
“双轮”驱动银行业在大数据技术下转型_数据分析师
2015中国经济“新常态”评述之三
我国银行业“高歌猛进”的十年已告一段落。站在历史新的发展节点,银行业必须加强战略思考,积极谋划网络定位。在继续维护传统优质客户的同时,设法借助大数据及云计算技术去破解那些传统上被认为商业不可持续的信贷领域。可以预料,会有越来越多的传统银行通过系统改造而蜕变为互联网银行。
与经济运行新常态相伴随,当前我国银行业也出现一些新变化:第一,贷款增速较往年显著减少,大约下降了5至10个百分点;第二,银行利润增幅大幅回落,大约下降了10个百分点左右;第三,各家银行的不良贷款呈现趋势性改变,由持续“双降”变为小幅“双升”:在地域上,长三角、珠三角地区成为银行不良贷款高发的“重灾区”;在行业上,制造业和批发零售业等领域的不良贷款呈高发态势。这些变化态势充分表明,我国银行业“高歌猛进”的十年已经告一段落,“银行利润太高了,都不好意思公布”式的感慨恐怕只能成为回忆了。站在历史新的发展节点,我国银行业必须加强战略思考,积极谋划网络定位,为未来发展积蓄潜力。
银行业的新常态,要求银行尽快掌握和深度运用大数据技术。
过去35年,中国经济一路高速发展,并且深度依赖银行信贷。由此,存贷款利差成为银行业过往这些年主要的利润来源。从贷款客户看,很多都是大中型国有企业。现在回过头来看,尽管大中型国有企业仍将是银行业的“兵家必争之地”,可他们对于银行业来说正在变得“僧多粥少”。显而易见,具有一定竞争实力的大中型企业不仅可以从沪深股市、债市筹资,而且也能从国际资本市场上找到自己的资金,对银行信贷的需求并不再像以前那么强烈了。银行之间与其再为争夺这些企业而使出浑身解数,不如另辟蹊径,开辟新天地。与此同时,一些互联网金融企业通过与小微企业等开展业务时大量积累数据信息,再辅以云计算技术,最终解决了借贷双方的信息不对称问题,这很值得国有大中型银行思索和借鉴。
也就是说,银行业应实施“双轮”驱动战略:一方面,传统优质客户还要继续维护;另一方面,设法借助大数据及云计算技术去破解那些传统上被认为商业不可持续的信贷领域。以小微企业贷款为例,目前主要有信贷工厂、单人全流程以及“扫街”三种模式,但无论采取哪种模式,因为抵押物不充分,财务报表不健全,为小微企业提供贷款的风险都很高,人力耗费也较大。但这只是与传统业务模式的比较而言的,即贷款仅仅依赖小微企业的财务质量、信贷状况等少数变量,且对数据精度也要求很严。与之对照,大数据则可能同时涵盖非金融数据,并且通过机器学习,不断总结这些数据之间存在的内在关系,或许数据质量不准确,或许变量千差万别,但只要数据规模足够之大,对一个客户完整、准确的描述就会呈现出来。从当前海外金融机构对于大数据的应用来看,大约有三分之一处在普及和理解阶段,三分之一处在试点阶段,剩下的三分之一则已谙熟应用,并将大数据所要求的工作机制嵌入商业模式与运营模式当中,从而在创新中增强了自我竞争力。所以,我国银行业只有尽快插上“大数据”的翅膀,才有望在与国内外同业竞争中取得优势,并在更好服务实体经济的同时实现自身的可持续发展。
银行业的新常态,还要求各家银行充分利用互联网技术拓展业务。到目前为止,我国能在全国范围内开展业务的商业银行只有18家(开发银行除外),而140余家城商行以及农商行、农合行则只能在特定地理区域内开展业务。这样的监管规定有利也有弊:好处在于,可以让中小银行更加专注区域内的小微企业或“三农”;弊端在于,行政指令并不清楚特定区域内的金融供需关系,假如允许中小银行到东部地区设点,由于竞争激烈,可能会显著改善东部地区的银行服务质量;同时,中小银行也会因为利薄而重返竞争不足的区域。借助互联网金融跨越空间的特点,中小银行很容易在经营上打破地域限制的天花板。不仅如此,对于所有的商业银行来说,若能充分采用互联网经营模式,将大有助于突破经营时间限制,实现7x24小时营业;克服物理网点较少矛盾,或者可以通过缩减物理网点降低经营成本。
眼下,国内不少银行都在开展直销银行业务,比如民生银行、北京银行、兴业银行、上海银行、南京银行、包商银行、江苏银行等等,有的银行还动议成立直销银行法人机构,比如北京银行董事会就通过了《关于设立法人直销银行的议案》。所有这些尝试,都可视为商业银行向互联网金融靠近的一种努力。不过,目前直销银行的业务范围更多仍还限于缴费、理财和消费等业务,真正经营网络贷款业务(如P2P)甚至债权资产转让的少之又少,或许这些都还在构思谋划当中。
客观地说,今天,按照独立法人机构设立互联网银行(或称网贷银行、直销银行等)的时机已逐步成熟:第一,我国智能手机使用已经相当普遍,用户数量远远超越任何一家大型商业银行,已能为互联网银行发展创造广阔的市场空间;第二,目前民间资本投资互联网金融十分活跃,只要能够合理控制风险,就没有理由剥夺商业银行开展网络借贷业务的权利,否则相对于民间资本来说就是一种新的不公平;第三,随着《关于促进互联网金融健康发展的指导意见》的对外发布,相信银行业监管部门研究制定网络借贷监管意见的步伐也会全面加快,创设互联网银行的政策风险势必大大降低;第四,我国现实中的互联网银行雏形已经出现。打开前海微众银行的主页,就可看到上面赫然写着“我们是银行?我们是互联网公司?我们是互联网银行!”完全有理由相信,成立互联网银行子公司只是万里长征的第一步,将来会有越来越多的母行通过系统改造而蜕变为互联网银行。否则,在汹涌澎湃的互联网化发展的大潮已经来临的时代,商业银行就会真的被比尔·盖茨言中,成为“21世纪行将灭绝的恐龙”。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29CDA 数据分析与量化策略分析流程:协同落地数据驱动价值 在数据驱动决策的实践中,“流程” 是确保价值落地的核心骨架 ——CDA ...
2025-08-29CDA含金量分析 在数字经济与人工智能深度融合的时代,数据驱动决策已成为企业核心竞争力的关键要素。CDA(Certified Data Analys ...
2025-08-28CDA认证:数据时代的职业通行证 当海通证券的交易大厅里闪烁的屏幕实时跳动着市场数据,当苏州银行的数字金融部连夜部署新的风控 ...
2025-08-28PCU:游戏运营的 “实时晴雨表”—— 从数据监控到运营决策的落地指南 在游戏行业,DAU(日活跃用户)、MAU(月活跃用户)是衡量 ...
2025-08-28Excel 聚类分析:零代码实现数据分群,赋能中小团队业务决策 在数字化转型中,“数据分群” 是企业理解用户、优化运营的核心手段 ...
2025-08-28CDA 数据分析师:数字化时代数据思维的践行者与价值推动者 当数字经济成为全球经济增长的核心引擎,数据已从 “辅助性信息” 跃 ...
2025-08-28ALTER TABLE ADD 多个 INDEX:数据库批量索引优化的高效实践 在数据库运维与性能优化中,索引是提升查询效率的核心手段。当业务 ...
2025-08-27Power BI 去重函数:数据清洗与精准分析的核心工具 在企业数据分析流程中,数据质量直接决定分析结果的可靠性。Power BI 作为主 ...
2025-08-27CDA 数据分析师:数据探索与统计分析的实践与价值 在数字化浪潮席卷各行业的当下,数据已成为企业核心资产,而 CDA(Certif ...
2025-08-27t 检验与 Wilcoxon 检验:数据差异比较的两大统计利器 在数据分析中,“比较差异” 是核心需求之一 —— 如新药疗效是否优于旧药 ...
2025-08-26季节性分解外推法:解锁时间序列预测的规律密码 在商业决策、资源调度、政策制定等领域,准确的预测是规避风险、提升效率的关键 ...
2025-08-26CDA 数据分析师:数据治理驱动下的企业数据价值守护者 在数字经济时代,数据已成为企业核心战略资产,其价值的释放离不开高 ...
2025-08-26