從大數據視角看銀行數位化

本文共字，預計閱讀時間。

文/恒生電子股份有限公司總部機構戰略規劃團隊 肖雲麗

（本文為「2020金融文字節——銀行數位化創新主題徵文大賽」投稿文章。徵文截稿時間為9月13日，歡迎踴躍投稿。）

大數據的概念早在1980年就由未來學家託夫勒在其著作《第三次浪潮》中提出，但並未有實質性發展。隨著網際網路時代數據的爆發式增長和技術的成熟，大數據逐漸被大眾熟悉和使用，並上升為國家戰略，在各行各業都得到廣泛應用。

金融受行業特性影響，在大數據應用領域有著得天獨厚的優勢。近年來，金融業的數據量呈指數級增長，數據涵蓋的範圍也日漸廣泛，既包括交易記錄、身份等結構化數據，也包括投訴工單、催收語音等非結構化數據。海量的數據成為蘊含高價值的數據資源，得益於新技術的驅動效應，金融大數據超群絕倫。

從大數據在金融業的應用結構看，銀行是大數據的先行者，大數據在銀行的應用比例高達27.2%（證券18.6%、保險13.9%、基金10.6%、其他29.7%）[1]。以大數據為驅動，探索公司業務新增長模式，深入推進業務模式轉型，已成為商業銀行的共識。

一、銀行大數據的應用場景

圖1：商業銀行大數據應用案例

目前，大數據應用已滲透銀行各大業務板塊，既包括公司存貸款、普惠金融、交易銀行業務，也包括個人存貸款、財富管理、信用卡業務。大數據主要運用在這幾個方面：

1、存量客戶管理

網際網路的發展突破時空限制，衝擊傳統銀行的客戶資源、服務渠道和經營模式，促使其改革服務理念，以「產品為中心」轉向「客戶為中心」成為銀行可持續發展的關鍵舉措。

大數據通過電商、社交傳媒、移動終端等數據源，獲取客戶的基本信息（如喜好）、行為信息（如瀏覽時長、頻率）、金融信息（如風險、產品偏好）、供應鏈信息（如生產、流通）等，建立客戶標籤體系，助力銀行構建客戶360視圖，準確甄別、預判客戶行為和需求變化，「對症下藥以行之有效」。

某行高淨值客戶李某理財3年，資產逐月增長，從未投訴。以傳統數據分析，該客戶是高粘性、高滿意度、低流失風險。但大數據客戶管理系統基於其近期在自媒體平臺抱怨該行產品，並頻繁關注他行理財產品資訊，標註其為「流失預警」。後經回訪確認其流失意向，並及時開展準流失挽回。

2、精準用戶營銷

隨著信息獲取媒介的普及和分化，用戶時間碎片化和場景化，產品的嚴重同質化，傳統無差異的營銷方式無法有效挖掘細分市場的轉化潛力，精準營銷成為銀行的新選擇。

藉助大數據，對用戶基礎信息（如性別、職業）、行為信息（如付費方式、頻次）等進行追蹤和分析，區分客群，挖掘需求，分層運營，制定個性化營銷策略，以動態的數據追蹤實現實時營銷、交叉營銷和持續優化。

一線銀行客戶經理常在拓展高淨值客戶時陷入沉澱難、轉化低的困境，某行通過大數據挖掘高端人群的地域流向、行業分布、資產配置、理財方式、消費場景等最新動態，結合消費流水、設備位置等數據進行用戶篩選，量身定製財富管理方案，提高轉化效能。

3、助力風險管理

小微企業財務制度不健全、透明度低，而商業銀行基於傳統靜態分析方法無法對其做出準確、量化的風險評估和控制。數據驅動風控成為解決銀行和企業間信息不對稱的破局之法。利用大數據採集企業生產經營各環節的非財務信息，包括經營訂單、銀行流水、歷史信貸次數、水電帳單、行政處罰等實際數據，結合所處行業市場規模、發展前景等外部數據，把握企業真實經營情況，量化企業信用，更高效開展貸款。

個人信貸風險管理的關鍵是客戶信用，全面掌握客戶信息，提升信息挖掘、分析和應用能力，從源頭控制好風險是銀行提升競爭力和拓展市場空間的重要手段。大數據幫助銀行進行客戶信貸全周期管理。貸前申請階段，通過黑名單自動過濾、欺詐實時識別、身份在線核驗等把好第一關；貸中審批階段，基於客戶多維數據（財務、徵信、行為等）採用自動化決策引擎判斷信用分數並作出信貸決策；貸後管理階段，開發預警規則，建立預警信息量化評分模型、實時動態評分和預警處置跟蹤，主動防禦貸後風險。

4、創新產品應用

銀行大數據除了提高經營效率、優化風險管控水平外，利用大數據等新技術改造傳統銀行產品、創新業務模式和服務流程，也成為銀行突破業務瓶頸、增強競爭力的重要舉措。

建設銀行運用區塊鏈、大數據技術創新推出「民工惠」平臺，累計服務客戶400餘萬名；中國銀行應用網際網路、大數據技術優化風控模型，推出主打產品「中銀E貸」，並保持較快增速；交通銀行針對普惠小微客戶推出基於大數據技術的全線上「稅融通」產品。

……

二、銀行大數據的應用趨勢

銀行大數據在經歷高速發展後，已處於從量到質，由廣到深的關鍵轉型期。海量高維度數據的應用要從大規模向高質量轉變，從分散管理向歸集化管理推進，從強調因果到重視關聯，從描述預測型向決策指導型提升。

圖2：數位化的「四步走」

1、資源化：從大規模轉向高質量

海量的數據和持續擴充的數據源已成為銀行的重要戰略資源，但對數據質量的把控仍待提高，數據錯誤、缺失、重複、格式不統一、統計口徑不一致、數據源難以追溯等問題仍待解決。雖然各銀行已積極響應監管要求，開展數據治理，但從《中小銀行金融科技發展研究報告(2019)》[2]看，中小銀行的數據治理基本處於萌芽階段，對數據治理的意義仍需深度理解。如何建立統一的數據標準、有效的質量控制和完善的數據治理體系是銀行亟需思考的議題。

2、資產化：從碎片轉向集成管理

銀行數據種類多樣，但大多仍是各部門分散管理，部門間的數據互通依靠自發或人工傳遞，內部數據孤島、內外數據割裂，普遍缺乏公司級的數據管理體系。《中小銀行金融科技發展研究報告(2019)》顯示，45%的中小銀行初步搭建公司級數據基礎規範，但業務部門數據互通程度仍不理想[3]。如何有效地管理數據，實現自下而上的歸集，構建統一數據資產視圖，是銀行實現數位化轉型的基礎。

3、業務化：從強調因果轉向注重關聯

目前的數據分析層次，更多是解決「哪些因素造成了這個結果」，而「無法明確為什麼是這些因素？它們對結果的實際量化影響和影響鏈路，以及如何提前預判」。對銀行而言，行業產品和服務始終會走向同質化，其本身不是長效競爭力的保證，因果分析更不能驅動業務模式更加高效。故在轉型浪潮中，誰能快速掌握數據賦能業務的深度應用，探及要素間深層次的關聯，抓住海量客戶背後的業務規律，進而提前洞察，從事後追溯轉向事前幹預，誰將在數位化轉型中一騎絕塵。

4、智能化：從描述預測轉向決策指導

銀行業務在線化將進一步催生數據。非結構化、非金融數據的激增，將超越人工處理的範疇，基於大數據預測而作出的人工決策也無法避免人性的弱點，決策誤判率仍很高。人工智慧除了擁有超強的計算能力，也能基於大量的數據訓練及時做出相對客觀的決策。數據、算法和算力有效結合下的智能金融，將大放光彩。

銀行業在數位化轉型過程中，誕生了數字銀行、開放銀行、智慧銀行等概念，本質上是人工智慧、區塊鏈、雲計算、大數據等新興技術在業務領域的應用落地，他們將成為銀行業務模式和發展模式轉型的核心動能，「以客戶為中心」、「高效精準」的輕型銀行未來可期。

文章注釋：

[1]賽迪顧問，《賽迪數據：一圖看懂金融大數據》，中國電子報，2019-09-07

[2]IFAB、金融壹帳通、埃森哲（中國），《中小銀行金融科技發展研究報告(2019)》，中國數字銀行論壇-2019春季論壇

[3]IFAB、金融壹帳通、埃森哲（中國），《中小銀行金融科技發展研究報告(2019)》，中國數字銀行論壇-2019春季論壇

[Source]

本文系未央網專欄作者發表，屬作者個人觀點，不代表網站觀點，未經許可嚴禁轉載，違者必究！

本文為作者授權未央網發表，屬作者個人觀點，不代表網站觀點，未經許可嚴禁轉載，違者必究！

本文版權歸原作者所有，如有侵權，請聯繫刪除。