银行大数据的应用与基础建设

1、银行大数据的应用与基础建设你好，我是苏南，欢迎来到我的BANK 4.0：大数据精准营销课。这节课要讲的是银行大数据的应用与基础建设。在中国经济进入新常态转型的环境下，大数据在金融领域的应用，无疑已经成为了中国金融行业的新增长点和新亮点。在金融科技Bank 4.0以及Fintech趋势的推动下，国内外各大金融机构纷纷开始探索大数据的应用。就目前而言，国内银行业还处于大数据应用的初级阶段。但应该说银行在发展大数据应用方面，是具有先天优势的，它是仅次于通信行业的，掌握了上亿客户大数据的行业。而且经过多年的发展与积累，银行业也已经拥有超过百TB的海量数据，非结构化的数据量也在不断增长。银行大数据应用发

2、展上具有哪些优势呢？首先，银行业在平时的业务开展中积累了大量高价值的数据，例如客户的身份、资金收付交易、资产负债情况等等，这些数据经过专业的技术挖掘和分析之后，都将产生巨大的商业价值；其次，对比其它的互联网企业，银行会有更好的一个知名度与预算，所以它是有能力去吸引到了解大数据技术的高端人才，也是有能力去使用大数据最新技术的。在中国银行业中，大数据应用主要集中在：客户营销、产品创新、风险控制和运营优化四个领域。例如光大银行研发的“阳光理财”资产配置平台，他们就是通过分析客户的需求，去设计与之匹配的资产配置方案以支持营销；民生银行有通过大数据分析去定义营销举措，并防止客户的流失；招商银行有利用大数

3、据去发展小微的贷款。总的来看，银行大数据的应用不外乎还是分为信贷风险控制、中间收入拓展、差异化产品设计这三个方面。我们常听到很多人说大数据拥有无限前景和“钱”景（这里的钱是金钱的“钱”），但大数据的价值到底在哪里？为什么都感觉像是讲故事？事实上，大数据的应用场景已经出现在我们的日常生活里，只是要如何让银行踏入大数据的黄金钱景并具体到落地执行，这其中的方法及流程才是重点。银行该如何成功落地执行大数据呢？首先，要让银行的产品服务走向数据化，从中寻找产品要件或流程中产生数据、运用数据的机会，让数据在产品服务上体现；而让数据说话的前提是除了拥有数据外，并且这些数据已完成信息化。在此先说明数据与信息的差

4、别：数据是数字化的凭据，比如1234、ABCD等，本身没有任何含义，就是一份记录；而信息则不同，信息所体现的是人想表达的这层含义，例如电话号码这11位数字是一组数据，但在打电话的场景时，这组数字变成了信息。所以，数据是信息的载体，信息大多是复杂的、不规范的，但是数据却可以是简单、规范的，简单到能够用标准化的二进制语言0和1来表示。因此，如果我们想要数据产生价值，让科学的数据分析解决客户的实际问题，就需要将相互关联的数据嵌入产品服务及流程中，让数据在产品说话，而产品数据化是银行开展大数据的基础建设的第一步。然而，目前银行大数据无法深入应用的原因在于从收集到使用的价值链出现问题。大数据到商业应用之

5、前，大致分成三大阶段：收集与清整、储存与管理和分析挖掘使用阶段。然而实际上，很多银行遇到的问题是，用数据的人不知道大数据从哪里来，做数据的人不知道大数据如何使用，最后造成的结果就是数据愈来愈大，且愈来愈不能使用，从数据收集到数据管理的环节都出现问题，何来分析挖掘使用，更别提应用。这问题主要源自于多数银行的产品、数据及营运部门是分开的，产品部门很少人有数据概念，数据部门也很少人有产品理念，而营运部门也同样不习惯用数据做决策，如果无法将三个团队链接在一起，数据价值就很难产生。所以，银行要成功地将产品数据化，其背后需要建立用数据的思维模式去构建的产品与业务流程，银行也应该打造更积极的数据团队，并使其

6、活跃于业务部门，让数据部门的人可发现每一产品用数据的机会，这其中背后的关键就是银行组织文化及制度的支持。例如，中原银行建构以人为本的商业智能数据平台体系，这一套数据平台体系，构建了三个不同层级的平台支持数据应用，其中固定报表平台主要面向广大数据使用人员；自助分析平台面向高级报表分析人员；数据实验室平台则是给有科技背景的人员使用，如建模师。如此可让每个业务人员都能习惯使用数据，并清楚地知道不同数据所在处以及数据有哪些标签。此外，中原银行建立了数据驱动创新社区、定期做最佳数据实践总结推广、数据知识培训引导、数据文化活动宣传等工作，建立银行的数据文化，让员工可以通过数据说服管理层做更科学的决策。再者

7、，银行拥有庞大的业务数据量，但质量却不佳，这也是当前许多银行在进行大数据建设时遇到的瓶颈。由于银行业务众多，分散化业务处理系统，虽提高业务处理效率，但也造成了数据不完整、不准确、不及时、不一致、不安全及有冗余等数据问题。因此，实施数据标准化是银行大数据的基本功，数同轨是数据标准是最快捷的一种方法，也是最容易达成众多部门共识。例如，建行总行为推动大数据银行建设下，在内部设置了数据标准处和信息系统管理处。在核心系统建设方面，建行采业务模型驱动的方法，先把银行业务进行模型化，再来推动IT的开发。通过业务建模，可将银行各条线的业务需求统一规范化定义，消除了业务人员之间对于业务理解的差异，也方便了技术人

8、员准确理解业务，减少了开发的阻力。在这个过程中，建行制订了八万多项数据规范，形成了企业内部的通用语言，可把数据和业务的需求很好地管控起来。另一方面，建行将业务运行系统和数据使用系统采分离模式，在数据采集、集成到分析使用的每一个环节，数据区都是独立的，不会产生冲突，如此维持系统性能的效率。最后，银行实施大数据应用时，切勿盲人摸象，必须厘清要利用大数据解决什么问题，如此才得以体现大数据应用的价值。这里提供五个步骤做为参考：第一步、 依据问题或目的提出数据需求你想要数据帮上忙的地方是什么？你要数据回答你什么问题？基本上数据能协助你找出你有疑问，但还不知道答案的问题，但若你连自己的疑问是什么都讲不清楚

9、，那数据通常无法帮上忙。总有人期待大数据可以直接告诉他经营上所有的问题，然而现实是大数据只能让你更清楚全貌。因此，若要开始做产品数据化应用时，首先要思考的问题就是要数据回答你什么问题？第二步、确认数据的处理标的有了清晰的数据需求，数据团队就能从这样的需求去讨论他们要对数据做什么样的处理才能得到所需的信息，是分析、汇总、还是统计等，并确认处理完后的预计产出的样貌是如何。第三步、盘点与汇整既有数据有了预计产出的样貌，接下来就是要实际去看看手边数据是否足够，在盘点数据时除了内部数据外，可能同时思考外部数据，当你盘点完内外部数据后，应先做一次基本的汇总动作，确认这些数据是否充足。第四步、盘点新数据采集

10、需求若数据盘点完后有所不足，那就要提出数据采集需求，并提列为数据行动方案。第五步、拟订数据行动方案将执行完上述程序后所提到的所有工作事项列为行动方案，有计划、分工的逐步落实，如此才有可能让数据开始帮上营运工作。银行实施大数据应用策略没有达到预期效果的重要原因，是没有建构出数据驱动的架构；只有实质地改变成为银行数据化的体系，并且具有产品服务数据化的思维，才是成功的关键。建构银行大数据应用的重点应该是如何找出问题所在以及如何收集于分析数据来找出对策，而这是一个永无休止的测试与优化流程。但是当我们客观的靠数据去找答案时，银行的业绩与产能大部分都能得到大幅提升。好了，以上就是这节课要讲的内容。一起再来