2012年3月奧巴馬政府公布了大數據(Big Data)研發計劃，旨在提高和改進人們從海量和復雜的數據中獲取知識的能力，這是時隔近20年美國政府宣布信息高速公路計劃后的又一重大科技發展部署。1993年誕生的信息高速公路計劃改變了全世界信息的生產和傳輸方式，推動了全球化的Internet的發展，掀起了世界性的互聯網革命。
作為信息革命的第二個高潮，可以預見大數據即將對未來的世界產生重大影響。銀行業服務及管理模式都發生了根本的改變。統計顯示以ATM、網上銀行、手機銀行為代表的電子銀行在我國當前已經成為主要交易渠道，對傳統銀行渠道的替代率超過了60%。接下來的大數據革命可能對銀行的一些觀念和經營模式再次加以顛覆，銀行業應如何主動變革、變挑戰為機遇是一個值得探討和深刻思考的問題。面對不確定的未來，本文給大家提供一個銀行應對大數據挑戰思路。
被數據改變的世界
自1980年以來，世界上的數據以每40個月翻一番的速度增長，現在每一天約有2.5E(1E=10G)字節的新數據產生；商業公司數據產生量更迅速，每翻一番的時間大概為14個月。但大數據絕不能簡單等同于海量數據，大數據主要有三個主要特征：
動態發展的特征。根據麥肯錫公司的定義：大數據往往是指傳統手段和工具無法處理的數據。這是一個比較主觀的定義旨在強調大數據是動態的，會隨時間和技術而擴展。另外大數據也隨著行業的不同而變化，視該行業所使用的軟件以及一般數據集大小而定義，當前對一般行業來說落在幾十個T(1T=10G)與幾個P(1P=10G)之間的數據量就會感到難以處理，對它們來說就是大數據。
它是一個具有很多非結構化的異構數據種類的數據集。作為大數據的第二個特征，這些異構數據種類包括社交網絡文本、射頻認證、相機照片、手機信號、傳感器網絡信息等，隨著技術的進步這類數據增長率更快，數量更巨大，世界上有90%的數字內容是非結構化的。銀行中的數據具有典型的異構化特征數，包括傳統業務數據、辦公信息、開發測試數據、業務運行日志、與客戶進行溝通的郵件和短信、電話銀行和服務的語音記錄等。
時效性的特征。大數據是傳統技術無法處理的數據，嚴格地說只要時間足夠長沒有無法處理的數據，因此大數據的第三個特征是時效性。大數據是難以在業務容忍時間內使用傳統軟件捕獲、管理和處理的大尺度數據集，因此大數據的尺度是隨任務時間變動的。除了技術，經濟性是應對大數據挑戰需要考慮的另一個重要因素。當世界上的數據量以年40%的速度增長的時候，信息科技(IT)投入的增長率僅有5%。技術和經濟兩方面決定無法使用傳統方法應對大數據時代的到來。
快速增長的數據尤其是異構數據表現出讓人又愛又恨的兩面性，一方面可以通過大量數據得到獨特的洞察給人們帶來價值，另一方面處理數據的難度，甚至有時會讓數據分析的努力得不償失。這迫使人們開始重視研究大數據問題。
銀行、信息和關系網絡
未來是建立在過去的基礎上，總結銀行、信息技術和社會關系網絡相互促進的歷史，有助于探尋即將到來的大數據時代的蛛絲馬跡。
銀行最初的職能是經營貨幣，充當信用的中介人。原始的商品的買賣是錢貨兩清的，當商品能夠即賒購賒銷，信用就產生了。信用的潛在前提條件是對商品以及商品買賣雙方信息的了解。信用是不對等的，早期企業間信用關系形成一種雪花形狀，一些較大的企業機構往往在一定范圍內成為信息收集中心和信用分配雙重中心，中心企業的信息基本不會對它的外圍企業有所幫助，外圍企業會進行偶然的交易，因此信用具有很大局限性。商品經濟的發展，要求信用在全社會進行放大，突破上述局限，與之適應構造了這樣一種社會關系：銀行對其他行業企業單向提供信用，處在支配地位，成為信用社會信用中心；企業為了獲取更多信用主動向銀行提供自己的信息，銀行也自然成為社會經濟信息收集中心行業。這種關系的形成的緣由是只有作為信息收集中心，銀行才可能使用信息對信用進行社會性放大。這時以銀行為中心，企業間信用和信息構成雪花和網狀的混合結構，企業之間能夠進行更大更廣的信用連接，形成更復雜社會關系。
限制信用無法進行更有效擴展的另一個要素是信息的具體存儲使用形式。信用情況是變動的，因此也需要對所收集變化的信息進行判斷，計算機技術發展的初期銀行的標準化需求是直接推動力之一，這種標準化一方面是指將單據等信息進行數字化標準化，另一方面是指將企業的經營活動用標準化指標表示，銀行是這種規則的構建者，企業只能屈從建立所謂規范化的制度。一個典型的例子是由于反映了關系網絡因此關系型數據庫成為信息行業的重要產品和標準。使用計算機技術銀行強化了它的經濟信息收集中心地位，同時可以更深度地探測分析它的借款人關系網絡。基于對客戶信息更深刻和正確的探測，銀行能夠進行信用更有效的放大，結果是以銀行為中心篩選出適應社會發展的最良好的企業關系群體，優化、加速了整個社會資源配置。銀行還通過信息技術如POS機、ATM不斷擴大優化以它為中心的信息和信用關系網絡。
各種傳統業務向互聯網遷移，包括銀行業。但是銀行在互聯網上發展業務僅僅是借助這一渠道，它依然使用傳統的數據關系。互聯網構建的原則形成一種聯網機構相對平等的關系，沒有唯一的核心行業，于是銀行在互聯網上不再是經濟關系的信息中心。應該看到互聯網雖然不是真實世界人們網絡關系100%的映射，但它的確以另一種面貌反映了這種實體關系；面對競爭銀行無路可退，只能發展提高對數據的分析能力。
以上回顧可以得到以下一些初步結論：
銀行是信用提供者，潛在的前提條件是對客戶信息的正確把握和了解。
廣泛意義的網絡出現后，銀行業的主要競爭優勢體現在信息中心，能夠高效的探測集合到各種行業以及企業的信息，這是其他行業做不到的，銀行業主要任務是對客戶信息進行去偽存真。Internet以及相關網絡的出現后，銀行不再是該領域規則的主要構建者，不再占據天然的信息匯聚優勢，成為被動的服務者，除了去偽存真，銀行業必須主動吸引客戶；這個時代銀行只有遵循網絡規則，除此之外別無它途。
過往銀行客戶信息能夠高效的探測，面對處于支配地位的銀行，企業愿意主動提供信息并配合進行標準化。但在全新的網絡環境下，銀行是服務方，信息不可能按照銀行的意愿標準化并主動推送。銀行必須采用新的能夠檢測非標準化的企業信息/數據的裝置和手段，并不斷改善其對社會關系探測靈敏度。
國外銀行模式分析與借鑒
為了得到客戶真實關系網的信息，國外一些銀行開始研究如何通過獲取、整合各種網絡大數據對客戶真實社會網絡關系加以映射和應用。如下這些案例主要體現的思想有：
增加傳感器，增強感知客觀世界能力排除噪音。在美國由個人消費信用評估公司(FICO)開發的FICO信用積分指標大概包含15~20個變量，大多數美國銀行對個人信用評估也建立在該基礎上，再添加本行的其他一些側重指標。這造成了一個問題，這個標準太簡單劃一了，不關心細節。但這與我們了解的客觀世界的復雜性是不相符的，人不是機器，不可能存在任何時候都是非好即壞的絕對情況，同樣的人不同的環境會形成不一樣的結果，人的信用也如此。在此意義下FICO信用積分太主觀了，究其原因是銀行過去信用評定者由于缺乏先進的技術，要判斷每個人的信用所形成的環境只能使用客戶經理人為判斷，成本太高昂了。ZestCash是這樣一家公司，它的客戶群體主要瞄準了信用記錄不好或者沒有信用卡歷史的人。ZestCash的創始人是Google的前首席信息官，Google是大數據研究的開拓者之一，其MapReduce技術是被認為當前研究大數據最常用的有效技術。ZestCash使用MapReduce進行大數據分析，考察貸款人的數千個信息線索(對比FICO的幾十個指標)，從而造就了它獨特的競爭力。一個例子是對于一個無法進行某次還款的客戶不論他是否主動解釋，傳統銀行都認為他是高風險的，但ZestCash發現如果這種顧客主動解釋其原因，他們更有可能全額還款；ZestCash還會探測客戶在ZestCash網站上停留的時間(這反映了真實世界人們對信用申請的謹慎程度與還款誠意)作為信用評價的考量因素，這些都是過去FICO信用評分系統所無法想象的。總之ZestCash使用這么多傳感裝置就是為了理解這個世界的差異，理解網絡對真實世界的反映。如果僅僅感知一個數據可能是噪音，也可能我們誤理了它，但是如果增加我們感知世界的能力，將多方面展示世界的數據收集起來，并理解它們關系的時候，奧妙就顯示出來了。而這些數據不可能是規規矩矩的，需要我們使用不同的探測方法加以尋找，更敏銳的感知會令我們與眾不同。對于我們周邊那些太忙碌或者一時糊涂遺忘了信用卡還款時間的人，幸虧有這樣一種技術，一種與我們對真實世界的感知相符的技術。
提供深度的數據分析服務，成為消費信息中心，提高客戶認可度的手段。國內的一些銀行已經嘗試根據顧客購買產品的歷史，分析他們的興趣使用各種手段主動營銷，但這僅僅是數據初步應用，還沒有做到將線下的購買行為與客戶瀏覽行為結合起來進行更進一步分析。尤其是當今經濟熱點切換頻率快，各種產品收益輪動，客戶對銀行產品的興趣會緊隨這種波動，這種分析能力國內銀行尚欠缺。國外銀行現在已經開始根據大數據的分析嘗試提供超越銀行領域的產品和服務。新加坡花旗銀行基于消費者的信用卡交易記錄，有針對性地給他們提供商家和餐館優惠，并且根據反饋不斷學習提升推薦準確度。服飾零售商Gap為了提高吸引力，與Visa卡合作，由Visa采集數據，如果客戶在Gap店附近進行刷卡的就會得到折扣優惠，形成龍卷風效應。這種看似與銀行主業風馬牛不相及的行為目的何在？在這上面運用銀行的分析能力是一種浪費嗎？傳統銀行的優勢在于它是經濟信息中心，客戶對銀行的信任依賴是建立在這種信息收集處理能力的認可上。因此花旗和Visa這種行為還是一種信息中心的爭奪和顯示，不過銀行處在服務方，并且變為消費信息中心。客戶不關注服務的目標從銀行本身轉移到客戶，他們只是親身感受到銀行信息獲取和處理能力的強大，進而認為銀行是可依賴性的安全的，這就大大提高了客戶的認同度。
即使非刻意增加非結構化數據，也要明了大數據是銀行進行非賬務性可能性線索排查的有力手段。以反洗錢為例，洗錢疑犯雖然與銀行發生了直接關系，但他絕非像普通交易那樣有意無意的將銀行作為他的信息中心。對銀行來說洗錢疑犯如此討厭，使用標準的方法和工具去判斷這些偽裝起來的異常客戶不是傳統銀行的強項，將大大增加銀行工作量。銀行的目標是行為可預測存在必然性的合法借貸客戶，在一定程度上客戶的行為以及與銀行契約關系是標準的。就此《經濟學人》舉例說“對照顧客姓名看其是否處在制裁黑名單之上這件事情并不容易，因為一家銀行可能會有數千位顧客和這些制裁黑名單上的顧客重名，如果稍有不慎，就可能毀掉一份顧客關系。”對此花旗銀行引入了Watson，能從各種不同數據源獲取信息，“通過搜集顧客的國籍、地址、家庭成員的姓名，以及他們是否曾經在某些國家旅游或者從這些地方收到過匯款等記錄，來確定這個顧客是否正是制裁黑名單上的那位。”Watson這種杰出的處理非結構化數據的能力——像專家那樣觀察真實客觀世界對細節加以洞察得到特殊結論，使它的領域又擴展到反欺詐、零售業務分析等領域。這里必須承認銀行的結構化的數據在某些方面是有局限性的，因此即使非刻意增加與客觀世界更相符的非結構數據，也必須明確大數據是對付我們常規業務之外挑戰的有效武器。大數據時代來臨，銀行準備好了嗎？
使用大數據找到那些適合自己企業模式的客戶群體，打造、強化企業特有的商業模式。大數據比銀行傳統處理的數據復雜是否意味著運用大數據的銀行業務會比傳統銀行更復雜？其實不然，以美國最大的網上ING Direct為例，該行成立于2000年，2011年其存款規模達820億美元，客戶數量已經達到700萬。該行的獨特運營模式就是：簡單并且對追求高回報的客戶具有吸引力。為此該行只提供網上銀行服務；只向客戶提供最基本的金融服務，如普通儲蓄存款賬戶、定期存單、簡單住房按揭貸款、普通基金理財服務等；該行自成立以來沒有發放過一張信用卡；該行對支票賬戶會支付平均4％的高額利息，保證了客戶從自己的存款中得到最高的回報。但是這種簡單的運營模式完全是建立在基于對復雜大數據的分析基礎上，ING Direct所以能夠提供如此高額的回報在于他們已經計算到：相對傳統銀行辦理業務所需要的材料費和人工費ING Direct能大量節省成本。基于所有的可獲取的各種異構數據分析基礎上ING Direct甚至主動解除不符合它們發展模式的客戶。例如給呼叫中心太多電話的客戶，可能是惡意的，至少與ING Direct簡單以到達節省成本的企業經營模式不匹配；甚至對ING Direct網站瀏覽太多時間的客戶，ING Direct也會質疑客戶沒有必要花費這么多時間(同時也增加了銀行的維護成本)來理解這些簡單易懂的產品。為此ING Direct每年要主動解除成千上萬與其公司經營理念不符的客戶，節省上百萬美元成本。在ING Direct這種看似簡單的經營理念下我們看到它的基礎是能夠實現對大量異質數據進行復雜分析從而抽取出反映真實世界的簡單有效的網絡關系，貌似簡單實則復雜。大道至簡的ING Direct和上文提到的化腐朽為神奇的ZestCash看似兩個極端，但是他們都取得了成功，原因不外乎：不管經營模式有多么不同，它們都有足夠的分析真實社會關系(這種關系由于當今社會變得復雜往往通過大數據展現出來)的能力，能夠通過數據分析出與自己的經營模式最匹配的社會關系，從而有針對性的篩選同質的客戶。反觀我國大多數銀行或者沒有明確經營模式，或者實施過程中執行力甚弱，至少數據全方位分析能力的缺乏是一個很重要的因素。
分析上述案例我們對于大數據的運用又得到以下一些啟示：
重要變革的開始往往是以測量手段的革命為前奏，案例再次強調了為應對大數據，銀行必須根據業務目的和特點在相應領域配置感知裝置。同時提高傳感器靈敏度的操作也是對業務深化的過程。
觀察的目的是分析。只給客戶提供數據而缺乏深刻的分析對客戶而言是一種沒有實力的表現。銀行分析能力的展示也有助于鞏固客戶關系，強化信任感。
大數據是處理以往非典型銀行業務的有力工具，反映著更廣泛的社會關系，這是與銀行業務向更復雜發展趨勢相符合的，銀行不應該不分情況的對各種異構數據進行排斥，大數據的分析有助于獲取獨特的洞察。
當銀行越來越多的展現其服務行業本質的時候，并非是對客戶不加選擇的進行服務，必須承認有一部分客戶與銀行的獨特經營模式相匹配，那些最值得服務的同質客戶往往掩蓋在不同的數據下面，需要我們善用數據加以尋找。
銀行業競爭者分析
網絡時代銀行不再是唯一的經濟信息中心和信用中心，一些新的信用中介崛起了，當前銀行主要的競爭對手包括：大集團的財務公司，網絡服務/內容提供商。前者的主要服務對象是傳統銀行的大型客戶，后者服務的主要對象是傳統銀行的小微型企業客戶，大數據時代它們對數據是如何考慮的？
中國的第一家金融公司——東風汽車 工業財務公司成立于1987年。近年來借助網絡技術信息交流——銀行最初的優勢壁壘被打破，越來越多的大型企業構筑財務公司成為可能，迄今為止，全國共有財務公司150家，117家中央企業中有70家已經成立財務公司。為了減小風險，財務公司不論是提供的服務還是數據需求都是非常標準化的，標準化程度越高越有利于財務公司降低成本，在20世紀90年代美國的銀行及其他金融機構業務都有很大程度萎縮的情況下，金融公司卻保持住了自己的市場份額，其中相當大的原因是財務公司從事的是銀行多年前就進行的所謂傳統服務，受市場波動影響較小。由于財務公司與母集團的天然粘著性，進行標準業務競爭，銀行是處于劣勢的。但財務公司的產融結合特性決定大量的內部交易將加速風險的傳遞，引起連鎖反應，為了控制這種風險必須在金融資本和產業資本之間建立一道有效的防火墻。構建這種防火墻與財務公司的業務和數據極致標準化需求是背離的。在這方面銀行能夠觀測到比財務公司多的多的樣本，而且銀行最大的優勢是成為風險關系的控制中心，財務公司成為集團的風險控制中心簡直是不可能的也非其職責所在。這樣對銀行來說競爭力就體現為它能否在大量數據分析中找到那種風險關系，從而有針對性的對大企業提供恰當的風險服務。
相比之下，銀行在零售領域受到以搜索引擎公司、電子商務公司、社交網絡公司和快遞公司為代表的網絡服務/內容提供商更嚴峻的挑戰，如銀行業之于計算機時代那樣，這些新興行業是網絡技術規則的最初需求產生者和規則主要制定者。Google即是大數據的開拓者也是搜索業的巨頭，它在2012年10月在英國推出新項目，為企業用戶提供貸款幫助其購買該公司搜索廣告。Facebook——網絡社交巨人發現一個品牌的粉絲中只有16%會在該公司的Facebook頁面上活動，Facebook希望增強客戶在Facebook上與品牌互動——將社會實體關系向網絡上映射，從而使企業和Facebook都能受益。金融往來是人們日常最頻繁的活動之一，受到Facebook的關注，它正在與澳大利亞聯邦銀行合作開發在線金融服務，這項服務將使擁有銀行賬戶的Facebook用戶通過社交媒體渠道向第三方以及Facebook好友進行支付。阿里巴巴——交易額突破1萬億元的淘寶和天貓的擁有者，推出以其網上商城客戶為目標的小額貸款服務，這種貸款的一個特點是無需抵押。因為阿里巴巴可以使用貸款者在淘寶和天貓經營流水、電子商務信用度評級以及與整個供應鏈產生的往來等這些傳統銀行根本無力獲取的信息對客戶進行另一種角度的刻畫和信用評價。在物流網上，物流巨頭聯合包裹UPS開辦了物流銀行，由于掌控了物流信息能夠在保證最小風險情況下使客戶最快速度得到貨款。
對競爭對手的分析可以看出：
面對大集團的近似銀行傳統業務的同質化的財務公司出現，大數據反而成為銀行競爭的法寶。
在零售領域Google和Facebook長于對萬千完全不同的大眾的行為的信息的發掘，阿里巴巴和UPS則側重于對商品交流信息的整理。不論是哪一類努力都將自己打造成一個領域的信息中心，努力使自己適應人們行為變化帶來的數據的變化，而不是對客戶施加固定格式要求。
銀行業應對挑戰的建議
麥肯錫公司認為,有些銀行只要簡單地利用他們現有的資料,就可以把接受他們貸款的客戶份額增加一倍,貸款損失減少四分之一，這是一個讓人震撼的結論。但是仔細回想我們上述的分析我們必須承認這個結論：不論大數據技術能否成為下一個時代的技術統治者，但對銀行來說數據推動的時代的確到來了。我們對于這樣一個正在邁入的時代有如下一些感悟和建議：
我們處在的時代形成各種各樣的關系網絡，簡單關系的時代已經遠離。這些網絡關系是數據異構化的原因，我們要想識別這些網絡關系就必須完善我們的觸覺，選擇好的傳感方式，重視加強對新一代的數據分析工具如MapReduce、Greenplum等的研究。而且在我們看來對于非電子銀行來說最重要的傳感器是人，是客戶經理，離開他們對于其他行業來說銀行業什么也不是。競爭對手可以成為客戶行為信息中心，商品交流信息中心，但是技術沒有客戶經理的智慧能對客戶的道德進行判斷、對各種行業形勢進行把握。大數據分析的實質不就是將客戶扔到更大的社會背景下加以曝光，準確定位環境中客戶所處的位置符合怎樣一種商業模式。到現在為止沒有任何技術能超越人對活生生的客戶對各方面加以分析而且能夠引導客戶進入熟悉的商業模式。僅僅進行技術的比拼我們銀行業未必有優勢，因此要記得客戶經理是你的財富，他們的經驗是用你的金錢堆積起來的，如果銀行無法使客戶經理了解的知識以恰當的數據方式表達出來并被理解，那么銀行就是浪費手中最大的數據資本。
大數據時代也可以稱為分析時代。對于處在提供服務地位的我們和競爭對手能夠成為這樣或者那樣的信息中心在于分析能力。當今社會對各種人、企業和關系的感知能力要遠勝以往，但是客戶按標準提供其自身信息的強制力越來越小，說明信息更多以非標準化、非結構化的形式被非傳統的渠道收集起來，沒有分析它們的能力不可能成為任何關系的中心。想想我們上述的例子莫不如此，而且所謂企業選擇的成功商業模式不就是建立在強大的分析實力的基礎上嗎。過往中國的銀行業過于強調資源的整合，在政企界限模糊、金融資源高度壟斷的時代這種模式很容易成功。但是時代在改變，利率市場化、金融脫媒等一系列金融市場化政策，使得銀行不再擁有獨一無二的資源，它們整合什么？即使是比拼整合能力憑什么銀行敢說自己比競爭對手更強呢？中國銀行業該往哪里走，國外銀行和競爭對手給我們指明一條路：加強分析能力自己找到資源，更重要的是通過分析找到獨特的經營模式。即使對于某些具體業務來說能夠改善數據分析能力也往往會令銀行受益，例如當前理財市場表面看千篇一律，新的產品推出馬上會被其他銀行所復制，但是它們真的沒有區別么？誰了解這個黑匣子里的秘密？也許只有在海水退了的時候才知道誰在裸泳吧。
當前國內大多數銀行還處在將手機銀行、網上銀行、POS機作為改造的重點的階段，世界的信息技術又發生了升級的趨勢，我們又慢了半拍。說到底這是國內銀行業缺乏變革的眼光或者勇氣，對產業升級缺乏戰略眼光，不愿意放棄傳統的成功的方法，只有在情勢逼迫之下才不得不進行轉型。好工具要有使用的動力和決斷，應對大數據時代國內銀行也存在一個改變內在組織形態與業務模式匹配的問題。正如上文所說，國內銀行傳統的架構適應于進行資源的整合，信息科技部門作為配角是合適的。銀行的發展越來越向分析時代進發，當前國內銀行管理部門的主要工作都是自覺或者不自覺的進行分析工作，尤其是數據分析，各業務部門和信息科技部門的矛盾實質是銀行沒有足夠分析能力的表現，但這不是一個科技部門所能決定的。將信息科技僅定位于部門的活動已不合適，不能提高全行的分析能力，有必要將信息科技工作定位于更高的戰略層次，將銀行信息科技工作從支持層面轉移到以信息獲取能力提高為重點。
我們的銀行本質是一些金融專家的聚合，缺了他們，我們的行業與其他行業相比真的一點優勢也沒有了，我們將是一個低門檻的行業，幸虧有他們的智慧和經驗。但是當我們銀行人看到那些經驗豐富的客戶經理推薦的客戶往往被舊的所謂評估流程拒絕。聽到他們抱怨的時候，我們怎么能期望客戶對我們的服務感到滿意呢？是他們的問題，還是管理者應該檢討我們沒有客觀的描述世界？舊的方法被證明是官僚的、不適應客觀世界的時候，我們還能無動于衷地使用規則制度流程嗎？讓我們銀行從業者盡量客觀地描述復雜的世界吧，我們雖不能確定大數據是否一定能主宰未來，但是它的描述客觀世界的思想正是我們所探尋的有效提高銀行業務水平之道。
京公網安備 11010502049343號