挖掘數據價值，打造智能銀行

李炅宇

今天移動互聯網正狂飆突進、網上購物平臺和網上社交平臺也方興未艾，包括結構化數據、半結構化數據、非結構化數據的大數據爆炸式增長。早在2012年，大數據已經登上美國《紐約時報》的專欄封面，專欄稱：“大數據時代已經降臨，在商業、經濟及其他領域中，決策將日益基于數據和分析，而非基于經驗和直覺。”目前銀行業在開展業務過程中積累了海量高價值數據，很多銀行的數據量級已經超過100TB，其中非結構化正以加速度形式積累。因此，不管傳統銀行業是擁抱還是抗拒，大數據時代已經呼嘯而來。

深刻理解大數據的特征

轉變觀念，重視大數據的巨大價值。2015年9月，國務院出臺《促進大數據發展行動綱要》，指出：“數據已成為國家基礎性戰略資源，大數據已成為推動經濟轉型發展的新動力。以數據流引領技術流、物質流、資金流、人才流，將深刻影響社會分工協作的組織形式。大數據產業正在成為新的經濟增長點，成為重塑國家競優勢的新機遇”。《大數據時代》的作者舍恩伯格指出：“數據已經成為有價值的公司資產、重要的經濟投入和新型的商業模式基石。雖然數據還沒有被列入企業的資產負債表，但這只是時間問題。”MIT商學院的研究表明，決策依賴數據的公司，運營情況比不重視數據的公司出色很多，這引起公司的生產率比不用數據決策的公司高6%。現實中，數據價值已經在多數互聯網公司的市值中得以體現。著名的社交平臺網絡公司Facebook于2012年5月在納斯達克上市時，賬面資產僅為66億美元，但IPO每股定價38美元，總市值為1040億美元。Facebook之所以能獲得如此高的估值，Gartner公司認為，關鍵在于當時它收集了約2.1萬億條“獲利信息”，每條信息估值約4美分，每個用戶的價值為100美元。目前這家社交平臺公司市值超過3000億美元，市盈率超過100倍，而全球市值最大的蘋果公司市盈率僅為13倍，充分體現了數據的價值。銀行業擁有海量的客戶交易數據，如果這些數據的價值得到挖掘，銀行業將獲得無限商機。

轉變思維，關注焦點由傳統的因果關系轉向大數據時代的關聯關系。傳統數據分析思維要求數據精確無誤，只需要少量的樣本數據，力求數據關系明確清晰，進而探求事物之間的因果關系；大數據分析思維則盡可能獲取全量數據，對數據的精確性要求放松，坦然接受數據的紛繁復雜，更為關注事物間的關聯關系。大數據時代，關聯關系已經成為預測的關鍵。很多情形下，人們知道“是什么”足以，并沒有必要知道“為什么”。現實中電商巨頭亞馬遜正是由于成功運用書籍之間的關聯關系，圖書銷售取得了成功。歷史上亞馬遜曾有一支由二十多名書評家和編輯組成的團隊，寫書評，在網頁上發出“亞馬遜的聲音”，向客戶推薦新書。之后，亞馬遜通過大數據分析，發現了書籍之間的關聯性，并開發出“item-to-item”推薦系統，使亞馬遜發生了天翻地覆的變化，其圖書銷售額的三分之一來自“item-to-item”系統的推薦。于是亞馬遜放棄了在線書評。

開拓視野，深刻理解大數據運用的四個層次。研究表明，大數據通過層層晉升能夠成為指導行動的智慧。概括地講，大數據運用分為四個層次，第一層，數據收集與存儲層，即基礎層，各種類型的數據從不同渠道涌入，包括結構化數據（交易信息）、半結構化數據（日志信息）非結構化數據（多媒體、社交及定位信息等），在這個層面上，數據被實時和非實時地清理、加工，歸檔存儲為有效數據，供后續分析運用。第二層，由數據上升到信息，形成信息整合層，在這個層面上需要對數據進行去噪和增強處理，實現關系型和非關系型信息的整合。第三層，從信息上升至知識，即知識發現層，在此層面，數據挖掘技術和人工智能至關重要，對整合的信息進行分解、提煉，從中找出有價值的信息點，實現信息到知識的轉變。第四層，從知識上升到智慧，形成智慧汲取層，運用數據可視化工具，將經驗、判斷與知識相融合，使知識升華為智慧，為獲取商業價值提供指導。

大數據正成為銀行營銷、創收和風控的利器

運用大數據構建客戶全景視圖，為客戶制定差異化的產品及營銷方案。通過大數據分析平臺，接入客戶通過社交網絡、電子商務、終端媒介等方式形成的非結構化數據，包括客戶的歷史購買行為、年度消費水平、興趣愛好、行為模式、社交圈及對媒體的響應等，這些外部大數據與銀行的傳統數據結合，就可以勾勒出真實完整的客戶全景視圖，之后實施針對性的產品設計和精準營銷。比如，國外銀行通過對客戶的交易數據分析，推算出客戶經歷“人生大事”的大致節點，由于人生中這些重要時刻往往能夠激發客戶對高價值金融產品的購買，因此一些銀行開始圍繞客戶的“人生大事”進行交叉銷售。一家澳大利亞銀行通過大數據分析發現，家中即將有嬰兒誕生的客戶對壽險產品的潛在需求最大。通過對客戶銀行卡交易數據分析，銀行能夠識別出即將添丁加口的家庭：在這些家庭，準媽媽會購買某些藥品，與嬰兒相關產品的消費會不斷出現。這家銀行為這類客戶推出定制化的營銷活動，獲得了客戶的積極回應，并大幅提高了交叉銷售的成功率。

推出與客戶交易相關的大數據產品，拓展銀行中間業務收入。歷史上擁有海量數據的銀行考慮的是如何運用數據服務其核心業務，現在一些銀行已經能夠把數據變成數據產品，為銀行創收，實現商業模式的創新。例如，一家澳大利亞銀行通過分析其零售客戶的支付數據來了解其消費路徑，即客戶日常消費的典型順序，包括客戶購物地點、購物順序、購買內容等，并對其中的關聯性進行分析。銀行將這些分析報告售給其公司客戶，幫助客戶準確地判斷最合理的產品廣告投放地點及對應的產品，而此前公司客戶需要花大價錢向市場調研公司購買此類數據，現在可以以低得多的價格向服務自己的銀行獲得這些分析結果，而且銀行提供的數據比市場調查更為可靠。更重要的是，銀行此舉為客戶提供了具有競爭力的增值服務，對客戶的粘性大大增強。

通過大數據構建更全面的信用評價體系，提升銀行的信貸風險控制能力。銀行是經營風險的企業，風險管理能力是銀行的核心競爭力。資料顯示，零售銀行業務方面，在美國，一家互聯網信用評估機構已經成為多家銀行在個人信貸風險評估方面的好幫手。這家機構通過分析信貸申請客戶在主要社交平臺的相關數據，對其信用風險進行評估，并將評估結果售予銀行。銀行將這些評估結果與內部評級相結合，形成更加準確、完備的風險評估。通過運用外部對客戶的風險評估，可以有效降低銀行的信貸風險，同時為銀行信貸定價帶來競爭優勢。另一方面，大數據在公司銀行業務的風險管理方面正發揮著前所未有的作用。傳統方法中銀行對客戶的信用風險的評估，多是基于歷史的營業數據和信用記錄，這種方式的弊端是缺乏前瞻性，沒有反映企業未來的發展趨勢。西班牙一家大型銀行利用大數據為企業客戶信用風險進行全面分析，它先找出影響企業所在行業的主要因素，然后對這些因素進行模擬，測試各種因素對客戶業務發展的可能影響，從而綜合判斷企業客戶的信用風險。運用大數據評估企業風險不僅速度快，同時風險評估的準確性得到顯著提升。

中國銀行業大數據應用：以民生銀行大數據“四化”為例

盡管大數據有大價值，但從數據到價值并非一蹴而就，需要銀行進行整體轉型，需要進行內嵌式變革。結合國內外先進企業的大數據經驗，民生銀行圍繞充分挖掘大數據價值，以“智能化、云端化、標準化、移動化”（“四化”）建設為主線，努力打造和提升大數據能力，積極推進全行的大數據戰略。“四化”建設縱貫數據獲取與存儲、數據整合、數據挖掘、數據應用整個大數據價值鏈，是一個影響深遠的系統性工程。

大數據智能化

為進一步提升客戶關系管理與服務水平，營造可持續發展的金融生態環境，切實提高全行對公業務的規劃能力、營銷能力、產品支持能力、風險管理能力、考核評價能力，民生銀行建成智能管家平臺，借助互聯網思維和大數據分析挖掘工具，運用復雜網絡科學、文本挖掘、購物籃分析等數據挖掘技術和力導向布局圖、蝸牛圖等數據可視化手段，構建了上下游客戶推薦模型、智能產品推薦模型、交易網絡模型，設計開發了客戶推薦、產品推薦等功能，為客戶經理、管理人員提供針對性、差異化營銷和管理功能。

規劃能力提升方面，智能管家的洞察目標市場模塊可使管理人員實現名單制營銷。智能管理平臺專為對公業務管理人員開發了“洞察目標市場”模塊，通過該模塊管理人員能夠準確實現客戶價值評估、客戶科學分層和全方位了解客戶的目標，通過客戶價值評估模型，管理人員可以獲得一定范圍內存量客戶中最具開發潛力的客戶名單，對于新客戶開發名單的確定，可以運用智能管家的基于上下游客戶交易及社會網絡的指數推薦模型，據此，管理人員獲取存量客戶和增量客戶開發的名單，管理人員根據營銷目標的客戶持有產品的情況，制定名單制的客戶開發計劃，為客戶經理精確營銷提供支持。

營銷和產品支持能力提升方面，智能管家運用大數據技術，實現客戶經理獲客和產品推薦智能化。智能管家通過推薦指數模型向客戶經理及時推送核心客戶的上下游客戶名單及符合客戶需求的產品清單，實現獲客和產品營銷的精確制導。另外，通過客戶價值評估與細分，智能管家能夠對存量客戶的潛在價值進行評估排序，發現一批高潛在價值客戶，推送給管理人員和相關營銷人員，提升存量客戶的價值貢獻。另外，“智能管家”運用客戶價值評估、上下游客戶推薦、產品智能推薦功能，清晰地回答了公司業務 “鞏固哪些客戶，提升哪些客戶，培育哪些客戶”三大問題。 風險管理能力提升方面，啄木鳥系統通過自動識別可疑交易降低小微業務的操作風險。當前銀行業不良貸款余額和不良貸款率出現“雙升”，宏觀經濟環境變化是主要原因，但也與放貸過程中存在的少數業務人員道德風險和借款人改變資金用途、甚至騙貸有一定關系。民生銀行的啄木鳥系統通過構建專業風險識別模型，幫助業務人員從浩瀚的數據海洋中迅速發現潛在風險線索，進而有效排查出實質性風險，提升全行對小微業務的風險管理能力。

考核評價能力提升方面，智能管家的管理駕駛艙與集團客戶管理功能使管理人員能夠及時、準確地對機構、人員的績效進行考核評價。考核評價是銀行業務發展的指揮棒，是能否形成業務人員有效激勵的關鍵。管理駕駛艙及時為管理人員提供創利、規模、風險、損益等八大維度核心指標信息，使管理人員對機構總體經營目標實現情況隨時掌握。由于核心集團客戶的綜合創利、業務規模、風險狀況對銀行業績舉足輕重，因此，智能管家專門開發集團客戶管理模塊，使管理人員隨時了解集團客戶的規模、產品、創利、風險等關鍵指標，從而及時調整營銷策略和授信政策。

大數據云端化

在金融集團層面上，民生銀行已經建成對全行數據用戶開放的阿拉丁大數據云平臺是民生銀行大數據應用的基礎設施，使數據分析人員能夠輕松、快速獲取所需數據及分析結果。阿拉丁平臺通過大數據的開放與共享，在民生銀行內部形成各經營機構運用大數據“大眾創業，萬眾創新”的良好生態。目前阿拉丁平臺注冊用戶已覆蓋民生銀行所有分行和事業部，用戶發布數據分析成果超過5000項。眾多大數據應用成果中不乏精彩、成功的案例，比如，北京管理部基于大數據對小微客戶進行信用評級，重慶分行通過客戶通信、居住及出行大數據挖掘出潛在高價值客戶等，這些大數據應用都顯著改善了經營機構客戶獲取、產品營銷、風險評級和運營管理，顯示出阿拉丁云平臺的強大功能。

大數據標準化

2015年民生銀行啟動數據標準化工程，旨在提升數據質量，一勞永逸地解決由于“前端業務人員操作不規范、關鍵業務指標定義不統一、業務系統間基礎數據項定義不一致”三大主要原因造成的數據質量問題，為此，民生銀行項目組制定了科學可行的數據標準化工程實施路線圖。

數據標準化工程實施路線圖內容包括：分步建立關鍵基礎數據標準以及關鍵指標標準；實現數據標準在重要業務系統中的落地應用；設計數據標準管理流程，依托數據標準管理系統和組織體系的建設，實現數據標準的系統化、規范化的管理。通過實施數據標準化工程，民生銀行將打造一個專業、高效的數據標準化管理平臺，數據標準管理在平臺中通過工作流的方式實現。通過平臺全行大數據用戶能夠快速獲知數據標準的來源、標準的現狀、標準與現實的映射以及重要業務標準的口徑，真正實現全行關鍵數據的共享。

大數據移動化

為順應移動互聯網時代潮流，民生銀行提出移動數據產品發布平臺和數據產品研發同時推進戰略。通過數據產品在移動端的部署，使數據用戶在任何時間（Anytime）、任何地點（Anywhere） 接收與業務相關的任何數據結果（Anything），大幅提升決策效率和前端人員的快速反應能力。在大數據移動化方面，民生銀行主要推出四款移動數據產品：蒲公英、啄木鳥、貓頭鷹和鴻雁。

“蒲公英”是一款專為民生銀行公司業務客戶經理拓展客戶和營銷產品提供支持的移動產品，旨在幫助客戶經理提升工作效率與營銷成功率。蒲公英主要包含了“我的客戶”、“我的產品”和“我要查詢”等功能：幫助客戶經理準確定位潛在客戶，及時推送相關客戶信息，使客戶經理高效完成潛在客戶拓展；為客戶經理精準推送客戶最需要的產品信息，助力客戶經理實現存量客戶的交叉銷售；使客戶經理實時掌握所服務客戶的賬戶余額及相關信息。

“鴻雁”是一款為民生銀行高層管理層智能化決策提供支持的大數據產品。主要具有以下功能：為高管提供全面、即時數據，實現資產負債關鍵統計指標的零時滯、移動化展示，關鍵指標異動的提醒；實現智能化分析，為決策層推送最新的同業數據動態和關鍵時點業務指標變化及未來趨勢。

“貓頭鷹”為民生銀行支行管理者即時獲取支行經營狀況的移動產品，具體功能：支行行長可實時查看所管理支行的金融資產余額、個人存款余額、個人貸款余額以及其同比、環比的變化情況；支行行長隨時可查看未來七天到期和起息的理財產品金額，以及理財產品對于個人存款的影響金額。

以上移動數據產品為民生銀行的戰略決策、客戶拓展、產品營銷、風險識別、業務管理發揮著越來越重要的作用，未來民生銀行將有更多更好用的移動產品推出，為戰略決策和業務拓展提供數據支持。

“這是個最好的時代，也是個最壞的時代”，雖然銀行業面臨經濟增速放緩和不良“雙升”的不利環境，但大數據、互聯網時代為銀行戰略轉型、業務創新提供了千載難逢的機遇，只要銀行業大力提升運用大數據的能力，借助國家產業結構調整和實施“一帶一路”、“京津冀一體化”及“長江經濟帶”戰略的東風，一定能克服經濟周期的不利影響，實現業務的低風險增長，再創銀行業的黃金時代。

（作者系中國民生銀行信息管理部總經理）