統計學原理大數據技術在銀行信息系統建設中的應用

牛安宇

【摘 要】金融業，是關系著國民經濟命脈的重要行業，在國民經濟中占據舉足輕重的地位，而銀行是金融行業中的主力軍。隨著科學技術的快速發展，計算機處理能力的不斷增強，銀行所能夠獲取并記錄的客戶信息、交易信息也日益豐富，數據也逐漸成為銀行的重要資產。面對互聯網金融行業的挑戰和沖擊，做好數據的分析應用，可以有效發現數據中存在的關聯關系和業務規律，挖掘出數據背后的知識來為客戶營銷、經營決策、控制風險等方面提供科學的依據。

【關鍵詞】統計學原理；大數據；信息系統

統計學，是處理數據的一門科學，是收集、處理、分析、解釋數據，并從數據中得出結論的科學，它提供了一整套從數據中得出結論的方案。統計學已廣泛應用于企業發展戰略、產品質量管理、市場研究、經濟預測、人力資源管理等領域，并在上述領域已經有了很好的應用實踐。利用統計學原理分析、處理銀行日常運行中獲取的業務數據，無疑可以為銀行在日常運營中的客戶營銷、經營決策、控制風險等提供強有力的決策指引。

在科技高速發展的現今社會，信息化是主要的趨勢，自然而然信息化的需求也就越來越突出，對于銀行來說，通常都要對大量的數據進行收集，并且還要對所收集的數據進行仔細的分析，分析過后還要對一些有價值的數據進行提取，提取過后再做出正確的決策。那么，對于現代統計方法來說，它和現代信息處理技術是分不開的，隨著計算機運行能力的不斷提高，對于大規模統計調查的數據的處理來說，就會顯得更加的精確以及方便快捷。所以，統計學越來越不可能脫離計算機技術，當然，計算機技術的應用的深入，也同樣不能離開統計學的發展以及完善。對計算機技術進行充分利用，并通過計算機軟件將統計方法中比較復雜的計算構成進行簡便化，統計輸出的結果就一目了然了，這樣，統計方法的普及就會顯得非常容易了。因此，統計學與信息技術的結合在銀行信息系統建設中越來越被人們所重視，也是未來銀行信息系統建設的大勢所趨。

統計學與信息系統建設最好的結合實踐便是大數據技術，大數據在傳統銀行業務的客戶營銷、經營決策、控制風險、反欺詐等方面都有著廣闊的應用前景：

一、客戶營銷

客戶行為分析，在當今銀行客戶關系中尤為重要，傳統的銀行系統中對客戶的了解來自于客戶的基本信息及交易信息，對客戶的興趣、偏好等知之甚少，對客戶千變萬化的需求無法及時響應。近年來，各大銀行紛紛將以產品為中心的理念逐漸轉變為已客戶為中心，在銀行內部各個產品的規劃、設計中，都把客戶信息擺在了產品中的突出位置，如何確定客戶需要哪些服務，以及以何種途徑、方式將客戶感興趣的服務以最有效的方式推薦給客戶，已經成為銀行信息系統建設中的重點和難點。出于行業特點及相關監管機構的監管要求，銀行通常保存著相對較為完整的個人信息或公司信息以及其相關資金往來信息，并且絕大多數均為真實有效信息，這也為銀行系統通過數據分析進行客戶畫像描繪提供了天然的有利條件。銀行應利用這一有利條件，通過收集客戶信息及日常交易行為，判斷客戶性格特點及風險偏好情況，為客戶精準推薦定、活期存款，理財產品，基金產品等不同風險等級的產品。同時，銀行還可以與傳統互聯網行業深度合作，實現部分數據共享，挖掘用戶日常生活中的行為習慣，為客戶推薦感興趣貴金屬展銷、信用卡產品及相關優惠活動。例如，近年來隨著國家對房地產市場的收緊態勢，房貸放款量逐年減少，各家商業銀行紛紛把目光轉向個人小額消費貸款上，為了應對這一突如其來的變化，各家銀行紛紛推出個人在線信用貸款產品，銀行系統通過對大量相關金融數據的分析處理，科學建模，精準描繪客戶畫像，預測客戶成長屬性，計算個人貸款額度，實現申請、審批、放款的全線上自動化處理，并且嚴格的控制了不良貸款的風險，成為銀行利用統計學原理提升風控能力，降低人力成本，提升業務處理效率，優化客戶體驗的典型成功案例。

二、經營決策

提升內部管理水平。通過高質量的數據整合，可以對銀行各項業務的行業結構、客戶結構、產品結構、期限結構、擔保結構和區域結構進行深度分析，測算產品貢獻度、存貸綜合利差、客戶綜合回報、經濟增加值（EVA）、經濟資本回報率（RAROC）和凈資產收益率，從客戶、產品、部門、渠道和機構等維度對成本效益進行監測、評價、考核，為經營管理提供有效決策支持；對于目前手工處理的報表，通過自動數據采集、匯總、運算、生成等過程，可以減輕勞動強度，提高工作效率；網點人員、設備資源緊張是所有銀行管理者的共識，但針對每個獨立的網點和自助銀行而言，最優化和科學的資源配置到底是什么，網點客戶服務存在哪些問題，一直缺乏有效的數據分析形成經驗總結來精確回答。通過對大量數據的收集和分析，可以提供解決這個問題的途徑。

三、風險管理

銀行是經營風險的機構，自然控制風險就成為銀行賴以生存的重要因素，而在銀行風險控制領域，而在銀行風控領域系統建設中，統計學擁有廣闊的應用空間及實踐場景。銀行風控領域的一個典型應用場景便是反洗錢黑名單檢索，反洗錢黑名單檢索具有黑名單數據信息不完整、重復姓名較多、客戶填寫姓名不規范、違規成本極高等特點，因此目前反洗錢檢索命中標準較低，反洗錢誤中率較高，通常在系統檢索命中后人工二次審核判斷是否為誤中，工作效率較低。因此可以通過引入統計學的計算方法，引入大數據與人工智能的新型技術，建立科學適用的統計學模型，并通過收集命中后人工審核結果，不斷訓練，降低反洗錢檢索的誤中率，從而減少人工審核的工作，大幅度提高工作效率。另外一個風控領域的典型應用便是貸款審批小額信貸風險管理，本質上是事前對風險的主動把控，盡可能預測和防范可能出現的風險。為了滿足業務的需求，我們會使用大量數據，建立相應模型，衡量風險并盡可能避免逾期，一般通過對授信人個人狀況、收入能力、負債情況進行數據挖掘，進行模型化綜合度量，進而確定授信對象的額度，并確定一個合理的風險定價，使風險和盈利達到一個平衡的狀態。，傳統信貸投放過程中，通常由銀行工作人員依據企業財務報表、人行征信、抵質押品等基本信息，結合個人工作經驗進行信用評估，傳統的方式基于銀行工作人員手中掌握的非結構化數據，反映了客戶當前靜止的、切片式的狀態，并且受雙方信息不對稱因素的影響，致使很多時候銀行不能真實地了解客戶的真實情況，從而也就不能真實的對客戶的風險承受能力及還款能力做出準確的判斷，導致銀行易遭受風險損失。而基于統計學原理及大數據技術的風控平臺打通了行內行外數據孤島，若更加充分利用政府平臺公開信息以及互聯網信息，結合人工智能建模技術在海量信息中進行價值挖掘，商業銀行大數據應用將全面嵌入業務流程，提高風險精細化管理水平的同時也能有效地提升風險決策的實時性。比如利用知識圖譜挖掘技術挖掘集團間、企業間、主要控制人間隱藏關聯關系，并生成可視化關聯關系圖譜，及時發現異常避免不必要的風險損失。大數據應用使得金融機構以動態的、聯系的、全面的、發展的視角描繪客戶成為可能，傳統風控的理念是根據歷史預測未來，而現在的技術手段讓我們在風控上不僅可以“以史為鑒”，更可以“繼往開來”。

四、反欺詐

在科學技術尤其是信息技術高速發展的今天，伴隨著移動支付的快速普及，幾乎人人都開通了手機銀行、快捷支付等線上交易渠道，這就給一些不法分子帶來了新的可乘之機。然而，對于占據國家經濟命脈主題地位的大型國有商業銀行，利用統計學原理，應用大數據和人工智能技術，能夠有效的判斷出用戶的異常行為，解決部分黑色產業漏洞及安全威脅。互聯網金融蓬勃發展的同時也面臨著更加嚴峻的安全考驗。首先，傳統黑客變種升級，釣魚網站、木馬僵尸、撞庫攻擊、安全漏洞等越發肆虐，黑產技術的先進性、復雜性、隱蔽性和持續性都遠遠超出了傳統網絡安全技術的應對與防護能力范圍，不斷侵蝕金融生態安全，猶如潰堤的蟻穴，若無數個不受控制的單個風險點最終全面開花將會帶來巨大的損失。其次，新技術、新架構的應用引入新的安全風險與威脅。再次，互聯網環境下的信息泄漏和信息濫用等問題越發嚴峻，銀行業如何在開放合作中有效保護客戶隱私與信息安全任重道遠。所謂道魔互博，借助大數據技術可以解決創新階段的黑產漏洞及安全威脅帶來的制約。比如基于海量的計算和存儲能力打破信息孤島，持續豐富信息數據維度，完善治理數據質量的同時可實現威脅情報與信息共享。再比如，借助大數據技術并結合機器學習及人工智能，可以有效加強網絡安全威脅的態勢感知、預警與分析，提升金融網絡安全防御的廣度與深度，前瞻性地了解對手，提前感知并精準定位風險，并采取有效的風險應對措施為業務的穩健發展和銀行的智能轉型保駕護航。

將統計學思想，大數據方法應用于以上領域銀行信息系統建設中，無疑將大幅度助力銀行業務發展，同時也將提升銀行系統數據安全及客戶交易安全級別，但機遇與挑戰并存，在銀行系統大數據建設過程中，也將面臨前所未有的挑戰。

首先，目前在大型商業銀行系統建設中，通常采用傳統的IOE架構，這種架構不僅成本較高，橫向擴展能力弱，同時，大量的歷史數據存儲在磁帶中，甚至檔案館中還有大量沒有數字化的物理憑證或沒有結構化的影像數據。即使將這些數據結構化，基于目前銀行系統架構復雜，系統眾多的特點，銀行還要面臨歷史數據標準不統一、缺乏有效數據治理手段、數據質量參差不齊、數據應用無章可循等歷史遺留問題。面對這些問題，銀行必須做出系統架構轉型，不僅要統一各系統間的數據標準，使數據結構化，同時還要由集中式的傳統IOE集中式架構向分布式架構轉型。相較于集中式架構，分布式架構不僅具有成本低、擴展性強、穩定性強等特點，同時在分布式存儲結構下，結構化數據的存儲計算可以得到巨大的改善，可以將數月前甚至幾年前的歷史數據進行遷移保存。利用當前較為成熟的Hadoop、Spark等組件可實現對海量離線數據進行離線或在線分析，將數據優勢最大化，為銀行提供最全面的數據支撐。

其次，在數據開放共享的今天，銀行在內部數據收集方面遇到了極大的挑戰，傳統的以賬戶為中心，以會計為導向的銀行IT系統缺乏收集客戶賬戶查詢、咨詢、投訴等行為信息的能力，無法體現高維度的數據價值。數字時代銀行的IT系統必須是以客戶為中心，以市場為導向，具備采集全渠道客戶基本信息、交易信息、交易對手信息、客戶與銀行的接觸軌跡信息等更多維度信息的能力。這就要求銀行從客戶信息治理、豐富客戶模型開始，不斷完善客戶、賬戶信息的同時開始客戶行為信息的收集，數據的價值將會隨著維度的增加而顯著提高。同時，傳統銀行數據來源渠道比較單一，通常僅僅來源于銀行內部系統采集，數據類型也僅僅能夠反映客戶基本信息及金融領域相關信息，很難全方位準確完整的描繪客戶畫像，會造成回歸模型不準確，預測的精準性大幅下降。而互聯網平臺公司擁有大量與客戶頻繁互動的場景，在收集客戶行為信息、客戶之間關聯信息等方面具有天然優勢。銀行必須通過與互聯網企業合作才能采集更多維度的信息，但是銀行必須在保護客戶隱私的合規前提下，及時有效地獲取相關信息。其合規成本與合作的代價也是傳統銀行在開發相關數據應用時必須考慮的。

此外，銀行在加強信息系統建設的同時，還要轉變業務人員的固有思維及創新營銷服務手段，摒棄傳統的經驗主義，充分利用手中數據，通過整合客戶基本信息、金融資產、交易行為、渠道簽約、價值貢獻等相關數據，構建客戶細分模型，依據一定的業務規則對客戶進行分類，有針對性地挖掘銀行各項金融產品目標客戶；將公司與個人客戶信息統一分類、整合，形成面向個人客戶、小企業客戶和公司客戶的產品套餐和禮包，適度延伸現有產品和業務服務線。

雖然統計學原理在經濟學、銀行業領域中早已廣泛應用，但依托統計學原理的大數據技術在銀行信息系統建設中的應用才剛剛起步，無論是經驗積累、人才儲備、技術力量上都有一定不足，面對這一現狀，銀行還需適當地借助外部咨詢、培訓學習和外部協作，引進適合銀行現狀的先進的數據收集工具、分析工具和存儲工具，大大縮短建設周期并降低開發實施成本，提升應用效果，有利于建設貼近業務發展且可持續發展的系統。

綜上所述，統計學原理、大數據技術給銀行系統建設帶來了嚴峻的考研，同時也為銀行業的發展創造了良好的契機。在大數據時代發展潮流中，應緊跟時代步伐，利用成熟的技術，通過加強銀行系統建設，助力銀行業務發展；同時也應理性對待大數據帶來的數據風險，符合監管要求、保證客戶信息、交易數據安全。雖然大數據在銀行行業的應用起步比互聯網行業稍晚，其應用深度和廣度還有很大的擴展空間。銀行行業的大數據應用依然有很多的障礙需要克服，但大數據在銀行業的應用已得到業界的廣泛認可，相信在未來的兩三年內，在互聯網和移動互聯網的驅動下，統計學原理、大數據技術在銀行行業的應用將取得突破性的進展。

【參考文獻】

[1]藺亞利.大數據對商業銀行信息系統審計的影響研究[J].時代金融，2017（24）：78+87.

[2]韓健.基于大數據分析的銀行不良信貸風險預警系統設計[J].電子技術與軟件工程，2018（01）：164.