大数据时代商业银行的策略

尽管大数据对商业银行的影响目前而言还比较小，但从发展趋势看，要充分认识大数据的颠覆性影响。各银行必须未雨绸缪，早做布局，从管理体系建设、具体运用模式方面不断探索，抓紧解决内部数据挖掘分析和外部资源的安全整合利用问题，加快人才队伍建设和技术成果转化，通过大数据的高效应用，加速推进转型升级与可持续发展。 
　　一是明确大数据战略的顶层设计。大数据战略要超越IT部门或电子银行部的视角，面向全局和长远，以客户需求为导向，构建自身的大数据结构。一个完整的客户数据应该包括如下几个维度：一是客户基本信息，包括身份信息、联系信息、社交关系信息、交易信息和信用信息等；二是客户偏好信息，包括服务偏好、金融产品偏好、渠道偏好和个人爱好等；三是客户行为信息，包括金融机构范围的行为数据、外部行为数据和地理位置数据等；四是客户分析数据，包括客户细分类型、客户价值度、客户风险度和客户状态等。不同维度的数据要想有分析价值，必须要有合理的数据结构。商业银行的现有数据结构往往是条块分割的，而顶层机制的设计和改革可以让商业银行打破业务界限，围绕数据目标对业务流程进行合理重组，最大限度地提升数据灵活性与数据价值。 
　　在总行层面应建立大数据工作推进机制，制定大数据工作规划，主管数据部门对大数据工作进行统筹规划、组织协调、集中管理，业务部门承担大数据采集、分析和应用的职责，全面定义、收集、多方式整合集团内外部各类数据，形成管理数据、使用数据和推广数据的有效工作机制。 
　　二是加速构建大数据平台。一方面商业银行可以考虑自行搭建大数据平台，获取属于自己的大数据，将核心话语权牢牢掌握在自己手中。事实上，已有部分银行开始谋划布局。譬如建行打造的电子商务平台“善融商务”已于2012年6月正式上线，业务涵盖电子商务服务、金融服务、营运管理服务、企业社区服务及企业和个人商城。交行的电子商务平台“交博汇”也开始面向客户开放。在为客户提供增值服务的同时，获得客户的动态经营信息，成为银行共同的驱动力。另一方面还要加强与电信、电商、社交网络等大数据平台的战略合作，建立数据和信息共享机制，全面整合客户有效信息，将金融服务与移动网络、电子商务、社交网络等完美融合。 
　　三是着力提升数据挖掘与分析运用能力。在银行内部全面推广基于数据进行决策、利用信息创造价值的观念，引进数据挖掘和大数据运用专业方法和工具，培养专业数据挖掘分析人才队伍，重视人才的经济金融、数学建模、计算机新型算法等复合型技能，建立前瞻性的业务分析模型，把握、预测市场和客户行为，将数据深度运用到业务经营管理过程，利用数据来指导工作，设计和制定政策、制度和措施，做到精准营销和精细化管理。 
　　四是以大数据思维推进金融互联网化战略。大数据时代，信息技术和金融产业将更加深入地融合在一起， 金融电子化的深度和广度将不断强化。商业银行必须顺应这一趋势， 主动贴近技术进步， 拥抱互联网和移动互联网浪潮， 加快推行金融互联化战略， 除了继续深化自身运行和管理系统的电子化建设及传统业务的电子化受理之外， 还必须紧跟互联网发展步伐， 探索建立电子化金融商业模式， 着力发展互联网金融、社区智能银行、移动终端、电子商务、直销银行等业务。这就要求商业银行必须从战略高度将金融互联网及电子渠道作为未来提供金融服务和打造核心竞争力的主渠道。 
　　五是依托大数据技术全面提升风险防控水平。大数据时代，商业银行可以打破信息孤岛，全面整合客户的多渠道交易数据，以及经营者个人金融、消费、行为等信息进行授信，有效破解传统信贷风险管理中的信息不对称难题，降低信贷风险。为此，各银行必须深化风险管理体制改革，运用大数据理念来构建以客户为中心的全面风险管理体系，理顺部门间的职责，淡化部门色彩，彻底打破以往小数据模式下形成的部门、机构、区域、产品间数据信息分隔管理以及由分支机构各自分散识别风险的做法，形成按客户集中统一管理数据信息和高效协调机制。要积极推行把现场调查与非现场数据信息挖掘分析相结合、模型筛查与经验判断相结合，以定性信息与定量财务、经营等多重数据信息的勾稽核验等为重点内容的风险管理创新。总行要通过大量数据信息的挖掘分析，勾画出客户的全景视图，更加全面地评估客户风险状况，有效提升贷前风险判断和贷后风险预警能力，实现风险管理的精确化和前瞻性。