在大數據時代，互聯網銀行來勢洶洶，傳統銀行家底雄厚，誰勝誰敗尚難預料。可以確定的是，善于創新、勇于求變的傳統銀行，將會順勢而上，繼續做大做強；另一些很可能日漸式微，甚至被淘汰出局。

讓數據說話

在杭州黃龍時代廣場B座支付寶的大樓里，有一層的中央大屏幕顯示著各種跳動的數字，這些時時變化或滾動的數字包括支付寶的客戶數、合作金融機構的名稱、全國各地通過支付寶進行水電繳費的情況、甚至與支付寶合作的公益基金的投向及客戶最新理賠金額。《英大金融》在這里被告知，這塊大屏幕上的數字可以記錄、摘抄，唯一不被允許的是拍照。

這或許只是阿里巴巴數據帝國的的冰山一角。2014年12月15日，在中國臺灣舉行的兩岸企業家峰會上，阿里巴巴董事局主席馬云認為，互聯網才剛剛開始，下一步全球大趨勢是從IT走向DT（數據）。

隨著信息技術的進步和互聯網的普及，大數據時代奔涌而來，勢不可擋。互聯網銀行憑借大數據迅速崛起，給傳統銀行帶來巨大的競爭壓力。傳統銀行也在積極努力，嘗試利用大數據。

一場大戲已經開演，主角的面紗尚待揭開。究竟誰會成為時代的贏家？

總理之手開啟微眾銀行

李克強總理的到訪讓深圳前海微眾銀行成為關注焦點。2015年1月4日，李克強總理敲下電腦回車鍵，幫助微眾銀行完成了第一筆放貸業務，卡車司機徐軍由此拿到了3.5萬元貸款。

此一事件可從多個角度解讀。首先，這筆貸款金額很小，屬于微型金融。其次，這筆貸款不需要申請人到營業網點，很好地體現了互聯網銀行的特點。最后，在發放貸款之前，微眾銀行通過大數據分析，對貸款申請人進行了信用審核，不需要抵押。

出于商業保密考慮，微眾銀行并未公開如何對貸款申請人進行信用審核。不過，根據微眾銀行的發起人，可以猜測一二。微眾銀行發起股東共10家，主發起人騰訊的股份占比為30%，深圳傳統行業巨頭百業源和立業各占20%，其余7位股東合計占股30%。微眾銀行所分析的大數據應該主要來自騰訊，而騰訊的產品包括QQ、微信等。

不難想象，QQ、微信的相關信息可以用于信用審核。比如長時間使用同一個QQ、微信的人顯然比剛剛獲得新QQ、微信的人可靠。如果一個人基本都是在同一個地方登錄QQ、微信，那說明此人工作和生活的地方非常固定，比不斷換地方的人更值得信賴。根據此人工作和生活的地方，可以大致判斷其收入水平。

登錄QQ、微信所使用的手機和電腦型號也能很好的反映此人的經濟狀況。如果在長假期間，該人經常在不同風景名勝地區登錄QQ、微信，那說明此人有財力經常旅游。這些都是比較簡單的數據分析，運用更復雜的分析技術應該會得到更多信息。

阿里小貸的先鋒體驗

在利用大數據放貸方面，阿里小貸是國內最早開始的，也是規模最大的。如今火遍全國的“互聯網金融”一詞正是來自阿里小貸的啟示。可以說，阿里巴巴是中國互聯網金融的鼻祖。

阿里小貸的發展歷程可追溯到 2002 年“誠信通”的成立。在此項業務中，阿里巴巴雇傭第三方對會員進行評估，并把評估結果連同會員在阿里巴巴的交易誠信記錄展示在網上，幫助誠信通會員獲得采購方的信任。2007 年阿里巴巴與中國建設銀行和中國工商銀行合作，先后分別推出“e 貸通”及“易融通”貸款產品，阿里巴巴相當于銀行的銷售渠道及信息提供商，向銀行推薦電商企業，幫助他們獲得銀行貸款。由于電商們大多達不到銀行門檻，此項合作并不成功。

之后，阿里巴巴于 2010 年及 2011 年先后成立了浙江阿里巴巴小額貸款股份有限公司及重慶市阿里巴巴小額貸款有限公司，注冊資本分別為 6 億元及 10 億元。和傳統小額貸款公司不同，阿里小貸的客戶主要是淘寶、阿里巴巴上的店鋪。

由于這些店鋪通過淘寶和阿里巴巴平臺經營，所以阿里小貸可以輕易獲得客戶的歷史數據。在這些數據基礎上，阿里小貸建立了用于放貸“水文模型”，即按小微企業類目、級別等分別統計一個店鋪的相關“水文數據”庫。

舉例來說，某店鋪在某段時間內的銷售額遠高于平時。僅根據這個數據給予授信，很可能做出錯誤判斷。如果把這個店鋪放到水文模型中，去觀察其不同時間、季節的經營數據及其所處類目同類店鋪的數據變化，就可以對這個店鋪的狀況有更準確地把握。也許和往年高峰期相比或者與同類店鋪相比，該店鋪這段時間原本較高的銷售額實際并不高。

實際上，阿里小貸的模型不僅僅只有“水文模型”，而是覆蓋貸前、貸中、貸后、反欺詐、市場分析、信用體系、創新研究六大板塊。

據報道，截至2014年上半年，阿里小貸累計發放貸款超過2000億元，服務的小微企業達80萬家，目前貸款余額為150億元左右，戶均貸款幾萬元。

大數據時代到來

數據分析歷來重要。林彪就是這方面的代表。他身邊有個本子，每次打完仗，就把戰果記在上面，不厭其煩。林彪對戰報要求很細：俘虜要分清軍官和士兵；繳獲的槍支要統計出機槍、長槍、短槍等。一天深夜，值班參謀正讀著一份遭遇戰的戰報，林彪聽著聽著，突然叫“停”。他連提出3個問題：“為什么那兒繳獲的短槍與長槍的比例比其他的戰斗略高？為什么那兒繳獲和擊毀的小車與大車的比例比其他的戰場略高？為什么那兒俘獲和擊斃的軍官與士兵的比例比一般殲敵略高？”人們還沒來得及思索，林彪已指著軍用地圖說：“我猜想……不，我斷定！敵人的野戰指揮所就在這兒！”隨后，林彪命令全力追擊從胡家窩棚逃走的那股敵人。最終活捉廖耀湘，遼沈戰役就此塵埃落地。

可見，早在大數據時代之前，人們就已經有意識的運用數據分析并取得了良好的成效。大數據有什么特點？歸結為4個V：體量（Volume），即數據規模大、增長速度快，常用的衡量單位從TB（1000GB）級別躍升到PB（1000TB）、EB（1000PB）甚至ZB（1000EB）級別；多樣（Variety），即數據類型繁多，除了傳統的結構化數據外，還包括了多種非結構化數據，其中對于結構化數據的處理和分析已經較為成熟，而對于非結構化數據的處理和分析才剛剛起步；價值（Value），即數據的潛在價值巨大，有可能導致革命性的變化；速度（Velocity），即數據處理速度快、時效性強。

大數據時代是信息技術進步和互聯網普及的結果。一方面，計算能力持續提高。不僅單個電腦能夠處理越來越多的信息，不同電腦還可以通過網絡連接起來同步運算。另一方面，人們越來越頻繁的使用互聯網，網絡購物、網絡視頻、網絡社交等紛紛興起。如果說以前在互聯網上，沒有人知道你是一條狗，那么現在互聯網不但知道對面是一條狗，還知道這條狗喜歡什么食物、幾點出去遛彎、幾點回窩睡覺。由于互聯網日益滲入日常生活，隨著時間推移，海量數據得以積累。這兩方面互相配合，共同催生了大數據時代的到來。只有數據處理能力而沒有數據，或者只有數據而沒有數據處理能力，都是沒有用的。

在大數據時代，數據資產是產業興衰、企業存亡的關鍵因素，公司的價值與其數字資產的規模、活性成正比，與其解釋、運用數據的能力成正比。有人將數據比喻為農耕時代的土地和工業時代的石油。他們之間有很多相似之處，但一個核心區別是，石油越用越少，土地保持不變，而數據越用越多。可見，數據比土地和石油更有價值。

大數據分析有助于預測未來。比如Target是一家非常大的美國零售公司，在大數據分析方面卓有成效。有一天，一位非常生氣的客戶打進電話，抱怨公司送給他17歲的女兒尿布折扣券，因為他女兒年齡還小，根本不需要。幾天以后，客戶自己跑來道歉，原來他女兒真的懷孕了。懷孕的女性會有不同的生活習慣，會買不同的東西，父母有時候都不知道她們已經懷孕了，而Target反而能提前知道。這就是大數據分析的魅力。

互聯網銀行的三大優勢

微眾銀行和阿里小貸是互聯網企業利用大數據優勢分食銀行業蛋糕的兩個案例，可稱其為互聯網銀行。目前，他們的規模在整個銀行業170萬億元資產、86萬億元貸款里面是微不足道的，但他們代表著一種新趨勢。假以時日，很可能顛覆傳統銀行業，正如電商對傳統商業的顛覆。

與傳統銀行相比，互聯網銀行展現了極高的運營效率、極強的競爭優勢。阿里小貸負責人胡曉明曾表示，他們單筆信貸操作成本為2.3元，而一般銀行的成本在2000元左右。之所以在成本上出現如此巨大的差距，是因為銀行獲取信息的成本巨大、業務環節繁多、人工和場地費用高昂。借助阿里巴巴的數據，阿里小貸不用像銀行一樣作為局外人花高成本去獲取信息，而是作為交易參與者去發現、提供融資機會。業務操作的自動化也極大的降低了成本。

互聯網銀行不僅成本低，而且速度快。在阿里小貸，絕大部分小微企業3分鐘即可獲得貸款。由于獲得貸款是如此方便，典型的淘寶小商戶是沒有庫存的：當天晚上收齊訂單，然后向阿里小貸申請一筆訂單貸款，第二天就去批發市場拿貨、發送快遞。等買家確認收貨后銷售收入到賬，系統自動扣取貸款本息，小商戶不需要投入自有資本。

而在傳統銀行，貸款的前、中、后管理很大程度上是分開的。銀行是等客戶有了潛在信貸需求和意向之后，才會信貸流程，要求企業提供標準化的財務數據資料，包括擔保抵押情況等。即便貸前業務崗已經把客戶的貸款需求和資料上報至信貸審核部門，中臺的審批效率和流程也是因人而異，因行而異。這個信貸鏈條在各個環節存在一定的時間差，造成整個信貸流程十分漫長。

“投向準”是互聯網銀行的另一個特點。傳統銀行在進行授信業務審核時，往往需要借款人提供利潤表、資產負債表、現金流量表等常規的企業財務資料，以及有效的抵押品。這對大中型企業并不是什么難事，但是小微企業運營時間較短，企業財務制度不完善，缺乏抵押品，很難在傳統銀行貸到款。互聯網銀行通過利用大數據，能夠在保證賺錢的前提下面向小微企業及個人提供貸款。阿里小貸不良貸款率僅有1%左右，低于銀行業平均水平，更遠低于傳統銀行的小微貸款，說明這種模式的風險是可控的。

對于這些過去被排除在傳統銀行服務范圍之外的企業和個人來說，互聯網銀行帶來的是革命性的變化。對于整個社會而言，互聯網銀行有助于改善原有金融結構，更好支持實體經濟特別是其中的薄弱環節，具有很強的社會意義。這也是李克強總理會造訪微眾銀行的原因。

傳統銀行的挑戰與機遇

表面上看，中國銀行業非常強大。在2014年《銀行家》發布的排行榜上，按照一級資本這個指標，世界前10家銀行中有4家來自中國，前20家銀行中有5家來自中國。2013年全球1000家大型銀行利潤達9200億美元，而中國主要銀行的稅前利潤總額為2920億美元，占銀行業全球利潤的32%。在金融危機發生前的2007年，這一數字僅為4%。

和國內非金融企業相比，銀行業也是占據優勢。根據2014年中報，12家上市銀行的凈利潤總計為4824.3億元，平均每天賺26.6億元，而在2341家非金融類上市公司中，上半年賺錢的有2020家，虧損的有321家，凈利潤總額為4663.8億元，比12家上市銀行還要少。

實際上，在大數據時代，銀行相比互聯網公司處于劣勢，他們沒有互聯網公司擁有的那些數據，比如騰訊關于QQ和微信的數據、阿里巴巴關于淘寶商鋪的數據。正因為這個戰略上的困境，所以傳統銀行無法像互聯網銀行那樣在放貸方面做到成本低、速度快、投向準。如果傳統銀行不能適應大數據時代，那就有可能像恐龍一樣被淘汰。

大數據時代在給銀行帶來挑戰的同時，也帶來了機遇。根據麥肯錫的研究，金融業在大數據價值潛力指數中排名第一。首先，銀行本身擁有海量數據。銀行的數據不僅包括存貸匯核心業務結構化數據，也包含客戶電話語音、在線交易記錄、網點視頻等非結構化數據。其次，銀行在信息技術硬件方面已經投入巨資，儲備了大量人才，具有充足的預算。這些都是銀行擁抱大數據時代的優勢。

但是目前這些優勢還沒有充分發揮出來。一方面，銀行更多強調事后統計工作（包括監管統計、各類報表等），大量數據資源沒有得到充分挖掘，無法用于預測并支持經營管理。另一方面，銀行僅能掌握客戶與銀行業務相關的金融行為，難以獲得客戶在社會生活中體現興趣愛好、生活習慣、消費傾向的情感或行為數據，不能與業務數據形成聯動。

傳統銀行蛻變之旅

在適應大數據時代方面，不少銀行進行了有益嘗試。根據大數據分析的對象，可分為客戶與員工。銀行運用大數據分析客戶是為了更好的了解客戶需求，進行精準營銷，控制與客戶有關的信貸風險；銀行運用大數據分析員工是為了提高工作效率、降低經營成本。

在運用大數據分析員工方面，美國銀行做出了典范。他們通過在員工姓名牌中置入感應器，監控員工的行走線路與交談語氣，從而了解員工在工作場所的社交狀況。結果表明，那些一起享受工間休息并相互交流的員工有更高的工作效率，因為他們可以分享如何應付“難纏”顧客的小竅門。美國銀行決定推行集體工間休息，此后員工表現提升了23%，而員工說話語調所反映出的壓力水平則下降了19%。

為了運用大數據分析客戶，銀行需要擁有客戶的數據。與微眾銀行、阿里小貸不同的是，傳統銀行不擁有互聯網企業的數據，不能實時準確了解客戶的經營情況。為了突破這個瓶頸，傳統銀行的做法可分為三類。

第一種做法是銀行與擁有數據的公司形成戰略合作。比如由電商平臺向銀行推薦有貸款意向的優質企業，銀行通過交易流水、買賣雙方評價等信息，確定企業資信水平，給予授信額度。2014年1月10日，中信銀行(601998,股吧)聯合銀聯商務在廣州共同推出“POS商戶網絡貸款”業務，這是又一家股份制銀行開始嘗試利用其它公司的數據實現業務轉型，不過他們的合作對手不是電商，而是銀聯商務。由于獲得貸款的前提之一即必須安裝銀聯商務的POS機，成為其合作商戶。這一方面使得中信銀行能夠依托銀聯數據，實現更快捷有效的線上發放貸款，另一方面也利于銀聯商務的線下擴張。

第二種做法是銀行嘗試自主搭建電商平臺，獨立獲得數據資源。2012年，建行率先上線“善融商務”，提供B2B和B2C客戶操作模式，涵蓋商品批發、商品零售、房屋交易等領域，為客戶提供信息發布、交易撮合、社區服務、在線財務管理、在線客服等配套服務。不過總起來看，銀行自建電商對于網上商鋪的吸引力有限，難以撼動主流電商的地位。電商這個行業有其自身的規律，其它行業的企業包括銀行在這方面并不一定具有優勢。

第三種做法是整合和挖掘自身數據。花旗、富國、UBS等銀行已經能夠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。西班牙對外銀行推出的具有記憶功能的ATM機ABIL，不但能記住客戶習慣的取款金額、頻率，還能根據其賬戶情況給出相應的取款建議。

培養大數據思維

在《大數據時代》一書中，作者舍恩伯格認為大數據思維的三個因素是：分析數據的全體而不是部分；關注效率而不是精確度；重視相關性而不是因果關系。這是比較具體的大數據思維。

從更基本的角度看，大數據思維就是對于數據的重視。在大數據時代以前，數據同樣需要重視。隨著大數據時代的到來，數據的形式變得前所未有的多樣，數據的規模變得前所未有的龐大，數據的處理變得前所未有的快捷，數據的作用變得前所未有的重要。因此，對于數據要前所未有重視。

在如何利用大數據方面，已知的部分相對狹小，陌生的領域非常廣大。任何機構都在探索，沒有標準的、一成不變的做法可供模仿。只有不斷培養大數據思維，才能持續提高利用大數據的能力。

首先，大數據思維要求重視數據的搜集和存儲。數據的搜集和存儲是分析利用的前提。如果沒有數據，再強大的分析利用能力也是“巧婦難為無米之炊”。在搜集和存儲數據方面，要有長遠的眼光。當前已會分析利用的數據需要搜集，當前還不會分析利用的數據也要搜集。等到新的數據分析利用方式出來之后再開始搜集數據就已悔之晚矣。由于數據的存儲需要花費不少成本，搜集、存儲一些看似無用的數據需要有堅定的信心和雄厚的財力。如果不具備大數據思維，則可能棄珍寶（數據）如敝履。

其次，大數據思維要求提高對于數據的挖掘和分析能力，建立通暢的數據挖掘結果與業務流程的銜接機制，最大化數據挖掘結果的價值。國外先進銀行大多建有一個龐大的數據挖掘人才隊伍，400人以上的人員配置，且特別注重吸收具備豐富業務知識的人員。這樣既保證了數據挖掘的專業性，又使得數據挖掘和業務部門很好的結合，通過數據挖掘滿足業務部門的需求，避免為數據挖掘而數據挖掘。

最后，大數據思維必須融入到銀行每一位員工的毛細血管中，特別是管理層。基層員工需要具備大數據思維，因為他們處在業務最前線，知道哪些數據可以搜集、推進業務需要哪些信息，同時需要他們付出努力提供高質量的數據。高級管理人員需要具備大數據思維，因為他們能夠調配資源。只有在高級管理人員的重視下，才能舉全公司之力，迅速提高大數據的積累和利用能力。

展望未來，互聯網銀行來勢洶洶，傳統銀行家底雄厚，誰勝誰敗尚難預料。可以確定的是，一些善于創新、勇于求變的傳統銀行，將在大數據時代順勢而上，繼續做大做強；另一些因循守舊、步伐緩慢的傳統銀行，很可能在大數據時代日漸式微，甚至被淘汰出局。

未來，掌握在他們自己手中。