大數據時代的來臨,催化了互聯網金融的發展，隨著大數據技術日益廣泛應用，對金融生態和金融格局都將產生深刻影響。國家層面對大數據發展給予高度重視，2015年8月，國務院印發《促進大數據發展行動綱要》，明確指出大數據已成為國家基礎性戰略資源，《大數據產業“十三五”發展規劃》已征求了專家意見，有望年內發布。我國商業銀行在經歷十年的高速增長后正步入轉型時期，其整體運營模式正在從“外延式”發展向“精細化”發展轉型。未來的商業銀行應主動擁抱“大數據”，從數據中獲得洞察力，占據價值鏈核心位置，引領傳統模式向數字化的智慧銀行轉型。可持續發展的數字化智慧銀行意味著銀行將圍繞數字技術不斷優化其客戶交互、產品、流程和數據，在降低客戶服務成本的同時也增強更高接觸程度的服務。為此，數字化智慧銀行要求銀行戰略、業務模式和理念的深層數字化轉型，也要求將與客戶面對面的親密感融合到數字交互中，從數據中提取洞察力。本文將分析大數據能推進商業銀行向數字化轉型的特性，探討商業銀行數字化轉型的基礎，提出轉型的思路和策略，以期為我國商業銀行數字化轉型的探索提供有價值的參考。
大數據推進數字化轉型的特性
大數據是指數據容量大到超出傳統數據工具獲取、存儲、管理和分析的能力，同時，大數據由量變引起質變，需要創新思維模式和處理方式，能帶來更強的決策能力、洞察能力、流程優化能力。大數據的內涵決定其具有推進商業銀行數字化轉型的特性。
加速金融脫媒。以商業銀行為代表的金融機構在傳統金融體系內扮演者信息中介的角色，在充斥信息不對稱的金融市場中，規范著一種金融秩序。隨著大數據時代的來臨，傳統金融機構作為中介媒介正成為低效率和高成本的制造者，傳統金融體系的脫媒化趨勢愈演愈烈。大數據與傳統數據相比具有“4V”的特點：一是數據存儲容量巨大（vo l ume），大數據以ZB為統計單位；二是數據類型眾多（variety），包括結構型數據也包括音頻、視頻、圖片等非結構性數據；三是數據價值密度低（value），單位數據價值度比較低；四是處理數據的速度要求非常快（velocity），時效性強，智能分析能力強。以第三方支付、余額寶、P2P和眾籌等為代表的互聯網金融利用大數據優勢，使得金融市場幾乎達到沒有金融中介的狀態，成本更加低廉、效率更高，嚴重削弱商業銀行在傳統體系內的金融中介作用。商業銀行數字化轉型以大數據應用為前提，轉變以往依賴網點規模和人員數量擴張的中介運營模式，深刻領會大數據的理論和精髓，創新“去中介化”的價值創造方式。
改變信息創造方式。信息處理方式是商業銀行運營的核心技術，商業銀行數字化轉型首先體現在信息創造方式的改變。大數據被廣泛應用于信息處理中，主要體現在各種算法，執行自動、高速、網絡化運算，提高風險定價和風險管理效率，能有效降低現實中的信息不對稱性。大數據分析方法是統計方法而非計量方法，側重于全樣數據而非樣本數據，分析中尋找相關性而非因果關系，分析結果為概率而非精確度。例如利用大數據技術的網貸業務，發放信貸最重要是信息處理，網貸平臺通過搜索引擎對互聯網用戶在進行網上支付或購物時留下大量信息進行搜集和篩選，然后在信息處理的過程中，利用云計算、云存儲技術和信用模型進行信用評級。阿里小貸是這方面的開拓者，基于其自有電商平臺，用戶數據和信息很容易獲得，利用云計算和信用模型評估信用狀況，貸后風險管理通過阿里小貸的后臺管理完成，分析貸款跟進速度、滯留狀況和違約情況。商業銀行數字化轉型的關鍵是信息創造方式的改變，在大數據時代，商業銀行需構造高效、高價值、低成本、低信息不對稱的信息創造方式。
拓展客戶界定范圍。大數據技術極大地拓展了客戶的服務范圍，能兼顧大客戶和“長尾市場”的金融服務需求。商業銀行一般遵循“二八定律”進行客戶服務，即主要關注20%的重要客戶，往往忽略80%的普通客戶。互聯網時代，客戶需求更具有個性化、碎片化、大數量、分散化的特點，“長尾理論”被認為是對傳統的“二八定律”的徹底顛覆，只要產品存儲和流通的渠道足夠廣，需求不旺或銷量不佳的產品所共同占據的市場份額可以足夠大，足以與那些少數熱銷產品相匹敵甚至更大。但是，商業銀行運營模式決定其具有高服務成本，信息處理處于劣勢，技術水平不符合大數據時代要求，使其難以服務“長尾市場”。商業銀行數字化轉型體現在運用大數據的價值和創造力服務于更智慧、更高需求的客戶，能迎合互聯網時代金融需求的新變化。通過對客戶的瀏覽行為及地理位置軌跡、POS等終端、各種APP軟件等大數據的清洗、整合和分析，找到這些現象背后的相關因素，快速形成對當前市場環境的洞察力，拓清并預測未來發展脈絡，進行分析客戶、定位市場、創新產品設計。
提高靈活性且簡化運營流程。通過大數據應用，商業銀行能構建適應性強的核心銀行業系統來創建靈活敏捷的銀行業環境。通過對業務、運營和技術做出調整，銀行將能夠使用行為模式識別技術，來滿足規章制度與風險控制需求，同時提高服務水平及客戶滿意度。這種敏捷的運營模式將允許銀行快速實施產品與服務創新、提高服務質量、改善客戶關系、提高靈活性。使用大數據技術，商業銀行能夠推出模塊化的商業服務來規范業務流程，組成這些商業服務的通用數據、業務規則及流程均可快速配置，創新簡化的運營流程提高客戶贏取率，增加每一位客戶收入，降低運營成本，消除阻礙商業洞察力的因素，從而利用信息來提高競爭力。例如一家頂級的歐洲跨國銀行實施大數據核心系統轉型計劃，分析從制造到產品和服務分配的整條價值鏈，將調查結果與業務模式進行比較，針對選定的重點領域提高經營利潤，在6年時間內，這家銀行已將成本收入比從50%降低至30%。
優化風險管理。商業銀行通過大數據優勢，可以識別并且全面管理企業中的各類風險，如信用風險、運營風險、名譽風險和IT風險等。基于大數據應用的風險管理，能形成新型風險洞察力，通過構建風險視圖，實施風險調整值管理，借此提高經營效力與財務業績，并從客戶贏取率、產品定價到執行標準以及商業戰略的執行中受益。為此，商業銀行通過部署大數據平臺，給整個財務、風險及合規部門提供系統的、可靠的、實時的信息，從而使得這些部門可以利用高級分析與情境分析工具來模擬投資風險、壓力測試、風險回報、資本分配及報告制作，最后將風險分析結果完全集成到管理信息系統中，以便及時做出明智決策。借由基于大數據的風險管理，商業銀行可以把整個解決方案實施到監管、業務流程和系統中，以實現在風險與預期收益間取得均衡。
商業銀行數字化轉型的基礎與實踐
商業銀行為實現數字化智慧銀行轉型，具有組織與流程、技術儲備、人員能力與素質以及數據上的基礎（如圖1），也積累了豐富的實踐經驗，為未來新型價值模式的構建進行準備和探索。
基礎
組織與流程。商業銀行以其獨特的運營模式與其他金融機構相區別，也是商業銀行運營的基石，組織結構上形成總分行的管理架構，流程上趨于規范和嚴密。由此，保證了商業銀行業務板塊集中于資產與負債業務，兼顧中間業務發展，客戶選擇上更傾向于重要客戶，組織與流程特點決定商業銀行戰略更趨向于穩定、封閉、保守的特點。如此穩定的體系架構為商業銀行進行數字化轉型提供可靠的基礎保證，在保持可持續性前提下，能預判和控制風險的發生與蔓延，確保商業沿著“數據——信息——商業智能——價值”的數字化路經進行轉型。
技術儲備。技術是商業銀行運營核心，技術儲備和發展能夠改變業務模式、運營方式，進而改變戰略、贏利方法。服務方式主要包括網上銀行、自助銀行、呼叫中心等渠道，以及信用卡、自助貸款、移動按揭、手機賬戶即時通等；在運營方式上體現在客戶細分、銷售機會挖掘、CRM等策略。商業銀行技術儲備先后經歷了服務器及數據庫技術帶來的手工賬務向電子賬務處理方式轉變；信息技術發展使得商業銀行從賬務處理發展為產品和新渠道整合；數據倉庫、CRM、計算機硬件發展使得商業銀行實現物理渠道和虛擬渠道融合。商業銀行現有的技術儲備為其進行數字化轉型提供了條件和基礎。
人員能力與素質。人力資源是商業銀行競爭力可持續發展的生命線，人員能力和素質衡量商業銀行整體人力資源儲備水平。從數量和素質上看，商業銀行匯聚最為優秀的人才，國內優秀高校畢業生及國外高校的海歸人員成為商業銀行招聘對象，學歷水平較高、專業覆蓋較為齊全，基本形成較為完備的人才儲備。但是，從能力上看，雖然受傳統商業銀行運營體系影響，儲備的高素質人才并沒有發展面向現代信息時代的能力，與新興互聯網金融業態所需的能力要求相去甚遠，但是，通過轉變傳統的思維和理念，在數字化轉型戰略的指引下，在實踐中去鍛煉和學習，加之通過成熟的人才體系引入新鮮“血液”，能為商業銀行數字化 轉型提供堅實的人才基礎。
數據基礎。在大數據時代，數據基礎是商業銀行贏得數字化轉型成功的關鍵。我國商業銀行具有完備的IT基礎設施和數據中心，經過多年運行積累了大量的數據，也最具條件率先盤活大數據資產，洞察數據中蘊涵的價值，更加科學地評價經營業績、評估業務風險、配置全行資源，引導銀行業務科學健康發展。同時，利用銀行網點、ATM、POS終端、移動終端、網絡銀行、手機銀行、短信銀行、微銀行、客服視頻音頻等渠道，為商業銀行創造了全新的客戶接觸方式，獲取海量的結構化和非結構化數據，為商業銀行數字化轉型創造了廣闊空間。
實踐與典型案例
商業銀行在大數據應用方面積累了豐富的實踐經驗，綜合來看，國外尤其是美國商業銀行是利用大數據提升競爭力的先驅，國內商業銀行的跟進也很及時，依據對大數據技術的理解和自身基礎特征，進行創新性嘗試和探索。
國外銀行應用大數據的實踐。以美國第一資本金融集團（Capital One）為例來說明國外商業銀行應用大數據的成功經驗。Capital One率先在業內提出信息驅動戰略，是全球范圍內運用大數據技術的先驅。經過近30年的發展，已經形成數據驅動戰略和完備的大數據經營體系，實現將合適的產品在合適的時間以合適的價格投向合適的客戶。依靠豐富的數據積累和強大的模型分析能力，進行客戶選擇、設計創新產品與風險控制。具體做法包括：
第一，建立功能強大的的信息處理系統。信息系統是整個公司業務的“神經系統”，不應依靠第三方外包公司提供信用評分黑盒模型，投入巨資自主研發客戶數據信息處理系統，僅在2006年投資在升級IT系統金額甚至超過Google公司。
第二，將大數據技術融合到業務操作中。進行員工思維和能力培養，提升員工IT、金融、統計分析等綜合應用能力。同時，增強IT部門和業務部門溝通與協作，消除彼此間的隔閡，要求IT部門人員定期與業務部門人員一起工作，形成協同的合作關系。公司還安排IT部門高管參與公司規劃決策，保證公司戰略選擇和決策過程有IT技術的支撐和嵌入，以保持決策過程中大數據應用的一致性和前瞻性。
第三，不斷創新數據處理技術。在阿靈頓、紐約、舊金山各設立科學實驗室，共有約130名數據專家進行著建模和數據分析。有效整合海量的用戶、產品、市場、管理、交易、交互等數據，提煉和歸納用戶風險特征、消費習慣、產品特征、管理流程和管理活動等要素，深入發現數據間的相關性，通過實驗調優模型參數，優化業務流程，尋求最優的解決方案。
國內銀行應用大數據的實踐。國內銀行結合自身特點在業務流程中創新導入大數據技術，體現在渠道拓展、產品設計、個性化服務、精準營銷、信貸管理、風險管理等方面，尤以民生銀行(600016,股吧)、浦發銀行(600000,股吧)、招商銀行(600036,股吧)、中信銀行(601998,股吧)和光大銀行(601818,股吧)等為代表。浦發銀行推出“SPDB+”互聯網金融戰略，用新的產品設計滿足個性化需求，精簡了服務流程，如針對網絡消費貸款的“浦銀點貸”，業務模式為“純信用、全線上、無需紙質資料、實時審批放款”，實現貸款流程1分鐘內完成。民生銀行基于阿拉丁移動云平臺研發了“蒲公英”“啄木鳥”“貓頭鷹”三大獨具特色的數據產品，覆蓋業務規模分析、公司客戶管理、風險預警領域。如“蒲公英”是民生銀行研發的客戶關系管理與服務APP，將云、社交、移動與大數據等技術無縫融合，為客戶經理提供所轄客戶的業務概況和詳細信息，還具備客戶智能推薦、產品智能推薦、實時余額查詢、大額變動和到期提醒等功能。“啄木鳥”運用大數據挖掘技術，以預警事件驅動的方式觸發風險審計及貸后管理，形成了“以客戶為中心”的風險預警信息全視角展現，全面建立了風險傳導的工作機制。
銀行向數字化轉型的思路和策略
思路
商業銀行數字化轉型應以大數據為核心的信息驅動戰略為指引，以“智慧銀行”建設為目標，遵循“數據——信息——商業智能——價值”的轉型路徑，以“實驗—改進”為方法論，輔以風險控制體系（如圖2），創建有機處理繁雜數據，高效配置金融資源，敏銳洞察并引領客戶需求高度智能化的新型金融業態，使得產品更具個性化，營銷更具精準化，管理更加數據化，服務更加人性化、風控更加高效化。商業銀行為迎接大數據時代的到來，在組織結構及流程、人員、技術和數據等方面具有堅實的基礎，在實踐中也積累了相關經驗，但是，面對數字化的戰略轉型，還需要系統性的思維，從體系建設上進行謀劃和部署。
策略
創建大數據應用戰略為數字化轉型提供驅動力。商業銀行創建大數據應用戰略主要包括：獲取、分析、應用和評估四個步驟。第一，商業銀行大數據獲取首先要解決數據類型問題，除了用戶交易信息、統計數據、財務報告、信用分析等結構化數據外，大數據時代，更應強化基于網頁瀏覽、網絡社交、網絡交易等行為數據，基于心理活動、情感表達等的動機數據，基于設備傳感、手機位置等的機器數據。其次，要拓展數據獲取來源，一方面，要積極與移動網絡、電子商務、社交網絡等數據平臺融合；另一方面，要與專業數據公司及移動終端設備、傳感器網絡合作，形成一體化的數據供應鏈體系。第二，商業銀行大數據分析上，要建設“數據倉庫”概念，提升大數據挖掘和分析水平。對經過梳理整合后的關鍵海量數據進行持續實時處理，建設數據倉庫項目，建立數據管控體系，搭建基礎數據平臺。第三，把商業銀行大數據應用在全方位的經營管理中，通過對大數據進行清洗、整合、分析，跟蹤和聚類等深度挖掘和分析，構建全面的大數據應用視圖，將結果應用到信息戰略制定、管理模式調整、營銷模式創新、產品結構優化等方面。第四，把商業銀行大數據評估作為價值判斷，對數據數據質量、分析方法、應用效果以及收益與風險進行全方位考察，把評估結果作為完善和提升大數據應用戰略的依據。
設立大數據實驗室并協同“實驗—改進”方法論。設立大數據實驗室就是為了能將大數據應用戰略更好地實施，而進行的孵育與培養過程，在“實驗—改進”方法論的協同，能確保低風險情況下，在適當的時機針對適當的人推出適當的產品。首先，在銀行內部專門設立大數據創新實驗室，賦予其在統籌業務、管理、科技、統計等方面人才與資源的權力。實驗室統一負責大數據有關各類方案的制定、實驗、評價、推廣和升級。在解決方案投向市場前，實驗室都應進行單元試驗、穿行測試、壓力測試和返回檢驗，同時，不斷優化模型算法。最后，對整體項目從設計、試驗、結果進行風險收益綜合評估，通過測試后方可投入市場。其次，在方法論上，銀行可采用“實驗—改進”方法實現數據精細化。具體操作上，第一，從需求屬性、客戶統計特征及網絡關系等維度將客戶細分為多個實驗組；第二，依據實驗組特性設計專有產品，有針對性地進行測試；第三，利用大數據統計分析模型，分析實驗數據和反饋信息，指導實驗解決方案的完善和調整；第四，依靠大量的“實驗-改進”測試，在掌握客戶消費偏好、風險特征、產品改進意見以及營銷模式等基礎上，使得產品在大規模推向市場之前，就已經勝券在握。
加強風險控制以確保大數據應用戰略可持續。大數據應用戰略是商業銀行數字化轉型的驅動力，設立大數據實驗室并協同“實驗—改進”方法論能確保數字化轉型的實施，但是，如對大數據應用管理不善，大數據本身可能演化成難以量化的大風險。首先，從大數據應用系統本身來看，要監管好大數據基礎設施硬件和軟件運營安全。具體措施上：確保IT整合以實現基礎架構的簡化；建立虛擬化的共享資源池，以實現對IT資源靈活和隨需應變的管理；將IT基礎架構與業務模式協同起來，實現風險防控的數字化對接；按照IaaS、PaaS和SaaS的技術演進順次，逐步提升風險防控能力。其次，商業銀行要加大研發數據分析風險管理技術，針對信用風險、流動性風險、利率風險等方面實現精細化管理。通過創新數字化風險模型應用，基于客戶和市場上的結構化和非結構化數據，進行量化模擬和驗證，進行有效的風險預警。最后，加強與監管機構合作交流，借助監管服務的力量，提升自身的大數據安全水準，協調大數據鏈條中的所有機構，共同推動數據安全標準，加強產業自我監督和技術分享，構建全面風險管理體系，進行統一監控和治理。
基金項目:天津社科規劃項目（編號：TJLJ16-001Q）。
（作者單位：天津商業大學經濟學院）
京公網安備 11010502049343號