
央妈帮抢大数据,银行改弱势地位
央行的征求意见稿引发了社会广泛争议,而且多数声音都是对其“倒行逆施”的不理解,更多的人对未来中国电子商务的发展充满疑虑。
多年以来,央行对网络支付都存在偏见,如果说是处于职能要求,也说得过去。毕竟,央行的责任重大,支付关系老百姓的切身利益,央行对于支付环节加强监管提出严格要求是必要的。
可是,央行提出的管理办法,只是片面的对第三方支付进行限制,对传统银行的网络支付充满了理想化的安全梦想,整个办法的核心只是限制老百姓的网络支付数额、范围、程度,却给传统银行的网上银行开方便之门,甚至是明目张胆的逼着老百姓去使用网上银行。
其实,各家大银行的网上银行出现的并不晚,只是使用体验确实比较差,后来才有了越来越多的第三方支付的出现。第三方支付机构的活跃与网上银行的衰落,是老百姓选择的自然结果,即便央行去逼着大家去使用,恐怕也不一定如愿。
面对竞争,即便是传统银行的网上银行,能够收取的手续费也十分有限,并不会成为这些银行的收入主渠道,但是,网络支付构筑了各种各样的支付场景,这些场景产生了大数据资源,而这些才是传统银行觊觎多年的财富。
现在的互联网金融企业风声水起,关键就是掌握了支付相关的大数据和用户群体,可以由此进行信用评价,进而极低成本的进行中小企业信贷,还可以开发出更多更新的互联网产品,传统银行局限于线下,几乎与世隔绝,收集数据能力有限,根本无法与互联网企业竞争。
面对这种窘境,传统银行早就展开了行动。最早,这些大银行纷纷进军电商,在网络电子商务领域与电商企业针锋相对,可经过多年的发展,银行的电子商务发展不仅没有能够对电子商务企业有冲击,甚至连第一第二第三阵营都没进入,成为了鸡肋,根本谈不到形成足够大数据的能力。
接下来,传统银行希望借助自己的垄断地位和话语权逼迫互联网支付企业签下城下之盟,要求第三方支付的快捷支付用户必须到银行办理开户手续,此后支付企业也要将获得的消费数据给银行共享。假设这样的设想能够实现,那么,银行就不劳而获获得了最为宝贵的大数据资源,可以与互联网公司利益均沾,可是,这种方式并未得到互联网公司的响应,银行的想法没有变成现实。后来,一些大银行就此与互联网支付企业“闹翻”,自行对支付额度设限,明显是给这些支付企业设置羁绊。
既然,自己的想法仅仅靠自己无法变成现实,就需要求助亲妈了。央妈为了孩子们的未来,也就顾不了太多了,直接要求互联网支付企业将渠道变窄,逼着更多的用户必须走上银行提供的网上银行的羊肠小道,由此获得梦寐以求的大数据。
按照央行的征求意见稿,网民的1000元或者5000以上的网络支付将不得不去使用网银,而超过这样额度的消费者虽然只占到整个网民数量的五分之一,但却是最有消费能力和价值的群体,这块最好的蛋糕也就在央妈的逼迫下划给了亲儿子银行。
如果我们从现状来看,面对整个互联网金融的进步,传统银行毫无还手之力,在很多业务上都不得不退守,而银行确实成为了“弱势群体”,可这种弱势是历史造成的,也是这些银行依靠垄断享受了多年的超额利润之后的正常回归,是老百姓在多年被欺凌之后获得的应得利益,希望依靠政策之手维持自己的强势是开历史的倒车。
即便这样的政策得到实施,银行恐怕也不会如愿以偿得到大数据,并形成对互联网公司的竞争优势,银行要想走出来,还要靠靠自己的努力,积极拥抱新生事物,积极改变自己,获得用户的偏爱,否则,任何努力都是徒劳,都难免走上被淘汰的道路。
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