论大数据技术在商业银行中的应用场景及其展望

摘要院随着计算机技术和移动互联网技术的快速发展袁大数据近年来备受关注袁围绕大数据的理论探讨与实践应用更是不计其数遥对于拥有海量数据的商业银行而言袁大数据技术可以促进科技与业务的融合袁提升整个银行的效率尧服务和管理价值袁目前已经普遍应用于客户营销尧产品创新尧风险管控尧资产定价等场景遥展望未来袁随着大数据技术的更新迭代袁将逐步推动商业银行流程再造尧管理变革和模式转换袁其应用场景将覆盖经营管理的各个领域遥

关键词院大数据技术曰商业银行曰应用场景曰展望中图分类号院TP311.13西南昌

330038冤

文献标识码院A

文章编号院1671-4792渊2019冤04-46-06

作者简介院周平庭渊1984要冤袁男袁硕士袁江西银行监事会遥研究方向院公司治理尧金融科技遥渊江

0引言

随着信息科技的发展袁商业银行在开展业务的过程中积累了海量的数据袁如客

户数据尧业务交易数据尧内部管理数据尧外部数据尧系统日志等袁银行业逐步进入大数据时代遥大数据技术很好地解决了海量数据的收集尧存储尧计算尧分析等问题袁不仅推动着商业银行朝自动化尧网络化尧智能化尧移动化方向有序转变袁而且深刻改变着商业银行的业务拓展尧产品创新尧客户营销尧风险管理等遥目前袁国外银行利用大数据的场景主要集中在客户挖掘尧风险防范尧管理提升尧产品定价等各个层面[1]渊见表1冤遥而

我国科技巨头尧商业银行对大数据的研究和应用稍晚于欧美国家袁但发展速度迅猛袁大有后来居上的趋势遥客观地讲袁大数据时代袁互联网金融产品层出不穷袁对商业银行的传统业务造成了较大的冲击遥但只要商业银行从战略的高度重视大数据等金融科技袁建立健全一套与野创新引领尧科技驱动冶相适应的体制机制袁系统提升金融科技创新效能袁则有望通过技术创新推动业务流程重塑尧业务模式创新尧业务生态拓展袁

论大数据技术在商业银行中的应用场景及其展望

全面提升我国商业银行的金融服务效率和管理水平遥

表1大数据在国外商业银行的主要应用场景

应用领域客户营销

银行(英文)BarclaysBankWestpacBankCitibankCapitalOneBank风险管理

BankAustriaWellsFargoBankofAmerica

综合管理

TheHongkongandShanghaiBankingCorporationLimited

资产定价

JPMorganChase&CoUnionBankofSwitzerland

银行(中文)巴克莱银行西太平洋银行花旗银行第一资本银行奥地利银行富国银行美国银行汇丰银行摩根大通银行瑞士银行

所在国家英国澳大利亚美国美国奥地利美国美国中国香港美国瑞士

1大数据技术在国内商业银行中的应用场景

为了应对大数据时代的挑战袁国有大行及股份银行纷纷探索与国内领先的互联

网公司共建金融科技子公司或其他运作实体袁聚焦大数据尧云计算尧人工智能尧区块链等技术的场景挖掘与实际运用袁着力在拓展营销渠道尧满足客户需求尧防范金融风险尧加强内部管理等方面下功夫袁推动大数据技术由支撑业务袁向推动业务甚至引领业务转型转变遥

1.1

开辟营销客户新渠道

当前袁大数据已经成为经营者了解消费趋势尧引领消费潮流的野密码冶遥电商巨头京东尧淘宝正是源于对消费规律的把握和需求袁有针对性的推荐商品袁成为精准营销客户的野重要法宝冶遥近几年来袁商业银行通过收集并分析客户交易数据袁更好地洞察和理解客户袁从而为其提供个性化尧差异化尧智能化的金融产品和服务袁既有助于留住老客户袁又方便挖掘和拓展新客户遥例如袁兴业银行根据聚类分析等统计方法袁通过对客户财富结构尧购买偏好尧行为数据进行分析袁然后再进行针对性的交叉营销袁不但提高了营销的成功率袁也提高了客户的黏性和忠诚度[2]遥

1.2

随着市场竞争的日趋激烈袁商业银行产品的同质化现象越来越严重遥如何更好

提供创新产品新动力

的洞察消费趋势袁针对性研发满足市场需求的金融产品袁成为商业银行的一项核心竞争力遥通过对内外部的海量数据进行多维度尧多层次分析袁为商业银行提供了一个

科技广场圆园员9援4

了解客户尧挖掘客户真实需求的绝佳窗口袁打开了产品创新的广阔天地遥以微众银行为例袁其基于腾讯公司的海量数据和庞大客户群的优势袁在国内率先推出面向微信用户和手机QQ用户的野微粒贷冶袁无抵押尧无担保袁且资金到账高效快捷袁受到年轻客户群体的高度认可袁从2015年面世到2018年年末袁累计放贷已超过万亿元遥再比如袁江西银行敏锐捕捉到客户野刷手机冶乘坐公交地铁的需求袁推出了国内首款公共交通领域的支付产品袁且应用场景范围拓展至商超尧美食尧观影尧娱乐等多种类尧全渠道日常消费领域袁引起了同业及社会高度关注遥

1.3

随着金融科技的不断发展袁金融业务线上化和移动化的趋势越来越明显袁对风

增加防范风险新方法

险管理的要求也越来越高袁促使商业银行不得不提高对数据的采集尧整合尧挖掘和分析的能力袁加强对各类模型尧技术尧平台的集成应用袁提高风险管理中定量技术的占比袁推动风险管理由经验管理向数据分析管理尧由分散管控向集中管控转变[3]遥譬如袁

兰州银行充分运用大数据的机器学习等技术工具袁建立企业信用风险的识别模型袁评估各类客户的信用水平袁持续跟踪和动态调整客户的资信评级袁减少低级别信用授信客户带来不良资产的风险遥

1.4

与具有高成长性的创新创业相比袁商业银行改进传统业务并不容易袁其诸多业

改进传统业务新途径

务甚至已经形成标准化模式袁这严重约束了商业银行的成长空间遥与之相反袁创新创业企业成长弹性巨大袁其业务模式可以不断推陈出新遥值得肯定的是袁大数据提供了改进商业银行传统业务的新途径袁在这个方面微众银行做了最好的诠释遥微众银行依靠其核心股东腾讯公司的庞大客户流量获取市场份额袁通过搭建金融生态圈进一步争夺客户遥其基于用户的朋友圈受欢迎程度尧工作性质尧生活习惯等获取宝贵信息袁整合QQ尧微信等社交媒体背后的海量数据袁充分判断客户群体的违约概率及损失区间分布情况袁赋予不同等级客户不同的纯信用贷款额度遥与银行传统的授信依据有所不同袁微众银行的评级依据从传统的财务数字扩展到社交软件尧音频图片尧存储媒介等互联网信息袁这些信息更加客观尧真实和完整遥除此之外袁银行传统授信囿于获取信息途径有限袁一般只能做到野重贷前尧轻贷后冶袁而这造成难以避免的贷后管理不及时问题遥微众银行立足立体化尧多维度的个人交互数据袁通过构建的数据预测模型整合交互数据等各类软信息袁进而实时地监测客户的信用风险变化袁最大程度地降低客户违约带来的损失遥

1.5

创新内部控制新手段

过去袁商业银行受业务板块各自分割尧内部组织部门协同效应不强等条件所限袁商业银行下属组织的数据信息没有物尽其用袁同时也制约了其在内部控制监督评价

论大数据技术在商业银行中的应用场景及其展望

上的施展空间遥随着大数据时代的来临袁不同部门尧不同板块和不同条线的数据可以汇聚在一起袁数据资源丰富且全面袁这打开了商业银行综合运用数据信息构建监督评价新理念的大门遥立足于商业银行现有的内部控制制度袁充分运用非现场数据分析方式袁可以构建以业务风险预警尧审计跟踪整改为主要内容的监督评价新体系遥目前袁不少商业银行内部审计机构均在不同程度地推进大数据环境下的非现场审计袁促进监督评价工作做实做细袁提高内部控制的针对性和有效性遥2

大数据技术在商业银行应用中的趋势展望

虽然大数据技术还存在这样那样的不足和障碍袁但不可否认袁大数据时代已经

呼啸而至袁大数据技术正在深刻改变着商业银行的各个领域袁与云技术尧区块链尧物联网等金融科技相互交融袁共同推动商业银行朝着自动化尧网络化尧智能化尧电子化尧移动化方向有序转变袁未来可能出现以下趋势遥

2.1

招商银行明确表示袁招行在未来不仅是一家银行袁更将是像阿里尧腾讯一般的科

商业银行与科技公司边界日趋模糊

技公司遥目前袁五家国有大行先后与互联网巨头签署了战略合作协议袁商业银行与科技类公司的合作愈发紧密袁两者之间的融合将会更加明朗遥近年来袁以电商平台为代表的科技类公司有效整合数据袁凭借其难以动摇的平台优势袁积累客户海量信息资料袁在提炼客户信息的基础上涉足金融业务遥这些业务涵盖消费金融尧小额贷款尧投资理财尧保险销售等多个分支袁已经在居民生活中十分普遍遥其中袁京东商城创新推出京东白条袁支持其平台购物者的消费需求曰支付宝推出的余额宝规模一度接近2万亿袁而借呗尧花呗余额也远超贵阳银行尧常熟银行等上市城商行遥科技类公司涉足金融领域的藩篱渐渐减少袁将其业务扩展到传统金融领域袁在第三方支付尧基金销售尧信用消费等金融领域全面布局袁使得商业银行与科技类公司之间的边界愈发模糊袁未来两者之间的交叉影响将会更加明显[4]遥

2.2

商业银行交叉销售愈发精准

随着我国利率市场化的深入推进袁商业银行的息差明显收窄袁同业之间的竞争

愈发激烈遥面对如此不容乐观的态势袁依靠交叉销售以留住客户成为商业银行应对挑战的转型发展方向之一遥但是交叉销售并非易事袁取得令人满意的交叉销售离不开识别客户的精确工具遥与之相吻合袁大数据在识别客户上具有良好的预测作用遥大数据基于数据的分布特征以及数据之间的关联袁在汇集客户年龄尧性别尧信用水平尧风险偏好尧生活方式等多个维度的数据信息基础之上袁有效提炼数据蕴含的价值以合理划分客户类别袁进而为营销客户提供多元化的渠道[5]遥从营销客户链条的前端来

看袁根据数据分析结果明确何时何地投放广告效用最大袁改变广告投入成本高尧回报

科技广场圆园员9援4

低的窘境遥从营销客户链条的结果来看袁在动态持续跟踪客户信息数据的过程中袁商业银行精确识别不同类别的客户袁向其推荐针对性的金融产品与服务袁如此一来推动客户忠诚度逐渐提高袁避免低水平营销所带来的资源浪费袁助力商业银行的交叉销售取得突破遥

2.3

商业银行信息管理更加高效

商业银行各项业务背后包含时间与空间两个维度的数据信息袁并建立数据仓库以备统计与监测遥数据仓库构成信息管理的核心袁而信息管理则构成商业银行保持良好运行的前置条件遥尽管多数商业银行十分重视数据仓库的信息管理工作袁但是数据仓库依然受到数据质量难以完全准确尧可视化界面不够友好尧与业务部门链接不畅等问题困扰遥随着时间的延续袁数据累积的数量越来越大袁令人经常遭遇电子报表打开时间耗时过长等问题遥倘若不对数据仓库进行优化设计和重新调整袁则其辅助支撑的效果将随时间而递减遥商业银行的信息化建设需要基础支撑袁而大数据正好可以发挥其夯实基础的优势遥通过大数据预先设定可行的维度与指标袁打造良好的数据仓库基础模板袁构建完整的数据结构框架袁以供相关部门自主灵活的摘取所需数据袁最大程度的提高办公效率遥大数据契合信息管理完整尧快捷尧高效的内在追求目标袁未来其与信息管理的结合将会更加紧密袁推动信息管理工作实现自助分析等[6]遥

2.4

商业银行内部管理更趋智能

展望未来袁大数据技术将从商业银行前台业务领域向商业银行中后台内部管理尧监督等领域延伸遥例如大数据赋能审计监督工作发现更多风险隐患袁助力商业银行监事会更好的履行监督检查之职责遥目前袁不少商业银行均在整合行内数据尧人行征信对客户尧机构的各项风险识别袁促进风险防范的穿透管理袁进而改变审计监督工作以前无能为力的不利局面袁加强审计监督工作的深度和广度遥譬如袁国内某银行正在逐步探索如何通过人工智能的自我学习机制袁在没有训练样本数据的前提下袁利用非监督机器学习算法袁依托大量的真实业务数据开展自动建模袁进而进一步提高审计监督工作质效遥可以预见袁大数据平台及其模型将推进审计监督方式逐渐智能化遥改变过去依赖于人员投入的手工风险防控方式袁取而代之的将是依靠人工智能来提取数据袁进而充分运用数据挖掘等技术判别风险袁减少审计监督检查中可能遗漏的风险隐患遥

参考文献院

[2]邱东.大数据时代对统计学的挑战[J].统计研究,2014,31(1):16-22.[1]胡志九.大数据在商业银行中的应用场景[J].商业银行袁2018(2):90-92.

数据尧外部泛征信数据等开展分析建模[7]遥通过对数据的挖掘尧筛选尧整合等处理袁强化

论大数据技术在商业银行中的应用场景及其展望

[3]费笑松.大数据技术在商业银行的应用研究[J].金融纵横,2016(9):46-54.

2015(3):6-10.

[5]陆岷峰,虞鹏飞.商业银行零售业务转型升级研究要要要基于大数据分析与挖掘[J].西部金融,[6]谢清河.大数据时代我国商业银行发展问题研究[J].南方金融,2014(11):12-17.[7]江明哲.借鉴大数据相关关系

[4]洪娟.大数据环境下商业银行野小微贷冶竞争策略研究[J].南方金融,2014(3):80-82.

提升信贷审批前瞻性[J].上海金融,2015(2):100-106.

ResearchontheApplicationScenariosandProspectofBigDataTechnology

intheCommercialBanks

ZhouPingting

Abstract院Withtherapiddevelopmentofcomputertechnologyandmobileinternettechnology,bigdatahasattractedmoreandmoreattentioninrecentyears.Therearecountlesstheoreticaldiscus鄄technologycanpromotetheintegrationoftechnologyandbusiness,andimprovetheefficiency,ser鄄viceandmanagementvalueofthewholebank.Atpresent,ithasbeenwidelyusedincustomermar鄄keting,productinnovation,riskcontrol,assetpricingandotherscenarios.Lookingforwardtothefu鄄ture,withtheupdateanditerationofbigdatatechnology,itwillgraduallypromotetheprocessreengineering,managementreformandmodetransformationofcommercialbanks,anditsapplicationscenarioswillcoverallfieldsofbusinessmanagement.

Keywords院BigDataTechnology;CommercialBank;ApplicationScenarios;Prospect

sionsandpracticalapplicationsaroundbigdata.Forcommercialbankswithmassivedata,bigdata