信托公司在前幾年業務高速增長的情況下，較少重視系統建設和前沿工具的使用。但隨著外部環境的深刻變化，從戰略高度加強對“大數據”的研究，引入“大數據”思維，有可能推動信托公司找到一條新的轉型發展道路。
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）。大數據對傳統金融機構的重要價值體現在哪些方面？應用前景如何？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？是需要我們重點思考的問題。
戰略性結合的四個方面
要從戰略層面分析信托公司對大數據的主要需求，就要明確信托公司在轉型時期核心競爭力的構成要素，分別是產品研發、風險管理、財富管理以及運營決策水平。
在產品研發與大數據方面
信托公司的業務領域橫跨資本市場、貨幣市場與實業市場，產品設計非常靈活，產品類型較為豐富，不同類產品之間的組合更具空間。通過大數據手段，可以在三個方面提高信托公司的產品研發水平：
一是傳統業務的專業化。利率的不斷下行、優質資產的匱乏使傳統信托融資業務面臨一定困難，但在信托業的轉型過程中，這類業務仍將在一定時期占據相當大的比重。用投資思維做融資類業務，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進行判斷。大數據有利于傳統業務沿這一方向的改造升級，如在房地產領域，通過大數據支持，可以對項目所在城市的房價走勢、所在地段的未來發展前景、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，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，可以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，對不同基金的投資能力做出更合理的判斷。
三是探索創新業務模式。大數據本身就是資產，通過合理的產品設計，大數據可以產生超出想象的商業價值。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，對“零售業務”的借款主體——通常是個人——的信用情況和消費行為進行全面評估，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，對特定人群進行細分營銷，通過信托的收益投資于保險產品，所得保費也可以再投資信托，從而實現資產的跨領域配置。
在風險管理與大數據方面
在經濟下行階段，信托公司的風險項目時有暴露，對風險管理的要求不斷提高。通過大數據手段，可以為風險管理提供更多先進工具。
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、擔保方的情況都處于不斷變化的過程中。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，在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已研發出先進的輿情預警工具，這些先進手段都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。
財富管理與大數據方面
盡管信托公司擁有渠道、產品等多方面優勢，但是在互聯網和泛資管時代，提升財富管理能力成為信托公司面臨的共同課題。大數據對包括信托公司在內的金融機構的財富管理業務，將起到重要的推動作用。
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。
在運營決策與大數據方面
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。據BCG研究報告《回歸“價值”本源——金融機構如何駕馭大數據？》顯示，銀行業經營活動產生的數據強度高于其他行業，每100萬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具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。
構建信托公司“大數據”體系的基礎
圖：既懂金融業務、又了解大數據技術的復合型人才，對金融機構搭建大數據體系十分重要。信托公司的業務標準化程度低于銀行、券商等其他機構，因此數據的標準化程度低、整合難度大，對大數據管理和分析人員的水平提出了更高的要求
盡管大數據在金融領域屬于較為前沿的問題，看上去與信托公司尚有距離，但無論從信托公司自身轉型發展的需求來看，還是同業競爭激烈的市場環境來看，未來的專業化發展、精細化管理必然要求信托公司重視大數據、用好大數據。且信托公司構建大數據體系并非無源之水、無本之木，已具備一定的基礎和可行性。
一是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。
二是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，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，創新出適合自己的大數據應用模式。
三是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16萬億元左右，按照68家信托公司平均來看，每家公司管理資產規模超過2300億元。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。
關鍵措施
目前，銀行建設大數據平臺主要集中在完善數據倉庫、建立數據管控治理體系、探索數據價值應用三個方面，即“存、管、用”。考慮信托公司的業務基礎和實際需求，建議信托公司的大數據體系按照“結合實際、分步進行、問題導向、重點突破”的原則，采用“簡”存、“適度”管、“試”用的策略進行推進。
一是“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。
二是“適度”管，要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。
三是“試”用。盡管大數據對金融機構具有戰略價值，但在信托行業普遍缺乏實踐的情況下，構建大數據體系需要信托公司“摸著石頭過河”。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產品內部評級等重要課題，摸索大數據與公司經營決策之間恰當的結合方式，嘗試發揮大數據的積極作用。
未來需解決的主要問題
一是數據整合與管理協同。在銀行的數據應用實踐中，存在數據量大、加工路徑長、支持效率低等問題，這在一定程度上反映出金融機構對數據的整合與管理協同的問題。信托公司未來也可能面臨這樣的問題。尤其是信托公司業務多樣、多數項目非標準化，容易造成數據之間的分割；內部業務團隊、前臺與中后臺等部門之間的信息傳遞存在一定障礙，數據存儲、管理、應用等環節之間也可能會存在脫節。因此，未來信托公司在搭建大數據體系時應該從公司整體出發，實現線上、線下數據打通，內部、外部數據整合。
二是復合型人才的培養。既懂金融業務、又了解大數據技術的復合型人才，對金融機構搭建大數據體系十分重要。信托公司的業務標準化程度低于銀行、券商等其他機構，因此數據的標準化程度低、整合難度大，對大數據管理和分析人員的水平提出了更高的要求。此外，由于一些信托業務具有較強的創新性，在大數據應用過程中，其需求存在較大不確定性，這對相關人員在信托業務方面的經驗和能力要求也很高。因此，金融大數據尤其是信托大數據的復合型人才，將是各家機構爭搶的對象。
三是行業的共同參與。信托行業近年來發展速度很快，但內部管理水平總體落后于業務發展速度，造成了信托業粗放型的發展模式，需要轉型調整。與銀行業相比，信托業對大數據的重視程度需要進一步提高，全行業應該在戰略上重視大數據、重視信息系統水平的提升。同時，監管部門應該為信托大數據的發展提供更好的基礎條件，比如建立更加規范的信托業務分類體系，便于行業數據的整理；建立行業基礎數據庫，便于信托公司及時獲取行業信息，等等。特別是隨著未來信托登記體系的建立，信托的登記和受益權轉讓將會產生更多更有價值的行業數據，可以為信托業的發展提供更好的支持。
（和晉予為國投泰康信托有限公司研究發展部總經理、經濟學博士，賈丕星為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。本文來源于《當代金融家》雜志2015年第11期）
京公網安備 11010502049343號