隨著互聯網金融的迅速發展，大數據技術得到日益廣泛的應用，這對我國的金融生態和金融格局都將產生深刻影響。在這種新形勢下，商業銀行如何因時而變，順勢而為？如何從戰略和實施兩個層面，推進金融大數據的應用，使之迅速轉化為產業競爭力？這是擺在我國銀行業面前的一個重大而緊迫的課題。日前，記者就此采訪了光大銀行(601818,股吧)專職董事、董事會風險管理委員會主席武劍博士。
記者：隨著近年來互聯網特別是移動互聯網的爆發式增長，全球數據量以幾何級數增加。過去兩年新增的數據量占到人類歷史數據總量的90%以上。據IBM的預測，到2020年全球數據總量會達到35ZB（1ZB等于1萬億GB），是2000年以及之前總和的50倍，也是現在數據量的8倍，這是一個過去無法想象的巨大數據量。我們應該如何正確看待大數據趨勢？
武劍：大數據真正的本質不在于“大”。大數據是在移動互聯網大發展以來才出現的，與傳統數據相比，除了“大”以外，其差別主要體現在以下方面：
一是在線，大數據必須在線并且能隨時調用。傳統數據的生產、存儲以及調用是分割的，很多數據在采集之前就已經經過了人腦有意識處理，如市場調查產生的數據，而大數據則強調人們無意識地參與，數據的產生和捕獲都是在人們無意識地正常生產經營活動中進行，做到了反映真實，并一直在線，再借助以云計算為代表的新型處理方法，就能將在線的大數據實時進行分析，并將分析結果隨時調用。
二是全體，即收集和分析與研究問題相關的更多數據。受數據捕獲和處理能力局限，傳統數據很多時候體現樣本思維，即只能關心有關研究問題部分的以及片面的數據。大數據不再抽樣，體現了全體思維，盡可能地覆蓋所研究問題全面和全程的數據點，從而盡可能地反映事物真實的全貌。這也是大數據最有價值的部分，可以通過對數據的分析、研究，實現對同一個事物進行不同角度的觀察，形成多維度、全方位的認識。
三是混雜，在傳統數據時代，由于大多是抽樣地、截取式地捕獲數據，并且分析數據的手段和能力也相對有限，因此通常是可量化的、清潔的、比較精確的數據。而在大數據時代，由于追求全體和在線特點，因此擁有了大量的非量化、非結構化的數據，并且其中的很多數據對于一定的研究問題是無用的，如監控視頻，往往人們需要的僅僅是監控中的一兩個畫面。因此大數據是混雜的數據，在高度混雜的狀態下，傳統數據處理時抽象的因果關系現在被一種相關關系所代替。
總之，大數據是包括結構化和非結構化的海量數據。大數據的管理目標是在數據海洋中分析挖掘出有價值的規律。大數據是在線的和實時的，數據運用時不追求精確而是在混雜的現實條件下追求時效，一旦發現某些有用的規律，馬上加以利用，從而使業務更加靈活，對市場機會更加敏感。
記者：有人認為，在金融大數據時代，商業銀行之間的競爭將在網絡信息平臺上全面展開，說到底就是“數據為王”。誰掌握了數據，誰就擁有風險定價能力，誰就可以獲得高額的風險收益，最終贏得競爭優勢。對此，您做何評價？
武劍：中國銀行業正在步入大數據時代的初級階段。經過多年的發展與積累，目前商業銀行的數據量已經達到100TB以上級別，并且非結構化數據量正在以更快的速度增長。商業銀行在大數據應用方面具有天然優勢：一方面，銀行在業務開展過程中積累了包括客戶身份、資產負債情況、資金收付交易等大量高價值密度的數據，這些數據在運用專業技術挖掘和分析之后，將產生巨大的商業價值；另一方面，商業銀行具有較為充足的預算，可以吸引到實施大數據的高端人才，也有能力采用大數據的最新技術。總體看，正在興起的大數據技術將與銀行業務呈現快速融合的趨勢，給未來銀行業的發展帶來重要機遇。
首先，大數據推動商業銀行的戰略轉型。在宏觀經濟結構調整和利率逐步市場化的大環境下，我國商業銀行受金融脫媒影響日趨明顯，表現為存款流失、利差收窄、競爭加劇、業務定位亟待調整。銀行轉型的關鍵在于創新，但現階段我國商業銀行的創新往往淪為監管套利，沒有能夠基于挖掘客戶內在需求，提供更有價值的服務。而大數據技術正是商業銀行深入挖掘既有數據，找準市場定位，明確資源配置方向，推動業務創新的重要工具。
其次，大數據技術能夠降低商業銀行的管理和運行成本。通過大數據應用和分析，銀行能夠準確地定位內部管理缺陷，制訂有針對性的改進措施，實行符合自身特點的管理模式，進而降低管理運營成本。此外，大數據還提供了全新的溝通渠道和營銷手段，可以更好地了解客戶的消費習慣和行為特征，及時、準確地把握市場營銷效果。
第三，大數據技術有助于降低信息不對稱程度，增強風險控制能力。銀行可以擯棄原來過度依靠貸款人提供財務報表獲取信息的業務方式，轉而對其資產價格、賬務流水、相關業務活動等流動性數據進行動態和全程的監控分析，從而有效提升客戶信息透明度。目前，花旗、富國、UBS等先進銀行已經能夠基于大數據，整合客戶的資產負債、交易支付、流動性狀況、納稅和信用記錄等，對客戶行為進行360度評價，計算動態違約概率和損失率，提高貸款決策的可靠性。
記者：商業銀行大數據應用的戰略目標是什么？
武劍：盡管大數據在商業銀行的應用剛剛起步，目前影響還比較小，但從發展趨勢看，應充分認識大數據帶來的深遠影響。在制訂發展戰略時，董事會和管理層不僅要考慮規模、資本、網點、人員、客戶等傳統要素，還要更加重視對大數據的占有和使用能力，以及互聯網、移動通訊、電子渠道等方面的研發能力；要在發展戰略中引入和踐行大數據的理念和方法，推動決策從“經驗依賴”型向“數據依靠”型轉化；要保證對大數據的資源投入，把渠道整合、信息網絡化、數據挖掘等作為向客戶提供金融服務和創新產品的重要基礎。
我國商業銀行在經歷十年的高速增長后正步入轉型時期，其經營模式將從“以產品為中心”向“以客戶為中心”轉型，管理模式將從“粗放型”向“精細化”轉型，逐步實現開放、普惠、創新的新金融時代要求。實現戰略轉型就必須及時、全面、準確地掌握客戶需求，離開這一前提，戰略轉型就會偏離重點、迷失方向。商業銀行引入大數據理念和技術，其驅動力不是簡單的降低成本，而在于深入了解客戶，準確把握市場，增強產品和服務的針對性、有效性，以確保戰略轉型落到實處。因此，大數據應用的戰略目標可以概括為構建以客戶分析為基礎，客戶需求為導向，客戶管理為核心的大數據收集、存儲、分析和應用體系。
記者：商業銀行在與大數據技術融合的過程中將面臨哪些挑戰和風險？
武劍：一是大數據技術應用可能導致銀行業競爭版圖的重構。信息技術進步、金融業開放以及監管政策變化，在客觀上降低了行業準入門檻，非金融機構更多地切入金融服務鏈條，并且利用自身技術優勢和監管盲區占得一席之地。而商業銀行囿于傳統的組織架構和管理模式，無法充分發揮自身潛力，反而可能處于競爭下風。
二是大數據的基礎設施和安全管理亟待加強。在大數據時代，除傳統的賬務報表外，銀行還增加了影像、圖片、音頻等非結構化數據，傳統分析方法已不適應大數據的管理需要，軟件和硬件基礎設施建設都亟待加強。同時，金融大數據的安全問題日益突出，一旦處理不當可能遭受毀滅性損失。近年來，銀行一直在數據安全方面增加投入，但業務鏈拉長、云計算模式普及、自身系統復雜度提高等，都進一步增加了大數據的風險隱患。
三是大數據的技術選擇存在決策風險。當前，大數據還處于運行模式的探索和成長期，分析型數據庫相對于傳統的事務型數據庫尚不成熟，對于大數據的分析處理仍缺乏高延展性支持，而且它仍是面向結構化數據，缺乏對非結構化數據的處理能力。在此情況下，商業銀行相關的技術決策就存在選擇錯誤、過于超前或滯后的風險。大數據是一個總體趨勢，但過早進行大量投入，選擇了不適合自身實際的軟硬件，或者過于保守而無所作為都有可能給銀行發展帶來不利影響。
記者：您認為大數據應用該如何具體實施？
武劍：第一，推進金融服務與社交網絡的融合。商業銀行要發展大數據平臺，就必須打破傳統的數據源邊界，注重互聯網站、社交媒體等新型數據來源，通過各種渠道獲取盡可能多的客戶和市場資訊。首先要整合新的客戶接觸渠道，充分發揮社交網絡的作用，增強對客戶的了解和互動，樹立良好的品牌形象。其次是注重新媒體客服的發展，利用論壇、微博、微信、聊天工具等網絡工具將其打造成為與電話客服并行的服務渠道。三是將銀行內部數據和外部社交數據互聯，獲得更加完整的客戶視圖，進行更高效的客戶關系管理。四是利用社交網絡數據和移動數據等進行產品創新和精準營銷。五是注重新媒體渠道的輿情監測，在風險事件爆發之前就進行及時有效的處置，將聲譽風險降至最低。
第二，處理好與數據服務商的競爭、合作關系。當前各大電商平臺上，每天都有大量交易發生，但這些交易的支付結算大多被第三方支付機構壟斷，銀行處于支付鏈末端，從中獲取的價值較小。為此，銀行可考慮自行搭建數據平臺，將核心話語權掌握在自己的手中。同時，商業銀行也可以與電信、電商、社交網絡等大數據平臺開展戰略合作，進行數據和信息的交換共享，全面整合客戶有效信息，將金融服務與移動網絡、電子商務、社交網絡等融合起來。從專業分工角度講，商業銀行與數據服務商開展戰略合作是比較現實的選擇；如果自辦電商，沒有專業優勢，不僅費時費力，還可能喪失市場機遇。
第三，增強大數據的核心處理能力。首先是強化大數據的整合能力。這不僅包括銀行內部的數據整合，更重要的是與大數據鏈條上其他外部數據的整合。目前，來自各行業、各渠道的數據標準存在差異，要盡快統一標準與格式，以便進行規范化的數據融合，形成完整的客戶視圖。同時，針對大數據所帶來的海量數據要求，還要對傳統的數據倉庫技術特別是數據傳輸方式ETL（提取、轉換和加載）進行流程再造。其次是增強數據挖掘與分析能力，要利用大數據專業工具，建立業務邏輯模型，將大量非結構化數據轉化成決策支持信息。三是加強對大數據分析結論的解讀和應用能力，關鍵是要打造一支復合型的大數據專業團隊，他們不僅要掌握數理建模和數據挖掘的技術，還要具備良好的業務理解力，并能與銀行業務條線進行充分地溝通合作。
第四，加大金融創新力度，設立大數據實驗室。可以在銀行內部專門設立大數據創新實驗室，統籌業務、管理、科技、統計等方面的人才與資源，建立特殊的管理體制和激勵機制。實驗室統一負責大數據方案的制定、實驗、評價、推廣和升級。每次推行大數據方案之前，實驗室都應事先進行單元試驗、穿行測試、壓力測試和返回檢驗；待測試通過后，對項目的風險收益作出有數據支撐的綜合評估。實驗室的另一個任務是對“大數據”進行“大分析”，不斷優化模型算法。在方法論上，要突破美國FICO式的傳統評分模式，針對大數據的非結構化特征，依靠云計算等分析工具，開發具備自學習功能的非線性模型。目前市場上的許多新技術，如谷歌MapReduce框架下的Hadoop或Hive等分析系統，具備較強的整合分析功能，可促進大數據向價值資產的轉換。
第五，加強風險管控，確保大數據安全。大數據能夠在很大程度上緩解信息不對稱問題，為商業銀行風險管理提供更有效的手段，但如果管理不善，“大數據”本身也可能演化成“大風險”。大數據應用改變了數據安全風險的特征，它不僅需要新的管理方法，還必須納入到全面風險管理體系，進行統一監控和治理。為了確保大數據的安全，商業銀行必須抓住以下三個關鍵環節：一是協調大數據鏈條中的所有機構，共同推動數據安全標準，加強產業自我監督和技術分享；二是加強與監管機構合作交流，借助監管服務的力量，提升自身的大數據安全水準；三是主動與客戶在數據安全和數據使用方面加強溝通，提升客戶的數據安全意識，形成大數據風險管理的合力效應。
京公網安備 11010502049343號