
商业银行利用大数据参与共享经济的探索与实践
商业银行要在“去中介化”的共享经济形态中维护金融中介的重要地位,核心问题在于充分参与共享经济,发挥大数据应用优势,从共享大数据、共享大数据产品及模型、共享大数据云平台三方面着手,巩固信息中介的地位。
第三次工业革命时代,新的经济范式“共享经济”诞生,其核心是互联网、物联网及其带来的大数据,为人类近乎免费的即时协同提供了可能。如何在“去中介化”的共享经济形态中维护金融中介的重要地位,是商业银行普遍面临的难题。银行作为重要的金融中介,在传统金融中更多发挥了融资中介的作用,而在大数据时代,银行应向信息中介转型。
共享经济挑战商业银行传统的金融中介模式
共享经济(Sharing Economy)或称分享经济,也称为协作型消费(Collaborative Consumption),不仅是经济学问题,更是社会学问题。最早提出共享经济理论的是经济学家马丁•威茨曼(1984),该理论的提出主要为了解决西方长期存在的“滞涨”问题,发挥共享经济对付失业、生产停滞和价格上涨的“自动稳定器”和“自动吸尘器”作用。事实上,共享概念早已有之。传统社会,朋友之间借书或共享一条信息、包括邻里之间互借东西,都是共享的形式。但这种共享受制于空间、关系两大要素,且需要有双方的信任关系才能达成。
移动互联网时代,共享、特别是信用大数据的共享,将会极大地提升整个金融体系的融资效率。共享经济是一个去中介化的过程。通过大数据共享,信息获得更加充分,金融资源将不再是少数人拥有的特权,大数据对社会的变革将发挥决定性作用。美国社会学家杰里米•里夫金(2014)在《零边际成本社会》中提出,第三次工业革命带来的零边际成本和共享经济,将会在未来终结资本主义的经济形态。物联网将把这个世界上的一切,人、物、生产、物流等“连接”起来,不断为各个节点(商业、家庭、交通工具)提供实时大数据,同时大数据经过分析转化为精确的预测,这种连接将世界变成一个大网络。协同共享带来的创新正孕育着一种新的激励机制,新一代将更在意使用权而不是所有权,它更多地是基于提高人类社会福利的期望,而不那么重视物质回报。可穿戴设备之父彭特兰(Alex Pentland,2014)从社会物理学角度提出,参与能够增加信任并增加关系的价值,这为构建合作行为所需要的社会压力奠定了基础。
货币金融学家米什金(1995)曾经指出,金融中介的存在主要有两个原因:第一,金融中介有规模经济和专门技术,能降低资金融通的交易成本;第二,金融中介有专门的信息处理能力,能够缓解储蓄者和融资者之间的信息不对称以及由此引发的逆向选择和道德风险问题。因此,资金中介和信息中介是商业银行作为金融中介最为基础的两个功能。
在共享经济“去中介化”的时代背景下,作为重要金融中介的商业银行应如何生存,是一个前沿性的课题。对此,工商银行前董事长姜建清认为,互联网技术革命让商业银行进入一个重要的转折点,即从过去的支付和融资中介向综合化信息中介服务转变,信息是银行发展的深层基础和根本,能不能在未来竞争中保持优势,关键在于能不能成为信息掌握的强者,并采取措施通过大数据技术重新发展和铸造新的金融经济关系。
大数据在银行领域应当发挥更加核心的作用
2015年以来,在“互联网+”浪潮和我国顶层制度设计的推动下,大数据技术及服务快速发展,各种网络金融、数据服务公司、第三方征信机构层出不穷。数据已经被认定为国家战略资源,我们要充分认识到数据在共享的时候价值更大。
在金融行业中,数据以往已经发挥了重要的作用。不论发达国家金融市场的证券基金业、发展中国家的传统信贷领域,还是近来谈论的热门——征信行业,数据都为业务发展提供必不可少的基础支撑作用。在大数据行业中,金融领域的大数据应用也一直走在技术和服务的前列。比如美国的Zestfinance、Lending Club等新兴互联网企业,以及中国人民银行授权的8家征信公司。目前从事金融大数据业务的企业主要有四种类型:一是做平台,代表企业主要是阿里、腾讯;二是做产业链,代表企业有金电联行、融360、闪银(Wecash)等;三是主攻征信,主要代表是8家持牌征信公司(芝麻信用、腾讯征信、深圳前海征信、鹏元征信、中诚信征信、中智诚征信、拉卡拉信用管理有限公司和北京华道征信);四是提供数据及其相关服务,代表企业有九次方、百分点、万得、数据堂等。这些企业或多或少都参与了共享经济模式,与平台企业、产业链企业或是其他数据公司分享、互换数据。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10