第一篇：文章大數據時代銀行企業文化面臨的挑戰與對策

文章大數據時代銀行企業文化面臨的挑戰與對策

一、引言

人類已經逐漸步入到大數據時代。大數據是用來描述數據規模巨大、數據類型復雜的數據集。每個人所說的“大數據”含義不盡相同，但其中存在基本共識：第一，如果不依賴某些可視化軟件的幫助，人類不可能理解如此大的數據量，用散點圖尋找規律或異常情況的傳統辦法，在這里毫無作用；第二，數據從產生到被利用往往只有很短的時間，至少對一些人如此，比如手機運營商能夠實時獲悉你手機所在位置；第三，數據可實現高度互聯。理論上，谷歌可掌握所有用戶的電子郵箱和安卓手機位置信息，知道你在谷歌社交網絡上有哪些好友，并了解你的搜索記錄；第四，數據是雜亂無章的，它包括各種類型，比如你儲存在手機上的視頻屬于“大數據”，但它與整齊有序的分類數據庫（按照生日、就業、性別、收入等分類）還相去甚遠。

大數據給各行各業都帶來了翻天覆地的影響和變化，當然給銀行帶來的影響也不可小覷：一是大數據不僅分散了人們的注意力，甚至是“危險”的，因為海量數據意味著決策制定將更加“集權化”，而科學本身是應當以人為本，包含深刻的自主自在性的，它完全按照程序既定的“規則”辦事，可以過濾掉我們通常所說的“非理性”成分，例如：一名客戶在銀行申請貸款，一開始他與銀行客戶經理面對面聊天，對方認為他完全符合貸款條件，可當把他的所有信息輸入電腦之后，電腦卻拒絕了他的貸款申請，而他至今不知道自己為什么被拒。二是大數據與銀行員工自身的智慧發揮產生了矛盾：大數據往往意味著人們將不必急于運用自己的智慧去試圖解決那些“應該”解決的問題。三是如何利用大數據造?？蛻?，一名銀行高管稱：我們并非反對數據，只是反對大而無當的數據，數據本身當然非常重要，但其前提條件是獲得恰當的應用。人類已經產生并將繼續產生日益龐大的數據，或許不論我們接受與否，大數據時代都已到來。在這個背景下，如何利用它造?？蛻?，就成為銀行業最為關鍵的問題。

伴隨著傳統的商業智能系統向縱深應用的拓展，銀行決策已經越來越依賴于客觀數據而非直覺經驗。然而，傳統的數據倉庫對于數據分析通常是建立在關系模型的基礎之上，面向結構化數據處理，各分析主體之間的關系在系統內已經被創立，而且用以分析的數據也大都是自身信息系統中產生的運營數據，這些數據大都是標準化、結構化的。

事實上，這些數據僅僅占到了銀行所能獲取的數據中的15％。所以，采集、存儲并應用數量快速激增的數據已成為銀行業面對的一個必然趨勢。而該趨勢仍在不斷深化：社交媒體、網絡和員工都提供著豐富的新數據源。非結構化數據在數據中的所占比例極高，因此銀行必須迅速轉向使用非結構化數據分析技術，進而據此獲得新的競爭優勢。大數據技術支持銀行的探索提高效率、降低總體擁有成本的策略，持續激增的數據也將迫使銀行尋求新的方法來采集、整理、管理和分析數據。

非結構化的數據對眾多銀行來說仍是一項有待有效開發的重要資源，可幫助銀行獲得更深入的客戶和運營洞察力，并最終形成競爭優勢。然而，傳統的關系型數據庫和商務智能工具針對結構化數據而設計，難以適應非結構化數據管理需求。

可見，大數據時代的到來對于構建銀行戰略和企業文化都非常重要。大數據時代如何建立新的銀行企業文化可能會成為一個十分重要的課題。強大的企業文化是銀行的優勢所在，可以幫助銀行創造并維持一流的業績。盡管所有銀行的領導人都對此心知肚明而且反復討論，也有不少領導人竭盡全力想要創建高績效的企業文化，但成功的案例寥寥可數。本文基于前人研究，試圖探討大數據時代商業銀行企業文化面臨的新挑戰，并據此提出一些對策建議。

二、文獻綜述

古今中外的一些偉人和學者在探索文化對金融乃至整個經濟建設的重要性方面都提出過許多著名的理論和觀點：

關于文化的重要性，毛澤東指出：如果文化建設取得偉大的成就, 那我們就又學會了一項很大的本領。有關文化的視野，毛澤東更是指出：狹隘世界,不能打開自己的眼界,不知還有別的新天地,這叫做夜郎自大。關于文化的與時俱進，毛澤東也指出：當前的運動特點是什么，它有什么規律性？如何指導這個運動？這些都是實際的問題。運動在發展中，又有新的東西在前頭，新的東西是層出不窮的。關于文化的發展進步，習近平更是提出：面對浩浩蕩蕩的時代潮流，面對人民群眾過上更好生活的殷切期待，我們不能有絲毫自滿，不能有絲毫懈怠，必須再接再厲、一往無前。有關文化的意義，習近平認為: 任何經濟的發展又離不開文化的支撐：文化賦予經濟發展以深厚的人文價值，使人的經濟活動與動物的謀生行為有質的區別；文化賦予經濟發展以極高的組織效能，能促進社會主體間的相互溝通和社會凝聚力的形成；文化賦予經濟發展以更強的競爭力，先進文化與生產力中最活躍的人的因素一旦結合，勞動力素質會得到極大的提高，勞動對象的深度和廣度會得到極大的拓展。文化的力量，或者我們稱之為構成綜合競爭力的文化軟實力，總是“潤物細無聲”地融入經濟力量、政治力量、社會力量之中，成為經濟發展的“助推器”、政治文明的“導航燈”、社會和諧的“黏合劑”。關于培育優秀金融文化的要求, 唐雙寧認為: 大力培育優秀金融文化，是增強金融軟實力，在世界范圍內樹立中國金融業形象，體現中國金融業價值，有效防范金融風險、提升國際競爭力的客觀要求，也是實現由金融大國向金融強國轉變的必然選擇。關于文化的地位，唐雙寧提出: 如果把金融比喻為一棵大樹，那么，業務是葉，管理是枝，體制是干，文化是根，而經濟社會環境，則是它的土壤。關于金融文化在實現金融強國中的作用, 唐雙寧提出：金融硬實力的平面擴張是金融大國的標志，金融軟實力的立體提升是金融強國的標志，為了實現由金融硬實力平面擴張的金融大國向金融軟實力立體提升的金融強國轉變，需要加強金融文化建設。關于文化的形象概括, 唐雙寧提出:改革、發展、安全、管理、誠信、法治、服務、效率、和諧及幸福,這應該是今天中國金融文化的“主題詞”。關于中國金融文化的特殊性表現形式，唐雙寧認為:中國金融文化的問題既蘊含著國際金融文化問題的一般性，又有自己的特殊性，表現形式有重技輕道、重法輕德、重物輕人、重利輕義、重快輕度。關于文化與經濟金融的關系,唐雙寧提出: “文化”與經濟金融的關系，是靈魂和軀體的關系。經濟是一個國家的軀體，文化是一個國家的靈魂。先有軀體，后有靈魂。既不能”魂不附體”，又要“體內生魂”。關于文化與技術的關系，唐雙寧認為:金融企業家是搞實際工作的，但越是搞實際工作越要學習理論，越要善于運用“理論思維”，哈耶克說過，現在“真正的陷阱是掉進過度專業化與技術化的陷阱”作為操盤手，“掉進過度專業化與技術化的陷阱”不必苛責；作為金融企業家，“掉進過度專業化與技術化的陷阱”則應該警惕。關于金融文化的不足, 唐雙寧指出:在內修文化方面，內心浮躁、盲目攀比、急功近利、惡性競爭等等。關于文化隱性特點，唐雙寧認為:市場是看不見的手，文化則是另一只看不見的手。關于金融文化建設與金融家的需求，唐雙寧認為:文化建設也需要一批對社會負責、勇于擔當的具有真正政治家素養的“金融家”。關于文化、政治及經濟的比較概括，唐雙寧提出：政治是暫時的，經濟是長遠的，文化是永恒的。

三、大數據過程中銀行企業文化面臨的問題和挑戰

1、軟弱的企業文化會使大數據流于形式

企業文化的重建必須動真格。一家銀行要成為偉大的銀行，它的價值觀決不能只是一句漂亮的口號。事實上，軟文化和硬數據一樣重要。如果不想讓企業文化流于形式，就必須公開懲戒那些膽敢破壞企業文化的員工。銀行的每個管理者都應深知自己的關鍵職責是捍衛銀行的價值觀。事實上，多數銀行的所作所為都給其員工發出了一個強烈的信號：我們銀行的價值觀純粹就是一句空話。眾所周知，所有的管理學課程都說，一家公司手中最有效的競爭武器是強大的企業文化，但問題在于執行的細節，如果執行環節出了問題，就必須付出慘重的代價。

2、穩定及持久的慣性文化理念成為大數據變革的絆腳石

銀行的戰略變革是一個永無止境的過程，變革就是戰略與文化如何協同發展的問題。無形資源勝于有形資源，企業文化就是企業最寶貴的無形資源之一，企業文化不單能凝聚公司內的員工，更能助企業有彈性地面對不斷變化的市場。戰略變革的壓力勢必會帶來巨大的不確定性甚至風險性，盡管戰略變革前組織必需做好各種資源的評估，但由于組織文化的存在，不同個體對戰略變革的結果接納性及風險意識不同，對戰略變革的態度也就自然不同，有些戰略變革甚至會激起反抗，從而導致戰略變革的失敗。這些壓力可能來源于股東、領導層、員工、客戶、政府、監管方等各個方面，這些都可能是組織的既得利益者，他們抵制變革的原因很多，主要原因是心態的焦慮，例如擔心變革后地位或權力的喪失；悲觀主義，認為變革的結果不可能輕易達成目標；憤怒，因為變革意味著原有規則的缺陷；不同的個人野心，希望變革失敗從而可以獲取既得利益。在戰略變革不可避免時，及時創建一種支持戰略變革的組織文化，是變革能否最終獲勝的重要因素。變革關系到銀行的生存問題。失敗是常態，也是一種心態。既然失敗是我們生存的基本狀態，我們還有什么理由因為現在自己所處困境而怨天尤人、自暴自棄；既然生存的意義就是挑戰失敗，那么，我們還有什么理由不去為著更大目標去克服更大、更多的失??？因此，戰略變革是一個痛苦的選擇，來自各方的利益人群由于不同的目的都將對變革產生不同的反應，所以，戰略變革的倡導者能否持一種積極的心態來應對，是決定變革能否持續的最為重要的先決條件。文化本身具備的相對穩定及持久的慣性使得變革充滿阻力，這種特定的文化理念也正是戰略變革的絆腳石，因此在戰略變革之前必須進行既有價值觀的創新，使其適應新的組織戰略。實際上，大數據是把雙刃劍，多數的銀行由于文化企業本身的正能量缺失，放大了大數據的缺點及不足。

3、沒有建立一種數據導向型的文化

大多數的銀行還沒有建立一種以數據為導向的文化。通過對卓越績效企業使用數據分析的方法進行細致觀察，我們發現迅速行動是高效數據分析文化的一項顯著特征，它們不會只是簡單地將數據收集在一起，而是利用分析結果，進行更為迅速、明智的對策。未來那些最擅于利用數據分析來引導決策的銀行將獲得許多新的競爭優勢，對于這一點已經沒什么人會表示懷疑。但僅僅擁有數據是不夠的。我們對銀行400名員工進行的調查結果顯示，只有35%的員工稱得上是“消息靈通的懷疑主義者”，他們依賴數據，但并不盲從，既不害怕置疑數據分析的結果，也敢于從他人那里索要反饋；42%的員工對數據堅信不疑；然而還有23%的員工很少相信數據分析，他們喜歡憑直覺做事，至今不相信數據分析是銀行未來成功的關鍵，要說服這些員工也是個不小的挑戰。

4、企業文化與大數據戰略的沖突

數據雖重要，分析數據的人也一樣重要。計算機已經強大到可以收集、匯總數以兆兆字節計的信息來回答各種問題，從如何安排員工的薪酬待遇，到某筆抵押貸款債券的風險系數，無所不包。雖然數據不會說謊，但人們使用數據的方式卻極為主觀。殷鑒不遠：量化分析在2007年的金融危機中起到了推波助瀾的作用，但是如果銀行只是簡單地認為，光靠一屋子擺弄數據的分析師就可以解決問題，那么結果不僅會對他們的資產損益造成損害，同時也會損害他們的企業文化。

企業文化當然應該與企業戰略協調一致，然而一些銀行的文化并沒有跟上大數據的戰略。如果一名員工全身心地朝著錯誤的方向前進——盡管該員工熱情洋溢，但卻與銀行的戰略意圖背道而馳，那么肯定會對銀行整體業績帶來不利影響。只有當員工熱情洋溢且全身心地朝著正確的方向前進才能幫助銀行提升業績，并積極推動組織實現戰略目標。確實，銀行戰略與文化的恰當結合才是銀行成功的一劑良方。銀行在動態的市場環境下利用大數據追求創新戰略，只有創造一個員工可以突破枷鎖、管理層鼓勵新思路和建設性的冒險行為的合理環境方能獲得成功。同樣，銀行追求高容量低成本流程，只有員工在高效且可重復的環境下工作并且秉承持續改善成本的想法這樣一種紀律嚴明的文化氛圍才能取得成功。很多戰略與文化的組合具有明顯的直覺性。然而當企業文化無法與戰略協調一致時就會出現“文化鴻溝”，結果導致績效風險的發生。鑒于市場的不斷變化，戰略也需要對此作出相應調整，因此保持企業文化與戰略的一致性確實是企業面臨的一大挑戰。

5、大數據技術部門需要加強與其他業務部門的分工與合作

在大數據時代，企業進行數據分析的背景也發生了變化：要涵蓋數據規模；要能真實精確地挖掘商業價值，快速分析響應；要面向豐富多樣的數據類型，包括結構化和非結構化的數據。要破除孤立，孤立式方法是數據分析文化的一個快速殺手。這使得傳統解決方案在新的需求面前束手無策。為了幫助銀行實現經營目標，面對這些問題，大數據技術部們尤其需要加強與其他業務部門的合作。在以銀行客戶為中心的模式下，大數據技術部門之間孤立無援、單打獨斗的做法肯定是徒勞的。

6、風險管理的適應力

大數據的應用，有助于減輕信息不對稱，提高交易效率，但也改變了風險的特征，需要新的風險管理手段。面對這些變化，銀行需要更好地把握金融創新和金融穩定的界限，使新的金融組織體系穩健高效運行，更好地服務當前的經濟發展轉型。大數據時代，傳統銀行風險管理的理念與方法面臨被顛覆的尷尬境況，新的風險文化必將得以重塑。

四、對策

1、既有價值觀的解凍、創新、深化

創新價值觀并非能在短期內奏效，這需要一個經過既有價值觀解凍、創新、深化的過程。配合戰略變革過程的逐步推進，可以分三個階段：首先是解凍階段，可以組織專門人員對銀行的原有價值觀進行分析，按大數據變革的思路，確定需要變革的對象，在審核評估的基礎上揚棄既有的價值觀體系；第二是大數據變革需要有新的價值體系來支撐它，不然就會像空中樓閣一樣，失去了牢固的地基。如果大數據變革是告訴人們怎么改變的方法，那價值體系的創新則是告訴人們為什么要改變的理由；第三是深化，沒有一勞永逸的價值觀，必須與時俱進地深化，價值觀也需要“深挖洞、廣積糧”。

2、創建適當的企業文化支撐大數據變革

建立合適的企業文化對于任何銀行而言都意義重大，因此，許多銀行都不惜加大投資構建自己的企業文化并希望借此激勵員工的行為，但是究竟有多少銀行能夠真正從這一投資中獲得最大價值呢？銀行在制定并傳達企業愿景與價值觀時花費的人力物力是否能真正規范員工的行為呢？或者說，是否有隱藏的、強大的原因導致該項投資無效呢？如果文化建設投資確實帶來了某些改變，那么是促進了提高業績與落實了戰略，還是不慎刺激了破壞性的行為？建設企業文化，特別是塑造企業競爭優勢的企業文化，需要充分了解企業文化的形成，包括員工的態度和觀點在企業文化建設過程中所起的重要作用。銀行如果花時間去了解企業文化建設流程并培養高度敬業的員工，就能實現大幅的績效提升。銀行如果培育了與其戰略一致的企業文化則能獲得更大回報：全體員工齊心協力朝著共同的企業戰略目標前進。大數據年代銀行必須建立富有創造力的文化，如果身處一種沒人愿意出風頭的集體文化中，就很難提出引人深思的問題。大數據時代，傳統的銀行企業文化處在揚棄的拐點，銀行只有推陳出新才會立于不敗之地。

3、提高駕馭大數據方面的領導力

最為重要的一個步驟就是在各個層級中提升重視數據分析的領導者。高管人員必須認真評估現有數據分析文化的可利用程度，而后再嘗試將其轉型。

4、發展、激勵并保留數據分析人才

通過培訓等方式提升銀行員工隊伍的數據分析能力正在迅速成為企業與時俱進的必要因素。培訓員工的IT技能一直是企業培訓部門的重要工作；而未來的20年，培訓部門將致力于在日常工作中融入數據分析。大數據時代，沒有文化的員工隊伍肯定是一只愚蠢的隊伍，而高素質的數據分析人才是長期培訓的結果，冰凍三次非一日支寒，任何急功近利的做法只能誤讀大數據。

5、銀行高級管理人員的以身作則

企業文化的沖突不是小問題，這方面摩擦和碰撞的結果：輕者會產生阻力，加大發展成本，影響業務健康發展，重者會影響到一家銀行的生存。圍繞銀行業務戰略，相關人員都要轉變觀念、提高認識、統一思想。涉及文化上的本質內容，銀行上下要真學、真懂、真信，最后才會真用，四者缺一不可。有的銀行管理者素有單邊強力推行企業文化的名聲，往往會強迫下屬推行企業文化，忽視了調動下屬積極性的環節，似是而非的部署讓下屬總是感到似懂非懂、莫明其妙，下屬當然無法集中精力、全力以赴地去貫徹。銀行管理者只有不厭其煩地反復抓，從而達成共識，才能形成真正意義上的企業文化。在這個問題上，銀行高級管理人員必須起帶頭作用，從CEO開始自上而下地推廣。如果CEO身體力行，其他員工也很可能參與進來。否則，任何的做法都是徒勞的，因為大數據時代，員工比傳統時代更加關注銀行CEO是否言行一致，并且做出迅速準確的判斷。

6、建立員工快樂工作氛圍

銀行正處于快速變革的階段，先進的文化可以減少或消除業務上的摩擦與碰撞，使員工可以集中精力一心一意地抓業務，因此，要求銀行管理層做戰略上正確的事：順勢而行——為員工創造快樂的工作條件；順向選擇——讓員工看到希望。首先讓員工快樂，其次讓員工的快樂感染客戶從而讓客戶快樂。我們的研究結果顯示，快樂地工作可以提高績效40% 以上，快樂地工作也是當代商業銀行基于企業文化先進和專業技能卓越的高尚境界。大數據時代，銀行高管可以適時知曉員工的快樂情況，尤其是存在于客戶界面的快樂情況，并且與時俱進地做出相應的優化。

五、小結

中國一位著名的銀行家多次強調：業務是葉、管理是枝、體制是干、文化是根、外部環境是土壤。在大數據時代，只有直面挑戰，從企業戰略、高層管理、人才培養、員工激勵等方面培育良好的企業文化才能確保銀行業健康、有序的發展。

第二篇：“大數據時代”來臨,企業數據管理面臨挑戰

“大數據時代”來臨，企業數據管理面臨挑戰

IDC研究表明，到2020年，全球以電子形式存儲的數據量將達到35ZB，是2009年全球存儲量的40倍。這其中企業數據正在以55%的速度逐年增長。人們不禁感嘆隨著信息化的逐步推進，我們迎來了大數據時代。

何謂“大數據”？哈佛大學社會學教授加里·金談到大數據時曾說：“這是一場革命，龐大的數據資源使得各個領域開始了量化進程，無論學術界、商界還是政府，所有領域都將開始這種進程。”通過上述的話我們可以概括出大數據主要的三個特征：量大(PB級別的數據)、實時性(更短的時間處理數據)、多樣性(非結構的文檔數據為主)。

以金融行業為例，當前金融行業面臨的一個非常大的問題就是海量數據的存儲以及對海量數據的查詢優化。傳統的數據存儲方案已經不能滿足大多數金融企業的需求，例如目前很多企業正在建設的數據中心，典型的特點是海量級（千萬及以上）數據量，隨著數據量的進一步增大，查詢性能急劇下降，甚至無法響應，嚴重影響了業務的連續性，為企業的高效運營帶來了挑戰。Hyperstor作為興宇中科提供的一個操作簡單的、綜合的、性價比高的數據管理安全解決方案。它能夠實現真正的CDP數據持續保護及實時恢復。從根本上保證了企業業務的連續性，滿足了企業高效運營的需求，是理想的企業級數據安全解決方案。

正是因為大數據的這些特點，給現代企業帶來了如何通過數據中心變革解決企業數據管理的問題？這一問題逐漸成為了現代企業發展所面臨的關鍵問題，其在電信、金融等“數據就是業務本身”的行業身上表現的尤為突出，并且已經讓很多相信數據之力量的企業正在或者正準備做出改變。

Hyperstor作為針對企業級數據管理存儲備份的一體化數據保護解決方案已經在電信，教育等行業得到廣泛應用，它能夠解決金融，電信等行業多年以來在系統集成、數據管理、業務整合、新業務拓展、面向客戶服務以及在成本控制和核算上的系列難題，相信該解決方案將給國內多個行業發展帶來一個全新的面貌。

隨著信息技術的不斷發展和大數據時代的來臨，企業未來的數據中心，將是高可靠、高安全、易擴展、易管理、綠色高效、資源共享的智慧云數據中心。能夠靈活支撐業務發展，實現監控可視化、控制自動化、管理流程化，并最終幫助企業實現基于優化的基礎架構的管理。

因此，企業必須通過優化自身IT設施，實現存儲容量和可用性的最大化，實施靈活性設計以支持不斷變化的業務需求等相關措施來迎接大數據時代帶來的機遇和挑戰。

第三篇：大數據時代金融業面臨挑戰及應對

大數據時代金融業面臨挑戰及應對

大數據是繼云計算、物聯網之后信息技術領域又一次顛覆性的技術變革，大數據已成為各行業“兵家必爭之地”。大數據時代到來, 首先引起全球高度關注的行業之一就是金融業。大數據的特點，第一是容量大；第二是速度快；第三是類型多樣；第四是強調海量數據之間的關聯性而非因果，金融業是信息密集型服務產業, 在數據特征和數據處理要求方面基本符合“大數據”概念與特征。大數據是重塑金融競爭格局的一個重要支撐和抓手，給金融業帶來了機遇的同時也帶來了前所未有的挑戰。

大數據給金融業帶來的挑戰。第一，金融機構提升自身能力的挑戰。近年來，中國互聯網金融發展迅速，在諸多方面與傳統商業銀行既相互競爭，也蘊藏著巨大的合作空間。傳統銀行必須以開放的心態面對互聯網金融，變被動為主動，用互聯網思維和技術全面提升自身的綜合服務能力。通過著力提升自身的資產管理、風險管控及金融服務能力，才可能從根本上留住客戶資金。首要工作是控制好信貸風險，應提高風險管控能力，由加快發展向穩健發展轉變。第二，外部機構組織的挑戰。技術環境的革新使得傳統金融模式面臨著巨大變革。特別是隨著互聯網技術和大數據的快速發展，銀行的傳統經營模式面臨革新。互聯網正在以前所未有的信息交流方式，迅速改變著傳統的商業模式和組織形式。行業內各類金融機構之間，甚至是行業之間的邊界開始變得模糊，銀行面臨著全新的挑戰，消費者的消費習慣和支付方式也開始發生了根本性的轉變。第三，大數據對信息安全的挑戰。伴隨著數據大集中的實現，風險也相對集中.一旦數據中心發生災難，將導致金融業的所有分支機構、營業網點和全部的業務處理停頓，或造成客戶重要數據的丟失，其后果不堪設想。近年來，國內外金融機構因為信息技術系統故障導致大面積、較長時問業務中斷的事件時有發生。第四，對金融大數據分析人才的挑戰?，F代社會，人才在金融業核心競爭力中的基礎性、戰略性、決定性作用日益凸顯。面對大數據時代和信息化金融的發展，金融機構要“居安思?！?。及時準確研判大數據時代的特點和金融發展的趨勢，充分認識具備現代科學文化素質的人才才是最稀缺的資源。要未雨綢繆，早做準備，重視現代金融人才培養，特別是挖掘和培養既懂業務又懂技術的復合型人才。

大數據時代金融業發展應對策略。一是建立完善的大數據工作管理體系。銀行業應充分認識大數據的重要性，在總行層面建立大數據工作推進機制，制定大數據工作規劃，主管數據部門對大數據工作進行統籌規劃、組織協調、集中管理，業務部門承擔大數據采集、分析和應用的職責，全面定義、收集、多方式整合集團內外部各類數據，形成管理數據、使用數據和推廣數據的有效工作機制。二是增強數據挖掘與分析運用能力。在銀行內部全面推廣基于數據進行決策、利用信息創造價值的觀念，引進數據挖掘和大數據運用專業方法和工具，培養專業數據挖掘分析人才隊伍，重視人才的經濟金融、數學建模、計算機新型算法等復合型技能，建立前瞻性的業務分析模型，把握、預測市場和客戶行為，將數據深度運用到業務經營管理過程，利用數據來指導工作，設計和制定政策、制度和措施，做到精準營銷和精細管理。三是建立基于大數據分析的定價體系。當前，資金的交易變動頻率和流動性加快，大數據從更寬廣角度，預判負債的波動情況，能更靈活測算是否滿足監管要求和貸款需求變化，從而為銀行以存定貸、以貸吸存策略提供量化支撐，可有效降低資金成本。銀行還要運用大數據分析，建立起綜合服務和信貸差異化定價體系，做到對不同產品、不同行業、不同區域實施差別化定價，最終實現一戶一策的綜合化、差異化服務，提升精準營銷水平。四是依托大數據技術提升風險管理水平。大數據能較好地解決傳統信貸風險管理中的信息不對稱難題，提升貸前風險判斷和貸后風險預警能力，實現風險管理的精確化和前瞻性。大數據時代，銀行業可以打破信息孤島，全面整合客戶的多渠道交易數據，以及經營者個人金融、消費、行為等信息進行授信，降低信貸風險。

第四篇：大數據時代國家審計面臨的機遇與挑戰

大數據時代國家審計面臨的機遇與挑戰

在信息迅猛發展的今天，現代社會已經進入了大數據和互聯網+的時代，社會的各個方面均面臨著巨大的變革。而國家審計作為國家治理不可缺乏的重要組成部分，強化審計信息化的建設和數據應用必然是今后一個時期的發展趨勢。

一、大數據概述

（一）大數據時代背景

何為大數據呢？所謂大數據（Big Data）是指無法在一定時間范圍內用常規軟件工具進行捕捉、管理和處理的數據集合，是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力以適應海量、高增長率和多樣化的信息資產。而大數據的概念的提出主要來源于信息技術的發展。1966年摩爾定律的提出，為大數據現象的提出奠定了基礎。2011 年 5 月，全球信息存儲資訊領導者——易安信（EMC）正式提出了大數據的概念。

（二）大數據在國家審計中的重要地位

2012 年，國務院提出，我們應當全面提高電子政務服務能力，引導政府相關業務運用逐漸向云計算模式進行轉變。為切實落實這一意見，預防電子政務體系建設過程中有可能出現的風險，審計署于同年發布《關于進一步推進審計信息化建設的指導意見》，引導審計部門研究并建立一系列審計評價指標體系，來對電子政務相關政策的落實情況進行評價。2015年9月，經李克強總理簽批，國務院印發《促進大數據發展行動綱要》（以下簡稱《綱要》），系統部署大數據發展工作。《綱要》明確，推動大數據發展和應用，在未來5至10年打造精準治理、多方協作的社會治理新模式，建立運行平穩、安全高效的經濟運行新機制，構建以人為本、惠及全民的民生服務新體系，開啟大眾創業、萬眾創新的創新驅動新格局，培育高端智能、新興繁榮的產業發展新生態。《綱要》部署三方面主要任務。

一要加快政府數據開放共享，推動資源整合，提升治理能力。大力推動政府部門數據共享，穩步推動公共數據資源開放，統籌規劃大數據基礎設施建設，支持宏觀調控科學化，推動政府治理精準化，推進商事服務便捷化，促進安全保障高效化，加快民生服務普惠化。二要推動產業創新發展，培育新興業態，助力經濟轉型。發展大數據在工業、新興產業、農業農村等行業領域應用，推動大數據發展與科研創新有機結合，推進基礎研究和核心技術攻關，形成大數據產品體系，完善大數據產業鏈。三要強化安全保障，提高管理水平，促進健康發展。健全大數據安全保障體系，強化安全支撐。

此外，在信息技術的推動下，我國在經濟、文化、醫療、政治等方面有了較快的發展，相關記錄統計數據也同樣快速增長，政府審計與國家的發展息息相關。而審計必須依托數據來進行。如果審計人員對信息技術一竅不通，那么審計工作將進入“進不了門，看不了帳”的尷尬境地。

在信息化時代和大數據背景下，政府的高度重視和信息技術的推動下，促使國家機關審計必須順應時代的要求，重視審計的信息化建設。

二、大數據時代下審計信息化的機遇

（一）國家審計的目標與特點對信息化的要求

國家審計的目標就是推動國家經濟的健康發展，實現國家“良治”，這是政府審計作為國家治理的“免疫系統”決定的。國家審計的法定性、獨立性、強制性、權威性和綜合性等特點，要求審計信息數據資料的選取更為廣泛。

隨著大數據時代的到來，國內掀起了一陣新的研究狂潮，大數據時代對會計、審計領域帶來怎樣的挑戰，各方應當如何應對已成為新的議題。國內學術界針對大數據的研究很多，針對政府審計的研究也很多，但是關于大數據時代對政府審計帶來怎樣的挑戰以及機遇對卻并沒有相關成熟的研究。

同時大數據時代的到來，也對電子政務的發展也相應地提出了更高更多的要求，審計對象內容全覆蓋的新要求讓國家審計也面臨著來自審計主體、審計手段、審計風險等方面的挑戰。

（二）大數據對審計信息化的機遇

1.推動了審計技術的變革

大數據中的“大”不僅僅表現為其數據量的龐大，同時其數據的搜集、存儲、維護和共享等任務都極具挑戰性。而審計數據的來源較為廣泛，多線域，數據格式不一，存儲方式不同。傳統的數據管理技術已無法滿足信息化龐大的數據，審計人員面對如此龐大的數據，急需解決大數據存儲、分析以及運用的技術。因此大數據推動了國家審計的技術的變革，促進了政府審計的信息化建設進程。

2.豐富了政府審計的管理方式

云計算是一種新業務，主要負責將集群計算能力由互聯網向內部、外部使用者提供服務，是傳統信息領域和通信領域技術的進步，商業模式的轉變共同帶來的結果。大數據時代，云計算已應用于國民經濟生活的各個領域。云計算完全顛覆了傳統的構建模式，政府部門和各企業之間構建了各自的數據中心

云計算脫離了傳統模式，只要按照彼此的管理要求，提出滿足需求的數據信息，然后使用高速高效的互聯網進行傳輸，就能夠獲取便捷高效的云服務，從而推動政府各部門與企業都能夠將注意力集中在如何提高自身的核心競爭力上。那么，云計算的實現原理不是通過由傳統的本地計算機來對需求進行計算然后完成，而是通過互聯網來完成數據需求的計算，提供數據服務。因此，國家審計技術也必須要不斷地進行更新，以保證審計的時代性。

三、大數據時代政府審計工作面臨的挑戰

大數據對政府審計工作的挑戰主要分為三個方面：審計技術、審計平臺以及審計人員等。

（一）大數據對政府審計技術的挑戰

首先，在大數據時代，物聯網的發展使得數據之間的共享日益頻繁。而政府審計數據又具有一定的保密性，但是大數據的數據較為冗雜，存在著很大的安全隱患。因此政府審計對大數據的監管技術的要求較高。具體包括：首先，數據儲存，為了完成在成本和能耗相對較低的情況下達到可靠性較高的目標，一般要依靠重新配置冗余并加之云計算技術的幫助，在儲存的時候要將數據分類，刪除同類重復數據，減少數據的存儲量，然后添加標簽便于日后對數據進行抽查或檢驗；其次，數據處理，數據處理非常復雜，這種復雜性不僅是指數據樣本自身，同時更是包含多重空間、多重結構以及多重實體間的一種交互的動態情況，這些情況很難通過傳統的方法對其進行描述或分析，處理難度大大增加，也更加復雜，因而需要利用相互之間的關聯來對語義進行分析得出易于理解的內容；最后，結果可視，使用這些工具得出的結果屬于計算機語言，對于非計算機專業的審計人員來說，其結果是晦澀難懂的。然而要使結果更直觀，更容易理解和分析，就需要通過審計軟件和審計技術將審計結果可視化，而以目前的審計技術還不能夠達到所需要求。

因此，對審計大數據的安全監管存在著巨大的問題，對審計技術的安全防護提出了更高的要求。同時，隨著大數據的日漸龐大，審計技術需要及時更新審計技術，加強對審計大數據的安全管理；修補技術漏洞，不斷完善審計技術。

（二）大數據對政府審計平臺的挑戰

1.政務管理模式的新發展

電子政務，是政府政務管理部門運用現代化信息搜集、傳播技術、互聯網通訊技術將政府對政務的管理與服務進行一定程度上的歸集，通過互聯網對政府組織結構和工作流程進行重新的組合和分配，優化資源，全面有效地為公眾提供高效、透明和優質的服務。通過電子政務可以實現能夠為公眾提供更多的高效透明的信息和實質性的服務。

電子政務體系的健康高效有秩序的發展同樣給國家審計帶來了一系列的問題。其對于政府審計來說是一個全新的平臺，電子政務建設可能脫離政府的管理體制，因而審計人員在進行審計的時候也許無法發現電子政務發揮的作用，也有可能不適應傳統的管理體制，產生“電子浪費”影響審計資源的分配，新的信息孤島也可能因此而產生。

2.云審計的新要求

隨著信息技術的發展，審計技術不斷更新，但是在方法和技術方面，其實質仍是現代審計，即僅提高了當時審計工作的效率。而大數據的出現，當前的審計已不能夠滿足審計工作的要求。同時，云計算的管理模式逐漸應用到了審計大數據中，云審計逐漸走進審計人員的視線。云審計是一種運用云計算技術并通過互聯網完成的模式，審計人員通過運用儲存在“云”端的各種數據與資源，更科學更有效地進行審計的過程，即云審計即為將大數據、云計算技術和互聯網技術應用到國家審計的一種新模式。在大數據時代，云審計的優勢明顯，更能夠適應時代發展的需要，最終將在審計管理、審計方式等方面實現根本性的變革。

（三）大數據對政府審計人員的挑戰

隨著信息技術的不斷更新換代，伴隨大數據、互聯網+的時代來臨，審計數據日益龐大，在進行審計工作時，審計人員自身的審計信息技術能力有更高的要求。主要涉及三個方面：

在云計算方面，由于時代的發展，云審計終將成為開展國家審計的趨勢，而云計算技術又是云審計不可或缺的重要技術之一。云計算技術的發展要求審計人員不僅要具備較高的傳統審計理論基礎，同時也要掌握現代化信息技術的理論基礎。因此，大數據時代的審計人員要求具備非常過硬的專業能力。大數據時代的審計人員不僅要掌握與審計相關的專業知識，而且還要在信息技術方面具有較強的認知。就目前的現狀看來，審計人員雖具備較為完善的審計專業知識和較強的專業能力，但是對大數據、云計算技術等知識的認識和掌握較為欠缺，兼顧審計專業知識和大數據、云計算技術的專業人員更是少之又少，無法滿足高速發展的社會對大數據時代審計的需求，現有的審計隊伍中信息化審計人才急缺。

在大數據的收集方面，大數據時代的數據突破了傳統審計的結構方式。傳統的審計中的數據主要是以結構化數據為主，使用數據庫來儲存結構化的數據，根據分析的需要對數據建設數據倉庫，從而進行多維度多內涵的操作，并運用數據挖掘技術對收集到的數據進行分析，從而深度地獲取信息。而在大數據時代，數據主要是以半結構化和非結構化數據為主，審計人員對這種類型的數據不太了解，傳統的存儲無法滿足需要，如何對大數據進行搜集將是審計人員面臨的一個新問題。同時大數據的收集也要遵守一定的法律法規，大數據的安全防護需要有相關的法治機制為依據和相關的技術作為保障。

大數據時代對人才的要求較高，急需復合型人才。同時，對在職的審計人員也提出了較高的要求，在平時的工作學習中，除了加強自身專業知識的學習之外，還需提高自身的數據處理能力、云計算技術能力等。

因此，大數據時代對國家審計的要求進一步提高，同時要求審計機關培養分析大數據的能力，發現經濟運行過程中的突出問題與薄弱環節，為完善國家治理提出相關建議。

第五篇：大數據時代銀行

近年來，大數據熱潮引發了一場思維、生產和生活方式的重大變革，可以說開啟了全新的時代。對于天然具有數據屬性的金融業來說，一方面，大數據能夠為金融機構的經營管理提供充分的信息支持；另一方面，大數據滋生的新型金融業態對傳統金融機構帶來了嚴峻挑戰。在這場社會大變革中，金融機構將如何應對，非常令人期待。為此，本刊邀請了多位金融機構的高級管理者以及業內專家，共同探討大數據時代金融業的變革與發展。

近十年來，中國銀行業的改革發展取得了令世界矚目的成就。在今年《銀行家》《福布斯》發布的大企業排行榜和市值排名上，五家大型商業銀行均已躋身世界前列。隨著以移動互聯網、云計算、“大數據”和物聯網為代表的信息革命的興起，銀行業又一次面臨新的機遇和挑戰。中國銀行業能否用好大數據，實現經營、管理和服務創新，決定了其未來的可持續發展能力。

銀行業已初步具備運用大數據的基礎

大數據是信息技術與互聯網產業發展到特定階段的產物，從互聯網到物聯網，從云計算到大數據，信息技術正在從產業基礎走向產業核心。而銀行業作為與信息技術深度結合的行業，互聯網思維和決策數據化已開始嵌入經營管理的全流程。大數據實質是“深度學習”，能夠為銀行提供全方位、精確化和實時的決策信息支持。銀行的經營轉型、產品創新和管理升級等都需要充分用好大數據。目前，銀行在客戶分析、風險管理方面對大數據運用已初步積累了一定的經驗，為未來過渡到全面大數據運用奠定了良好基礎。

20世紀90年代，隨著信息技術發展，國內銀行業順應潮流，將信息技術廣泛應用到業務處理和內部管理，以提高服務管理效率。進入21世紀，大銀行率先推進系統大集中和數據大集中，整合原有分散化的信息系統，不斷適應加快產品創新、提升客戶體驗等市場需求，建立數據倉庫和數據平臺，信息化程度不斷提高。近幾年，銀行業大力發展面向客戶的新一代核心業務系統，信息系統建設日趨完備，電子銀行等在線金融服務大幅增長，在提升客戶體驗和風險管控能力、滿足監管各項要求的同時，形成并儲存了龐大的可用數據資源。銀行業的數據資源不僅包括存貸匯核心業務結構化數據，也包含客戶電話語音、在線交易記錄、網點視頻等非結構化數據。

中國建設銀行（以下簡稱建設銀行）從2011年開始建設企業級全行共享的新一代核心業務系統，以客戶為中心、面向服務設計架構，實現業務與IT融合、產品快速創新的目的，目前已初具規模。特別是在新一代系統設計中，充分考慮數據儲存和應用的重要性，并專項設置了數據集成層模塊，包括數據緩存區、數據記錄系統、歷史數據存儲、分析數據倉庫、實時數據倉庫、公共數據集市。

銀行業開始嘗試接入和整合外部數據資源。在傳統的數據分析模式下，銀行業出于市場分析、內部管理、監管需要，產生并記錄了巨量的文本式結構化數據，涉及客戶賬戶資金往來、財務信息等，以及網銀瀏覽、電話、視頻等非結構化數據。但是，傳統意義上的銀行僅能掌握客戶與銀行業務相關的金融行為，無法獲得客戶在社會生活中體現興趣愛好、生活習慣、消費傾向的情感或行為數據，無法與業務數據形成聯動。隨著電子商務的快速發展和移動金融的深化，銀行業逐步加強與外部數據源對接，甄別有效信息，整合多渠道數據，豐富客戶圖譜。目前，已有多家銀行進行了有益嘗試。

一是銀行與電商平臺形成戰略合作。銀行業共享小微企業在電商平臺上的經營數據和經營者的個人信息，由電商平臺向銀行推薦有貸款意向的優質企業，銀行通過交易流水、買賣雙方評價等信息，確定企業資信水平，給予授信額度。建設銀行曾在這方面做過有益的嘗試。此外也有銀行參股電商、開展數據合作的案例。

二是銀行自主搭建電商平臺。銀行自建電商平臺，獲得數據資源的獨立話語權。在為客戶提供增值服務的同時，獲得客戶的動態商業信息，為發展小微信貸奠定基礎，是銀行搭建電商平臺的驅動力。2012年，建設銀行率先上線“善融商務”，提供B2B和B2C客戶操作模式，涵蓋商品批發、商品零售、房屋交易等領域，為客戶提供信息發布、交易撮合、社區服務、在線財務管理、在線客服等配套服務，提供的金融服務已從支付結算、托管、擔保擴展到對商戶和消費者線上融資服務的全過程。

三是銀行建立第三方數據分析中介，專門挖掘金融數據。例如，有的銀行將其與電商平臺一對一的合作擴展為“三方合作”，在銀行與電商之間，加入第三方公司來負責數據的對接，為銀行及其子公司提供數據分析挖掘的增值服務。其核心是對客戶的交易數據進行分析，準確預測客戶短時間內的消費和交易需求，從而精準掌握客戶的信貸需求和其他金融服務需求。

銀行業有處理數據的經驗和人才。數據分析和計量模型技術在傳統數據領域已得到較充分運用，同時也培養出大批精通計量分析技術的人才。如在風險管理方面，我國金融監管部門在與國際接軌過程中，引入巴塞爾新資本協議等國際準則，為銀行業提供了一套風險管理工具體系。銀行在此框架下，利用歷史數據測度信用、市場、操作、流動性等各類風險，內部評級相關技術工具已發揮出效果，廣泛應用于貸款評估、客戶準入退出、授信審批、產品定價、風險分類、經濟資本管理、績效考核等重要領域。

銀行已初步嘗試應用大數據。我國銀行業大規模運用大數據技術尚不成熟，但多家銀行已從關鍵點、具體業務入手應用大數據挖掘技術，解決效率提升中的難題。例如，有的銀行提供集電話、網絡在線、客戶端、微博、微信于一體的整合服務平臺，也有的銀行信用卡中心開發智能云語音，著眼于客服語音信息的挖掘和分析，通過對海量語言數據的持續在線和實時處理，為服務質量改善、經營效率提升、服務模式創新提供支撐，從而全面提升運營管理水平。還有些銀行在個人客戶營銷方面，著重客戶數據分析，摸索出客戶行為模式和潛在需求，促成定向精準銷售。例如，通過分析客戶行為數據和財務數據來鎖定潛在客戶，根據客戶行為規律，并結合其所在區域、行為內容來確定消費習慣，開展針對性營銷；通過分析交易記錄信息來有效識別小微企業客戶，并用遠程銀行和云轉借實施交叉銷售。此外，有的銀行還將其內部客戶編號和微博、QQ、郵箱等相對應，將互聯網數據與傳統數據一起存儲，建立數據庫，不僅了解客戶理財、基金購買等交易行為的頻繁程度，還可以發現其他動態信息如出差、喜好和社交圈等。

國際同業大數據運用的經驗教訓

金融業大數據運用的國際經驗主要體現在快速判斷宏觀經濟趨勢、分析預測客戶及交易對手行為、防范欺詐、改進內部效率以及外包非核心業務等方面。

快速判斷宏觀經濟形勢。英國央行已經開始運用大數據對英國房地產市場和勞動力市場趨勢作出快速判斷。以前，英國央行通過統計部門發布的房地產銷售數據、就業數據等，判斷房地產市場和勞動力市場變動趨勢，但統計部門的數據一般有數日乃至數周的時滯，不利于對形勢的快速判斷。目前，英國央行已通過對一些網絡搜索關鍵詞的監控，如“按揭”“房價”“職位”等，獲取最新的經濟運行情況。

分析預測客戶及交易對手行為。由谷歌（Google）前首席信息官Douglas Merrill創辦的信用評估公司ZestFinance，通過大數據技術把收集的海量碎片化數據整合成完整的客戶拼圖，較為準確地還原客戶的真實狀況和實際信用狀況，并據此支持合作公司向難以從銀行獲得貸款的美國人提供“工資日貸款”（payday loan）。西班牙對外銀行(BBVA)推出的具有記憶功能的ATM機ABIL，不但能記住客戶習慣的取款金額、頻率，還能根據其賬戶情況給出相應的取款建議。美國一些基金公司在幾年前開始借助社交媒體大數據，分析市場情緒變動，進而判斷未來交易是擴大還是萎縮。近期，這些基金公司進一步通過分析金融交易大數據，識別交易對手的交易特征，預判交易對手的交易動向，并采取相應的操作，以獲取差價。

防范欺詐。運用大數據分析軟件，可以預防信用卡和借記卡欺詐。通過監控客戶、賬戶和渠道等，提高銀行在交易、轉賬和在線付款等領域防御欺詐的能力。在監控客戶行為時，大數據可以識別出潛在的違規客戶，提示銀行工作人員對其予以重點關注，從而節省反欺詐監控資源。

改進內部效率。美國銀行用大數據分析該銀行某呼叫中心員工的行為，通過在員工姓名牌中置入感應器，監控員工的行走線路與交談語氣，可以知道員工在工作場所的社交狀況。監控結果表明，那些一起享受工間休息并相互交流的員工工作效率更高，他們可以在日常交流中分享如何應付“難纏”顧客的小竅門。美國銀行發現這一現象后，即轉而推行集體工間休息，此后員工表現提升了23%，而員工說話語調所反映出的壓力水平則下降了19%。另外，還有些歐美銀行運用大數據評價分支機構績效并獲得顯著成效。

大數據的應用存在運維風險和運營風險等，前者如數據丟失、數據泄露、數據非法篡改、數據整合過程中的信息不對稱導致錯誤決策等，后者如企業聲譽風險、數據被對手獲取后的經營風險等。因此，必須加強數據管控。這方面既有成功的經驗，也有值得總結的教訓。從已出現的問題看，最大的風險來自網絡攻擊和欺詐：2011年，網絡銀行欺詐給日本53家銀行造成2700億日元（約合225億元人民幣）的損失；2012年，詐騙集團曾攻擊歐美至少60家銀行的網絡，盜取銀行資金；2013年，國內某保險公司受黑客攻擊，造成數十萬保單信息泄露。為此，一是高度重視并推進統一的數據標準，并做好數據清洗，保證數據質量。二是審慎劃定數據邊界，合理開展內外部數據共享和非核心數據業務外包。三是大數據下應更加重視隱私保護和信息安全，加大對反網絡攻擊的投入。

推動大數據應用的策略

黨的十八大提出堅持走中國特色新型工業化、信息化、城鎮化、農業現代化道路，信息化已升級為國家戰略。我國銀行業加快大數據應用不僅具有行業意義，而且對于推動我國信息化進程、服務“新四化”發展也有重要作用。我國銀行業要從戰略高度充分認識到大數據分析、運用的重要性，從管理體系建設、具體運用模式方面不斷探索，打造銀行業在大數據時代的核心競爭力。

建立完善的大數據工作管理體系。銀行業應充分認識大數據的重要性，在總行層面建立大數據工作推進機制，制定大數據工作規劃，主管數據部門對大數據工作進行統籌規劃、組織協調、集中管理，業務部門承擔大數據采集、分析和應用的職責，全面定義、收集、多方式整合集團內外部各類數據，形成管理數據、使用數據和推廣數據的有效工作機制。

增強數據挖掘與分析運用能力。在銀行內部全面推廣基于數據進行決策、利用信息創造價值的觀念，引進數據挖掘和大數據運用專業方法和工具，培養專業數據挖掘分析人才隊伍，重視人才的經濟金融、數學建模、計算機新型算法等復合型技能，建立前瞻性的業務分析模型，把握、預測市場和客戶行為，將數據深度運用到業務經營管理過程，利用數據來指導工作，設計和制定政策、制度和措施，做到精準營銷和精細管理。

以大數據技術促進智慧銀行建設。推動大數據向生產力轉化，加快產品創新實驗室的技術研發，把實驗室成熟產品運用于客戶的營銷和服務，推進智慧銀行建設，把技術創新優勢轉化為競爭優勢。網點服務要運用好大數據等技術成果，推廣普及智能叫號預處理、遠程銀行VTM、電子銀行服務區、智能互動桌面、人臉識別等創新服務，將傳統銀行服務模式和創新科技有機結合，利用智能設備、數字媒體和人機交互技術為客戶帶來“自助、智能、智慧”的全新感受和體驗。智慧網點在建設推廣中，還應充分采用用戶交互技術和體驗設備，吸引客戶瀏覽、試用、比較各類金融產品，輔以工作人員推薦，從地域、客戶、產品等多種維度，挖掘客戶需求，實現對合適客戶、在合適時間、通過合適渠道、推薦合適產品。

建立基于大數據分析的定價體系。當前，資金的交易變動頻率和流動性加快，大數據從更寬廣角度，預判負債的波動情況，能更靈活測算是否滿足監管要求和貸款需求變化，從而為銀行以存定貸、以貸吸存策略提供量化支撐，可有效降低資金成本。銀行還要運用大數據分析，建立起綜合服務和信貸差異化定價體系，做到對不同產品、不同行業、不同區域實施差別化定價，最終實現一戶一策的綜合化、差異化服務，提升精準營銷水平。例如，將對公、對私客戶逐步納入定價系統，進行客戶選擇，不同服務內容享受不同信貸優惠，達到差別化定價和客戶最佳體驗的雙重目的。

依托大數據技術提升風險管理水平。大數據能較好地解決傳統信貸風險管理中的信息不對稱難題，提升貸前風險判斷和貸后風險預警能力，實現風險管理的精確化和前瞻性。大數據時代，銀行業可以打破信息孤島，全面整合客戶的多渠道交易數據，以及經營者個人金融、消費、行為等信息進行授信，降低信貸風險。如建設銀行依托“善融商務”開發出大數據信貸產品“善融貸”后，銀行可實時監控社交網站、搜索引擎、物聯網和電子商務等平臺，跟蹤分析客戶的人際關系、情緒、興趣愛好、購物習慣等多方面信息，對其信用等級和還款意愿變化進行預判，在第一次發生信貸業務，缺乏信貸強變量情況下，及時用教育背景、過往經歷等變量進行組合分析，以建立起信貸風險預警機制。由歷史數據分析轉向行為分析，將對目前的風險管理模式產生巨大突破。

大數據是信息革命中非常前沿且快速發展的技術，銀行業要抓緊解決內部數據挖掘分析和外部資源的安全整合利用問題，加快人才隊伍建設和技術成果轉化，通過大數據的高效應用，加速推進銀行業的轉型升級和可持續發展