編者按：近年來，大數據熱潮引發了一場思維、生産和生活方式的重大變革，可以説開啟了全新的時代。對於天然具有數據屬性的金融業來説，一方面，大數據能夠為金融機構的經營管理提供充分的資訊支援；另一方面，大數據滋生的新型金融業態對傳統金融機構帶來了嚴峻挑戰。在這場社會大變革中，金融機構將如何應對，非常令人期待。為此，本刊邀請了多位金融機構的高級管理者以及業內專家，共同探討大數據時代金融業的變革與發展。

　　近十年來，中國銀行業的改革發展取得了令世界矚目的成就。在今年《銀行家》《福布斯》發佈的大企業排行榜和市值排名上，五家大型商業銀行均已躋身世界前列。隨著以移動網際網路、雲計算、“大數據”和物聯網為代表的資訊革命的興起，銀行業又一次面臨新的機遇和挑戰。中國銀行業能否用好大數據，實現經營、管理和服務創新，決定了其未來的可持續發展能力。

　　銀行業已初步具備運用大數據的基礎

　　大數據是資訊技術與網際網路産業發展到特定階段的産物，從網際網路到物聯網，從雲計算到大數據，資訊技術正在從産業基礎走向産業核心。而銀行業作為與資訊技術深度結合的行業，網際網路思維和決策數據化已開始嵌入經營管理的全流程。大數據實質是“深度學習”，能夠為銀行提供全方位、精確化和實時的決策資訊支援。銀行的經營轉型、産品創新和管理升級等都需要充分用好大數據。目前，銀行在客戶分析、風險管理方面對大數據運用已初步積累了一定的經驗，為未來過渡到全面大數據運用奠定了良好基礎。

　　20世紀90年代，隨著資訊技術發展，國內銀行業順應潮流，將資訊技術廣泛應用到業務處理和內部管理，以提高服務管理效率。進入21世紀，大銀行率先推進系統大集中和數據大集中，整合原有分散化的資訊系統，不斷適應加快産品創新、提升客戶體驗等市場需求，建立數據倉庫和數據平臺，資訊化程度不斷提高。近幾年，銀行業大力發展面對客戶的新一代核心業務系統，資訊系統建設日趨完備，電子銀行等線上金融服務大幅增長，在提升客戶體驗和風險管控能力、滿足監管各項要求的同時，形成並儲存了龐大的可用數據資源。銀行業的數據資源不僅包括存貸匯核心業務結構化數據，也包含客戶電話語音、線上交易記錄、網點視頻等非結構化數據。

　　中國建設銀行（以下簡稱建設銀行）從2011年開始建設企業級全行共用的新一代核心業務系統，以客戶為中心、面向服務設計架構，實現業務與IT融合、産品快速創新的目的，目前已初具規模。特別是在新一代系統設計中，充分考慮數據儲存和應用的重要性，並專項設置了數據整合層模組，包括數據暫存區、數據記錄系統、歷史數據存儲、分析數據倉庫、實時數據倉庫、公共數據集市。

　　銀行業開始嘗試接入和整合外部數據資源。在傳統的數據分析模式下，銀行業出於市場分析、內部管理、監管需要，産生並記錄了巨量的文本式結構化數據，涉及客戶賬戶資金往來、財務資訊等，以及網銀瀏覽、電話、視頻等非結構化數據。但是，傳統意義上的銀行僅能掌握客戶與銀行業務相關的金融行為，無法獲得客戶在社會生活中體現興趣愛好、生活習慣、消費傾向的情感或行為數據，無法與業務數據形成聯動。隨著電子商務的快速發展和移動金融的深化，銀行業逐步加強與外部數據源對接，甄別有效資訊，整合多渠道數據，豐富客戶圖譜。目前，已有多家銀行進行了有益嘗試。

　　一是銀行與電商平臺形成戰略合作。銀行業共用小微企業在電商平臺上的經營數據和經營者的個人資訊，由電商平臺向銀行推薦有貸款意向的優質企業，銀行通過交易流水、買賣雙方評價等資訊，確定企業資信水準，給予授信額度。建設銀行曾在這方面做過有益的嘗試。此外也有銀行參股電商、開展數據合作的案例。

　　二是銀行自主搭建電商平臺。銀行自建電商平臺，獲得數據資源的獨立話語權。在為客戶提供增值服務的同時，獲得客戶的動態商業資訊，為發展小微信貸奠定基礎，是銀行搭建電商平臺的驅動力。2012年，建設銀行率先上線“善融商務”，提供B2B和B2C客戶操作模式，涵蓋商品批發、商品零售、房屋交易等領域，為客戶提供資訊發佈、交易撮合、社區服務、線上財務管理、線上客服等配套服務，提供的金融服務已從支付結算、託管、擔保擴展到對商戶和消費者線上融資服務的全過程。

　　三是銀行建立第三方數據分析仲介，專門挖掘金融數據。例如，有的銀行將其與電商平臺一對一的合作擴展為“三方合作”，在銀行與電商之間，加入第三方公司來負責數據的對接，為銀行及其子公司提供數據分析挖掘的增值服務。其核心是對客戶的交易數據進行分析，準確預測客戶短時間內的消費和交易需求，從而精準掌握客戶的信貸需求和其他金融服務需求。

　　銀行業有處理數據的經驗和人才。數據分析和計量模型技術在傳統數據領域已得到較充分運用，同時也培養出大批精通計量分析技術的人才。如在風險管理方面，我國金融監管部門在與國際接軌過程中，引入巴塞爾新資本協議等國際準則，為銀行業提供了一套風險管理工具體系。銀行在此框架下，利用歷史數據測度信用、市場、操作、流動性等各類風險，內部評級相關技術工具已發揮出效果，廣泛應用於貸款評估、客戶準入退出、授信審批、産品定價、風險分類、經濟資本管理、績效考核等重要領域。

　　銀行已初步嘗試應用大數據。我國銀行業大規模運用大數據技術尚不成熟，但多家銀行已從關鍵點、具體業務入手應用大數據挖掘技術，解決效率提升中的難題。例如，有的銀行提供集電話、網路線上、客戶端、微網志、微信于一體的整合服務平臺，也有的銀行信用卡中心開發智慧雲語音，著眼于客服語音資訊的挖掘和分析，通過對海量語言數據的持續線上和實時處理，為服務品質改善、經營效率提升、服務模式創新提供支撐，從而全面提升運營管理水準。還有些銀行在個人客戶行銷方面，著重客戶數據分析，摸索出客戶行為模式和潛在需求，促成定向精準銷售。例如，通過分析客戶行為數據和財務數據來鎖定潛在客戶，根據客戶行為規律，並結合其所在區域、行為內容來確定消費習慣，開展針對性行銷；通過分析交易記錄資訊來有效識別小微企業客戶，並用遠端銀行和雲轉借實施交叉銷售。此外，有的銀行還將其內部客戶編號和微網志、QQ、郵箱等相對應，將網際網路數據與傳統數據一起存儲，建立數據庫，不僅了解客戶理財、基金購買等交易行為的頻繁程度，還可以發現其他動態資訊如出差、喜好和社交圈等。

　　國際同業大數據運用的經驗教訓

　　金融業大數據運用的國際經驗主要體現在快速判斷宏觀經濟趨勢、分析預測客戶及交易對手行為、防範欺詐、改進內部效率以及外包非核心業務等方面。

　　 快速判斷宏觀經濟形勢。英國央行已經開始運用大數據對英國房地産市場和勞動力市場趨勢作出快速判斷。以前，英國央行通過統計部門發佈的房地産銷售數據、就業數據等，判斷房地産市場和勞動力市場變動趨勢，但統計部門的數據一般有數日乃至數周的時滯，不利於對形勢的快速判斷。目前，英國央行已通過對一些網路搜索關鍵詞的監控，如“按揭”“房價”“職位”等，獲取最新的經濟運作情況。

　　分析預測客戶及交易對手行為。由谷歌（Google）前首席資訊官Douglas Merrill創辦的信用評估公司ZestFinance，通過大數據技術把收集的海量碎片化數據整合成完整的客戶拼圖，較為準確地還原客戶的真實狀況和實際信用狀況，並據此支援合作公司向難以從銀行獲得貸款的美國人提供“工資日貸款”（payday loan）。西班牙對外銀行(BBVA)推出的具有記憶功能的ATM機ABIL，不但能記住客戶習慣的取款金額、頻率，還能根據其賬戶情況給出相應的取款建議。美國一些基金公司在幾年前開始借助社交媒體大數據，分析市場情緒變動，進而判斷未來交易是擴大還是萎縮。近期，這些基金公司進一步通過分析金融交易大數據，識別交易對手的交易特徵，預判交易對手的交易動向，並採取相應的操作，以獲取差價。

　　防範欺詐。運用大數據分析軟體，可以預防信用卡和借記卡欺詐。通過監控客戶、賬戶和渠道等，提高銀行在交易、轉賬和線上付款等領域防禦欺詐的能力。在監控客戶行為時，大數據可以識別出潛在的違規客戶，提示銀行工作人員對其予以重點關注，從而節省反欺詐監控資源。

　　改進內部效率。美國銀行用大數據分析該銀行某呼叫中心員工的行為，通過在員工姓名牌中置入感應器，監控員工的行走線路與交談語氣，可以知道員工在工作場所的社交狀況。監控結果表明，那些一起享受工間休息並相互交流的員工工作效率更高，他們可以在日常交流中分享如何應付“難纏”顧客的小竅門。美國銀行發現這一現象後，即轉而推行集體工間休息，此後員工表現提升了23%，而員工説話語調所反映出的壓力水準則下降了19%。另外，還有些歐美銀行運用大數據評價分支機構績效並獲得顯著成效。

　　大數據的應用存在運維風險和運營風險等，前者如數據丟失、數據洩露、數據非法篡改、數據整合過程中的資訊不對稱導致錯誤決策等，後者如企業聲譽風險、數據被對手獲取後的經營風險等。因此，必須加強數據管控。這方面既有成功的經驗，也有值得總結的教訓。從已出現的問題看，最大的風險來自網路攻擊和欺詐：2011年，網路銀行欺詐給日本53家銀行造成2700億日元（約合225億元人民幣）的損失；2012年，詐騙集團曾攻擊歐美至少60家銀行的網路，盜取銀行資金；2013年，國內某保險公司受駭客攻擊，造成數十萬保單資訊洩露。為此，一是高度重視並推進統一的數據標準，並做好數據清洗，保證數據品質。二是審慎劃定數據邊界，合理開展內外部數據共用和非核心數據業務外包。三是大數據下應更加重視隱私保護和資訊安全，加大對反網路攻擊的投入。

　　推動大數據應用的策略

　　黨的十八大提出堅持走中國特色新型工業化、資訊化、城鎮化、農業現代化道路，資訊化已升級為國家戰略。我國銀行業加快大數據應用不僅具有行業意義，而且對於推動我國資訊化進程、服務“新四化”發展也有重要作用。我國銀行業要從戰略高度充分認識到大數據分析、運用的重要性，從管理體系建設、具體運用模式方面不斷探索，打造銀行業在大數據時代的核心競爭力。

　　建立完善的大數據工作管理體系。銀行業應充分認識大數據的重要性，在總行層面建立大數據工作推進機制，制定大數據工作規劃，主管數據部門對大數據工作進行統籌規劃、組織協調、集中管理，業務部門承擔大數據採集、分析和應用的職責，全面定義、收集、多方式整合集團內外部各類數據，形成管理數據、使用數據和推廣數據的有效工作機制。

　　增強數據挖掘與分析運用能力。在銀行內部全面推廣基於數據進行決策、利用資訊創造價值的觀念，引進數據挖掘和大數據運用專業方法和工具，培養專業數據挖掘分析人才隊伍，重視人才的經濟金融、數學建模、電腦新型演算法等複合型技能，建立前瞻性的業務分析模型，把握、預測市場和客戶行為，將數據深度運用到業務經營管理過程，利用數據來指導工作，設計和制定政策、制度和措施，做到精準行銷和精細管理。

　　以大數據技術促進智慧銀行建設。推動大數據向生産力轉化，加快産品創新實驗室的技術研發，把實驗室成熟産品運用於客戶的行銷和服務，推進智慧銀行建設，把技術創新優勢轉化為競爭優勢。網點服務要運用好大數據等技術成果，推廣普及智慧叫號預處理、遠端銀行VTM、電子銀行服務區、智慧互動桌面、人臉識別等創新服務，將傳統銀行服務模式和創新科技有機結合，利用智慧設備、數字媒體和人機交互技術為客戶帶來“自助、智慧、智慧”的全新感受和體驗。智慧網點在建設推廣中，還應充分採用用戶交互技術和體驗設備，吸引客戶瀏覽、試用、比較各類金融産品，輔以工作人員推薦，從地域、客戶、産品等多種維度，挖掘客戶需求，實現對合適客戶、在合適時間、通過合適渠道、推薦合適産品。

　　建立基於大數據分析的定價體系。當前，資金的交易變動頻率和流動性加快，大數據從更寬廣角度，預判負債的波動情況，能更靈活測算是否滿足監管要求和貸款需求變化，從而為銀行以存定貸、以貸吸存策略提供量化支撐，可有效降低資金成本。銀行還要運用大數據分析，建立起綜合服務和信貸差異化定價體系，做到對不同産品、不同行業、不同區域實施差別化定價，最終實現一戶一策的綜合化、差異化服務，提升精準行銷水準。例如，將對公、對私客戶逐步納入定價系統，進行客戶選擇，不同服務內容享受不同信貸優惠，達到差別化定價和客戶最佳體驗的雙重目的。

　　依託大數據技術提升風險管理水準。大數據能較好地解決傳統信貸風險管理中的資訊不對稱難題，提升貸前風險判斷和貸後風險預警能力，實現風險管理的精確化和前瞻性。大數據時代，銀行業可以打破資訊孤島，全面整合客戶的多渠道交易數據，以及經營者個人金融、消費、行為等資訊進行授信，降低信貸風險。如建設銀行依託“善融商務”開發出大數據信貸産品“善融貸”後，銀行可實時監控社交網站、搜索引擎、物聯網和電子商務等平臺，跟蹤分析客戶的人際關係、情緒、興趣愛好、購物習慣等多方面資訊，對其信用等級和還款意願變化進行預判，在第一次發生信貸業務，缺乏信貸強變數情況下，及時用教育背景、過往經歷等變數進行組合分析，以建立起信貸風險預警機制。由歷史數據分析轉向行為分析，將對目前的風險管理模式産生巨大突破。

　　大數據是資訊革命中非常前沿且快速發展的技術，銀行業要抓緊解決內部數據挖掘分析和外部資源的安全整合利用問題，加快人才隊伍建設和技術成果轉化，通過大數據的高效應用，加速推進銀行業的轉型升級和可持續發展。■張建國 作者係中國建設銀行行長