前言：近幾年，大數據已經撼動了世界的方方面面，從商業科技到醫療、政府、教育、經濟、人文以及社會其他各個領域；數據成了有價值的公司資產、重要的經濟投入和新型商業模式的基石。互聯網金融發展，特別是大數據的處理技術提高，對商業銀行數據治理工作帶來了更多的挑戰。當前，國有商業銀行統計工作面臨的金融環境、統計對象、統計范圍、統計技術、數據處理能力等正在發生深刻變化，但國有銀行仍然停留在傳統思維模式中，統計工作仍以滿足監管要求為主，信息數據統計的理念、定位和轉型較慢；在統計人才儲備與培養、基礎數據源管理、大數據資源積累、數據倉庫建設、數據分析工具等各方面仍存在較大差距，對經營決策和精準營銷的支撐作用亟待加強。

在大數據時代背景下，統計工作的定位、權責利如何得到合理匹配和保證、總分行統計工作如何形成合力、統計角色的轉變以及如何轉變、統計專業如何更好的立足與發展、如何應對當前內外部形勢的挑戰等等，諸多問題和矛盾已經成為國有銀行迫在眉睫急需解決的重大課題。

與互聯網金融在大數據應用上的興起相反，國有銀行信息數據統計工作多年來一直不慍不火，主要職責以滿足監管報表的報送為主；甚至有的國有行的統計工作是一個逐漸走下坡路的過程，統計專業不被重視、工作被動，呈現被邊緣化的趨勢，如統計人員待遇降低、統計工作定位不明確、權責利不對稱、缺少基本的培訓等；雖然統計部門能夠加班加點完成職責內的監管報表報送工作，但統計工作的地位與影響力日益下降。

一、大數據背景下的數據管理理念

首先要明確幾個基本觀點：一是數據如果與業務結合不起來，那就無用；二是數據質量差，不是統計工作有問題，而是說明管理有問題；三是大數據時代處理數據理論上的三個新的轉變：要全體不要抽樣，要效率不要絕對，要相關性分析不要原因分析；四是數據信息也有壽命，應該突出統計數據應用的效率與時效性。

其次要明確統計工作的兩個基礎。從多年的工作經驗看，統計至少應具有兩個基本職能：一是滿足監管要求（存在的基礎）；統計部門需要完成監管報表的報送，完成巴塞爾委員會關于全球系統性大銀行的信息交互工作；二是提供決策支持（發展的基礎）；通過數據分析，滿足行領導在管理決策中所需要的信息，包括內部管理、業務發展、客戶營銷、風險管理等各個方面；因此，整個統計工作的基本導向是：在滿足監管要求后，應以業務發展為第一需求，并展開相應的數據管理與分析工作。通過加強數據分析，提高數據利用率，促進數據質量的真正提高，并推動業務發展；同時通過滿足業務發展的需求，進一步促進數據分析水平的提高。

最后要明確統計工作的一個根本宗旨。對外監管報表的報送工作是統計存在的基礎，此項工作肯定放在第一位；在剩余的三項數據治理、數據標準和數據分析之間，本著以提升統計地位、促進統計發展的宗旨，應確定統計分析為統計的工作重心，以數據分析應用引導數據治理工作和數據標準制定工作。

二、信息數據統計工作轉型三步曲

（一）明確數據質量考核本身的科學性和有效性，完成從原因分析到相關性分析的轉變

當前國有銀行數據質量考核中，追求不同系統數據一致性，這個目標從理論上就偏離了統計工作的根本宗旨。原因在于性質不同的系統本身的差異（如會計核算系統遵循會計準則，信貸管理系統面向客戶同時還兼顧內部管理的功能，不同系統在數據折算規則、加工等都不一致），會導致系統之間的數據存在先天的差異。加之，國有銀行全國范圍內機構數量多，人員素質差異大、業務種類多、情況復雜，其差異的存在是具有必然性的。但數量考核正在花費精力做的，恰恰是要去掉這個數據的不確定性，而實際上，存在差異的可能性是永遠存在的，只要在現有的網點規模、人員和業務數量、現有的管理水平下，就不可避免。

與致力于避免錯誤相比，對錯誤的包容會帶給我們更多的好處，也就是說，在數據處理上選擇不同的策略將會直接影響到統計工作的效果。從目前掌握的情況看，導致各系統數據差錯的原因主要有歷史遺留因素、系統漏洞、管理問題、人員素質問題等，數據質量的容錯率很可能是有限的，包括錯誤的種類和數量，能夠被統計和監測。即在一個合理的錯帳比例下，我們可以忽略差錯率對數據分析結果的影響，并將統計的主要精力集中于數據分析模式建立和數據管理體系的建立上，而非停留在一些點上浪費時間，這既不違背傳統的統計學隨機采樣理論，同時又能夠保證統計工作的方向性與科學性，并取得最明顯的工作成效。

關于信息數據統計與業務經營決策的結合，要相關性分析不要原因分析。數據爆炸使得科學的研究方法都落伍了--大量的傳統研究范式如今已經被無需理論指導的純粹的相關關系研究所取代。2004年，沃爾瑪對歷史交易記錄這個龐大的數據庫進行了觀察，發現每當在季節性颶風來臨之前，不僅手電筒銷售量增加了，而且蛋撻的銷量也增加了。雖然并不知道造成這種現象的原因，但是，通過大數據分析，得到了蛋撻銷量與颶風用品銷量的相關性，卻可以指導實際的銷售行為。

當前國有銀行總分行的經營決策由于個人以及團體的局限性，往往多少加入了主觀意想的成分，使決策的實戰性不強、清晰度不夠，導致總行的政策不能被基層行徹底地貫徹執行，我們通常會將這種狀況判定為執行力不夠。如當前四大行在存款工作上表現出的“沖時點”現象，已經引起監管層注意。總行完全依靠分配計劃與硬性的窗口指導，很多指標是做出來的，可以說，當前依賴滯后的經濟數據的決策，已經遠遠達不到經營管理所需的前瞻性、有效性和針對性等要求。相對來說，大數據的相關關系分析法更準確、更快，而不易受偏見的影響，這不僅僅是因為它能提供新的視角，而且提供的視角都很清晰；這也說明大數據的相關性分析在國有銀行的經營決策中將具有廣闊的發展空間。

麻省理工學院商學院教授埃里克·布倫喬爾森（Erik Brynijolfsson）和他的同事一起進行了一項研究，發現決策依賴數據的公司的運營情況比不重視數據的公司出色很多-這些公司的生產率比不使用數據進行決策的公司高6%，這是一個重要的競爭力。

當前，國有銀行業務經營在戰略調整上，具有較明顯的滯后性。如自2013年起，連續9個季度不良貸款雙增趨勢形成，盈利增速下降，直到2014年，全國范圍內一級分行盈利同比下降。通常的做法是通過提高組合撥備率、加大風險考核比重等方法將風險下壓至一級分行來調控經營。但實際上，風險已經存在時，這種經營管理模式并不是從客觀上減少風險，而是將風險的責任推至一級分行，從整體上看，并不能解決根本問題。相反，若通過大數據分析找到這些現象背后的相關因素，并即時調整經營戰略，將會比當前的經營管理更加有效和快速。隨著管理決策越來越受預測性分析和大數據分析的影響和控制，依靠直覺做決定的情況將會被徹底改變。

在利率市場化和人民幣國際化進程中，國有銀行的主營業務盈利能力，即存貸款利差必定呈現收窄的趨勢，特別是互聯網等新的金融業態出現，推動了普惠金融發展，銀行在過去受國家政策保護的壟斷利潤，會大大縮減，因此，經營轉型迫在眉睫。近幾年，銀行業大力發展中間業務，但從實際情況看，中間業務產品品種雷同、老舊，以手續費收入為主的現象未有較大改觀，其在營業收入中的占比提高不大，且存在息轉費等非正常手段。在這個時候，大數據的出現與應用，將會切實提高銀行的競爭力，并促進銀行的經營轉型。

（二）明確數據質量好與差的根源是什么，完成從要絕對準確到要效率的轉變

數據有問題，就是管理有問題。基礎數據質量太差的原因是什么，是因為沒有人管理；從縱向數據生產至應用的全周期和橫向各系統責任部門分工，都沒有明確的管理規定，特別是部室職能交叉的真空地帶，基本處于無人管理的狀態，這也是部門銀行自身固有的缺陷。而數據中的問題最終會集中于統計報表中，并導致各級統計部門進行多種、多層級調整，加大了統計報表工作的難度和強度；同時還增加了監管風險，因為統計部門要向監管部門解釋異常數據變動原因，并接受監管和處罰。目前，基礎數據源質量存在的各類問題如何解決，就最基本的重視程度都沒有，所以，后續的管理自然跟不上。就目前國有行的現狀，數據存在差錯是具有復雜性和必然性的。

要效率不要絕對精確。在大數據時代，不需要再擔心某個數據點對整套分析的不利影響，要做的就是要接受這些紛繁的數據并從中受益，而不是以高昂的代價消除所有的不確定性。同時，需要重新審視精確性的優劣，錯誤并不是大數據固有的特性，而是一個亟需去處理的現實問題，并且有可能長期存在。放棄對極端數據質量的要求，快速獲得一個大概的輪廓和發展脈絡，要比嚴格的精確性要重要得多，這又是一個關注焦點的轉變。當然， 并不是完全放棄精確度，只是不再被追求精確度所困，適當忽略微觀層面上的精確度會在宏觀層面擁有更好的洞察力。精確性是信息缺乏時代的產物，但只有5%的數據是結構化且能適用于傳統數據庫的，如果不接受混亂，剩下95%的非結構化數據都無法被利用。

這意味著，國有銀行更應該從業務經營的戰略需求上來決定數據處理所要得到的結果，而不是單單將追求數據質量作為的最重要的工作。這個是與當前工作相反的，對國有銀行重新定位，提升統計的地位，發揮統計真正的作用等各個方面都有好處。雖然管理數據質量沒有錯誤，但在大數據時代，這個追求已經遠遠落后了。即提供基于大數據分析基礎上的戰略分析報告，才是董事會更加關注的東西。專家和專業性變得不那么重要了，直覺的判斷被迫讓位于精準的數據分析，這將迫使人們調整在管理、決策、人力資源和教育方面的傳統理念。

（三）要明確數據管理體系建立的必要性，完成要全體不要抽樣的轉變

國有銀行現有的數據管理體系缺乏從基礎到應用的規范，即沒有從縱向對數據生命周期中全程進行數據跟蹤管理，也沒有從橫向對不同部門、不同系統之間數據標準、口徑、質量進行細致的管理。國有銀行的數據管理手段主要是考核，導致各級分支行統計部門成了結果的承擔者。就目前分行統計人員的權責利匹配的情況看，將管理體制導致的數據質量差異，交由統計部門承擔整改及后續問題的處理，面臨較多困難，在當前統計地位較低的情況下，這是不合理的。明確數據管理的邊界，即落實幾大核心系統數據質量管理的牽頭部門，并形成制度，是數據質量管理能夠得到真正落實的必要條件，也是一個長期性的基礎工作。只有健全的管理體系作為保證，數據質量考核才能落到實處，從根本上提高整體的數據質量。

要全體不要抽樣。大數據是當今世界發展的趨勢，數據處理技術已經發生了翻天覆地的改變，一些觀念的改變也起到重要的作用，如人們關于如何使用數據的理念，但國有銀行的方法和思維卻沒有跟上這種改變。小數據和精確性的時代，采樣統計的目的就是用最少的數據得到最多的信息，呈現在人們面前的是清晰的假象和不完全的精確；大數據因為更強調數據的完整性和混雜性，反而能夠幫助人們進一步接近事實的真相。大數據中的“大”不是絕對意義上的大，它是指不用隨機分析法這樣的捷徑，而采用所有數據的方法，全數據模式，樣本=總體。

從大數據的角度看，統計的主要精力應該放在趨勢分析、時效性和前瞻性等戰略分析上。正如傳統統計學家們總是把他們的興趣放在提高樣本的隨機性而不是數量上。對一個象國有銀行這種規模的企業，若在跨業務、跨準則、跨部門的系統之間去追求簡單的數據一致性，是存在偏離統計主要發展方向的。如在判斷是否應該向某些擁有不良信用記錄的人提供小額短期貸款，傳統的信息評分機制關注少量突出的事件，比如一次還款的延遲等，而大數據則分析了大量不那么突出的事件，則會大大降低貸款拖欠率。內部管理的有效性，也可以通過大數據的思路解決，如對基層行信息反饋機制的建立，可以了解和掌握各項政策制度的執行效果，形成有效的信息反饋體系，提高內部管理的有效性等。

當前，國有銀行要想改變統計工作的現狀，統計要生存與發展、要有發言權，關鍵在于能滿足業務需求，能滿足行領導經營決策的需求；統計要增加獨立性、不可替代性、提高壁壘，就需要不斷學習新的數據分析技術，掌握新的分析工具，通過聘請外部專家組織培訓學習，并應用新的統計工具，切實提高統計的整體戰斗力；如，嘗試對當前數據進行分析，為應對大數據強加對R語言的學習與培訓，逐步提供定期分析報告等，找準統計的職能和定位，并樹立全新的統計形象等等。總之，國有銀行需要改變操作方式，將數據分析作為統計的亮點，而不僅僅是數據管理；不再把精確性當成重心，而是接受混亂和錯誤的存在；側重于分析相關關系，而不再尋求滯后的原因分析。

從近幾年全球若干傳統行業巨頭的破產及被兼并，如柯達、摩托羅拉、諾基亞、東芝等，都闡述了一個道理：一旦外部的環境發生根本性的變化，來不及變革的企業，必定遭遇前所未有的劫數！數據重構商業，流量改寫未來，舊思想漸漸消失，二十一世紀逐漸變成數碼時代。無論是哪一家公司，如果不能夠深刻意識到一個新的商業系統正在形成，財富正隨著消費體驗的改變而改變流向，對國有銀行來說，如果不能從戰略的高度來推動大數據在業務經營中的應用，那么，擺在其面前的將是一個未知的前途！