
大数据是商业银行发展的重要引擎_数据分析师
随着利率市场化的推进,长期处于“卖方”市场的金融行业将逐步转变为“买方”市场,由“以产品为中心”向“以客户为中心”转型已成为商业银行的共识。互联网金融的实践表明,真正“以客户为中心”的创新需要建立在“大数据”的基础之上。银行如何利用“大数据”实现可持续性的发展?日前,广发银行副行长王兵就此话题接受了本报记者的专访。他认为,要将大数据作为商业银行的重要战略资源,持续深化数据治理,将大数据作为商业银行改革创新和业务发展的重要引擎,深化数据的网络化运用,积极寻求外部数据支持,持续丰富数据维度。
互联网金融“来势汹汹”,商业银行正在失去传统的优势。而有人将“大数据”比作商业银行应对挑战的“利器”。对此,您怎么看?
随着我国信息化进程的不断深入,互联网技术在金融领域的广泛应用引起了行业、市场、社会和政府的高度重视。“互联网金融”通过写入政府工作报告而正式进入国家决策层的视野。当然,也有人拿互联网企业的“新金融”与商业银行的“传统金融”去比较,并得出了诸如“商业银行正在失去传统优势”的结论。
互联网企业做“金融”的优势在哪里?我认为,互联网金融创新优势的内核就是“大数据”。互联网是一个典型的买方市场,每一个互联网用户都可以用关注度和点击率来表达自己对任何一项互联网产品和服务的意见,因此互联网企业一直以来都非常重视跟踪、记录、收集和分析客户在互联网上的一举一动,形成了大量有价值的数据,也探索出了行之有效的大数据分析方法。例如,百度是全球最大的中文搜索引擎,它可通过数据跟踪客户行为趋势进而分析出客户都在干什么、关心什么,甚至需要什么;阿里巴巴作为全球最大网络商业平台,可以比较精确地了解企业及个人客户的在线商业行为和商业信用等情况;而拥有上亿QQ和微信客户的腾讯,则能比较清晰地定位每个客户,知道他们是谁,有什么特点。以BAT(百度、阿里巴巴和腾讯)为代表的互联网企业通过科学运用大数据技术,更高效地挖掘出客户潜在的金融需求,从而才能不断打造出“爆款”金融产品和金融服务。可以说,互联网金融的崛起,是一种立足于大数据的创新式崛起。互联网企业通过巧妙且接地气的金融创新,不断地拓宽商业银行的创新眼界和思路。
十八届三中全会提出,要“紧紧围绕使市场在资源配置中起决定性作用深化经济体制改革”,“推动资源配置依据市场规则、市场价格、市场竞争实现效益最大化和效率最优化”。随着利率市场化进程的加速,长期处于“卖方”市场的金融行业将逐步转变为“买方”市场,由“以产品为中心”向“以客户为中心”转型已成为商业银行经营思维的改革方向。互联网金融的实践表明,真正“以客户为中心”的创新是需要建立在“大数据”基础之上的创新,商业银行如果要应对挑战,就一定要重新、全面、正确地了解自己的客户,而大数据正是银行所需的“神兵利器”。
“大数据”对于商业银行的意义何在?能给商业银行带来哪些影响?商业银行的经营思维会发生哪些变化?
商业银行要以大数据为武器来应对“买方市场化”的挑战,首先需要意识到自身在数据方面的优势和不足,然后再去思考如何利用大数据技术来扬长避短,促成经营目标和战略转型的实现。大数据对于商业银行的意义,我认为,不应过分强调“大”,而是要将重点放在“数据”上。单从客户规模来看,商业银行中只有少数几家国有大型银行能够和BAT比肩,像广发银行这类仅有数千万客户的中小型股份制商业银行,做“大数据”的出发点和落脚点不在于客户数据的数量,而在于数据的质量。举个例子,与互联网企业的客户相比,成为银行客户的门槛是比较高的,借记卡开卡需要本人持身份证件前往银行网点进行身份验证,信用卡开卡除了提供身份证明之外还需要提供工作、收入或财产证明,企业开户的复杂程度就更不用说了。在如此严密的开户流程中,银行拿到了关于客户的第一手资料,而这些资料就是银行服务客户的数据基础。
以往,银行如果要想更进一步地了解客户,掌握更丰富的客户数据,还需要客户经理的走访接触,或通过查阅客户的资金流水和信用行为。因此,如果说腾讯和阿里巴巴这类互联网企业能通过客户在互联网上预留的信息和产生的行为来了解客户、分析客户的话,那银行则确确实实与每一位客户有过至少一次面对面的接触,所收集到的信息以及能够收集到的信息应该是更多维、更全面也更可靠的。商业银行有优质的客户数据资源,但当前的问题在于,商业银行对自有数据的挖掘程度还比较低,对数据的精细化运用还不够高,对客户数据的二次跟踪和再丰富的技术还不够先进。
商业银行经营思维要做到“以客户为中心”就需要通过“大数据”手段深入挖掘和分析出客户线上线下的行为习惯,从而更高效地满足客户的金融需求。在这个过程中,商业银行不但要充分发挥线下传统服务渠道优势,更要开辟新的网络金融服务门户和业务模式。
商业银行应该如何利用“大数据”实现战略转型和可持续发展?
商业银行要利用大数据实现战略转型和可持续发展,需要从以下几个方面入手:
一是要将大数据作为商业银行的重要战略资源,持续深化数据治理。数据资源与自然资源和人力资源一样,已成为不容忽视的战略资源,是银行制胜的关键。《中国银行业“十二五”信息科技发展规划监管指导意见》指出,“提高数据作为银行业战略资产重要性认识,建立数据治理体系;加强数据标准建设,统一数据规范;加强数据全生命周期管理,提高数据质量;优化数据架构,推动信息数据的逻辑整合。”无论是从以账务为核心的理念到以客户为中心的转型,从传统业务到互联网金融的拓展,从利率市场化带来的利差空间缩小的冲击到全行业流动性风险的压力,商业银行都需要把大数据作为经营决策管理的主要依据。
二是要将大数据作为商业银行改革创新和业务发展的重要引擎。商业银行需要着手启动大数据分析平台建设,建立加强大数据管理和分析应用能力,通过平台里的信息共享使用和行内外大数据利用,建设精准化网络营销体系、风险管理体系和网络金融体系,推动商业银行更好地解读所拥有的数据,将数据转变成更有效地支持业务决策和管理风险的信息。
三是继续深化数据的网络化运用。如今,互联网日益成为大众的主要活动空间,而大量的金融产品和服务也是通过网络来实现的,因此,通过大数据技术采集客户在互联网上的行为,可以进一步完善客户数据图谱,并帮助银行实现在合适的时间、地点向合适的客户推销适合的金融产品和服务。
四是要积极寻求外部数据支持,持续丰富数据维度。客户行为所产生的数据是多维度的。一家企业客户,如果在多家银行开户,那么就会涉及银行间的数据交换;而且这家企业还会与产业链的上下游发生业务往来,与相关政府机关、其他企事业单位产生交集,因此,开户银行所掌握的企业报表信息、账户流水可能与其真实经营情况存在较大差异。个人客户也是如此,他们除了使用银行进行转账之外,还会使用支付宝、拉卡拉、快钱等第三方支付,他们的日常行为会产生大量的信息数据沉淀在社交媒体、通讯运营机构、网络门户等第三方体系。如果要掌握客户完整、真实的信息,就需要对其分别在各个系统中的信息和数据进行整合。这样一来就需要一套行之有效的社会化数据有效沟通和共享机制。
目前,广发银行在“大数据”方面已经进行了哪些探索?有哪些成功的经验或者存在的问题?您认为在下一阶段,广发银行还可以有哪些新的尝试?
第一,通过顶层设计提升大数据的战略高度,积极建设大数据分析平台。目前,国内银行同业都在积极推进战略转型,其中一个重要原因就是以产品为中心的管理模式阻碍了转型巨大潜在效益的释放。具体表现在,(1)营销成本消耗大:归属于各产品条线的客户信息缺乏高效的系统沟通,银行为此付出不必要的再营销成本;(2)客户价值被人为忽视:缺乏挖掘客户对银行全面价值的有效手段,导致不必要的机会成本损失;(3)行内数据共享程度不足,导致客户产品外需求无法在银行内部得到有效传达;(4)银行内部各条线的资源分配矛盾可能导致银行业务产品在市场上无法形成合力,削弱了银行整体市场竞争力。
就广发银行而言,打造“中国最高效中小企业银行”和“中国最佳中高端零售银行”是我行的战略目标。为实现这一战略目标,广发银行进行了诸多方面的改革,也取得了一定成绩,管理逐渐向精细化管理迈进。为进一步扩大改革成果,释放潜能和效益,提升条线化管理到更高层次,广发银行需要加强大数据应用,将以产品为中心的管理模式彻底改变为以客户为中心的管理模式。因此,我行于今年一季度启动了大数据分析平台项目。该项目旨在收集整合全行所有渠道的客户接触数据,重点包括客户渠道接触记录、交易行为、交互行为等信息,同时还将通过多方合作拓展外部数据源。大数据分析平台对广发银行的业务支撑将主要体现在以下四个方面。一是通过加强对客户的分析和洞察,丰富客户全景视图,促进客户的获取率和留存率,活跃客户的激活率和持续力,提升客户整体价值。二是通过交叉营销分析、精准营销分析和个性化推荐分析的应用提升业务营销成效。三是通过加强市场风险分析、中小企业贷款风险评估、实时欺诈交易分析和反洗钱业务分析手段,提升风险管控水平。四是通过增加渠道优化分析、市场分析、资讯热点分析、舆情分析和联系中心分析等多维分析方法,提升产品创新和运营质量。项目的最终目标是要实现广发银行获客渠道和营销手段的成倍增长,营销成本的大幅压缩和潜在客户数的大幅提升,以产品为中心所带来的弊端将被抛弃,而每个业务条线被压抑的潜能都将得以释放。
第二,加强数据治理,提升数据质量和效能。广发银行充分认识到数据治理在支持金融服务、管理分析和风险控制中的核心价值和战略意义,从2010年开始就着手建立数据治理机制,积极推进数据标准化和数据质量建设,建立全行数据仓库支持各方面对数据资产的应用要求。“十二五”期间,广发银行将采取系列措施来形成具有广发银行特色的数据标准化管理机制。
(1)建设企业级数据仓库平台,将分散在各个应用平台中的数据信息按照客户、账户、产品、渠道等多个主题的方式进行有效的组织和存储,为后续进行数据分析应用打下技术基础。(2)完成数据架构规划,对信息模型、主辅数据源以及数据集成架构等内容进行前瞻性设计,制定数据生命周期管理规范,提升数据服务能力。(3)建设非结构化数据管理平台,支持各类非结构化数据的存储和管理,支持全行统一的电子化报表管理,提供分级、分层非结构化数据展现和查询。(4)建立历史数据查询平台,支持综合的、临时性的、快速的历史数据查询需求,及时响应监管部门的数据检查、稽核监察部门的数据提取、业务管理营销分析方面的临时数据提取等各类数据查询提取要求。(5)加强主数据管理,形成核心基础数据如客户、产品、机构等的统一视图。加强元数据管理和应用,要将元数据管理与系统开发运维、数据架构管控等流程结合起来,保证元数据的有效性和准确性。(6)组建专业的数据分析管理团队,深化数据管理、数据分析和数据挖掘的应用,发掘数据中的商业价值。
第三,积极探索大数据应用,试水“云营销”。去年以来,我行积极探索大数据应用模式。我行依据网络金融战略发展规划,开始尝试将传统的银行业务与“云营销”理念相结合,寻求兼具创新力和执行力的战略合作伙伴和合作模式。作为国内第一家试水“云营销”的金融企业,我行的“云营销”体系有机地将大数据、云计算、第三方多边交易平台、网络金融等新兴互联网商业元素进行了整合,融入了跨域、跨渠道、跨终端的营销信息融合和综合运用,加大了对客户及客群的大数据发掘和云计算分析,理性回归“以客户为中心创造价值”的营销理念。如我行与广州银联、佛山奥讯新媒体联合推出的泛家居行业导购系统,将供应链各环节的用户终端作为我行“云营销”体系的“云端”。“云端”既是服务终端也是数据采集终端,导购经理可以将客户需求数据通过“云端”传输至我行的大数据系统进行综合分析。今后,我行还将与越来越多的第三方交易平台、门户网站甚至特色商业网站及机构开展合作,在更多的行业领域、平台和渠道终端上搭建“云端”,一来可方便为不同领域所对应的特定消费群体开发设计个性化的金融产品和服务,进而产出高效率的营销,较好地解决新产品和新用户的冷启动问题;二来通过大数据对各个“云端”收集汇总的客群信息综合分析处理,可更全面地分析客群、了解客群、服务客群。
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