互聯網金融時代，越來越多的金融機構聚焦大數據的功能與應用。通常來看，大數據具有4V特征，即數量（Volume）、速度（Velocity）、種類（Variety）和價值（Value）。信托公司作為最為靈活的金融機構，在轉型發展中對大數據的需求是什么？如何構建符合信托公司以及信托行業需求的大數據體系？這些是我們需要重點思考的問題。
信托與大數據戰略性結合的四個方面
（一）產品研發與大數據
一是傳統業務的專業化。用投資的思維去做融資類業務，是傳統業務的專業化發展方向。這就要求無論是在房地產領域，還是在地方基礎設施項目上，都要用更專業的眼光去進行判斷。大數據有利于傳統業務沿這一方向的改造升級，在房地產領域里，通過大數據的支持，可以對項目所在城市房價走勢、所在地段未來發展前景、區域人口流動及對房地產的需求、當地物價及收入水平等多因素進行全面分析，得到更為科學的結論。在地方基礎設施項目方面，利用大數據對地方財政償債能力、交易對手財務狀況等做出綜合判斷，有利于確定項目的規模、價格等因素，進行科學的產品設計和決策。
二是提高資本市場的業務能力。信托公司轉型的一個重要方向是資本市場，主要業務不僅包括股票、債券等金融產品投資，而且還包括定向增發、FOF、MOM等多個方向。在傳統的金融產品投資方面，通過大數據手段，提高對金融市場走勢的判斷水平，有利于彌補多數信托公司在證券投資能力上的不足。在FOF、MOM等產品組合投資方面，也可以通過大數據分析，對不同的基金投資能力做出更為合理的判斷。
三是探索創新業務模式。在信托公司鼓勵業務創新的趨勢下，利用大數據的商業價值，可以進行多種新產品和新業務模式的嘗試。一個例子是消費信托、小額貸款等“零售業務”，信托公司完全可以利用大數據思維，不僅可以針對其行為特征研發具體產品，而且有利于風險的分散與控制。另一個思路是與其他金融機構的合作與對接，例如通過健康大數據，開發某種保險產品，并與信托進行對接。
（二）風險管理與大數據
一是提高風險管理的全面性。大數據的典型特征就是海量數據資源，一方面可以通過結構化的手段對目標的特征進行描述；另一方面，在數據數量和類型足夠的情況下，也可以通過非結構化手段對目標特征進行描述，后者的結論很可能超乎預料，從而發現通常可能忽視的問題。因此，通過大數據對交易對手的風險進行分析，對信托公司掌握更多更全面的風險信息將會有一定幫助。
二是提高風險管理的動態性。加強存續項目的過程管理，是多數信托公司提高風險管理水平的重點。但是，信托公司項目眾多，每一個項目的融資方、抵押物、擔保方的情況處于不斷的變化過程中。而信托公司負責過程管理的人手十分有限，僅通過相關人員的定期調查回訪，很難發現潛在的風險和問題。利用大數據，建立每一個項目的過程管理數據檔案，對抵質押物的價值變化進行動態監測，對交易對手、擔保方的經營情況、資產負債和現金流等信息進行及時分析，可以提高風險管理的及時性和動態性，提高項目過程管理水平。
三是提高輿情預警能力。聲譽風險也是信托公司必須面對的重要風險。信托公司的輿情監測往往是事后進行，應對措施較為被動。而銀行等金融機構利用大數據等手段，對輿情風險進行預警，這方面的做法已有一定探索。一些領先的大數據服務商，通過非結構化手段，研發出先進的輿情預警工具。這些先進手段都將有助于提高信托公司的輿情預警能力，使信托公司更為主動地化解聲譽風險。
（三）財富管理與大數據
一是助力產品營銷。一方面，利用大數據技術，信托公司可以更為精準地細分客戶群，根據不同類型的客戶，了解其投資與風險偏好，為其提供不同類型的產品，更好地滿足客戶需求。另一方面，對于產品而言，通過大數據分析，可以對產品進行更為全面的評級，衡量其風險與收益的匹配程度，進而對產品進行合理定價。
二是助力資產配置。財富管理業務發展到一定階段，重點將從產品營銷轉為針對客戶需求和偏好的資產配置。利用大數據，不僅可以幫助客戶選擇收益率適當、風險可控的多樣化產品，而且可以更準確地了解客戶的風險和收益需求，為量身定制資產配置方案提供幫助。
三是助力客戶拓展。信托公司的財富管理業務將來有兩個發展趨勢，一是圍繞更高凈值的客戶，開展家族信托服務；二是對接互聯網，擴大客戶范圍和數量。對于后者，大數據可以在風險偏好、行為習慣等方面對客戶進行更為細致的描述，幫助信托公司更有針對性地開發與維護客戶。
（四）運營決策與大數據
盡管與銀行、券商等機構相比，信托公司人員規模較小、管理流程較簡單，但越來越多的信托公司開始重視系統建設，不斷提高運營、管理和決策水平。大數據在這方面也可以發揮一定積極作用。
一是幫助信托公司及時掌握內部經營管理狀況。金融機構在經營管理過程中，本身也會產生大量數據。有研究顯示1，銀行業經營活動產生的數據強度高于其他行業，每一百萬美元收入帶來的實際數據量為820G。盡管信托公司的業務數據量遠不如銀行，但是運用大數據思維，對經營活動中的數據進行有效利用，可以為管理層和相關部門提供較強價值和時效性的信息，對公司內部經營管理情況進行及時了解。
二是幫助信托公司提高決策水平。大數據不僅強調多樣化和海量特征，其本身的存在也代表了一定的客觀性。用大數據思維和工具，對公司經營管理的各方面進行描述，可以為公司的各項決策提供客觀依據。此外，大數據的即時性特征，可以將相關信息迅速傳遞給管理層，有利于提高決策效率。
信托公司利用大數據的初步基礎
（一）大數據資源和技術手段已具備一定基礎
隨著大數據的應用越來越廣泛，一些傳統的互聯網企業、運營商開始拓展數據服務業務，通過近年來的數據資源積累，積極探索如何為金融機構提供基礎的數據服務。除此之外，對大數據應用的技術手段也在不斷進步，傳統的數據技術主要體現在結構化數據的處理，新興的技術手段已經突破了結構化數據的限制，可以為客戶提供更為全面的數據分析應用。這些數據資源和技術手段盡管仍在不斷完善和發展，但在現階段已經為信托公司構建大數據體系提供了一定的基礎。
（二）其他金融機構已提供一定經驗借鑒
其他金融機構無論在傳統數據倉庫的建設、數據的管控與治理、基于數據支撐的營銷服務、基于數據分析的全面成本量化和績效考核等領域都已經有非常成功的模式以及案例。這對信托公司來說無疑是非常好的借鑒。此外，與銀行相比，信托公司產品設計更為靈活、創新行為更加活躍，對大數據的訴求也更為多樣。在業務發展和數據支持的相互結合中，信托公司可以在充分借鑒其他金融機構的經驗基礎上，創新出更適合自己的大數據應用模式。
（三）自身已有一定數據積累
信托業從2009年以來進入了一個快速發展的階段，目前管理資產規模在16萬億左右，按照68家信托公司平均來看，每家公司管理資產規模超過2300億。信托業務的快速發展為信托公司提供了大量的基礎數據資源。此外，信托公司業務更為多樣化，其積累的數據資源也具有很強的多樣化特征。這些都為信托公司改善數據管理、引進大數據工具提供了資源基礎。
構建信托公司大數據體系的關鍵措施
（一）“簡”存，搭建符合信托公司特點的數據倉庫
與銀行相比，信托公司的數據規模不大且比較分散，對數據倉庫的認識也有一個循序漸進的過程，應盡量采用輕量化的思路，采集并整理公司發展所需要的數據。信托公司的數據倉庫應包含四個層次：第一層是公司自身的業務及管理數據，也就是內部數據，這些數據是信托公司大數據體系的核心和關鍵；第二層是信托行業的數據，包括公司數據、產品數據、風險數據、客戶數據等，這些數據可以描述信托行業發展的全面特征，為公司在行業中的競爭提供直接參考；第三層是金融市場數據，不僅包括貨幣發行量、利率、匯率等宏觀金融數據，還包括股票市場、債券市場以及其他金融產品的數據，這些數據可以為信托公司的經營和決策提供重要依據；第四層是涉及宏觀經濟的非金融數據，包括與信托業務發展相關的宏觀經濟數據、區域經濟數據、特定行業數據、交易對手數據等，這一層數據量大、覆蓋面廣。四個層次的數據彼此聯系，層層支撐，可以構成信托公司大數據體系中的金字塔型數據倉庫。
（二）“適度”管，對現有的內部數據進行完善和梳理
不僅提高內部數據產生的質量，而且要充分發揮系統治理功能，使數據歸集整理通過信息系統自動實現，提高數據管理的效率。尤其是信托公司業務多元化，所需數據來源渠道復雜，技術處理要更加規范，適度控制數據質量。特別需要注意的是，信托公司應該明確數據管理的階段和重點，不能急于求成。從金融機構的實踐經驗上看，其自身積累的數據價值密度還是高于大數據的價值密度。信托公司在自身數據價值挖掘方面還處于初級階段，因此對數據的管理應該由內而外，循序漸進。
（三）“試”用，以問題為導向
信托公司首先應該審視自身經營管理中存在的突出問題，以問題為導向，引入大數據技術，設計解決方案。例如對信托產品的內部評級問題，對于非標準化的信托產品，大數據可以在風險計量和產品收益等方面發揮重要作用，產品本身所涉及到的項目數據、交易對手數據、抵質押物數據等也可以通過外部渠道獲取。信托公司可以通過類似于產品內部評級等重要問題，摸索大數據與公司經營決策之間恰當的結合方式，嘗試發揮出大數據的積極作用。
（和晉予，國投泰康信托研究發展部總經理，經濟學博士；賈丕星，文思海輝技術有限公司高級副總裁，商業智能事業部總經理）
京公網安備 11010502049343號