较高的客户数据，但这些数据宝藏往往分布在内部各条线、各职能部门、各分支机构之间，而且各信息系统是在不同时期建设的，开发者也各不相同； 同时，各系统之间的管理要求不同，标准不统一，共享基础差，业务信息也不一致。由于难以互联互通，缺乏共享机制，形成一座座“信息孤岛”，导致在应用数据时难以有效整合，许多行内数据仍然在数据库中“沉默”，未发挥应有的作用。

合规或审慎难点。大量的数据涉及客户隐私，而且有时候难以确定界限。银行作为受严格监管的金融机构，为了符合合规要求，或者出于保护客户隐私如手机号、家庭住址、身份证号等敏感信息的需要，抑或对大数据技术应用审慎的态度等原因，对所拥有的海量数据开发程度有限，使得宝贵的数据难以发挥效用。

开发和应用协调难点。由于银行内部各条线、各部门间的合作机制不完善， 又缺乏复合型人才，导致风险部门与开发部门、风险部门与业务部门的沟通协调成本较高，协调数据产品的开发实施周期较长，产品创新及应用推广与业务的实际需求难以有效匹配，从而使得创新、开发、应用难以有效统一。

传统系统架构适应难点。随着互联网金融、穿戴传感设备、物联网的快速发展，这些新形态下产生的数据、客户交易行为记录，以及包括银行在内所记录的影像、图片、音频等半结构或非结构化数据，都是非常有价值的数据信息，都将和结构化数据一并纳入数据管理和分析范围。目前，银行传统的系统对这类数据的处理能力普遍较弱，由于银行的业务链条较长、各信息系统较为复杂等原因，传统系统架构距大数据技术的应用与推广还有较大差距。

数据挖掘分析难点。由于搜集的数据信息可能不完整，无法积累客户在平时生活中展现的生活习惯、消费倾向等行为数据，难以与行内业务数据结合以刻画客户的消费习惯、风险偏好等。在未进行有效整合的情况下，银行风控人员很难准确识别客户的整体风险。特别是对于跨行业、跨区域、跨市场的担保客户或集团客户， 客户或其实际控制人往往存在多处注册、多头融资的情况，具有交易复杂、业务经营和资金流动等特征，传统数据分析难以清晰了解客户的生产经营、关联关系的全部真实情况，无法发现虚假信息、交叉违约、关联风险等多层复杂风险。
解决之道

银行历经了半个多世纪的建模和数据分析探索，以信用评级或评分模型为代表，积累了丰富的理论和实践经验，银行拥有群体数量庞大的客户，拥有海量的客户数据和交易数据，是一座有待深挖的宝矿。大数据的应用为商业银行风控带来了海量的数据、更加丰富的风控工具和更加高效的处理能力，具有远见和雄心的商业银行应当早做布局，引领金融科技的发展。可以从以下方面深化大数据的应用。

加强复合型人才的培养。大数据思维对银行风险管理水平的提升无疑具有十分重要的意義，但应该认识到大数据不是万能的，不能代替风险管理专家的作用。因为数据信息和模型本身具有局限性，能否最大程度地发挥数据的效用取决于用数据的人，因此需要大量培养既懂业务又懂数据和模型的专家，打造一支既对风险有定性分析判断、潜在风险排查、动态风险监测能力，又掌握数据整合挖掘能力、定量风险分析技术、具有风险模型开发和监控能力的复合型风险管理人才队伍。

建立集中式的风险监测预警中心。基于大数据及其挖掘技术，对分散在银行内部各业务条线、各职能部门、各分支机构、各子系统中的数据进行集中，与外部大数据进行整合后，实现商业银行的事前预警、事中控制、事后监测，并通过海量数据的核查和判定，及时挖掘、监测、预警、管控可能出现的风险点，构建覆盖“全流程、全客户、全业务、全产品、全资产”的全面持续的集中式非现场监测预警体系。力求从数据中寻找业务发展和决策的依据，提高全流程预警能力和风险管理的信息化、自动化水平。当发现客户出现结算、存款或交易等大幅变动或下降等异常情况时，则通过系统向各条线发出风险提示或预警，贷前调查人员应核实相关信息，贷中审查审批人员应据此作出审查审批意见和决策，贷后管理人员应及时开展现场核查，就风险情况督促客户改进，或采取压缩授信额度、提前收回贷款、资产保全等防范措施。同时，进一步完善基于大数据信息的集中式风险辅助审查审批体制，补充或校正授信申报机构对客户风险信息的收集和判断。运用合理的参数和模型，结合大数据信息，做出更全面、专业的分析和判断，使风险识别、计量、决策、防范更加准确及时。

强化与业务的联动。一方面，开展“请进来”，请业务部门负责人、一线业务骨干到风控部门和大数据应用项目组， 亲身体验大数据智能风控服务，并根据业务需要提出相关需求和改进建议，以更契合业务发展的需要，更好地提升客户体验。另一方面，通过“走出去”，派出懂产品、善介绍的骨干人员，深入到业务条线和分支机构，开展大数据产品宣讲、培训，并搜集业务方面的反馈意见，完善产品功能及服务，推动大数据风控产品的应用，激发产品创新动力。

深化数据挖掘分析。银行内部数据具有标准化、价值高的特性，是一座有待持续深入挖掘的宝藏，随着银行拥抱大数据进程的加快，内外部数据的整合将产生更大的潜在价值。银行应充分利用大数据技术对海量数据深入挖掘和分析：一是结合企业的静态和动态的数据，既要看企业资产负债表的静态数据情况，还要考察企业交易结算数据等动态数据；二是结合宏观、中观和微观的数据，综合考虑宏观经济、中观行业、微观企业的情况；三是结合结构化和非结构化的数据，其中结构化数据包括贷款、存款、交易流水等，非结构化数据包括企业管理层情况、产品信息、抵质押品情况等；四是结合行内数据和行外数据，行内数据包括信贷数据、交易结算、抵质押数据等，行外数据包括工商税务、司法环保、征信海关等方面的数据。通过以上几种结合，动态地分析贷前调查、审查审批、贷后管理、资产保全等全流程的客户及关联关系风险，更好地了解客户及其行为特征，优化风控技术和流程，提高风险评估模型的精准度，进一步提升风险管理的精细化水平。

建立大数据信用评分。通过大数据信用评分可以缓解传统征信体系中无征信记录的企业、个人，或财务数据难以核实的小微企业的借贷难题。在利用大数据建立个人信用评分方面，外部数据应涵盖身份核验信息、学历信息、运营商信息、司法信息、工商信息、银联消费信息等，内部数据应通过与个贷系统、信用卡系统对接，实现内外部数据的整合。在利用大数据建立企业信用评分方面，一是应用企业及高管的外部大数据，涵盖银监、征信、工商、司法、环保、税务、股东或高管投融资信息、公积金、房产指数、商标专利、外部舆情、学历认证信息、电商交易数据等； 二是应用行内的企业及高管账户行为数据， 包括交易往来、存贷记录、代发工资等。通过个人和企业的大数据信用评分，对接各业务条线生产系统，辅助贷前调查、授信审批、放款核验、贷后监控、预警等工作， 提升授信业务质效，尤其是对于由第三方平台如电商或支付公司推荐的客户，基于保护客户数据的考虑，平台往往不提供详细的信息，从而难以评价这些客户的风险。

需要指出的是，大数据有其明显的长处，但也有其不足。一是大数据容量越大，其噪音也相应地增加，甚至噪声增长速度可能快于数据量的增速，在大数据管理、分析方法尚未完全成熟时，挖掘成本较高。而银行传统数据含金量高，可以基于比较成熟的数理统计理论和方法，建立经典的数理模型。二是外部大数据往往反映相关关系，而银行传统数据更容易得到因果关系，只有把两者互相融合，把传统数据分析方法的完备性、准确性和大数据的多维性、及时性融合起来，才能真正提升大数据在银行风控中的实效。

（作者系华夏银行总行授信运行部总经理）

作者：闫炯智

银行业应用难点分析论文 篇3：

银行人力资源管理中存在的问题及对策

摘要：新时期银行业想要保证自身在市场竞争中始终占据优势地位，就要充分认识到人力资源管理的重要性，打造高素质、高水平人才队伍，这也是银行业未来发展的必然趋势。做好人力资源管理工作，既是银行业组织改革的重要环节，也是强化银行业核心竞争力的有力措施。本文首先阐述了银行业提高人力资源管理水平的必要性，在分析银行业业人力资源存在问题的基础上，提出相应的对策。

关键词：银行业;人力资源;管理

人力资源管理的实质是促进银行业人力充分发挥，提高人才输送和人才培养的力度。因而银行业需时刻加强人力资源管理，树立以人为本的理念，充分发挥银行业人才的作用。众所周知，人力资源管理主要是协调人与人、人与事之间的关系，保证做到人尽其才、人事相宜。这就需要管理人员能够用战略、发展的眼光做好人才选拔、人才任用及人才管理等相关工作，尽可能降低银行业人才流失率，从而达到人才与银行业双赢的发展目标。在银行业人力资源整个管理过程中，应当满足银行业的需求计划，加强对人员进行有组织的评估，提高绩效，同时以支付报酬作为激励，达到合理的管理体系。

1银行业提高人力资源管理水平的必要性

1.1强化银行业市场竞争力

近年来，社会经济发展日新月异，市场竞争也逐渐由传统以资源和资金为焦点，转变为以人力资源为焦点。事实证明，发展势头较好的银行业，背后必然拥有一支强大、优质的金融人才，这也验证了人力资源管理与银行业发展之间存在必然联系。现阶段，我国银行业正处于对外开放改革阶段，但由于东西方银行业发展差距较大，所以制约了我国银行业与世界接轨的步伐。由此可见，培养一批高素质、高水平优秀人才，已经成为强化国有银行业市场竞争力的当务之急。

1.2促进银行业稳定发展

银行业经营目标是创造最大化经济效益。想要实现这一目标，需要银行业具备前瞻性、战略性发展眼光，能够结合市场需求开发新商品、拓展新业务，为银行业增收奠定基础。为满足以上需求，需要银行业内部人才提高现代化金融经营意识，不断完善自身业务能力，积极学习金融相关新技术和新知识，能够将金融理论灵活运用到银行业经营管理中。可以看出，银行业强化人力资源管理力度，打造应用型、管理型、复合型人才已成必然。

1.3强化员工主观能动性的发挥

银行业人力管理资源管理通过分析人的生理、心理以及社会影响等因素，强化员工主观能动性的发挥，保证银行业抵抗风险和获取利润的能力。而且人力资源管理可以重新配置优秀的资源，保证资源得到优化配置，在战略管理中具有深远意义，使银行业的管理能力得到提升。

2银行业人力资源管理存在的问题

2.1缺乏健全的绩效考核和薪酬奖励制度

当前，部分银行业在人力资源管理工作中，依然存在绩效考核机制不健全问题，具体体现在考核标准不合理、岗位管理不到位、员工激励不公平等方面。另外，薪酬奖励制度不科学也是人力资源管理面临的重要问题，具体来说：第一，工资体制缺乏合理性。保障性工资在工资体制中占比较高，激励性工资比例却趋于平均。第二，激励机制缺乏长效性。当前银行业中任何一个岗位的薪酬，都没有业绩股份、股票期权等长效性激励内容。第三，考核体2.2人力资源改革缺乏统筹规划

一般情况下，银行业应结合自身战略目标和经济市场发展需求，对人力资源进行统筹规划，通过制订岗位配置计划，确定人才招聘标准，从而保证银行业人才供求平衡。但结合银行业发展现状来看，在人力资源管理方面普遍存在缺乏中长期规划和连续性执行等问题，导致银行业人力资源管理效率不高。另外，人力资源改革依然采用“闭门造车”形式，在人才引进方面并未结合国际先进人力资源管理理论进行分析，导致人才与银行业发展需求不一致。

2.3缺乏完善的创新人才激励机制

创新是引领发展的第一动力，培养创新型人才是国有银行业开展创新性工作的必要需求。然而，当前大部分银行业在创新工作开展过程中，并未重视人才培养工作，而是选择临时抽调其他岗位人才进行相关研究。由于抽调人员工作任务繁重，所以同时兼顾岗位和创新工作有一定难度，通常在完成任务后便回归各自岗位，没有对创新产品需求和反应进行全过程跟踪管理，不利于为创新产品升级改造提供保障。另外，银行业在创新型人才管理过程中，依然采用传统人力资源管理手段，没有制定针对性激励机制，严重打击了创新人才工作积极性。

3银行業人力资源管理措施

3.1围绕科学的绩效考核构建薪酬激励体系

一方面，银行业需要遵循“效率优先，兼顾公平”基本原则，突出激励体系的积极作用。想要提高人力资源管理水平，银行业需要认识到传统以行政职务确定收入存在的不足之处，并对专业与专业、人与人之间的薪酬差距进行科学控制，从而为激发专业人才工作积极性，使人才长期保持工作热情。另一方面，制定绩效考核指标。绩效指标是将银行业战略发展目标细化成多个操作性强的远景目标，其中既要包含定量指标，又要包含定性指标。所谓定量指标就是结合银行业特点、发展现状等要素，明确考核指标的主次;定性指标则是保证绩效指标详细、全面，具备较高的操作性，从而为人力资源管理提供有利参考依据。此外，在构建完善绩效考核指标基础上，还应考虑其与激励机制之间存在的关系，避免银行业管理层或员工利用指标相关性弄虚作假，从而为人力资源管理奠定基础。

3.2优化银行业人才战略建设水平

第一，积极引进先进人才，做好人才测评工作。员工综合素质与银行业稳定发展息息相关，所以做好员工素质测评工作至关重要。上文提到，新时期银行业面临的市场竞争压力逐渐增加，想要开展新业务、创新新产品，就要加大力度引进人才。基于此，银行业需要拓展人才展品渠道，结合自身发展需求制定合理的人才选拔条件，广泛吸收高素质、高水平人才，从而为内部组织注入新鲜血液。在此基础上，银行业还应做好人才测评工作，重点对专业能力、道德水平等方面进行测评，从而为银行业构建专业人才队伍提供保障。第二，建立科学的用人机制。银行业岗位竞争应做到公平、公正、公开，同时遵循择优原则构建用人机制，保证做到人尽其才，在充分发挥人才价值的同时，为银行业创造最大化经济效益。第三，强化员工培训力度。银行业需要根据自身战略规划制定统一的培训体系，保证培训内容循序渐进，重点面向员工灌输先进金融知识和技术，同时提高综合素质水平。严格按照国际现代化人力资源管理需求培养员工，为强化国有企业核心竞争力奠定基础。

3.3完善人才流动机制

银行业在合理划分岗位性质和岗位职责基础上，应结合员工发展需求，进一步完善人才流动机制，为人才晋升提供充分空间。在人才流动机制设计过程中，需要考虑各岗位、各专业人才的差异性，构建分工科学、专业全面的业务、植物管理系统，使所有员工明确各专业、各岗位用人需求，并结合自身实际情况，分析是否适合参与该岗位竞争。另外，针对银行业管理层人员和专业技术人员，需要严格执行任期制和聘任制，并在银行业内部实施竞争上岗机制，使银行业内部形成能上、能下的人才流动机制，为所有员工提供晋升空间，同时调动员工工作积极性。

3.4创新人力资源管理制度

在银行业员工中，知识型人才占据很大比例。他们的特点是专业技能较强，文化程度高。但同时又具有相对很强的独立性、完整性。因此，主体意识迫使他们对自身价值有了追求。而在管理过程中，主要是“以人为本”的管理理念和方式相当重要。根据对知识型人才价值的体现，其需求已从低层次的物质需求转变为高层次的精神追求，即自我实现的需要。首先，“以人为本”的管理更注重人才因素以及人的价值能够实现，激发潜能的开发。因此，如果银行业不能留住人才，就不能完全充分发挥人才的积极性，就不能确保银行业行业竞争是否顺利长期发展。银行业想要保持竞争优势，就必须具备核心竞争力。其核心竞争力是不能够被其他银行业形式所取代，并长期保持相对于其他企业更为优势的能力。一般来说，我国银行业的核心竞争力也应该由金融技术、组织结构和人力资源构成。这三个要素的形成始终离不开人的影响，核心竞争力的建立必须在人的管理基础上进行。因此，现代银行业人才资源管理技术创新，应当优化组织结构，深化人力资源管理的创新力度，有利于保证银行业行业核心竞争力的根本途径。因此，全面提高人力资源管理水平是当下我国银行业管理层迫切需要解决的首要目标。要努力改变人力资源管理的旧观念，就必须强化以人为本的核心理念，采用以人为本的管理模式，实现现代银行业人力资源的有效管理。

4结束语

综上所述，人力资源管理作为组织改革的重内容，其受到的重视程度也日益提升。尤其新时期背景下，银行业面临的市场竞争压力逐渐由国内转向国际，想要实现稳定发展目标，就要充分发挥人才优势，为银行业拓展业务、创新产品提供源源不断的原动力。这就需要银行业创新人力资源管理理念，完善績效考核机制，充分挖掘人才优势，使银行业在金融市场竞争中拔得头筹。

参考文献：

[1]王猛.商业银行人力资源管理的问题及对策研究[J].价值工程，2020，39（08）：18-20.

[2]曹腾飞.国有商业银行人力资源管理存在的问题及对策[J].河北企业，2019（07）：129-130.

[3]刘思瑶.金融科技对银行人力资源管理影响的调查研究[J].农银学刊，2019（02）：49-53.

[4]徐笑笑.国有商业银行人力资源管理中的难点及对策分析[J].人才资源开发，2018（20）：91-92.

[5]曹乾，秦惟翀.浅析互联网金融对商业银行人力资源管理的挑战与对策[J].中国劳动关系学院学报，2014，28（04）：108-112.

作者简介：白孝忠（1971-），湖北工业大学经济与管理学院副教授，硕士生导师;刘跃涛（1987-）， 湖北工业大学经济与管理学院研究生。

作者：白孝忠 刘跃涛