近年來，隨著大數據技術的迅猛發展與進一步成熟，各國政府紛紛搶抓戰略布局，不斷加大扶持力度，各類資本也持續不斷注入，使得全球大數據市場呈現高速增長的態勢。全球范圍內來看，大數據已進入了從概念推廣到應用落地的關鍵轉折期。中國敏銳地把握住了大數據的興起及發展趨勢，集中力量構建大數據戰略體系。2015年8月，國務院發布《促進大數據發展行動綱要》，提出全面推進中國大數據發展和應用，走數據強國的道路。2016年3月，國家出臺“十三五”規劃綱要，再次明確大數據作為基礎性戰略資源具有重大價值，提出要加快推動大數據相關技術的研發、應用及治理;2017年1月，國家發布《大數據產業發展規劃》，全面指定了未來五年的大數據產業發展計劃，為中國大數據產業持續健康發展確立了目標和路徑。借助國家政策推動，中國大數據市場龐大產業規模已經形成，并已處于行業高速發展期，目前，中國大數據產業規模可達1500億元，未來無年將進入“加速期”，到2020年將達到8000億元的規模，實現幾何級增長。
大數據也為傳統銀行業提供了新的發展契機，幫助金融行業實現信息化轉型，使得銀行整體服務更為高效、便捷。尤其是在傳統銀行業面臨著前所未有的挑戰的今天，利率市場化、供給側改革、不良貸款壓力、互聯網金融、更加開放的競爭環境、客戶更加個性化的要求、新生企業更加便捷的金融服務等都成為傳統銀行業發展進步的巨大阻力。如何發現與市場前沿的差距，深刻反思，逐浪而行，是傳統銀行在大數據時代立足必須解決的問題。
金融大數據趨勢與動向
對于金融機構尤其是傳統銀行業而言，大數據的價值不僅僅體現在對傳統銀行財務相關指標的直接影響上，也體現在對商業模式變革的推動與重構上。傳統銀行業不僅僅要在大數據“數量”“處理速度”“數據類別”上下功夫，更加需要去進行深層次的數據整合，形成自身的數據資產管理能力，讓數據產生“價值”。縱觀國內外金融機構大數據能力建設情況，可以看到大數據在金融行業應用較為成熟的領域集中在反欺詐識別、運營效率優化、深度客戶洞悉、客戶行為分析、交叉營銷、場景營銷、科技金融等幾大方面。優勢企業之所以能夠在這些領域脫穎而出，獨占鰲頭，主要在數據資產管理、業務開展及運營體制三個方面有較為先進的理念，而這些理念正逐漸成為一種趨勢，引導著大數據行業攀向更高的山峰。概括而言，主要有以下幾方面特征和趨勢：
一是通過培育數據資產管理能力打造核心競爭力。完善自身數據運作模式是形成自身數據資產管理能力的關鍵。國內外使用大數據技術較好的金融機構首先是建立完善的數據質量標準體系。比如數據采集的過程更注重全面性、針對性以及交互性。在數據廣度上，更傾向于拓展資源獲取途徑，通過合法手段獲取原有模式下難以采集的數據，如客戶與銀行交易的語音、文字數據和互聯網產生的行為數據等。在數據整合與加工過程中，更注重以業務需求為導向，重塑結構化數據、半結構化數據、非結構化數據的ETL(數據倉庫技術Extract-Transform-Load)標準化流程，盡可能提升數據的準確性與關聯性，消除數據孤島與“惰性數據”。在數據應用過程中，一改過去專門信息專門使用的模式，對數據進行多維度的整合與分析，更注重不同渠道和應用方向數據的交互采集，充分發掘數據在不同場景中的應用能力。其次是完善數據團隊的組織結構與管理方式，數據處理的過程更體現專業性、創新性及實用性。也更加注重專業人才和團隊的引進和后備人才的培養，逐漸形成結構合理、充滿活力的數據分析組織。
二是運用智能化技術構建更普惠化場景。以“用戶為中心”的理念正逐漸影響金融行業尤其是傳統銀行業，推動業務走向定制化和智慧化。在人工智能技術發展的情況下，傳統銀行都在積極進行智慧轉型，技術和數據成為其中要點。比如，銀行將用戶數據、征信數據以及行為數據等結合，利用大數據處理技術進行數據建模，對用戶進行精準畫像，確定金融活動目標可靠性。基于用戶洞察來細化客群，在業務上更加普惠化，更加傾向于業務數額較小但群體數量較大、穩定性較好的長尾客戶，為其制定個性化業務，并通過場景化、全方位金融產品布局為用戶提供靈活便利的普惠金融服務。在開展形式上，部分領先銀行以人工智能的形式提供智能化服務，更深入地滲透到普惠金融大眾用戶。
三是建立健全體制支撐大數據技術穩健發展。在營運體制方面，領先的銀行更加展現輕量化、統籌化、保障化。這在程序上體現為更加重視流程的簡化，節約人力、時間成本;在管理體制上采取統籌化管理方法，避免各條線各自為戰、形成孤島和重復建設;在后勤保障上，更加注重科技保障，著眼于人才的引進和人才培養發掘體制的建立。
四是通過保障數據安全與合規，為自身大數據發展保駕護航。在大數據發展與隱私保護的博弈下，國內近期發生的一系列數據泄密事件，以及由此而導致的監管的高度重視，也暴露出大數據等科技發展為傳統銀行帶來新挑戰。2014年中國央行和銀監會聯合下發《關于加強商業銀行與第三方支付機構合作業務管理的通知》，明確強調了商業銀行要做好客戶信息安全與保密工作;2017年正式實施的《中華人民共和國網絡安全法》將個人信息保護提升到了一個新的高度;金融穩定工作會議也強調了隨著金融穩定性在全球金融系統中凸顯的重要性，體現出保護金融機構數據和算法完整性成為各國和國際組織關注的焦點。在國際范圍內，歐盟提出的GDPR(General Data Protection Regulation，《一般數據保護條例》)，將數據保護的嚴重性提高到前所未有的程度，對數據的共享、開放、流通、交流、使用和保護對法律的制定與執行提出了更高要求。金融數據完整性保護日益成為全球規范趨勢，新時代下需要通過制度約束、規范保障、新技術應用等多重手段，推動大數據的合理應用與數據有效保護的雙贏結局。
中國傳統銀行運用大數據技術的差距與反思
(一)數據管理
傳統銀行業雖有大量的客戶歷史信息，但在信息采集方面仍存在著信息渠道單一、非結構化數據較為缺乏、信息挖掘深度不足、場景針對性數據缺乏以及數據交互度低等問題。對比國際先進銀行企業，Zions Bank目前正在運用源自140個不同渠道的信息開展欺詐分析，幾分鐘內就可以偵測到欺詐信息;花旗銀行通過分析信用卡交易和位置數據為客戶提供更具針對性的營銷活動;Bank of America積極識別用戶的“關鍵信息”，使其在年輕客戶群中的份額不斷攀升。在大數據時代，掌握好數據來源就掌握了一把無往不利的鋒利寶劍，傳統銀行要想有所突破，應當率先搭建大數據信息平臺，拓寬信息渠道，提升信息質量，建立基于場景的信息搜集模式，同時針對用戶關鍵信息進行深度發掘，將用戶和場景結合起來，充分提升自身在用戶心中的分量。而對于已有信息，傳統銀行應當更重視非結構化信息的采集，將征信信息、營銷信息等充分結合，打破以往信息交互度低的僵局，充分發揮數據的潛在價值。
在數據分析能力方面，國內傳統銀行目前大量業務的技術部分還普遍依賴于合作與外包，短期來看對提升業務效率有不小的幫助，但大數據時代與網絡時代相同，注定是一個長期的、不斷快速發展的、逐漸滲透到社會各個角落的過程。傳統銀行業想要為社會提供穩定、安全、有競爭力的服務，應當從根本上提升技術人員素質，提高科研創新能力，逐漸建立獨立自主的數據分析和業務分析有機結合的分析體系，提高核心競爭力。
在數據保護方面，網絡空間面臨的外部威脅和挑戰越來越現實與緊迫，網絡安全威脅呈現出“來源更加多樣、手段更加復雜、對象更加廣泛、后果更加嚴重”四大特征，也給商業銀行數據安全與客戶隱私保護帶來了新的挑戰。同時，由于銀行客戶信息的多樣性和廣泛性，要進行客戶信息安全防控的環節眾多、范圍極廣，銀行若對客戶信息進行掌控和保護的不夠及時，就會導致銀行傳統的數據保護手段在新時代下效果有限，對傳統銀行大規模布局大數據技術造成一定阻礙。
因此，在業務發展與客戶隱私保護的博弈下，傳統銀行應該始終不忘初心，在布局大數據技術時以用戶為本、科技為先，積極利用人工智能、區塊鏈等金融科技創新，把控數據傳輸、共享及使用等數據全生命周期的安全。習近平總書記在“一帶一路”高峰論壇的主旨演講中也提到“發展普惠金融，完善金融服務網絡”的倡議，因此傳統銀行業研究、發展金融科技創新，本質上是為了發揮新技術的力量，真正給客戶帶來實惠與便利。在面對大數據發展與數據保護的難題時，銀行可借助新技術來提升數據保護水平，如利用區塊鏈技術的安全性、保障數據私密性、對數據流動的可追溯性等特點，為大數據使用安全提供更高階的保障。
(二)業務應用
傳統銀行以往的業務模式更加傾向針對于大客戶，搶占大塊資源，但大數據時代下利益至上的大客戶并不具有很高的忠誠度;同時大客戶群體基數小，業內競爭激烈，一旦出現利率較大波動可能會產生傷筋動骨的影響。所以新環境下，傳統銀行應當一方面保持對大客戶的爭取，另一方面利用數據資源優勢，搶抓基數大、穩定性好的長尾客戶，這就要求傳統銀行拓寬業務渠道，為客戶提供更多個性化、場景化的服務。Great Western Bank從2008年開始便積極運用大數據技術更好地了解客戶并將其運用于日常業務，使得其業務增幅迄今已達到30%;而在美國6000多家銀行中，領先銀行已建立起基于大數據分析的利率定價流程，廣泛使用客戶分群、客戶行為預測、信用風險分數測算等分析方法建立定價模型。這也激勵著傳統銀行整合利用各渠道營銷資源，建立完善渠道間協同機制;充分發揮數據優勢，開發長尾客戶，建立客戶畫像，針對客戶場景提供個性化服務，喚醒客戶潛力，增強客戶依賴性。
(三)營運體制
大數據時代下金融行業要想發展，體制是不可動搖的基礎，國際金融領先機構在人才方面都有較為完善的機制，如全美最大金融控股公司之一的第一資本國際投資集團在中央和各業務部門均設有數據團隊，中央數據團隊有超過30名數據科學家、數據工程師等。但傳統銀行運營體制近年來卻成為限制其發展的一大障礙，不僅在用戶交互流程中因程序復雜、占用資源過多的問題而流失了一批年輕客戶，而且在行內業務開展流程中也存在跨領域共享性需求整合不足，信息、資源交流不暢的問題，使得各條線開展業務堆疊、重復而造成大量資源的浪費。在這方面，近幾年我國傳統銀行業已經開始逐漸轉變思路，逐步架構起符合自身情況的大數據應用總體規劃設計，有序實施共享性強、影響面廣的基礎工程，穩步推進大數據應用的橫向聯動，構建出了初具規模的“1+X”分析師體系，也開始逐步構建后備人才培養的機制。下一步，傳統銀行應當加強智能化網點和直銷銀行的建設，輕量化外部交易和內部統籌的流程，同時充分整合跨領域共享性需求，避免形成孤島，防止業務堆疊，將釋放的資源更多流向技術開發和人才培養，完成新時期下固有資源的重新整合和合理配置。
中國銀行業大數據技術發展未來展望與建議
近年來互聯網企業的異軍突起對傳統金融業造成劇烈沖擊，客戶流失，收益下降，業務競爭力不足，整個行業哀鴻遍野。商業銀行作為國民經濟的命脈，應對金融科技發展，積極展開金融創新，既是銀行自身發展壯大的內在訴求，也是銀行服務國家戰略、擔當社會責任、扶持實體經濟、踐行普惠金融的必由之路。隨著傳統銀行業積極發展互聯網大數據產業，定位長尾客戶，狠抓精準營銷，戰略性奪回失去的客戶群體，互聯網企業引以為豪的優勢正以肉眼可見的速度弱化，傳統銀行業正逐漸穩住形勢，重新煥發生機。
未來一段時間仍將是大數據這個年輕產業蓬勃發展的階段，圍繞大數據的技術和業務仍將出現很多新穎的、有競爭力的業態。傳統銀行應當緊跟大數據發展趨勢，充分發揮自身優勢，學習借鑒互聯網企業及其他優勢金融、類金融機構的可取之處，實現企業可持續發展。由此，傳統銀行業后續工作應緊緊圍繞三個目標開展：一要貼合業務熱點，重點建設基礎性強、業務需求緊迫、能夠在短期內快速見效的分析模型，并產生有價值的業務洞察。如推進渠道偏好分析、客戶投資偏好分析等具備廣泛應用性的工作以及生態圈的建設等。二要建立一套適用于自身發展的大數據分析實施規范，用于指導全行上下開展大數據分析工作。三要緊跟行業趨勢，探索嘗試創新性的大數據分析方法，形成持續推動業務應用發展的核心動力。
值得注意的是，傳統銀行應理性定位自身處境，認識到自身仍存在諸多不足，不盲目自信，更不魯莽冒進，步子既不能邁得太大，也不能邁得太小，更要杜絕原地踏步，應跟上大數據時代發展步伐，保持穩步勻速前進。正如狄更斯所說：這是最好的時代，也是最壞的時代。大數據時代對傳統銀行業既是前所未有的機遇，更是生死攸關的挑戰。我們只有充分發揮自身優勢，正確處理好數據、業務和體制的關系，認識差距，反思總結，果斷抓住機遇，勇敢迎接挑戰，才能不被社會所淘汰，才能有機會為人民提供更好的服務，為社會盡應有的義務。
京公網安備 11010502049343號