銀行業大數據應用中的統計學價值初探

左繼帥

中圖分類號：F253 文獻標識：A 文章編號：1674-1145（2019）4-145-01

摘 要 在大數據時代下，統計學可以在銀行業轉型發展中發揮巨大作用。通過重構傳統統計學，對描述性數據、抽樣性數據進行業務相關性分析，為生產經營及發展轉型提供數據支持及理論參考。

關鍵詞 大數據 相關性 生產經營

有位美國學者曾經說過，統計學是大數據時代最炙手可熱的學問。在很多時候，數據不僅是分散的，還存在重要性不明等問題，無法通過單純的數據來看到事物的本質。況且現在人類制造出的數據越來越多，而且速度越來越快。正如《紐約時報》曾指出：數據只不過是知識的原材料。在大數據時代下，統計學除了在銀行業務經營、信貸支持、金融同業等發揮作用外，在客戶畫像、精準營銷、風險管控、營運優化方面仍具有優勢。通過對描述性、抽樣性數據進行分析與挖掘，以支持與促進銀行業務發展與轉型。

一、傳統統計學的日常應用

基于大數據特征，統計學的抽樣理論和總體理論的存在價值、統計方法的重構及統計結果評價標準的重建等成為統計學理論面臨解決的首要問題。傳統意義下的統計學包括概率論與數理統計、相關性處理等內容。不管是描述性數據還是抽樣性數據處理，在不同程度上具有一定的局限性。

（一）描述性數據——客戶排隊等候時間與偏股基金銷量

客戶排隊等候時間是一個描述性的數據，偏股基金銷量也是。對于每個網點來說，我們通過系統對客戶排隊等候時間的變化進行描述，來分析該網點的運行情況及影響因素。同樣，我們通過對每位客戶經理的偏股基金銷量進行統計和評價，以分析員工的基金業務水平、營銷能力及營銷意愿等。

當然，這一衡量指標并不完美。客戶排隊等候時間的統計并沒有考慮一個網點的客戶群體特征、自助取款機數量、周邊市場環境等因素。同樣，偏股基金銷量也沒有考慮當前的市場行情、網點歷史問題、客戶的理財偏好、客戶經理從業經歷等因素。

（二）抽樣性數據——非現場檢查與客戶調查

銀行業作為高風險行業，時時刻刻都存在著各種風險，我們需要對各項風險進行防范、預警及應對，就離不開網點的非現場檢查，使網點運行時刻處于一個合規的狀態。在這里，非現場檢查就是一個典型的用抽樣數據來解決大問題的方式。同樣，客戶調查也是抽樣的一種形式，通過對客戶的年齡、性別、持有產品、業余愛好、所需服務等進行調查，來增加對客戶的了解。這種通過樣本來代表整個群體的調查研究在社會的普遍存在且效果顯著。

對此，不可否認這種方式存在誤差，比如說客戶因個人意愿而透露虛假信息導致抽樣結果與實際情況不一致，非現場抽樣檢查不能涵蓋網點運行的全部過程等。當然，通過對傳統統計學進行改進與重構，致使這些偏差均在我們接受的范圍之內，抽樣性數據統計的重要性仍然不言而喻。

二、統計學中的相關性與相關系數分析

傳統統計學中的相關性體現的是兩個現象之間的相互關聯的程度。例如客戶排隊等候時間與有效客戶增長之間的相關性問題，有待進一步分析論證。如果一個變量的改變能夠引發另一個變量朝著相同的方向變化，那么我們說這兩個變量存在正相關性，如果一個變量的改變引發另一個變量朝著相反的方向變化，那么這兩個變量就存在負相關性。在日常工作中，也存在著與上述相關性相違背的現象。

而大數據分析涉及到三個維度，即時間維度、空間維度和數據維度。對于相關性來說，傳統統計工具的魅力在于將兩個變量的關聯成一個描述性數據：相關系數。在數學表達方面，相關系數的區間為[-1，1]。如果相關系數為1，即完全相關，表示一個變量的任何改變都會導致另一個變量朝著相同方向發生等量的改變。如果相關系數為-1，即完全負相關，代表一個變量的任何變化都將會引發另一個變量朝著相反方向發生等量的改變。相關系數越接近1或-1，變量間的關聯性就越強。如果相關系數為零（或者接近零），則意味著變量之間不存在有意義的聯系。而現在則變成了三個變量的相關性，也反映了大數據的復雜性和不確定性，需要建立新的統計模型進行應對。

需要說明的是，相關關系并不等同于因果關系。在分析因果關系，需要考慮其他相關因素。另外，隨著人們認識的不斷深化，從方差、相關系數、協方差，到半方差、半協方差，到絕對偏差，相對偏差等，發展出不同的方法。

三、銀行業統計學應用的意義

由上可知，我們利用統計學整理出來的數據并不是完美的，容易導致對某些統計結果或結論持有異議，需要進一步進行相關性分析，促使對數據統計及分析方法不斷改進，使結果或結論更加具有合理性。這時，統計學的意義更加彰顯。比如說，做出正確的決定、解決業務發展問題、賣出更多的產品、營銷更多高質量客戶、評價信貸客戶的經營情況及存在的風險等。這些都是銀行業大數據應用所面臨的問題，需要我們通過運用統計學這一工具諸多因素對進行相關性分析來發現事情的真相。

統計學是我們在大數據時代讀懂、聽懂和看懂一切事實真相的基礎。銀行業在大數據應用中，應當充分發揮統計學的作用，重構傳統統計學，充分合理利用大數據資源，深入挖掘數據背后的信息價值，為生產經營及發展轉型提供數據支持及理論參考。

參考文獻：

[1] 岳曉寧，丁宇.大數據時代統計學重構淺析[J].沈陽大學學報（自然科學版），2017（3）：250.

[2] 張堯庭.金融市場的統計分析[N].廣西師范大學出版社，1998（11）：122.