“清晨的第一縷陽光剛剛灑到這座城市，客戶經理們便手執公文包，從支行里精神飽滿地邁出。他們要去營銷，這是一種古老的習俗，是客戶經理們賴以生存的自我保護方式。
“靠苦心經營和精打細算的原始資本積累方式并不能保證每年都有新增和足夠的利潤，但客戶經理們并不在乎，無論本地或異地，他們樂于分享每一筆貸款發放的快樂。客戶經理拿起背包，開始向有信貸需求的地方悄然前進。這是一種狼性的本能，也是批發條線的生存方式，他們必須要為成功獲批一次授信而學會各種技能。
“而貸前調查的過程并不簡單，這種客戶的周圍總有幾撥潛在風險客戶在逡巡，其中有一種名叫不良資產的生物，攻擊性很強。
“一個季度之后，午后溫暖的陽光照進工廠的大門，客戶經理的同事們已經聽說了企業停產的消息。他們雖然感到悲傷，卻并沒有十分憤怒和意外。做貸款的命運便是如此。”
當那部紀錄片紅遍大江南北時，這“舌尖上的銀行”版本也迅速在網絡上躥紅，不是因為其文字多么華麗動人，只因其直觀道出了銀行基層的辛酸。
“更糟糕的是，辛酸的勞動得不到回報，或者是連辛酸的機會都將不復存在。在宏觀經濟結構調整和利率逐步市場化的大環境下，情況并不樂觀——核心負債流失、盈利空間收窄、業務定位亟待調整。在所謂的“金融大數據”的重要性日益突出，“數據治行”的觀點頻頻出現時，單個的金融工作者的重要性無疑在逐級降低。
強化“數據治行”
銀行目前的境遇并不好。前有大量的互聯網金融創新產品在資金募集端與其“生死搏殺”，后因宏觀經濟周期調整而產生不良貸款隱憂，中間還背負著“壟斷行業”、“吃利差”的罵名，躊躇了多年的轉型必須加快腳步了。
銀監會發布的最新數據顯示，截至2014年一季度末，商業銀行不良貸款余額6461億元，較年初增加541億元，不良貸款率1.04%，較年初上升0.04個百分點，達到近三年來的最高水平。
但市場對官方數據普遍存在著懷疑。國泰君安用銀行財報中的關注類貸款不良貸款相加總去近似估算，得出投資者審視標準的真實不良率約為3.2%。
而銀行家們越來越緊盯于互聯網金融。無論是互聯網，還是金融，都離不開數據的處理。除了層出不窮的類理財產品外，控制風險，減少資產隱患顯然是金融互聯網更為安身立命的技能。
通常而言，商業銀行主要依據各企業的會計信息、信用記錄，以及上文中各個客戶經理辛酸的調查和抵質押擔保情況等，通過專家判斷進行信貸決策。但這種決策模式比較適用于經營管理規范的大中型公司，而對于善于隱藏和粉飾類公司和數量龐大的小微企業并不適用。
而目前，花旗、富國、UBS等先進銀行已經善于基于大數據，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。阿里巴巴(滾動資訊)的金融業務也是基于其數據資產進行商業創新的重要成果。
而我們的金融機構顯然在基礎數據上并不落后，也應該對相關企業的資產價格、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。
中國金融業正在步入大數據時代的初級階段。金融機構行在大數據應用方面具有天然優勢，金融企業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。九次方大數據公司執行總裁王叁壽在接受采訪時說：“商業銀行每一分每一秒都在積累著內涵豐富的客戶數據。但在大數據概念興起之前，客戶數據的巨大價值并沒有得到充分關注，傳統的數據挖掘技術在商業銀行領域的應用較少。”
如何挖掘？大到總體策略，小到微觀應用，似乎都有空間。一家商業銀行地方分行的信貸員告訴記者：“現在我們行有款定制的App，基于地理位置可自動推送相關企業性質、財務狀況、聯系方式、最近融資情況的信息。”這位信貸員顯然比文首的客戶經理們更容易體驗到“貸款發放的快樂”。更為直接的是，這種數據應用還包括企業上下游產業鏈的信息，如通過上下游企業的經營數據驗證相關企業財務數據的真實性。
這也是產業鏈金融的魅力。產業鏈的信貸模式，其風險系數比貸款給單個企業相對要小，操作成本也低，核批的信貸額度可能比之前發放給單個企業的總和還要多，能夠產生“1+1﹥2”的效果。
重在開發
在互聯網金融發展得如火如荼之際，大數據又成了金融理財市場健康發展的支撐，大數據和金融嫁接，能做很多過去做不到的事情。除了控制不良貸款、迅速擴寬零售銀行規模，更是銀行直接在互聯網金融江湖占一席之地的方式，熱門的直銷銀行就是如此應運而生。
王叁壽認為，直銷銀行是互聯網金融時代下順勢而生的新型銀行運作模式，具有機構少、人員精、成本低等顯著特點。傳統銀行開通直銷銀行不是簡單的渠道拓展，而是構建一種全新的業務模式。
而直銷銀行的初衷構想之一是在直銷銀行賣理財產品，但根據相關規定，客戶買理財產品前，必須與銀行面簽，直銷銀行也不例外。
如此一來，如何精準地定位企業客戶，提供給客戶多元化優質金融服務，是構建直銷銀行面臨的挑戰。王叁壽認為，銀行現有的客戶數據分散存儲在各個業務系統內部，銀行需對現有客戶進行清洗、建模、分析服務，結合大數據建立完善的客戶數據倉庫。對客戶需求和盈利價值進行分類。同時通過大數據對目標客戶的行業屬性、財務指標、地理分布等指標進行篩選、定位及風險評估，進行潛在客戶的二次開發。
好在實力強大的金融機構，無論是自身開發還是引入第三方，都可有效執行。利用大數據技術可以找到不同變量間內在關系，形成更準確的決策模型，這一點早有先行者。阿里金融利用阿里巴巴B2B、淘寶、支付寶等電商平臺上客戶積累的信用數據及行為數據，輔以第三方驗證，確認客戶信息的真實性，向這些通常無法在傳統金融渠道獲得貸款的客戶群體發放“金額小、期限短、隨借隨還”的小額信貸。依靠大數據而不是擔保抵押，來進行風險的決策與抵御。
盡管大數據開發后，大大擠壓了銀行客戶經理們的生存空間，但大數據不是萬能的——數據分析不懂社交，不懂如何敘事，只能發現需求，但并不能解決問題。盡管金融數據會像海浪一般涌來，但習慣于辛酸奔波的銀行從業者們請放心，你會因優勝劣汰而感傷，但放貸的快樂會勝于往昔。
京公網安備 11010502049343號