金融大數據的處理以及在銀行業中的應用

孫 波

（山西金融職業學院，太原 030000）

1 研究背景與研究意義

目前，信息技術（包括大數據、云計算、區塊鏈、人工智能等）以驚人的發展速度向各領域滲透，從主觀思維、客觀行為兩方面改變著廣大消費者和傳統銀行業，商業銀行面臨著利率市場化存貸利差縮小問題以及以阿里巴巴、京東為代表的互聯網企業的競爭，在此背景下探索大數據技術與銀行主營業務的融合迫在眉睫，既為大數據技術提供展示舞臺，又是銀行轉型的 “紅利”源泉與驅動力量，推動銀行以積極、開放的態度向數字化、智能化、開放化方向發展，以期實現更好地進行金融數據的管理和應用的目的。當前，我國銀行業的首要任務便是深入研究和使用大數據技術，創新客戶管理、營銷方式、服務模式、產品設計、經營管理途徑等，充分利用信息網絡技術來拓展非利息收入業務，進而推動商業銀行轉型升級。

2 金融大數據概述

2.1 金融大數據的含義及其作用

大數據是海量數據的集合，數據量級至少在TB 級以上，且傳統的典型數據庫軟件無法完成對數據的收集、存儲、管理以及分析，這樣的數據即是大數據，金融大數據便是金融行業的積累的巨量數據。大數據的基本特征可以用四個“V”來概括，即Volume（體量大）、Variety（多樣性）、Value（價值密度低）和Velocity（速度快）。大數據的類型包括三類，即結構化數據（可由二維表來進行邏輯表達和實現）、非結構化數據（不便于用數據庫二維邏輯表來表現，如圖片、音頻、視頻等）、半結構化數據（純文本數據，可通過某種特定方式解析得到每項數據）。

商業銀行每天近七千萬條交易數據，其中核心交易數據都超過TB 級，若數據分析師能有效管理和應用起這些數據，將為銀行賦能并帶來可觀價值。實際運用中的金融大數據則不是對靜態數據的集合，而是對金融數據的動態處理過程，包括四個環節，即數據的采集、清洗、存儲和查詢、分析與可視化，進而挖掘數據背后的價值，幫助商業銀行更有針對性地設計個性化金融產品、開拓新型金融業務、提供優質金融服務。

2.2 金融大數據的處理

金融大數據主要包括宏觀經濟數據（GDP、社會消費品零售總額、固定資產投資、進出口總額、工業增加值等）、行業數據／指標（銀行業不良貸款率、撥備覆蓋率、資本充足率等）、上市公司數據／指標（基本數據、財務報表數據、交易行情數據、公司公告數據）等。

大數據處理是指面向類型復雜的海量數據，使用非傳統的工具進行數據采集、數據清洗、數據存儲、數據挖掘分析，從而獲得分析和預測結果的一系列過程，具體如下。

2.2.1 金融大數據的采集

數據采集包括手動采集和自動采集（借用Python爬蟲技術實現）兩種方式。宏觀經濟數據的采集渠道有國家統計局網站、中國統計年鑒、國家各部門網站、各級政府統計局網站和數據商的數據產品等。銀行業數據采集渠道有中國人民銀行網站、國家外匯管理局網站、中國銀保監局網站、中國外匯交易中心網站等。上市銀行數據采集可以通過證券交易所、巨潮資訊網、新浪財經、和訊網、鳳凰財經、網易財經、東方財富網等進行采集。

2.2.2 金融大數據的清洗

銀行業中，無論是利用數據進行分析決策還是設計金融產品，在保證數據源可靠的同時，還得保證數據質量。未經清洗的數據一旦投入使用，就會對使用者產生決策誤導。數據清洗環節包括數據預處理和質檢兩個過程。

（1）數據預處理，包括空缺值處理、重復值處理、異常值檢測、數據規范化、邏輯錯誤檢測。

（2）數據質檢是通過對數據中字段、表的結構及業務邏輯的檢驗，來判斷是否存在錯誤數據需要二次清洗，包括對數據屬性、金融知識、關聯關系的質檢。

2.2.3 金融大數據的存儲和查詢

當今社會，數據已成為一種重要的生產要素，海量數據的存儲是一個客觀趨勢。便捷地存儲數據和快速地查詢數據，是數據存儲技術首要解決的問題。數據存儲是信息技術對每天所需的數據內容（從應用到網絡協議，從文檔到媒體等）進行歸檔、整理和共享的過程，是大數據的核心環節。關系型數據庫主要有MySQL、SQL Server 和Oracle。數據查詢可以運用SQL 查詢語句，包 括：SELECT、DISTINCT、ORDER BY、WHERE、LIKE 等。

2.2.4 金融大數據的分析與可視化

金融大數據的分析與可視化，是前面所有環節的落腳點，要求能夠根據行業或企業自身需求選擇合適的可視化工具制作可視化報告進行數據解析。常見可視化工具包括WPS 和Office 繪圖工具、DataV 可視化組件庫、騰訊云圖、Tableau 等，編碼類可視化工具包括ECharts 可視化工具、R 語言繪圖、Python 語言繪圖和SAS 語言繪圖。通過對采集并清洗好的金融數據做圖表，如面積圖、詞云、雷達圖、餅圖等，再結合文字分析，最終以報告的形式對所得數據背后的信息加以生動呈現，查找出問題、提煉出解決方案，為行業、企業的發展做出書面詮釋。此外，還可以結合客戶的非財務數據和財務數據進行綜合分析，讓客戶從定量和定性兩個角度清晰地認識自己的消費規律、投資特點等，并運用文字、圖表這種可視性比較強的形式為其設計合適的理財規劃等。

商業銀行的金融產品研發人員、理財經理、私人銀行經理、信貸人員等掌握大數據技術后，可以更好地進行宏觀經濟、微觀客戶金融行為的分析，設計出更加符合市場需求的金融產品、推薦給客戶更合適自己的理財方式、提供給客戶高品質的金融服務以及做好客戶的信用管理，一定程度上降低商業銀行所面臨的信貸風險?？傊?，互聯網時代，數據的力量不容小覷，尤其是金融大數據，更是一個新的風口，帶來高效率的同時還能創造高收益。

3 大數據技術在銀行業的應用

商業銀行是海量數據的聚集地，除了資金和金融產品交易數據外，還有儲蓄、信貸、征信、資產、客戶數據等，若銀行借用大數據技術對其進行管理、分析和應用，將會獲得因數據驅動帶來的紅利。常見的銀行的大數據應用場景集中在客戶畫像、精準營銷、風險管控、投資理財等方面。

3.1 大數據技術在銀行客戶管理中的應用——“客戶畫像”更清晰

通過手動采集或自動采集（借用Python 實現）以下四類數據，包括客戶在社交媒體上的行為數據、客戶在電商網站的交易數據、企業客戶的產業鏈上下游數據和其他有利于銀行了解客戶興趣愛好的數據，利用這些結構化和非結構化數據構建以客戶為中心的客戶整體視圖。銀行業深度挖掘客戶的個人偏好、資產狀況、消費習慣、投融資方式等，方可更加真實、完整、生動地刻畫出“客戶畫像”，這也為銀行進行客戶管理、精準營銷、風險監測、戰略制定等奠定良好基礎?？蛻粜畔⑹倾y行運用先進互聯網技術，對客戶進行合理分類后，針對不同類型群體設計對應的營銷方案，提升客戶辦儲蓄卡和信用卡的可能性。此外，銀行掌握獨立客戶數據之外，還可繼續掌握他們之間的關系，探索客戶人脈，進而打造龐大的“客戶關系圈”，提高營銷成功率并降低人力和費用成本。銀行只有做到深度了解自己的客戶，才能做到有的放矢。

3.2 大數據技術在銀行業務經營和服務中的應用——“精準營銷”更具體

大數據技術通過實時營銷、個性化推薦、客戶生命周期管理，實現精準營銷的目的。零售銀行方面，商業銀行通過客戶數據挖掘、洞悉客戶交易行為，展開精準營銷。一是通過模型發現影響活躍的因子，推動精準“獲客”和“活客”。二是精準打造產品數據平臺，構建跨部門、跨地區產品數據共享機制，同時要制定差異化銷售點，以此保證精準營銷。三是借用大數據及時采集客戶軟性信息數據，構造360 度客戶視圖，再根據客戶類型與數量設置不同的采集標準，實現精準營銷和客觀的客戶評價。商業銀行相較于第三方支付等公司的優勢在于擁有較多的中高端客戶，通過挖掘這些高凈值客戶的數據信息并展開多維度分析，了解不同客戶差異化需求，借用其中有價數據建立計量經濟學模型或統計分析模型輸出結果，并及時獲取更新數據，周期性對模型進行反復訓練，以期形成較為成熟的模型，最后借此模型對銀行數據進行數據挖掘分析，發現客戶的個性化需求，為其提供私人專屬管理服務，以此增加客戶忠誠度與客戶黏性，實現銀行金融產品和服務的精準營銷。

3.3 大數據技術在銀行風險控制與管理中的應用——“風險管控”更嚴格

多元化是互聯網時代的典型特征，帶來積極影響的同時，也有一定的負面作用，如金融風險愈發復雜多變，這將對金融活動的正常運行產生阻礙，更是對相關部門有關金融監管提出了更高的要求。大數據技術包含各類金融風險的計算法，在金融風險監管中構建完善的防范系統，通過對金融風險進行計算、識別、監管，將風險發生的可能性極大降低。比如，發放貸款作為銀行最重要的資產業務，貸款質量的優劣直接影響銀行的盈利能力和風險高低，且銀行作為負債經營的企業，風險管理工作更應受到高度重視，利用大數據技術解決貸款前（客戶信用信息不對稱）、貸款中（銀行工作人員審批錯誤）和貸款后（資金用途改變和企業經營不善）存在的問題，實現快速識別風險及其來源，盡快找到應對策略，將可能面臨的損失降到最低，尤其應借助信用評級模型及時考評和跟進客戶信用質量的變化。商業銀行運用大數據技術可更全面地了解客戶的消費習慣和行為特點，提高風險模型的精確度，提升風險定價能力。

3.4 大數據技術在銀行幫客戶進行財富管理中的應用——“投資理財”更高效

互聯網時代中，客戶獲取投資方面的信息渠道越來越多、知曉的理財方式也越來越豐富，且隨著民眾收入水平的逐步提升，更多的客戶對財富的保值增值的意識日益濃厚，更加積極主動地參與到個人、企業財富管理活動中來。因此，廣大客戶對于如何選擇適合自身特點的投資理財模式的需求也在不斷升級。銀行作為規模最大的金融機構，在此背景下，更應該乘著大數據技術的東風，在金融科技企業搶奪客戶競爭中，發揮自身優勢，穩固客戶的忠誠度。銀行業掌握用戶資金的交易信息，包括交易金額、交易時間、交易用途、資產分布等，運用大數據技術分析客戶交易數據，可在一定程度上解決金融信息不對稱問題，提供符合不同客戶資產狀況和投資需求的金融產品與金融服務，以此滿足他們對財富管理的期待。比如，低凈值客戶偏好于風險性低流動性強的、高凈值客戶則更重視產品的長遠收益，有利于銀行業創新理財產品與服務。此外，利用組合算法、風險模型分析等大數據技術，結合傳統資產組合理論構建投資模型，綜合考慮用戶的投資預期、財務實況、理財年限、投資偏好、資產處置習慣等，運算生成的個性化的投資建議方案，盡可能幫助客戶動態調整各類資產比例，高效運用閑置資金，使收益率與流動性實現最優匹配。

4 總結

綜上所述，傳統銀行業借大數據科技之舟，從客戶關系管理、精準營銷、風險管控、客戶財富管理等方面入手，定將駛向“智能化”“數字化”“精準化”的彼岸。但要想讓大數據技術在銀行業發揮更大的正向作用，需要一定的前提條件，包括建立完整高效的信息數據系統、培養金融科技人才勝任金融數據處理工作、建立金融大數據管理的相關制度等。只有在嚴控金融科技潛在風險的基礎上，才能讓金融大數據的現實價值落地，促使其為保障銀行業的信息安全性做出貢獻，并推動商業銀行朝著“三升兩降”的轉型方向不斷邁進，即提升盈利能力、提高競爭力、優化服務質量，以及降成本、降風險。