毫無疑問，大數據正以其神秘的魔幻之力征服了世人，在各個領域恰風光無限。在金融領域尤其如此，大數據的運用，對傳統金融原有的理念、模式與渠道形成了強烈沖擊。

　　大數據為何讓傳統銀行焦慮？

毫無疑問，大數據正以其神秘的魔幻之力征服了世人，在各個領域恰風光無限。在金融領域尤其如此，大數據的運用，對傳統金融原有的理念、模式與渠道形成了強烈沖擊。

最近，在與一些銀行人士座談中，明顯感覺到傳統銀行特別是中小商業銀行對大數據的推崇。不少銀行津津樂道于大數據的神奇，特別是在破解信息不對稱方面，基于互聯網的大數據分析，對客戶信息的挖掘之深、之廣幾乎到令人咂舌的地步。但在津津樂道之間，也可以明顯感受到他們對大數據濃濃的焦慮。

傳統銀行究竟在焦慮什么？不外乎三個方面。

焦慮之一：在大數據運用上“技不如人”，讓傳統銀行危機叢生。

按說傳統銀行在擁有大數據、運用大數據方面具有先天優勢。長期的發展，客觀上讓傳統銀行積累了海量的數據，這些數據經過深度挖掘和專業技術處理分析無疑將產生巨大的商業價值，這豈是近年來異軍突起的金融科技（Fintech）公司可比擬？

但是，在見識了Fintech類公司如何玩轉大數據之后，特別是基于數據平臺技術的“畫像”神技之后，傳統銀行只能自嘆弗如。一向自以為處于大數據高地的傳統銀行，面對Fintech的沖擊，忽然有了虛空的感覺。相比之下，傳統銀行在大數據方面的技能確顯“外強中干”。

一方面，從擁有大數據的豐富程度看，傳統銀行所擁有的大數據其實沒有我們想象中那么“豐滿”。

傳統銀行的數據大多依托交易、賬戶等維度展開，主要側重于歷史財務、借貸數據。誠然，近年來傳統銀行業大力發展面向客戶的業務系統，形成并儲存了龐大的可用數據資源，不僅包括存、放、匯核心業務結構化數據，還包括客戶電話語音、在線交易記錄、網點視頻等非結構化數據。

盡管如此，與基于互聯網的大數據相比，傳統銀行的數據結構仍相對單一且有限。其突出短板在于缺乏對財務、借貸數據背后客戶行為數據的采集與分析。行為數據的欠缺，制約了傳統銀行對客戶進行清晰“畫像”的能力。不可否認，在利率市場化大背景下，傳統銀行經營轉型及創新的步伐不斷加快，但創新的視角往往“落入”監管套利的“格調”，在挖掘客戶內在需求、提升服務附加值方面意識總體尚欠缺。

而在互聯網大數據模式下，電子商務、社交網絡和用戶的搜索行為等大數據，包括客戶的教育背景、工作經歷、社交圈子等，為給客戶清晰“畫像”提供了豐富的素材。以此為基礎的大數據技術，通過綜合分析借款人相關行為數據及其關聯性，對客戶的行為模式、誠信狀況、履約能力及意愿等可以做出更加接近真實的判斷，從而有利于找準市場定位，明確資源配置方向，并有效降低貸款違約率。而這恰是傳統銀行孜孜以求的目標。

傳統銀行在大數據方面的另一個短板就是其數據來源和存儲模式的局限性。這種局限性，某種程度上是與傳統銀行與生俱來的特質密切相關的，即強調數據的精準性與一致性。而大數據理論更關注效率與相關性，在對數據的篩選、存儲方面強調由關注精確度向關注效率轉變、由關注因果關系向關注相關性轉變。

現實情況是，近年來許多銀行加強了數據倉庫系統建設，對分布在各個源系統中的原始數據進行清洗、抽取、轉換并進行集成和存儲，使數據的精確性和一致性得到了提升；但同時在一定程度上消除了數據的混雜性和關聯性，反而制約了大數據的賦能性。

另一方面，在數據運用上，傳統的風控技術與大數據風控技術相比相形見絀。

對于金融業而言，大數據的魅力突出展示在客戶風險控制上，體現為風險控制模型的設計。目前傳統銀行在風控上大多采取信用評分模式，而信用評分模型主要依據歷史借貸、財務數據來預測和判斷客戶的違約風險。其缺陷比較明顯，除了受制于數據庫的完善程度外，更為關鍵的是無法對現有數據庫之外的、非信貸客戶進行信用風險評估與授信。這就使得那些在傳統銀行體系信貸記錄為空白的群體難以獲得金融服務。既制約了銀行自身的獲客能力 和業務拓展空間，也與發展普惠金融的宏觀導向相背離。

相比之下，基于互聯網的大數據風控模型除了重視傳統的信貸變量，更關注涉及客戶社交網絡等渠道的信息。這就為信貸記錄“空白群體” 提供了獲得基本金融服務的可能性。同時，大數據風控模型更加關注客戶的行為數據。 通過對客戶行為數據的分析與清晰“畫像”，不僅能相對準確地鎖定營銷目標，分析判斷目標客戶的資信狀況、償貸能力與還款意愿，為貸前調查、貸時審查“把關”，而且通過動態的行為跟蹤分析，還能及時發現風險苗頭，將風險消弭于萌芽狀態，有效降低客戶違約風險。

在大數據運用上的相對劣勢，使傳統銀行特別是中小商業銀行在客戶粘性方面日益受到Fintech類公司的沖擊，直接影響到傳統銀行零售業務的生存空間；而近年來的統計數據表明，全國存款類金融機構住戶貸款占全部貸款的比重逐年上升，住戶貸款已成為傳統銀行業務的主要增長點。至2017年8月末，本外幣住戶貸款占比已達31.2%。面對零售業務空間日益被依托互聯網的Fintech類公司“侵蝕”，傳統銀行焉能不焦慮？

焦慮之二：大數據或現寡頭壟斷態勢，讓傳統銀行憂心忡忡。

面對Fintech類企業在零售業務領域的沖擊，傳統銀行在大數據運用方面的憂患意識不斷增強。針對大數據方面的短板，不少銀行開始嘗試接入和整合外部數據資源，學習繪制客戶“圖像”。有的銀行已開始探索互聯網數據與傳統數據的耦合，開始關注客戶出差、喜好和社交圈等其他動態信息。大數據所釋放出來的增利潛能甚至蠱惑著不少金融機構走上了購買大數據之路，這對于傳統銀行特別是中小銀行而言無疑是提升大數據運用的一條捷徑。

但是，傳統銀行在與數據交易對手的互動中，又平添了一重焦慮：大數據運用的前景或將面臨數據寡頭壟斷的壁壘。隨著Fintech行業的快速發展，一些金融科技巨頭憑借其在互聯網領域的固有優勢，掌握了大量數據，客觀上可能會催生大數據寡頭，帶來數據壟斷。一些機構掌握了核心的信用數據資源，或電商交易數據和金融數據，或傳統金融機構、互聯網金融平臺的金融數據。這種格局勢必有損市場公平競爭，使中小銀行置于不利的市場地位。假如這種情況出現，傳統銀行的大數據發展之路必將受到擠壓。這也正是目前很多銀行所擔憂的問題。

前不久，央行金融研究所所長孫國峰撰文表達了同樣的擔憂。他認為，大數據從互聯網應用場景向金融領域的轉移往往發生在一些金融科技企業的集團內部，這個過程缺乏監管和規范，可能會侵犯到用戶的知情權、選擇權和隱私權，當前隱私數據保護的邊界不清晰；而“一些金融科技巨頭掌握了大量數據，可能帶來數據壟斷”。

可見，這一問題已經引起了監管部門的關注。但同時也反映出加強我國在大數據、Fintech行業等新領域監管的緊迫性。

目前，我國在大數據監管方面的政策尚不清晰。大數據究竟由誰來監管，如何明確大數據監管主體的職能與權力，如何厘清數據控制者運用數據的行為邊界？如何防止與因應互聯網巨頭并購可能形成的數據壟斷？這些問題依然懸而未決。眼見野蠻生長的Fintech正揮舞大數據之利器侵蝕著傳統銀行的發展空間，傳統銀行焉能不焦急？

焦慮之三：大數據交易背后潛在的各種法律風險，讓傳統銀行惴惴不安。

且不論傳統銀行通過向第三方購買數據的做法是否合適，是否有病急亂投醫之嫌。單從數據運用看，其潛在的風險性卻是不容忽視的。我們知道，大數據的價值唯有在開放與共享中才能得以實現，但開放與共享的同時如影隨形的則是數據使用的潛在風險。

傳統銀行使用從第三方購買的大數據，其潛在風險除了數據本身真實性問題以及利用大數據技術過程中隱含的技術風險問題導致決策失誤外，主要面對的是潛在的法律風險。包括兩方面：

一是存在可能侵犯個人隱私或泄露國家安全數據的法律風險。這種風險實際上隱伏于傳統銀行獲取大數據的來源、渠道以及數據加工各環節。非法渠道獲得的數據其法律風險是自不必言。我國刑法明確規定，竊取或者以其他非法方式獲取公民個人信息，且情節嚴重的行為，犯非法獲取公民信息罪；即使正規渠道獲取的大數據，如果未進行妥善處理，也容易構成對個人隱私的侵害。

二是存在侵犯其他主體商業秘密、涉嫌商業犯罪等法律風險。通過數據交易市場的大數據，其所有權和使用權往往難以明確界定，特別是對經大數據技術進行數據加工后的產品權利歸屬未完全明確，容易陷入侵犯商業秘密等法律風險。

可見，大數據是一柄雙刃劍，既能賦能又可能誘發風險。傳統銀行在運用大數據過程中，不僅面臨來自技術層面、數據層面潛在的法律風險，更需防范來自內部的從業人員道德風險。需警惕劍走偏鋒，滑向違法的泥沼，侵害消費者包括個人隱私在內的合法權益，引發聲譽風險。2016年公安部掛牌督辦并告破的“5.26侵犯公民個人信息案”，涉及高達257萬條公民個人銀行信息，涉案金額高達230余萬元，而該案的“內鬼”竟然就是某行一位支行行長。該案所造成的社會負面影響及給銀行帶來的聲譽風險之大，足令業界警鐘長鳴。

從某種意義上，傳統銀行在采集、運用大數據中能感受到潛在風險，能產生上述種種焦慮，本身應該是一件好事。唯有對大數據心存敬畏，才能在大數據的藍海里行穩致遠。

面對大數據的激情四溢，應該說，傳統銀行感到焦慮盡在情理之中。需要反思的是，監管者豈能沒有焦慮？或者說，大數據監管者在哪里？

在大數據分析的神器下，一切都變了透明狀。正如弗蘭克·帕斯奎爾在《黑箱社會：掌控信息和金錢的數據法則》感嘆，我們每天都要面對這樣的問題：公司和政府部門越來越滲透性地記錄我們的生活，我們卻不知這些信息會傳播到哪兒，也不知道將被用作何種目的，更不知這些信息的泄露會產生怎樣的后果。

關鍵是，消費者的個人信息一旦被泄露、隱私受到侵犯，往往還因舉證困難甚至根本無法舉證而陷于投訴無門。盡管我國現行刑法在保護公民個人信息方面設定了相關約束規制；但在大數據運用領域，對侵權的認定比較復雜與困難。在大數據交易市場中，交易的數據是基于對底層數據進行清洗、分析、建模、可視化后的結果數據，而非底層數據。這些結果數據并不會直接涉及人身或公共利益價值，因此得不到刑法的有效規制。但是，通過匯聚相關關聯數據，大數據強大的信息整合能力、分析能力依然能將我們剝成“透明人”。因此，保護消費者個人信息安全成為大數據必須直面的課題。

在大數據模式下，相較于傳統銀行的焦慮，或許我們更需要關注的是消費者對個人隱私信息的焦慮，更需要強化的是監管者如何有效保護消費者權益的焦慮。

(本文作者介紹：先后供職于工商銀行、人民銀行，現為銀行監管部門人士，長期負責小企業金融服務推進工作，潛心研究小企業金融服務問題。)