标题：朱大磊：差距与反思：传统银行大数据发展之路
时间：2018年8月9日 (下午3:05)
分类：总57期, 清华金融评论杂志文章, 银行与保险, 银行与信贷-总57期
标签：朱大磊
作者：清华金融评论

[1] 本文借鉴国际经验，分析了大数据技术在金融领域的发展趋势和动向，并从数据管理、业务应用、运营体制三个方面分析了中国传统商业银行在大数据技术的运用上与国际领先水平相比的不足之处，并对此进行反思、展望和建议。 近年来，随着大数据技术的迅猛发展与进一步成熟，各国政府纷纷抢抓战略布局，不断加大扶持力度，各类资本也持续不断注入，使得全球大数据市场呈现高速增长的态势。全球范围内来看，大数据已进入了从概念推广到应用落地的关键转折期。中国敏锐地把握住了大数据的兴起及发展趋势，集中力量构建大数据战略体系。2015年8月，国务院发布《促进大数据发展行动纲要》，提出全面推进中国大数据发展和应用，走数据强国的道路。2016年3月，国家出台“十三五”规划纲要，再次明确大数据作为基础性战略资源具有重大价值，提出要加快推动大数据相关技术的研发、应用及治理；2017年1月，国家发布《大数据产业发展规划》，全面指定了未来五年的大数据产业发展计划，为中国大数据产业持续健康发展确立了目标和路径。借助国家政策推动，中国大数据市场庞大产业规模已经形成，并已处于行业高速发展期，目前，中国大数据产业规模可达1500亿元，未来无年将进入“加速期”，到2020年将达到8000亿元的规模，实现几何级增长。 大数据也为传统银行业提供了新的发展契机，帮助金融行业实现信息化转型，使得银行整体服务更为高效、便捷。尤其是在传统银行业面临着前所未有的挑战的今天，利率市场化、供给侧改革、不良贷款压力、互联网金融、更加开放的竞争环境、客户更加个性化的要求、新生企业更加便捷的金融服务等都成为传统银行业发展进步的巨大阻力。如何发现与市场前沿的差距，深刻反思，逐浪而行，是传统银行在大数据时代立足必须解决的问题。 金融大数据趋势与动向 对于金融机构尤其是传统银行业而言，大数据的价值不仅仅体现在对传统银行财务相关指标的直接影响上，也体现在对商业模式变革的推动与重构上。传统银行业不仅仅要在大数据“数量”“处理速度”“数据类别”上下功夫，更加需要去进行深层次的数据整合，形成自身的数据资产管理能力，让数据产生“价值”。纵观国内外金融机构大数据能力建设情况，可以看到大数据在金融行业应用较为成熟的领域集中在反欺诈识别、运营效率优化、深度客户洞悉、客户行为分析、交叉营销、场景营销、科技金融等几大方面。优势企业之所以能够在这些领域脱颖而出，独占鳌头，主要在数据资产管理、业务开展及运营体制三个方面有较为先进的理念，而这些理念正逐渐成为一种趋势，引导着大数据行业攀向更高的山峰。概括而言，主要有以下几方面特征和趋势： 一是通过培育数据资产管理能力打造核心竞争力。完善自身数据运作模式是形成自身数据资产管理能力的关键。国内外使用大数据技术较好的金融机构首先是建立完善的数据质量标准体系。比如数据采集的过程更注重全面性、针对性以及交互性。在数据广度上，更倾向于拓展资源获取途径，通过合法手段获取原有模式下难以采集的数据，如客户与银行交易的语音、文字数据和互联网产生的行为数据等。在数据整合与加工过程中，更注重以业务需求为导向，重塑结构化数据、半结构化数据、非结构化数据的ETL（数据仓库技术Extract-Transform-Load）标准化流程，尽可能提升数据的准确性与关联性，消除数据孤岛与“惰性数据”。在数据应用过程中，一改过去专门信息专门使用的模式，对数据进行多维度的整合与分析，更注重不同渠道和应用方向数据的交互采集，充分发掘数据在不同场景中的应用能力。其次是完善数据团队的组织结构与管理方式，数据处理的过程更体现专业性、创新性及实用性。也更加注重专业人才和团队的引进和后备人才的培养，逐渐形成结构合理、充满活力的数据分析组织。 二是运用智能化技术构建更普惠化场景。以“用户为中心”的理念正逐渐影响金融行业尤其是传统银行业，推动业务走向定制化和智慧化。在人工智能技术发展的情况下，传统银行都在积极进行智慧转型，技术和数据成为其中要点。比如，银行将用户数据、征信数据以及行为数据等结合，利用大数据处理技术进行数据建模，对用户进行精准画像，确定金融活动目标可靠性。基于用户洞察来细化客群，在业务上更加普惠化，更加倾向于业务数额较小但群体数量较大、稳定性较好的长尾客户，为其制定个性化业务，并通过场景化、全方位金融产品布局为用户提供灵活便利的普惠金融服务。在开展形式上，部分领先银行以人工智能的形式提供智能化服务，更深入地渗透到普惠金融大众用户。 三是建立健全体制支撑大数据技术稳健发展。在营运体制方面，领先的银行更加展现轻量化、统筹化、保障化。这在程序上体现为更加重视流程的简化，节约人力、时间成本；在管理体制上采取统筹化管理方法，避免各条线各自为战、形成孤岛和重复建设；在后勤保障上，更加注重科技保障，着眼于人才的引进和人才培养发掘体制的建立。 四是通过保障数据安全与合规，为自身大数据发展保驾护航。在大数据发展与隐私保护的博弈下，国内近期发生的一系列数据泄密事件，以及由此而导致的监管的高度重视，也暴露出大数据等科技发展为传统银行带来新挑战。2014年中国央行和银监会联合下发《关于加强商业银行与第三方支付机构合作业务管理的通知》，明确强调了商业银行要做好客户信息安全与保密工作；2017年正式实施的《中华人民共和国网络安全法》将个人信息保护提升到了一个新的高度；金融稳定工作会议也强调了随着金融稳定性在全球金融系统中凸显的重要性，体现出保护金融机构数据和算法完整性成为各国和国际组织关注的焦点。在国际范围内，欧盟提出的GDPR（General Data Protection Regulation，《一般数据保护条例》），将数据保护的严重性提高到前所未有的程度，对数据的共享、开放、流通、交流、使用和保护对法律的制定与执行提出了更高要求。金融数据完整性保护日益成为全球规范趋势，新时代下需要通过制度约束、规范保障、新技术应用等多重手段，推动大数据的合理应用与数据有效保护的双赢结局。 中国传统银行运用大数据技术的差距与反思 （一）数据管理 传统银行业虽有大量的客户历史信息，但在信息采集方面仍存在着信息渠道单一、非结构化数据较为缺乏、信息挖掘深度不足、场景针对性数据缺乏以及数据交互度低等问题。对比国际先进银行企业，Zions Bank目前正在运用源自140个不同渠道的信息开展欺诈分析，几分钟内就可以侦测到欺诈信息；花旗银行通过分析信用卡交易和位置数据为客户提供更具针对性的营销活动；Bank of America积极识别用户的“关键信息”，使其在年轻客户群中的份额不断攀升。在大数据时代，掌握好数据来源就掌握了一把无往不利的锋利宝剑，传统银行要想有所突破，应当率先搭建大数据信息平台，拓宽信息渠道，提升信息质量，建立基于场景的信息搜集模式，同时针对用户关键信息进行深度发掘，将用户和场景结合起来，充分提升自身在用户心中的分量。而对于已有信息，传统银行应当更重视非结构化信息的采集，将征信信息、营销信息等充分结合，打破以往信息交互度低的僵局，充分发挥数据的潜在价值。 在数据分析能力方面，国内传统银行目前大量业务的技术部分还普遍依赖于合作与外包，短期来看对提升业务效率有不小的帮助，但大数据时代与网络时代相同，注定是一个长期的、不断快速发展的、逐渐渗透到社会各个角落的过程。传统银行业想要为社会提供稳定、安全、有竞争力的服务，应当从根本上提升技术人员素质，提高科研创新能力，逐渐建立独立自主的数据分析和业务分析有机结合的分析体系，提高核心竞争力。 在数据保护方面，网络空间面临的外部威胁和挑战越来越现实与紧迫，网络安全威胁呈现出“来源更加多样、手段更加复杂、对象更加广泛、后果更加严重”四大特征，也给商业银行数据安全与客户隐私保护带来了新的挑战。同时，由于银行客户信息的多样性和广泛性，要进行客户信息安全防控的环节众多、范围极广，银行若对客户信息进行掌控和保护的不够及时，就会导致银行传统的数据保护手段在新时代下效果有限，对传统银行大规模布局大数据技术造成一定阻碍。 因此，在业务发展与客户隐私保护的博弈下，传统银行应该始终不忘初心，在布局大数据技术时以用户为本、科技为先，积极利用人工智能、区块链等金融科技创新，把控数据传输、共享及使用等数据全生命周期的安全。习近平总书记在“一带一路”高峰论坛的主旨演讲中也提到“发展普惠金融，完善金融服务网络”的倡议，因此传统银行业研究、发展金融科技创新，本质上是为了发挥新技术的力量，真正给客户带来实惠与便利。在面对大数据发展与数据保护的难题时，银行可借助新技术来提升数据保护水平，如利用区块链技术的安全性、保障数据私密性、对数据流动的可追溯性等特点，为大数据使用安全提供更高阶的保障。 （二）业务应用 传统银行以往的业务模式更加倾向针对于大客户，抢占大块资源，但大数据时代下利益至上的大客户并不具有很高的忠诚度；同时大客户群体基数小，业内竞争激烈，一旦出现利率较大波动可能会产生伤筋动骨的影响。所以新环境下，传统银行应当一方面保持对大客户的争取，另一方面利用数据资源优势，抢抓基数大、稳定性好的长尾客户，这就要求传统银行拓宽业务渠道，为客户提供更多个性化、场景化的服务。Great Western Bank从2008年开始便积极运用大数据技术更好地了解客户并将其运用于日常业务，使得其业务增幅迄今已达到30%；而在美国6000多家银行中，领先银行已建立起基于大数据分析的利率定价流程，广泛使用客户分群、客户行为预测、信用风险分数测算等分析方法建立定价模型。这也激励着传统银行整合利用各渠道营销资源，建立完善渠道间协同机制；充分发挥数据优势，开发长尾客户，建立客户画像，针对客户场景提供个性化服务，唤醒客户潜力，增强客户依赖性。 （三）营运体制 大数据时代下金融行业要想发展，体制是不可动摇的基础，国际金融领先机构在人才方面都有较为完善的机制，如全美最大金融控股公司之一的第一资本国际投资集团在中央和各业务部门均设有数据团队，中央数据团队有超过30名数据科学家、数据工程师等。但传统银行运营体制近年来却成为限制其发展的一大障碍，不仅在用户交互流程中因程序复杂、占用资源过多的问题而流失了一批年轻客户，而且在行内业务开展流程中也存在跨领域共享性需求整合不足，信息、资源交流不畅的问题，使得各条线开展业务堆叠、重复而造成大量资源的浪费。在这方面，近几年我国传统银行业已经开始逐渐转变思路，逐步架构起符合自身情况的大数据应用总体规划设计，有序实施共享性强、影响面广的基础工程，稳步推进大数据应用的横向联动，构建出了初具规模的“1+X”分析师体系，也开始逐步构建后备人才培养的机制。下一步，传统银行应当加强智能化网点和直销银行的建设，轻量化外部交易和内部统筹的流程，同时充分整合跨领域共享性需求，避免形成孤岛，防止业务堆叠，将释放的资源更多流向技术开发和人才培养，完成新时期下固有资源的重新整合和合理配置。 中国银行业大数据技术发展未来展望与建议 近年来互联网企业的异军突起对传统金融业造成剧烈冲击，客户流失，收益下降，业务竞争力不足，整个行业哀鸿遍野。商业银行作为国民经济的命脉，应对金融科技发展，积极展开金融创新，既是银行自身发展壮大的内在诉求，也是银行服务国家战略、担当社会责任、扶持实体经济、践行普惠金融的必由之路。随着传统银行业积极发展互联网大数据产业，定位长尾客户，狠抓精准营销，战略性夺回失去的客户群体，互联网企业引以为豪的优势正以肉眼可见的速度弱化，传统银行业正逐渐稳住形势，重新焕发生机。 未来一段时间仍将是大数据这个年轻产业蓬勃发展的阶段，围绕大数据的技术和业务仍将出现很多新颖的、有竞争力的业态。传统银行应当紧跟大数据发展趋势，充分发挥自身优势，学习借鉴互联网企业及其他优势金融、类金融机构的可取之处，实现企业可持续发展。由此，传统银行业后续工作应紧紧围绕三个目标开展：一要贴合业务热点，重点建设基础性强、业务需求紧迫、能够在短期内快速见效的分析模型，并产生有价值的业务洞察。如推进渠道偏好分析、客户投资偏好分析等具备广泛应用性的工作以及生态圈的建设等。二要建立一套适用于自身发展的大数据分析实施规范，用于指导全行上下开展大数据分析工作。三要紧跟行业趋势，探索尝试创新性的大数据分析方法，形成持续推动业务应用发展的核心动力。 值得注意的是，传统银行应理性定位自身处境，认识到自身仍存在诸多不足，不盲目自信，更不鲁莽冒进，步子既不能迈得太大，也不能迈得太小，更要杜绝原地踏步，应跟上大数据时代发展步伐，保持稳步匀速前进。正如狄更斯所说：这是最好的时代，也是最坏的时代。大数据时代对传统银行业既是前所未有的机遇，更是生死攸关的挑战。我们只有充分发挥自身优势，正确处理好数据、业务和体制的关系，认识差距，反思总结，果断抓住机遇，勇敢迎接挑战，才能不被社会所淘汰，才能有机会为人民提供更好的服务，为社会尽应有的义务。 （朱大磊供职于中国银行网络金融部。本文编辑／王蕾） [1] http://www.thfr.com.cn/wp-content/uploads/2018/08/yin-hang-yu-xin-dai.jpg
上一篇：杨芮、张涛：中小银行构建大零售体系的策略
下一篇：梁斯：中国货币政策操作框架的转变及实践