商業銀行數字化轉型中大數據技術的應用研究

劉凱 呂思聰 于天

[摘 要] 現階段，以大數據技術為基礎的人工智能與金融的融合形成的金融智能正在全面賦能金融機構，加劇了整個行業競爭格局的重構。未來，大數據賦能金融業務將會迎來爆發“奇點”，從而帶動整個行業的科技金融浪潮。為此，結合商業銀行目前大數據技術應用情況和存在的問題，結合商業銀行科技化、數字化進程發展情況，提出具體思考建議，為我國商業銀行數字化轉型奠定決策基礎。

[關鍵詞] 大數據;商業銀行數字化;科技賦能

[中圖分類號] F740[文獻標識碼] A[文章編號] 1009-6043（2019）04-0147-02

一、大數據在金融領域發展概況

大數據被認為是信息時代的新“石油”，據國際數據公司IDC報道，2020年產生和復制的數據量超過35ZB字節，并將以接近每年翻倍的速度增長。大數據具有三層內涵：一是數據量巨大、來源多樣和類型多樣的數據集。二是新型的數據處理和分析技術。數據處理和分析是大數據價值的實現和應用的基礎，其目的在于提取有價值的信息，提供論斷建議或支持決策。三是運用數據分析形成價值。利用大數據分析的結果，為用戶提供輔助決策，發掘潛在價值。為抓住大數據技術發展窗口期，我國頒布了一系列政策促進相關項目的落地實施。爭取到2020年，基本形成數據觀念意識強、數據采集匯聚能力大、共享開放程度高、分析挖掘應用廣的大數據發展格局。

我國“十三五”規劃提出：“實施國家大數據戰略，推進數據資源開放共享”。金融業在大數據前五大投資規模中位居第三，占比17.5%，而無而論是投資規模還是應用潛力，金融業中銀行又是重點，占比達到41.1%;證券占35.1%;保險占23.8%。根據麥肯錫統計，以大數據推動的銀行業務精益管理、流程、客戶體驗再造，實現了銀行15%-25%的收入增長;根據交易數據、需求預測和前線人員的實時匹配，釋放產能，降低了前、后臺5%-15%的運營成本;新建的大數據預測系統削減了30%-35%的不良貸款流入總量和15%-20%的風險加權資產（RWA）。

放眼未來，全球的銀行業正在大數據技術的帶領下，進行核心業務的重組和變革，同時搭建全新的數字化分析平臺。本文以國內商業銀行為例對目前大數據技術的應用和存在的問題進行分析，探討在銀行實現以大數據技術引領數字化轉型過程中核心能力提升的有效路徑。

二、銀行大數據應用場景分析

（一）商業銀行大數據分析價值挖掘

面對行業內外部的嚴峻挑戰，國際領先銀行以“大數據”為核心管理工具已成功挖掘出“大價值”，結合目前我國商業銀行業務經營的實際情況，有以下幾點可以作為大數據技術公關突破的重點方向。

1.推動精準營銷。通過大量分析客戶在銀行內部的個人數據、行為信息，以及社交網絡等外部機構的個人與家庭數據，對相近的客戶群體進行聚類分析，并基于結果對潛在需求進行預測，最終提出針對性的產品建議。

2.管理決策支持。通過系統地收集、整理、運用數據，運用大數據分析支持建立銷售管理看板，輔助總、分、支行的管理層進行決策，并實現各層級標準化流程管理。

3.降本提效。如今，互聯網金融盛行，這對銀行的運營能力提出了更高的要求。商業銀行目前已開始收集分析各類業務運營數據，探索全面提升渠道管理、運營調配及人力資源管理能力的方式。

4.管控風險。一家銀行的成敗，往往取決于它對風險的經營與管理。通過大數據分析可高效進行信貸風險評估和道德風險防范。豐富可分析的客戶數據源，提高信貸風險評估能力。在全面風險管理系統方面。

綜上所述，在開展業務的過程中，銀行積累了大量寶貴的客戶數據，包括其基本信息、資產負債情況、資金收付交易歷史記錄等，這都意味著大數據高級分析能夠為銀行業眾多領域帶來前所未有的實際價值。

（二）商業銀行大數據應用存在問題

國內眾多商業銀行雖然在數字化轉型的戰略引領下已經取得了明顯的進步和矚目的成績，但相比于國內外先進的同業，相比于商業銀行自身轉型發展的要求，大數據技術在具體業務應用中仍舊存在以下問題：

1.數據框架能力匱乏，難以形成高價值洞見。商業銀行缺乏針對不同業務問題的分析框架和能力，這主要體現在以下幾個方面：1）對業務問題的理解不夠全面，未能形成系統性的分析思路，缺乏對于整體業務目標及框架的全局思考;2）局限于當前業務和科技、數據等團隊之間的合作模式，一線團隊的業務思考邏輯難以轉化為對應的數據分析圖譜;3）缺少具備數據驅動營銷的協作中心及專職團隊;4）數據基礎能力薄弱，大量有價值的客戶交易行為數據被忽視等。

2.數據共享難以實現。銀行信息系統建設以往呈現“重功能實現、輕數據采集”的特點，導致數據豐富程度不夠，數據質量不高。數據共享存在一定障礙，導致不同部門在大數據的分析和應用上缺乏系統性和整體性也阻礙了數據的共享與集成，導致無法將數據優勢有效地應用在經營管理的決策中。

3.數據安全管理能力有待加強。在大數據時代，銀行所擁有的數據量大幅增長，使得對數據安全的管理責任更加重大。如果一旦出現由于個人信息資料管理不善導致個人信息泄露，大數據淪為信息詐騙的工具，由此而造成的經濟損失將是難以估量，不僅會影響商業銀行正常業務的開展，更是引發銀行聲譽風險。

4.數據分析復合背景人才儲備缺乏。商業銀行的信息技術部門仍然簡單當成一個后臺基礎支撐部門，沒有一個有效的科技創新氛圍。另外，和國際先進金融科技公司相比，我國商業銀行的科技投入占全年運營成本比例普遍較低，并且投資基本以科技硬件固定資產和相關耗材為主，在人才培訓，項目科研，產品創新等方面投入經費較少。

三、大數據引領商業銀行數字化轉型必然途徑

（一）建設一體化數據平臺

為了實現大數據分析的潛在巨大價值，讓商業銀行具體業務在大數據驅動下切實產生效益，在銀行全行范圍內建設一體化的數據平臺作為大數據基礎架構是重中之重。該平臺從數據整合到一線執行共包括5層，且各層均配備相應的組織架構和KPI支持。一是數據整合層：基礎層的功能是將不同來源的數據整合為一個集成數據庫，具備標準化且統一的數據結構和格式。二是分析模型層：在一體化數據庫的基礎上，構建各種機器學習模型來獲取洞見，并通過數據創造價值。三是軟件工具層：軟件工具是數據/分析模型和一線執行之間的連接性組織。四是一線實施層：一線員工需要利用軟件工具，在其日常工作流中使用分析模型洞察。五是組織和KPI支持：所有上述工作需要組織和KPI體系支持。

（二）深度理解業務痛點和機會點

專業、高效地診斷并獲得客戶洞見是數字銀行開展精準營銷的第一步。大數據分析技術作為快速挖掘客戶洞見的診斷工具，可以從銷售構成、消費者生命周期、產品品類、渠道構成等多個維度搭建分析框架，通過對銀行業務邏輯的深度解讀，針對商業銀行特點定制了基于大數據的分析框架，對其客戶進行了全生命周期的數據診斷。在實現了業務診斷并獲得了相關洞見之后，通過大數據建模分析，可基于用戶個體數據建立顆粒度更細的分組，并針對分組建立用例，科學地考慮多個維度對于業務影響的效用，從而按照用例的商業背景，制定更加有效且可行的行動策略。

（三）頂層設計打通數據共享環節

數據共享的程度反映了商業銀行的數字化發展水平。要實現數據共享，首先應通過頂層設計建立一套統一的、法定的數據交換標準，規范數據格式，使用戶盡可能采用規定的數據標準。通過自上而下的頂層設計，實現全行的信息流共享。

（四）提升金融科技復合背景人才

隨著大數據技術的發展，掌握數學模型算法、數據分析、全業務“翻譯”等技能的新型金融科技人才崗位急需補充。健全的人才認定機制，把提高金融科技人才的自主創新能力作為核心，在科技人才錄取中做到公平、公正、公開，選撥出優秀的人才，充分調動金融科技人才的工作潛力。同時，要建立、健全人才流動機制，設立金融科技專業人才庫，充分的發揮好科技人員的實際能力，實現柔性化的管理。

四、總結

未來，在大數據賦能的助力下，我國商業銀行的數字化轉型將推動實現高質量發展：在客戶服務上，大數據賦能將為客戶便捷高效地提供多樣化、組合化、場景化金融服務，提升客戶體驗，滿足客戶日益增長的對美好生活的向往;在業務結構上，大數據賦能將實現多種金融生態、不同金融業務的協調發展，形成動態合理的業務結構;在增長動力上，大數據賦能將堅持制度創新、科技引領、優化人才結構，實現高效、敏捷、持續動力變革。大數據技術將會是引領我國商業銀行在新一輪信息革命浪潮中實現彎道超車，建成國際一流商業銀行的新引擎。

[參考文獻]

[1]李璠.商業銀行數字化轉型[J].中國金融.2017（17）.

[2]李虹含.大數據技術在商業銀行中的應用：場景、優勢與對策[J].廣西大學學報（哲學社會科學版），2016（1）.

[3]傅俊.數據挖掘技術及其在商業銀行中的應用[J].軟件導刊，2014（2）.

[4]Crosman.Penny. How Big Data Helps Banks Strengthen Ties with Small Business. American Banker，2013.

[責任編輯：趙磊]