大數據技術在商業銀行中的應用

李虹含

將大數據技術應用于金融業不僅是技術發展的需要，也是金融業提高自身盈利能力的需要。對于大數據帶來的主要業務價值，大數據的價值是他們可以根據商業分析實現更加智能的業務決策，讓決策的制定更加理性化和有根據。依靠有前瞻性的決策，實現生產過程中資源更優化的分配，能夠根據市場變化迅速做出調整，提高用戶體驗以及資金周轉率，從而獲取更高的利潤。

大數據應用優勢與難題

經濟社會的三個重要組成要素產品、信息、資金滲透在互聯網時代的諸多環節，互聯網時代的激烈競爭當中，電商、銀行、物流三大類別企業代表著三種要素的重要占有者，三者都希望成為主宰著三種要素的利益獲得者。雖然在互聯網技術、平臺層面商業銀行有所落后，但從長期發展趨勢來看，商業銀行具有重要的優勢，同時也存在著諸多困難，主要包括以下幾個方面：

第一，商業銀行的信息與人才優勢。商業銀行不僅掌握著大量資金，而且在信息搜集方面也擁有獨特優勢，不管是甄別優、劣客戶進行授信貸款，還是金融服務用戶交易活動留下的交易痕跡都是其重要數據資產。尤其是商業銀行的信息化建設也居于各行業前列，信息處理與建設已經根植入商業銀行的“思維”。商業銀行不僅有信息化建設的意愿，而且具備建設優質信息化系統的條件。特是在2000年之后，中國的商業銀行提出建立數據集市的思路。各大商業銀行紛紛建立了數據中心和備份中心，提高了數據的存儲利用效率和風險防控能力。另外，由于在貸款和金融業務開辦之前，各自然人都需要在商業銀行開戶并填寫個人基本信息，社會上的資金劃轉要以商業銀行為媒介，因此商業銀行有著廣泛的渠道獲取客戶信息和資金流信息。多年的積累，使商業銀行已形成海量的信息數據庫，其結構化程度優于電商等企業。

中國的商業銀行均設有科技開發中心、數據測試和收集中心以便于商業銀行開發擁有自主知識產權的個性化業務、功能。在二十世紀初提出的建立數據集中項目過程當中，商業銀行累積了大量建設復雜數據信息系統的經驗，涉及軟件開發、數據倉儲等具體實操項目。這些項目鍛煉了商業銀行的科技開發隊伍，為商業銀行積累了許多軟件開發、管理人才。金融人才和信息科技人才的結合是商業銀行構建有效物流、信息流的重要基礎保障。

第二，商業銀行的資金與制度優勢。商業銀行的利潤率普遍較高，近幾年來的業績增長較快，許多商業銀行的盈利能力開始超過國外商業銀行。因此，商業銀行內部擁有充足的資金，有利于商業銀行建立大規模的資金、物流、信息流操作系統。資金優勢使商業銀行在構建三網融合過程當中可以建立先進的數據操作系統、存儲系統和計算系統，有利于大數據技術的發展和應用。

我國的商業銀行牌照較難獲得，電商和物流商的資格相對都比較簡單。我國大型商業銀行已基本實現集團化經營，全國十五家上市銀行資產占到中國商業銀行總資產的60%以上，其經營管理經驗、理念、方式、方法都強于電商和物流企業，容易形成跨界、跨區域經營。

在利用大數據幫助商業銀行進行問題解決的同時，信貸客戶個人信息保護、隱私保護的邊際在哪里，客戶的哪些數據可以收集，可以通過什么樣的方式收集？個人數據是不是可以全部收集，收集在一起引起的副作用也要考慮。例如：美國有法律規范禁止教育部門的數據和移民局數據聯通，移民局不得利用教育部門數據來查獲非法移民，目的是為了防止這些移民由于害怕移民局而不將兒童送去上學，如果存在大量的失學青年可能會對美國社會的安定不利。

哪些數據可以搜集收集？是否可以追蹤公司高管個人的信息？這些問題均涉及到道德與法律層次的重要問題。數據資產的合理利用也需規范，數據結果能用于哪些方面，是否會違背非歧視原則？在證券交易與商業銀行數據應用過程中必然涉及到方方面面的內容亟待解決。

另外更大規模的數字化對于資本市場、信貸市場的長遠影響究竟如何？對各種參與者都是公平的嗎？對于商業銀行的存在本質是有益的嗎？以上種種問題，只是冰山一角，大數據對社會、對金融、對個人的影響還需細致分析和推演，需制定在金融領域的數據收集、數據分析和利用規則，制定底線。

大數據技術應用建議

商業銀行應當繼續使用大數據和數據挖掘技術及時、準確、全面地掌握自身資產質量、數量及分布、頭寸調度、信貸情況，提供給客戶安全、可靠及強有力的技術支撐。數據倉庫、大數據、數據集市通過深度挖掘可以獲得“深度效益”；同時，大數據技術還搜集了大量的商戶、用戶資料，可以為開發新的產品、業務及綜合化服務，讓銀行在不同的平臺、層面上為用戶提供異質化業務變得更加容易，而且為商業銀行的經營管理決策提供了支持與依據，讓商業銀行可以隨時根據與已有歷史經驗往來的商戶數據信息推斷出客戶的信用狀況，有助于銀行風險的防范。

隨著各種新技術的發展，大數據與數據挖掘技術也隨研究的深入而不斷進步，以后將更加便捷、有效地應用于未來的實踐當中去，結合新的理論、技術和模型評價方法，以增加數據挖掘的有效性，進一步提高數據分析工具的實用性。數據挖掘在未來商業銀行中的研究焦點和需要進一步開展的工作在于以下幾個方面。

第一，完善商業銀行信息系統總體架構設計。傳統商業銀行的數據應用信息系統搜集與保存系統在大數據應用環境背景下仍需進一步完善，本文根據商業銀行大數據的業務基本需求和監管部門的監管要求，結合我國金融機構當前的實際情況，采用企業級分層架構思想，構建出機構大數據信息系統體系架構圖。

該大數據系統體系結構的特點包括：其一，層次化清晰。系統共分為應用層、服務層、網絡層和數據層，在系統體系結構中，每層將具有相同服務功能的部分封裝在一起，相鄰層之間調用服務；其二，在傳統三層網絡體系結構的基礎上，該體系結構加入了網絡層，通過金融機構專用網絡將服務層和數據層相連接，并設置了防火墻，充分保證金融機構業務數據的安全性；其三，各個商業金融機構可以通過金融機構專用網絡共享數據庫信息，同時各監管部門與業務條線可以實時查看銀行經營業務數據，提高業務開展效率與監管可行性。

第二，加強數據挖掘應用系統和算法測試的研究。不斷重視數據挖掘技術的實際應用。盡管國內關于大數據技術和數據挖掘理論對算法模型的研究較多，但實際應用案例和算法應用改進案例卻比較少，缺乏可以借鑒的經驗數據。如何引入國外的先進經驗、技術，改進算法的性能并進行有效性測試，檢驗算法合理性和功能系統的穩定性？結合多種數據挖掘算法實現，提高數據挖掘的效率和技術功效是亟待解決的。

第三，加強傳統數據與非結構化數據挖掘過程中的可視化方法的研究。加強人機交互，可以把用戶需要解決的問題方便地轉化為數據挖掘技術人員能夠理解并解決的問題，然后將結果以更直接的表現形式被用戶理解。完善解釋機制，將各種算法的研究趨向于簡單化和易于理解。從多媒體數據庫中發現有意義的模式，包括對文本數據、圖形數據、音頻數據以及超文本數據的挖掘等。基于內容的檢索和相似度搜索、概化和多維分析、分類和預測分析對復雜數據進行挖掘，使數據挖掘技術發展的整體趨勢由處理簡單的挖掘問題逐步到解決復雜的挖掘問題。

第四，加強對數據挖掘結果的有效性的研究。用科學的方法加以評估。目前許多算法所花費的時間很短，但其挖掘結果的數據卻遠遠超出了可理解的范圍。隨著信息技術的高速發展，今后的算法研究需要集中在挖掘結果的有效性上，便于用戶快速得到自己所需要的、有價值的信息。包括對算法的動態維護、基于約束的挖掘算法和提高算法的可伸縮性等都將是主要的研究方向。