第一篇：【大數據時代中小商業銀行的戰略與路徑】

【大數據時代中小商業銀行的戰略與路徑】

已經來臨的大數據時代，將深刻影響中小商業銀行的未來發展，加之我國當前正在深化以市場化為導向的金融改革，在此背景下，中小商業銀行將面臨較大的生存壓力。本文從大數據時代對中小商業銀行的影響進行了分析，指明了中小商業銀行應對大數據挑戰的轉型戰略方向，并提出了以管理、產品、功能、渠道、服務等“五化”為具體路徑的模式創新構想。

微軟前總裁比爾·蓋茨在20世紀90年代曾預言，傳統的商業銀行將是在21世紀滅絕的恐龍。也許蓋茨的預言過于悲觀。但在大數據時代以及互聯網技術突飛猛進的當下，作為中小商業銀行需要正視面臨的挑戰，運用大數據思維對傳統銀行進行改造，實現經營轉型，這也是傳統中小銀行煥發生機、獲得生存與發展的必由之路。

大數據時代挑戰中小商業銀行經營思維

大數據時代對中小商業銀行的影響或中小商業銀行面臨的挑戰主要表現在以下幾個方面：

對傳統中小商業銀行發展戰略的沖擊。傳統商業銀行的發展戰略是在預計未來經濟環境、金融政策的前提下，依據現有銀行規模、網點、人員、資本、客戶等資源占有狀況，以及客戶需求、競爭對手狀況來確定其戰略目標及路徑與方式的。而在大數據時代，決定一家銀行成功的關鍵因素在于對數據的占有及其使用能力，而傳統的人員、網點因素將逐漸淡化；未來銀行客戶資源的穩定及增長，將更多依賴于對不同類別客戶需求數據的掌握并開發出便捷、安全、高值的產品，更多地依賴于對互聯網特別是移動互聯網、電子渠道的開發利用。這就要求中小商業銀行在評判自身優勢和競爭對手實力時要充分考慮大數據實力與IT能力；在確定戰略目標時要兼顧財務承受能力來確定對大數據的投入，使戰略規劃與大數據支撐、業務引領相適應；在確定實施路徑與方法時需要把數據收集與挖掘、產品創新、風險控制、電子渠道、互聯網金融作為向客戶提供服務、內部控制的主要方式與手段。

對傳統銀行經營范圍的沖擊。人類從古至今的商業活動大都是信息流、物流、資金流分離，隨著信息化時代的升級，每一筆交易都將是信息流、物流、資金流的同時整合。在互聯網時代，銀行業與其他商業活動的界限將日漸模糊，銀行業的經營范圍正逐步擴大。當然不是說金融可以替代其他商業活動，而是說金融與其他商業活動將融為一體。這就意味著一方面IT讓金融無所不在，金融業的版圖日益擴大與延伸；另一方面，IT使金融不再是金融機構的特權。這不僅使金融機構之間的混業成為現實，而且使金融與其他非金融機構之間的混業成為趨勢。大量非金融機構將結合自身的商業模式，從不同角度滲透進金融或準金融業務。眼下電子商務和互聯網企業的跨界滲透金融行業只是這種演化的開端。也許有人認為這樣的演化將使風險過大而難以駕馭，但隨著大數據時代的到來，在“樣本=總體”變成現實的情況下，人類對金融風險的識別、量化與控制將比以往任何時代更加精準，對風險的駕馭能力更加強大。當然，商業銀行對風險的隔離以及監管的變革也勢在必行。因此，可以預見未來的商業銀行不僅經營現有的銀行業務、非銀行金融業務，而且經營與交易相關的信息與物流業務也會成為趨勢。也就是說隨著金融互聯網化、互聯網金融化時代的到來，金融將變得無所不能。

對傳統銀行業經營方式的沖擊。進入大數據時代，互聯網與銀行業務深度融合，將徹底改變銀行經營方式。在產品開發與營銷方面，通過對大量交易、行為數據的收集和對數據的分析、挖掘，建立數據模型，可以展示出分層客戶的金融需求，從而按照市場需求、客戶需要開發產品、實施營銷，真正做到以客戶為中心設計開發產品，并做到精準營銷，而不是以銀行為中心來制造與推銷產品；在風險管理方面，目前不少中小銀行在風險評價中雖引入了數量分析，但由于歷史數據積累較少，加之風險管理技術水平普遍不高，經驗判斷仍在風險管理和決策中發揮著主要作用。借助大數據對法人與個人客戶進行多維度的評價，其風險模型將更加符合市場實際，對客戶違約率(PD)、違約損失率（LGD）的取值將更準確，這將極大改善商業銀行過去憑經驗辦業務的經營范式。尤其在微貸業務上，大數據可以極大改變信息不透明、不對稱給銀行帶來的風險與不確定性，銀行可以在準確計量風險溢價的基礎上，構建快速授信審批流程，既滿足微型企業的融資需求，又確保銀行風險調整后的總體收益水平；在績效管理上，可以通過大數據，借助通訊、移動終端、視頻等技術對員工工作頻率、方式、業績、能力等做出準確評價，銀行績效考核的正向激勵作用會更好地發揮作用。

對傳統商業銀行盈利模式的沖擊。在宏觀經濟增速由高速向中速過渡、利率市場化改革進程明顯加快的大背景下，商業銀行凈息差下降成為必然趨勢，信貸成本繼續下降的空間有限，收入成本比大幅壓縮的空間也不大，銀行業未來利潤增速會放緩。在可預見的3～5年內，中小商業銀行的經營壓力將逐步增加。商業銀行可以應大數據時代變遷，強化IT支撐，建設數據倉庫并對數據進行分析、加工和挖掘，利用現代信息技術和電子渠道，為客戶提供滿意的線上服務，同時在線下提供咨詢以及智能化工具難以替代的個性化服務。這樣不僅可以改變過去因業務量增加和經營范圍延伸而必須增加網點與人員，進而導致成本增加的經營模式，而且將改變過去一味依賴關系營銷擴大客戶群體的營銷模式，為迅速擴大客戶群提供了可能。此外，由于大數據時代將使銀行業與非銀行業的相互滲透變得更加可行和容易，這就為商業銀行拓展電子商務、對接資本市場、加強財富管理等新興業務領域提供了廣闊的天地，這些新興業務將可能取代傳統存貸匯業務成為中小商業銀行未來贏利的主要渠道。

大數據時代的中小商業銀行轉型戰略

當前，大部份中小商業銀行在經營規模、資金實力、技術水平、管理能力、人員素質等各方面與大型銀行和全國性股份制銀行相比都處于絕對的劣勢，尤其是在金融國際化、市場化改革提速的形勢下，傳統銀行的經營模式將難以為繼。而隨著大數據時代的到來，中小商業銀行又面臨新一重的危險，當然從另外一個角度來看，對有準備的銀行來說，這種危險同時也是一種前所未有的機遇，如果抓住并及時融入這一深刻變革，實施經營戰略的轉型，不僅可以轉危為安，而且有彎道超車，后來居上的可能；如若不然、其后果可想而知。

確立大數據戰略。大數據時代，中小商業銀行董事會要充分認識大數據對商業銀行經營的重大影響，要樹立大數據思維并對大數據源、大數據技術做出規劃。經營管理層要制定分期實施計劃，并將實施落實情況及時報告董事會。具體來講，首先要制定盡可能詳盡的數據需求規劃，并及時完善與數據采集和存儲相關的運行系統，充實自身數據庫。其次要改變目前內部系統之間數據各自為政或分散化的狀態，建立統一的數據管理平臺或數據倉庫。第三要增強數據分析能力，或借助專業咨詢服務商、集成服務商和通信廠商的技術優勢，采取合作或外包等方式，提升自身對數據的整合、分析、挖掘以及轉化為商業運用的能力。

實施業務結構轉型戰略。在可預見的未來，金融管制將進一步放松，金融市場將更為開放和自由，利率市場化、金融脫媒等因素疊加，將導致金融領域的競爭全面加劇，中小商業銀行依靠大企業、大客戶、大項目來維持一定的增速將逐漸成為過去式。因此，中小商業銀行將小微企業和個人客戶作為轉型的核心發力點，打造小微和零售業務核心競爭力，不僅可以降低對大企業、大客戶、大項目的依賴，開辟金融藍海，而且由于大數據時代風險管理技術的進步以及成本成幾何級數的降低，使微貸業務、零售業務成為中小商業銀行持續穩健發展的核心支撐變得更加現實。

加快新興業務拓展戰略。一直以來，中資商業銀行以存貸利差作為盈利模式，以至于商業銀行以追求規模作為最主要經營目標，因為規模越大自然盈利就越多。在利率市場化背景下，利率市場全面放開可能在不遠的將來成為現實，利差收窄是必然趨勢，中小商業銀行如何長期保持一定的盈利能力？唯有加快盈利結構調整，逐步降低對利差收入的依賴，提高中間業務收入及其占比。為此，中小商業銀行必須發展傳統存貸匯業務以外的新興業務，如投資銀行、資金業務、國際業務、財富管理、代理業務等，這也將成為中小商業銀行未來業務發展的必然趨勢。

推進金融互聯網化戰略。大數據時代信息技術和金融產業將更加深入地融合在一起，金融電子化的深度和廣度將不斷強化。中小商業銀行必須主動順應這一趨勢，主動貼近技術進步，擁抱互聯網和移動互聯網浪潮，加快推行金融互聯化戰略，除了繼續深化自身運行和管理系統的電子化建設及傳統業務的電子化受理以外，還必須緊跟互聯網發展步伐，探索建立電子化金融商業模式，著力發展互聯網金融、社區智能銀行、移動終端、電子商務、直銷銀行等業務。這就要求中小商業銀行必須從戰略高度將金融互聯網及電子渠道作為未來提供金融服務和打造核心競爭力的主渠道。

中小商業銀行經營轉型的路徑選擇

大數據時代，中小商業銀行必須加強管理、產品、功能、渠道、服務等模式創新，具體就是要做到以下“五化”：

管理系統化。未來中小商業銀行實施精細化管理，必須依托信息技術提升內部經營管理的效率，也就是說，要加快推進銀行內部管理信息化系統建設，從客戶需求分析、產品開發、市場營銷、內部控制、業務流程、服務監控方面入手，建設包括客戶關系管理、人力資源管理、績效考核、業務流程處理、運營管理、風險管理、評級授信、辦公自動化等系統，逐步實現銀行整個經營管理的信息化、系統化和智能化，促進經營管理決策水平和日常運營管理效率的提升。

產品個性化。目前，大多數銀行在產品設計與營銷上，仍從自身角度出發，先根據自己對風險控制的內部要求，設計出統一的標準化產品，再向市場和客戶進行推銷，這種模式從根本上來說是建立在銀行自身風控需求上的產品制造，并沒有對客戶需求進行面對面地充分了解，往往導致銀行設計的產品與客戶的需求嚴重脫節。在大數據時代，商業銀行競爭的焦點是對客戶的競爭，這種競爭不是傳統的“關系”競爭，而是如何滿足客戶個性化需求的競爭。這就要求中小商業銀行要將“以客戶為中心”從口號變為行動，徹底摒棄以銀行自身為出發點和中心的產品設計與營銷模式，轉變成先充分了解每一類客戶甚至每一個客戶（主要是集團客戶、大客戶）對金融產品和服務的差異化、特殊化需求，再設計出與其特殊需求相適應的人性化產品，并反饋和提供給客戶。只有這樣，才能增強客戶對銀行產品的粘性，提高客戶對銀行服務的依賴性，建立銀企長期合作共贏的關系。

功能平臺化。大數據時代，銀行業與證券、保險（放心保）、期貨、基金等相關金融業的融合將更加深入，甚至銀行與其他非金融業的合作和滲透的深度也將無限擴大。因此，未來的商業銀行功能將是一個綜合化的大平臺，不僅是傳統銀行充當的資金融通中介，還要為客戶提供與非銀行金融機構以及電商、商超、物業、商品交易等其他行業之間進行資金、信息、物流交換的平臺，也就是既要銷售金融產品，還要提供交易及物流通道。

渠道電子化。在大數據時代，客戶對銀行服務的需求將是無時無處、不分時間和地點的全天候、實時的業務需求，任何客戶都可能在任何時間、任何地方以任何方式和渠道發起任何交易。商業銀行的實體網點顯然無法滿足這一類快捷、便利的金融服務需求，只能通過基于通信網絡技術的自助式服務才能滿足這種需求，并增加客戶的粘性。電子化自助式服務渠道具有延伸服務、疊加服務、降低成本和風險的優勢，將取代或迫使遍布大街小巷的傳統銀行營業網點轉型。銀行間的競爭優勢將不再取決于分支機構及網點等物理渠道的數量，甚至物理網點將成為個別銀行的負擔。中小商業銀行應適時借助與信息技術的交互，快速延伸出電子化的虛擬“網點”和“柜臺”，以金融互聯網、社區智能銀行、移動支付為載體，為客戶提供全天候金融服務。

服務人性化。大數據時代的銀行服務人性化表現在：一方面是以信息化為手段，為客戶提供隨時隨地、以秒時計算的線上標準化服務；另一方面，通過面對面咨詢，為客戶量身設計個性化產品，并且為客戶提供多渠道、跨行業的綜合信息等線下服務。因此，商業銀行在服務渠道、業務流程、品牌標識、價值追求、企業文化、行為禮儀、營銷推動等方面需要體現服務的人性化。比如說，未來的客戶經理不僅僅是推銷員，負責向客戶營銷設計好的產品，而且還必須是產品經理，具有為客戶設計、開發個性化產品的專業能力，使銀行服務更加快捷、方便、友好。

返回目錄

【大數據時代銀行資產管理業務探索】

隨著社交網絡、移動互聯網、云計算等相繼進入人們的日常工作和生活中，全球數據信息量呈指數式爆炸增長。以數據、資金和平臺為基礎的互聯網金融在2013年的飛躍式發展，更是充分證實了數據的價值，使得數據真正成為一種商業資本、一項重要的經濟投入，并且可以創造新的經濟效益。

通過大數據分析客戶行為，有助于企業在創新經營模式時更加貼近、深刻理解客戶需求并做出預判，從而改善經營水平、提升經營效率，這將是今后金融機構核心競爭力所在。對于以投研和銷售為核心的商業銀行資產管理業務，當面臨來自互聯網金融企業的挑戰時，如何利用大數據思維、挖掘大數據技術帶來的市場潛力是當前亟需關注、思考的問題。

“大數據”起源及其內涵

互聯網與傳統行業的碰撞產生了今天全民關注的“大數據”，而大數據概念真正盛行是因為奧巴馬政府在2012年高調宣布了其“大數據研究和開發計劃”。美國政府希望利用大數據解決一些政府部門面臨的重要的問題，該計劃由橫跨6個政府部門的84個子課題組成。這標志著大數據真正開始進入主流經濟。

雖然大數據的概念被廣泛使用，但業界仍未形成統一的定義。隸屬IBM公司的TDWI(The Data Warehousing Institute)在其研究報告中首次提出了大數據的3V特性，主要是指：一是容量大（Volume），二是數據來源的多樣化（Variety），三是數據源速度（Velocity）。大數據的核心內涵包括：一是跨領域數據的交叉融合。相同領域數據量的增加是加法效應，不同領域數據的融合是乘法效應。例如，對于消費者行為的分析不僅分析對于某一產品的消費，結合其他產品消費分析得到的預測性效果會更好。二是數據的流動。數據必須流動，才可能產生價值。事實上，在十多年前建立企業級數據倉庫開始，企業級數據倉庫的目標就是讓不同部門的數據流動起來；而如果各個部門數據割裂，數據價值便得不到發揮，對大數據的有效分析才是真正的挑戰。

首先，要分析與某事物相關的所有數據，而不是分析少量的隨機樣本。利用所有數據的分析必然要求較高的處理信息的速度和更為先進的技術。大數據分析是基于可以獲得全體數據，總體即為樣本。過去由于信息處理技術的受限，數據分析的準確性依賴于樣本抽樣的隨機性，但實現抽樣的絕對隨機非常困難，一旦抽樣存在偏見，分析結果會相去甚遠。而有些分析只有使用所有數據分析方可得到結果。例如，信用卡詐騙是通過觀察異常情況來識別的，只有分析所有數據才能做到，這種情況異常值才是最有用的信息，是一個大數據問題；再如，從事跨境匯款業務的公司也開始得到了大數據分析技術的支持，因為交易是即時的，所以數據分析也應該是即時的。

其次，大數據時代的數據分析允許我們接受數據的混雜性，而不再過多關注其分析數據的精確性。只有接受數據的混雜性，才可以利用95%的非結構化數據。數據的混雜性，一是指數據量之大，可能會包容了錯誤的數據，造成分析結果的不準確；二是格式不一致。“小數據”分析最基本的要求是在分析之前進行數據清洗達到格式一致的要求。因而大數據分析也是精確性與數據量的權衡。計算人員發現，大數據的簡單算法要比小數據的復雜算法更為有效。但是對于數據混雜性的處理，要求新型數據庫的誕生來彌補傳統數據庫設計要求數據嚴格一致性的缺陷。此外，因為大數據儲存在不同的電腦和硬盤中，同步更新記錄不甚現實，所以對于精確性要求不高的領域，允許適當錯誤的大數據分析不妨是一種選擇。

最后，建立在相關關系分析法基礎上的預測是大數據的核心。在小數據時代，分析員需要收集和選擇關聯物，并且在某些假設基礎之上進行數據相關性的分析。而在大數據時代，較高的計算能力和互聯網平臺不需要人工選擇關聯物或建立假設基礎。大數據的相關關系分析法更準確、更快且不易受偏見的影響。例如，德勤公司為中英人壽保險（放心保）公司設計建立的個人風險預測模型，就利用了大數據分析技術。德勤把信用報告和顧客市場分析數據作為部分申請人的血液尿液分析的關聯物，分析找出易患高血壓、糖尿病和抑郁癥的人；其中用來分析的數據包括好幾百種生活方式的數據，比如個人愛好、常瀏覽的網站等。

大數據在金融領域的應用

銀行作為金融中介的本質是解決了資金融通過程的信息不對稱問題，而大數據、互聯網對于金融的貢獻也在于解決信息不對稱和降低交易成本，也因此對傳統金融機構的功能形成挑戰。大數據集合海量非結構化數據，通過實時分析客戶交易和消費信息進而掌握客戶的消費偏好，可以準確預測客戶行為，在營銷和風控方面做到有的放矢。以下主要以案例形式介紹大數據在投資決策、信用評分、金融服務平臺三個金融領域的應用，以及國內銀行業的戰略舉措。

投資決策——利用微博信息預判市場走勢

微博信息一般是以文本、圖片、音頻和視頻形式存在的外部數據，具有典型的大數據特征。近年來，微博數據量迅猛增加，微博在國內出現之后，其信息擴散速度之快使其迅速成為信息交流的重要方式。

事實上，華爾街的金融分析師們已經開始使用微博信息進行大數據分析挖掘，不斷找出互聯網中金融微博的“數據財富”，如金融微博股民的情感信息，并進一步利用廣大股民在互聯網上的信息預判市場走勢，取得了很大收益。這些外部的互聯網數據有：一是金融機構可以根據微博中民眾的情緒拋售股票；二是對沖基金根據購物網站的評論分析企業產品的銷售狀況；三是銀行根據收集、挖掘求職網站上的崗位數量，推斷就業率；四是投資機構搜集并經過文本挖掘，分析上市企業聲明，從中尋找破產企業的蛛絲馬跡。通過這些大數據挖掘手段，金融機構把這些大數據成功地轉化成“財富”。

IBM估計，這些微博“大數據”的價值主要是時間性。快速掌握互聯網信息對金融機構來說至關重要。目前，華爾街有一半金融機構已經使用了這種技術。雖然新的大數據技術應用與研究在金融領域還處于初級探索階段，但未來的金融大數據將會包括金融數據提供方、金融數據監管者等因素，并最終成為金融業重要的基礎設施之一。

信用評估應用—ZestFinance的探索

ZestFinance從本質上來看是一家數學企業，它精通于數據計算、分析和邏輯。其創始人之一梅里爾曾是谷歌前CIO，在麾下65人團隊中，大部分是數據科學家。他們開發了數十個基于學習機器的分析模型，對每位貸款申請人擁有的上萬條原始信息數據進行分析，并得出超過幾千個可對其行為做出預測的指標，而這一過程在5秒鐘內就能全部完成。與傳統信用評分模型使用的10～15條數據相比，該公司能夠更精準地評估借款人的信用風險。

ZestFinance目前是為次級貸款者提供擔保服務的第三方機構，其退出直接借貸業務是為了避免和新的合伙人競爭。ZestFinance創始人由于在信用評分和數據挖掘方面的豐富經驗和最近得到的投資資金，ZestFinance在利用和繼續研發大數據技術解決信用擔保問題上具有巨大的優勢。但同時也面臨著監管風險，如危機后監管部門對次級貸款的嚴格監管以及利用大數據進行信用評估觸及了消費者保護法的紅線等。可以預見，將機器算法與人工預測相結合的信用評分法會進一步應用到金融領域其他相關業務的信用風險評估中。

基于大數據的金融服務平臺——以Bankrate（銀率網）為例

1976年成立的“Bank Rate Monitor”原是一家金融出版公司，1996年開始在線運行。如今Bankrate是一家全球領先的個人金融產品信息服務公司，憑借其資深的金融編輯、優秀的分析師團隊，Bankrate對全美、加拿大及中國境內約5600多家金融機構的金融產品進行實時跟蹤調研，通過其網站“Bankrate”在線向消費者提供及時、客觀、全面的金融產品查詢及190多種個人理財計算器，金融產品數據高達32.6萬多款，內容涉及房貸及各類個人貸款、銀行卡、理財產品、儲蓄與國債、黃金、基金、保險、外匯等多個專欄。除了提供實時更新的金融產品數據信息，Bankrate還通過原創的個人理財故事幫助消費者增強理財觀念，把握投資方向。Bankrate這種將原創的個人金融資訊、金融產品查詢及個人理財計算器集合于同一平臺服務的形式，不僅時刻影響消費者理財決策的每個環節，贏得廣大消費者的信賴，同時也為金融機構搭建了直接有效的精準營銷平臺，使得金融機構能夠在潛在用戶群中有效推廣自身的產品與服務，并降低營銷成本。

Bankrate的成功，一是依托了專業化的金融研究團隊和獨特的網絡平臺；二是依托平臺細分客戶和推送信息的精準營銷模式，獲得了各金融機構和監管部門的認可，也成為了消費者信賴的金融產品超市和金融產品數據的信息源。

目前國內金融平臺模式主要是兩類，一類是只提供搜索和銷售的金融產品銷售平臺，另一類是以阿里金融為代表的互聯網企業，依托購物網集投融資、消費、支付系統為一體的互聯網金融平臺。該類平臺服務人員多數是互聯網行業出身，多數產品只停留在客戶體驗方面；相比金融機構建立的互聯網金融平臺，其后臺風控和投研能力有所不足。隨著客戶群體更加專業化的需求以及利率市場化的深入推進，以銀行為主導的電商平臺或是信用卡服務平臺將逐漸凸顯其投研和風控優勢。

大數據時代國內銀行業舉措

大數據時代，信息價值體現方式及獲取方式都發生了根本變化，過去以提供信用服務為主的銀行業正在面臨信息脫媒的挑戰，也不再是經濟關系的信息中心。銀行必須提高對于非結構化數據收集、存儲、分析和運用的能力和效率，方可適應瞬息萬變的金融市場。面對外部的沖擊和挑戰，目前國內同業積極發揮自身優勢，逐步開始實施適應各行優勢業務的互聯網金融與大數據金融戰略舉措，并取得了初步的成效。

隨著大數據在金融領域的廣泛應用和發展，未來銀行業有可能發展成為智能型銀行。例如，在光大銀行的未來規劃中將提供具有身份識別功能的定制化信息推送、視頻客服和自動發卡服務。而信息化銀行作為工商銀行的重要戰略方向，打造大而全的電商平臺成為目前重要的舉措之一。工商銀行的電商平臺將具有融資、消費信貸等功能，并將充分發揮其擁有大量資質較高的大企業和強大信息系統的優勢，成為集供應鏈金融與互聯網金融于一體的電商平臺。

目前商業銀行信息庫中主要的數據為結構化數據，非結構化數據通過Hadoop系統應用到信息發布層，而非結構化數據的應用與整合尚處于規劃階段。Hadoop是Apache軟件基金會開發的開放源代碼并運行運算編程工具和分布式文件系統，能夠以可靠、高效、可擴展和高容錯的方式對大量數據進行分部處理的軟件框架。它可以維護多個工作數據的副本，確保能夠對失敗的節點重新分部并處理。

由于大數據挖掘在銀行業尚處于起步階段，技術也并不成熟，因此商業銀行對于大數據的應用普遍采用外購系統。就工商銀行而言，其信息化銀行的建設將著力于加快建立集團信息庫，同時將社交媒體信息等行內外各類非結構化數據入庫，并在非結構數據挖掘平臺實現對客戶行為、信息等數據的分析，屆時非結構化數據有望應用到全行的營銷、客戶管理和風控系統之中。

大數據時代的資產管理業務

盡管大數據的應用在技術方面仍存在許多挑戰，例如如何探索大數據復雜性和不確定性特征描述方法及大數據的系統建模、如何對數據進行“二次挖掘”等，應用也尚處于摸索階段。但我們仍可借鑒大數據思維方式和新的數據挖掘技術提高商業銀行資產管理業務的產品開發、銷售和管理能力。

充分利用集團信息庫進行資產管理業務信息挖掘

商業銀行信息化平臺的最終目標是要建成非結構化信息的統一檢索、集中共享與綜合應用的平臺，面向全行提供信息檢索和挖掘服務，并與數據倉庫中結構化信息相互配合、互為補充，形成面向客戶和應用的信息資源整合。因此，資產管理業務應充分利用集團信息庫進行信息挖掘。

首先，信息化平臺打通了銀行內部已有的各個數據倉庫，實現了原有的結構化數據的流動，進而資產管理業務可將原有結構化數據倉庫及其他部門的研究成果應用到投資管理實踐中；其次，在實現了非結構化數據集中共享之后，可將與資產管理業務相關的各類外部數據，如客戶外部信息、微博信息、銷售信息、價格信息等整合到信息平臺，利用Hadoop模塊對于各類非結構數據進行“數據清洗”和“打標簽”，為資產管理業務的客戶營銷、投資管理、風險管理等提供有效支持。

創建多元化理財產品銷售渠道和營銷模式

精準營銷是大數據時代的主要特點之一，對于資產管理業務而言，真正達到精準營銷需要利用大數據技術打通內外部數據，分析客戶需求和客戶流失的原因，有的放矢地進行銷售和市場預測，并及時調整產品及銷售戰略。營銷的過程始終不會離開“人”的因素，包括營銷的受眾、推動和評估，而互聯網營銷很好將其結合并凸顯了移動化、智能化、感知化和精準化等特點。

因此，大數據背景下資產管理業務發展應多元化理財產品銷售模式：一是拓寬渠道，包括利用電商直銷平臺、微信銀行、微信推送信息、第三方銷售平臺等方式擴大投資群體，同時加入客戶評價和推薦功能。二是針對機構投資主體或是大客戶，建立客戶信息庫，及時跟蹤大客戶和機構客戶在投資和消費方面的偏好變化，同時培養資產管理部門自己的銷售隊伍。通過針對性的產品設計和營銷、實時地推送和推薦，減少客戶流失和增加潛在客戶。三是做好市場預測。利用大數據進行預測是大數據挖掘的核心，營銷部門應利用信息平臺優勢、結合同業市場產品動向，及時向后臺反饋銷售變化預警信息，輔助中后臺實現迅速有效的流動性管理和風險管理。

探索基于大數據挖掘的量化投資策略

資產管理業務涉及的投資市場和領域廣泛，涵蓋了國內外市場可以投資的所有金融產品，因此投資策略中對套期保值和風險管理的要求也日漸增加，量化投資策略的作用也逐漸受到關注。商業銀行可以探索將微博的作用加入到量化投資決策中，同時利用非結構化信息平臺開發新型的簡單易行的投資策略模型。

一般來說，數據庫形式的金融數據挖掘分為兩類，一是銀行歷史數據挖掘，另一類是證券數據挖掘。資產管理業務的數據挖掘既涉及對融資人的信用評估，又包括證券市場的數據挖掘。以股票投資為例，基于大數據挖掘的量化投資方法主要有兩類應用，一類是上述案例中利用網絡信息預測金融市場價格，印第安納大學的著名學者約翰·博倫和毛慧娜的實證研究表明，分析師將Twitter中的情感表現加入神經網絡模型進行分析預測，發現預測準確率上升了18.3%，絕對平均誤差下降了6.5%。二是基于粗糙集（Rough set）的股票價格預測方法。該理論的核心思想是在穩定分類能力不變的情況下，通過約簡得到分類規則或問題的決策分類，從不完整、不充分的信息中挖掘數據中隱含的有價值的規律。此外，債券投資也可以對全體債券樣本進行神經網絡分析進而得到債券評級，為投資決策服務。

開發基于大數據挖掘的信用風險評分法

傳統的信用風險評分法是利用歷史違約樣本通過本地化的數據挖掘，結合定性分析得到信用評分的代表性指標的過程。而宏觀經濟不確定性、客戶需求的多元化正在考驗著商業銀行及資產管理業務的風險管理能力，并對傳統信用評分法的準確性提出了更高的要求。在資產管理業務中，占有多數份額的項目融資非標資產需要資產管理人員對融資人進行信用評價。由于資產管理業務是完全不同于商業銀行信貸業務的契約模式，除了可以參照銀行信貸審批系統和信貸標準之外，項目審批人應該建立一套有別于傳統信用評分模式、適合資產管理業務特征的項目融資信用評價體系。因此，借鑒Zestfinance評分模式，基于銀行信息平臺對融資人進行信用風險評估的大數據挖掘方法，如神經網絡信用評分法與支持向量機（SVM）信用評分法，可能將成為未來金融領域信用評分的新趨勢。其中，支持向量機的信用評分在解決小樣本、非線性及高維模式識別中具有一定優勢。目前，結合支持向量機和模糊系統的機器學習方法正在成為繼神經網絡研究之后新的研究熱點，并逐漸應用在系統識別、生物信息和行為科學以及金融等領域。Zestfinance便是將機器學習法首先開發應用于貸款違約主體信用評分體系中的金融機構。

利用數據挖掘進行流動性管理

隨著利率市場化的深入，資產管理業務將面臨愈加嚴峻的流動性風險，也要求更高的流動性風險管理技術。區別于傳統銀行業的流動性風險管理技術，資產管理業務流動性管理要求更加準確的市場預測，包括對政策風險、客戶偏好、銷售業績和同業競爭等信息的全面把握和分析預測，同時及時調整投融資策略。大數據挖掘采用非結構化數據的分析技術，符合了資產管理業務流動性管理的多樣需求。因此，在資產管理業務中，流動性管理可以說是大數據理念最為簡單易行的實踐。阿里金融使用大數據分析進行流動性管理的實踐為業內提供很好的借鑒，理財業務也應充分利用現有的資源和平臺，發揮數據優勢，開發建立在全行信息平臺基礎上的流動性管理系統，提高監測和預警準確性，進一步提升流動性管理水平。

隨著信息化銀行的推進和大數據技術的蓬勃發展，資產管理業務的發展既有機遇也面臨著一定挑戰。正如工商銀行資產業務總監陳曉燕所強調：“資產管理業務沒有創新，便無法生存。”在大數據時代，資產管理業務的創新應是全面的創新，包括產品創新、銷售管理創新、投融資方式創新、金融數據挖掘方法的創新以及后臺理財業務流動性風險管理、投融資信用風險管理等涵蓋資產管理業務前中后臺各個方面的創新。這與其說是信息技術帶來的革命，不如說是一次理念和思維的轉變。

第二篇：大數據時代學校檔案管理的優化路徑

大數據時代學校檔案管理的優化路徑

何謂大數據？顧名思義，就是指數據類型多、數據容量大、數據存儲速度快、數據應用價值大和具備大智能，就是挖掘和整合一切有用的信息，為人類社會提供更好的服務。“大數據”概念的首次提出是在2011年美國麥肯錫公司發布的《大數據：創新、競爭和生產力的下一個前沿領域》報告中，然而，僅僅過了5年時間，大數據技術已然滲透到人類社會生活的方方面面，網絡購物所依賴的物聯網以大數據技術為基礎，工業4.0時代的到來以大數據技術為基石，學校校園信息化建設以大數據技術為銜接。那么，在大數據時代背景下，學校檔案管理工作的優化和更新也必然繞不開大數據技術的支持和服務。實際上，中共中央、國務院印發的《國家中長期教育改革和發展規劃綱要（2010-2020年）》中明確提出了“教育信息化”的要求，檔案管理作為學校教育的重要組成部分，必然需要走上信息化管理的道路，才能更好地服務于教育發展和學生成長成才。本文正是基于此，分析大數據時代引發學校檔案管理的新業態，審視大數據對學校檔案管理帶來的變革，提出大數據時代學校檔案管理的優化路徑，更好地發揮檔案管理對促進學校發展的效能。

一、大數據時代學校檔案管理發展的動向

大數據之所以稱之為“大”，除了其數據體量“巨無霸”、數據類型“多樣化”之外，更在于大數據特有的數據處理速度快和數據價值挖掘能力強的特點。由此，可以用4個“V”來概括大數據的基本特征，即是Volume（信息量）、Variety（信息種類）、Value（信息價值）與 Velocity（信息處理速度）。從學校檔案管理的角度來看，經過多年的發展，學校的檔案在種類上和數量上不可謂不多，尤其是學生檔案的電子化、無紙化，更是增加了檔案的體量。由此，在大數據背景下，學校檔案的狀態維度和管理發展至少具有以下幾個方面的動向。

1.檔案在體量上的動態變化

在我國教育“國民化、大眾化”的當下，無論是高等教育亦或是中等教育，都呈現出教育開放程度“井噴”的態勢，尤其是在信息化的注腳下，教育資源以海量的形式在“爆炸”，學校內部的檔案資源也必然隨之爆炸式增長，使原本單一的結構化數據，變成了包括課件、網頁、視頻、圖片等在內的結構化、半結構化或者非結構化數據，引發了檔案資源類型多樣化和數據海量化的管理難題，如果依然遵照傳統單一化歸類的檔案管理思維和方法，難免會出現“無暇顧及、無法系統化管理”的問題，大數據技術的出現，恰好為這一難題的解決帶來機遇。

2.檔案在空間上的動態變化

在信息化時代，學校檔案信息以無紙化、電子化的形式存在，意味著原本在檔案信息管理中存在的“信息孤島”問題將會得到破解，取而代之的將是校與校之間、城市與城市之間、省與省之間甚至國家與國家之間都會產生檔案資源交流與共享的行為。實際上，高校學生檔案信息已經在“學信網”上實現共享，下一階段，中等職業學校、普通高中乃至義務教育階段的學生檔案都會在“學籍信息管理系統”中實現共享，其中將把學生學習的全過程、全階段的信息都涵蓋進來，這些跨空間的信息資源都是學校檔案的有機構成，而通過大數據技術恰好可以將這些信息鏈接起來。

3.檔案在時間上的動態變化

在大數據技術的支持下，學生檔案信息從生成、加工、歸集到傳播利用等各個流程都發生了“質的變化”，主要表現為傳統的延時生成到現在的即時生成，從檔案信息的定時加工到歷時加工、從檔案信息的靜態傳播到動態傳播等等。可見，與傳統載體條件下檔案管理不一樣的是，大數據技術下的檔案管理在時間上實現了即時傳輸、實時共享、即時生成，大大方便了檔案管理的流程。但是，也造成了師生學習生活的不便，主要體現在學校網絡擴容的不足，存在數據錄入時的系統癱瘓問題，無法體現網絡信息存儲快速處理的優勢。

4.檔案在價值上的動態變化

挖掘數據的價值是大數據技術的重要優勢，在海量和多元化的檔案數據中，找尋有價值的檔案信息是大數據致力解決的問題，通過上百萬臺計算機的云計算，可以實現瞬間將有價值的檔案信息整合起來，以方便學校的教學管理創新。當然，在此過程中，一些問題值得關注，一是傳統學校檔案管理中的技術偏差和制度滯后，難免產生檔案信息的可靠性問題，給檔案價值判斷帶來梗阻；二是如何利用不同渠道來源的檔案信息來校驗和印證檔案信息的真實性，這個問題亟需解決；三是如何實現檔案信息價值的最大化，這個難題需要破解。

二、大數據環境對學校檔案管理各個流程的影響

大數據技術，在改變人類生活的存在形態的同時，更要實現人類工作業態的嬗變，使人類工作往便捷化方向轉變。對于學校檔案管理而言，由于管理對象、技術載體的變化，對檔案管理的各個流程也會造成相應的影響和變革。

1.檔案收集環節的影響變化

在傳統學校檔案收集過程中，只注重檔案數據的結構類型，將同種結構的檔案信息進行歸類，就基本上完成了檔案收集。但是，在大數據時代，檔案收集還必須強調時效性，即要求檔案管理人員及時響應教學、科研、學生管理中產生的動態信息，并及時收集，否則就會稍縱即逝，出現檔案收集的漏洞。這就需要檔案管理人員樹立“前端控制意識”，對學校的各項工作具有預見性，充分控制學校各類檔案信息的生成環節，并將檔案管理的要求嵌入教學科研和學籍管理等各類系統中，從而保證檔案的真實可靠。同時，對于在學校論壇、博客、社區媒體中產生的檔案信息資源也要有意識地進行采集，才能實現學校檔案資源的深度、廣度、豐富度和價值度管理，進而更好地服務學校又好又快發展。

2.檔案加工方式的影響變化

傳統學校檔案加工一般以人工鑒定識別的方式進行，確保了檔案加工的質量，但是，隨著檔案信息的爆炸式增長，難免會帶來人手不足的現實問題。大數據技術的出現，深刻影響了學校檔案加工的模式，不是以人工來識別鑒定而是通過人工智能來展開，這不能不說是對傳統檔案整理加工方式的巨大挑戰。然而，在此過程中，必須要創新加工信息的技術和方法，才能對多元化、海量化的檔案信息進行快速處理，“提純”價值信息、找出關聯數據，進而大大方便學校檔案信息的管理，也有助于實現檔案數據利用的便捷化，厚實學校檔案信息服務的基礎。

3.檔案存儲方式的影響變化

傳統學校檔案存儲多以有紙化的檔案數據來保存，但是，在信息化時代，數據在數量上的爆炸式增長和在結構上的多樣性變化，勢必對傳統檔案保存方式帶來極大的挑戰，內在要求學校檔案管理工作必須對接大數據時代背景，加大投入建構服務于海量異構數據的底層存儲及分布式系統架構，更為重要的是，所建立起來的數據存儲空間要具備擴展性和可用性的要求，具有前瞻性，滿足未來檔案數據發展的需求。同時，要在存儲空間建設中避免“信息孤島”的問題，滿足異地資源共建共享的需要，內嵌外部接口和通道，才能充分保證學校檔案數據庫既具有足夠的存儲空間，又能實現信息資源的快捷融通和敏捷分析。

4.檔案服務方式的影響變化

在傳統學校檔案管理中，對檔案資源挖掘、用戶數據挖掘、關系洞察及趨勢預測的要求不高，大數據時代則不同，要求檔案服務工作必須從“供給導向”向“需求導向”轉變，即是在檔案管理中，要滿足學校不同部門對檔案信息的需求，利用數據集成、數據存儲、數據分析、語義處理、可視知識挖掘等方法，最大限度地滿足用戶的需求。同時，積極建構數據模型，對海量數據進行相關性分析，找出其中的內在聯系，將檔案資源轉化為知識資源，優化檔案服務工作流程，從而彰顯檔案的智能服務和知識服務的功能。

三、大數據時代學校檔案管理工作優化的路徑

基于以上分析，為了能夠更好地應對大數據時代對學校檔案管理工作帶來的影響變化，必須積極利用大數據技術來為學校檔案管理工作保駕護航。具體來說，就要通過以學校內部大數據技術建設為核心，深入挖掘檔案信息內在價值的措施來實現檔案資源的共建共享，以期發揮檔案資源服務社會、服務學校、服務師生的效能。

檔案管理工作是學校其他工作又好又快發展的重要保障，在大數據時代，檔案管理人員需要摒棄傳統單一化的檔案管理思維，不斷強化服務意識，強化供給導向，最大限度地發揮檔案資源的效用，才能凸顯檔案管理的價值。

首先，要樹立“以需為本”的服務理念。無疑，對于學校的檔案，其需求者不僅僅限于學校內部，還在于社會大眾，要求檔案服務不能僅僅囿于學校內部，在不侵害國家秘密、個人隱私和知識產權的前提下，應該實現檔案服務的深度和廣度，以增強檔案的信度和效度。同時，在服務的實踐中，不能將檔案服務簡單地理解為“索取-提供”的關系，應該是全程服務，包括事前、事中和事后，通過服務的增值來贏得用戶的口碑，以最優的服務來突出大數據的內涵。

其次，要把握技術發展的最新步伐。在信息化時代，技術發展和更新的速度不斷加快，今天的大數據技術，明天極有可能被更加先進的技術替代，當前大數據技術在各行各業的廣泛運用，已經產生巨大的經濟效益和社會價值，其中所包括的諸多技術解決方案和理念模式，對于檔案管理模式的更新可以直接移植。但是，對于檔案管理者來說，這顯然不是終點，只有與時俱進、與科技俱進才是檔案管理者的選擇，這就需要不斷學習，不僅要掌握大數據時代的“全數據模式”技術，還要掌握云計算技術，緊跟技術進步的節奏。

最后，要挖掘檔案資源的內在價值。在大數據時代，由于大數據技術本身巨大的數據挖掘和集成功能，學校檔案管理者必須敏銳認識到自身所擁有的信息數據寶庫，要深入考量如何發揮數據“礦產”的價值，通過收集整理、挖掘分析和深度加工，建立內部的“檔案資源集成數據庫”，為優質服務夯實基礎。從大數據技術發展的遠期來看，從學校檔案管理工作的優化來審視，學校檔案館可以通過引入第三方來打造“學校檔案信息云服務”，對眾多學校的“大數據”進行預測性分析和預備性收集，進而為師生乃至社會提供個性化或小眾化服務，從而釋放出更多檔案信息數據資源的潛藏價值。

四、結語

總之，在大數據時代背景下，學校檔案管理工作不可能將大數據技術拋之腦后，要與整個時代發展的步伐一致，要深刻認識到大數據技術對學校檔案管理帶來的變化和挑戰，積極適應變化、應對挑戰，樹立“以人為本”的服務理念、把握技術發展的最新步伐、深入挖掘檔案資源的內在價值，才能確保檔案管理工作最大程度的促進學校各項工作的發展。

（作者單位：珠海市理工職業技術學校）

第三篇：大數據時代商業銀行信用風險論文

一、大數據時代商業銀行信用風險管理SWOT分析

（一）定性分析

1.優勢分析。商業銀行在多年發展中，擁有廣大的客戶群體，積累了客戶基本資料、客戶交易、客戶存貸款等大量數據。在大數據時代，商業銀行憑借其雄厚的資本，可以建立大數據服務器等設備，將這些傳統數據與其他來源數據進行整合，數據分析人員通過云計算等技術手段挖掘出有價值的信息，從各個角度分析客戶需求以及識別信貸風險，從而有助于商業銀行更加科學地評價經營業績、評估業務風險、配置全行資源，引導銀行業務科學健康發展。

2.劣勢分析。在現有的銀行交易系統中，客戶的身份證、交易流水等大量信息已被銀行掌握，但缺少如客戶的家庭情況、收入狀況、消費習慣、興趣愛好等其他方面的信息。另外，目前小微企業客戶信息以及商業銀行的產業鏈客戶信息也比較缺乏，直接影響著銀行對這些客戶提供金融服務的水平。再者，大數據時代下，需要金融專業人才和數據分析人才相互配合，才能充分挖掘數據價值，但數據分析人員較為匱乏也將成為商業銀行的軟肋。

3.機會分析。剛剛進入大數據時代，商業銀行應率先構架大數據戰略體系，制定大數據發展戰略，突破同質性，實施差異化業務發展戰略，從而贏得先機。如果大數據獲得成功應用，將為銀行創造先發競爭優勢，使銀行決策從“經驗依賴”向“數據依據”轉化，打造不可復制的核心競爭力。“數據—信息—商業智能”將逐步成為銀行定量化、精細化管理的發展路線，數據分析也將成為其風險防控的法寶。

4.威脅分析。大數據在給商業銀行帶來前所未有的機遇的同時，也給其帶來了諸多威脅，例如大數據存在的風險、網絡安全、數據失真等。在大數據開發利用過程中，云計算技術將會得到廣泛應用。但是云計算將數據存入云端，而云端往往是由第三方服務器實現存取的，如果第三方將數據泄露，將會給銀行帶來極大的風險。另外，互聯網金融正在顛覆著傳統的金融模式，網商具有活躍的交易記錄和巨大的金融需求，但商業銀行很難開發到這些客戶，將給銀行帶來挑戰。

（二）定量分析

除了對大數據時代商業銀行信用風險管理面臨的內外部環境進行定性分析外，還可以進行定量分析。具體思路為：

①確定包括優勢與劣勢、機會和威脅等多于10個的內外部環境因素；

②利用主觀賦權法、客觀賦權法、層次分析法（AHP法）等任一方法確定各因素的權重；

③給各個因素打分，分值范圍為1到5分，評分越高說明因素越重要；

④將各個因素的權重與得分相乘，從而最終計算出各個因素的加權分數；

⑤各個因素加權分數計算代數和得出公司的總加權分數，然后根據分數進行判斷。某商業銀行內外環境分析如附表所示。由附表可以看出，該銀行外部機會大于外部威脅，內部優勢大于內部劣勢，應抓住大數據帶來的機遇，充分利用信息技術，更加科學地評估業務風險、配置全行資源，引導銀行業務科學健康發展。

二、基于大數據的商業銀行征信系統構建

目前，我們已經進入了大數據時代，由于大數據包含的信息量大而且非常復雜，傳統的系統已不能滿足銀行新的分析需求，有必要建立一個統一的數據環境，構建大數據的商業銀行征信系統，采取新分析算法，搭建大數據跨業務的統一應用平臺，從而滿足銀行精細化管理、差異化服務、提升風險分析能力的需求。

（一）大數據時代商業銀行征信系統概述

在金融交易安全日益突出的今天，如何迅速、有效地發現各類欺詐行為，對保證商業銀行的正常運作和國家人民財產安全都顯得十分重要。商業銀行征信系統要針對信貸風險防控工作的實際特點，通過客戶交易信息以及客戶其他信息收集來加強客戶信用風險監測。系統總體見附圖。附表某商業銀行內外環境分析內部環境評分權重加權分外部環境評分權重加權分⑴整體競爭優勢明顯；30.100.30⑴云計算的快速發展；50.150.75⑵良好的客戶群體；50.150.75⑵數據來源多樣化；50.251.25⑶資本雄厚，有能力建立大數據庫；40.050.20⑶科技發展為數據應用提供支持；40.200.80⑷擁有專業客戶人才；30.200.60⑷精準評估業務風險；40.251.00⑸良好的內控環境；50.251.20⑸先入為主的機會；40.150.60優勢⑹豐富的風險防控經驗；50.251.25機會⑹精細化管理的趨勢。40.100.40小計1.004.30小計1.004.80⑴缺乏個人客戶基本信息；-30.25-0.75⑴網商的競爭；-50.3-1.50⑵缺乏小微企業基本信息；-30.20-0.60⑵大數據安全風險；-50.25-1.25⑶缺少產業鏈客戶的信息；-40.20-0.80⑶網絡安全面臨挑戰；-30.2-0.60⑷缺乏專業的數據分析人才；-30.10-0.30⑷外部風險事件的影響；-30.15-0.45⑸缺乏非結構化數據收集能力；-50.15-0.75⑸外部風險來源多樣化。-30.1-0.30劣勢⑹商業運營模式面臨變革。-30.10-0.30威脅小計1.00-3.50小計1.00-4.10優勢劣勢合計0.80機會威脅合計0.70系統將從海量數據中提取出有關聯的數據信息，以發現潛在或已知的風險，系統將數據倉庫、模型庫、知識推理、人機交互四者有機地結合起來，充分發揮數據挖掘的作用，通過建立風險評估模型較好地處理數據資源中存在的模糊性和隨機性，在成熟的模式識別技術和智能分析技術的輔助下，對銀行業務的全方位、多角度的可靠性分析和風險評估，有助于商業銀行實施全面風險管理體系，從而進一步提高融資、貸款、授信等方面的風險評估、監控水平。

（二）大數據時代商業銀行征信系統工作原理

1.數據原料。數據原料是商業銀行風險防控中的關鍵一環，它直接影響到數據挖掘的效率、精準度以及所得模式的有效性。目前，商業銀行針對客戶資料和消費記錄都建立了功能龐大的消費市場數據庫系統，在以大數據引領、以智能化為核心的產業變革時代，銀行要真正將數據作為風險控制的源點，有效整合來自銀行網點、PC、移動終端設備、社交網絡、征信機構等傳來的結構化和非結構化的海量數據，既要獲取常規渠道的數據，又要收集社會化媒體數據，真正將數據作為戰略性資產，實現從管控風險向經營風險方向的轉型。

2.數據工廠。數據工廠是利用數據挖掘理論與技術將數據中潛在的、有用的模式搜索出來，是整個征信系統最為關鍵的一步，也是技術難點。在數據工廠中，系統通過數據抽取工具、數據集成工具、數據過濾工具、數據挖掘工具以及模式評估工具等，從海量數據原料中提取輔助決策的關鍵性數據，并經過歸納總結、推理、分析數據，利用數據挖掘中分類、聚類、偏差檢測、概念分析、異類分析、關聯分析、時序演變分析和元數據挖掘等功能，完成對銀行信用風險控制、銀行市場風險評估和銀行操作風險評估，從而幫助決策者對信息預測和決策起作用。

3.數據產品。數據工廠最終的結果是數據產品，把所有最終經挖掘發現的知識直觀地通過可視化技術展示給商業銀行，以幫助其理解和解釋數據挖掘的結果，控制信貸風險。這些數據結果既包括傳統的諸如違約率、違約損失率、違約暴露和違約期限等客戶信用信息，也包括客戶的其它方面的信用記錄、客戶的信用評級以及對市場風險的評估。當然，整個數據挖掘過程是一個不斷反饋、循環往復的過程，信用評級結果也是動態變化的。

4.數據應用。經過數據挖掘得出的風險評估結果為商業銀行評估信貸業務的風險和收益情況提供了量化工具，改變了單純被動信用風險管理模式。在此背景下，商業銀行應規范貸款審批標準和審批程序，優化金融信用監控機制，完善組織架構和規章制度，實施風險動態防控，使信貸風險管理體系健康運行。

三、大數據時代商業銀行信用風險管理應注意的問題

在“大數據”時代，商業銀行面臨著信用風險防控的新形勢，要積極做好如下應對工作。

（一）風險意識要思維開放

商業銀行在進行風險預測時，需要考量政策、人為的操作風險、市場環境等等眾多因素，但現有的技術水平難以支撐挖掘大數據的商業價值。因此，商業銀行需要具備一種像互聯網一樣的開放式思維，建立分析數據的習慣，重視“大數據”開發利用，關注與風險預測高度相關的大數據信息，如客戶的基礎信息（如客戶開立賬戶時留存的住址、年齡、從事行業、性別等等）、客戶交易信息（如客戶在ATM機上的存取款情況、使用銀行卡、購買理財、使用其他業務的記錄等等）、外部的信息（從互聯網、電信運營商、證券交易所等處挖掘來的有關信息）等，用數據說話，從而提高不確定風險的預測水平。

（二）數據整合要注重質量

大數據很多時候是從一種非傳統的角度去分析、挖掘、利用數據價值的思路。由于數據來源龐雜廣泛，需要不斷利用技術創新去挖掘利用大數據的價值，再加上數據之間的關聯性很強，商業銀行應建立自己的數據地圖，整合銀行內部數據和大數據鏈上的其它外部數據，堅持做到數據要依照標準化采集，確保數據來源真實可靠，杜絕以假亂真；同時構建專門的數據分析方法和使用體系，對數據進行規范化處理，并嚴格按照國家法律法規進行使用，從而確保數據質量，提高數據應用性。

（三）系統建設要高屋建瓴

大數據具有一般數據所不具備的特殊性，傳統的處理工具和解決方案難以滿足針對大數據的處理和分析需要，因此需要采用新的處理模式，才能發揮大數據的效能。商業銀行需要投入大量資源加快完善高度集中、完備、綜合、專業的數據倉庫系統，建設完善數據倉庫項目，從而適應“大數據”技術的需要。在系統建設中要高屋建瓴，要把對于非結構化數據分析的技術與現有的、基于結構化數據的分析工具相結合，預裝一些成熟的數據挖掘算法和文字文本的算法，完善數據挖掘工具的擴展性，便于數據分析人員能夠快速地進行大數據分析。同時，對資源的投入一定要有相當的前瞻性，并兼顧當前實際，盡可能地實現資源利用最大化。

第四篇：商業銀行在“大數據”時代的發展之道

【商業銀行在“大數據”時代的發展之道】

在“大數據”時代，以互聯網為代表的現代信息科技將從根本上改變現代金融運營模式。數據海量化、多樣化、傳輸快速化和價值化等特征，將給商業銀行市場競爭帶來全新的挑戰。面對這場“數據地震”，銀行業如何因時而變、順勢而為？如何以高質量的數據和強大穩定的數據分析能力，開發出豐富的數據應用，為客戶提供智能性和針對性服務？如何從戰略和實施兩個層面，深化金融大數據應用，使之迅速轉化為產業競爭力？日前，北京銀行董事長閆冰竹就此話題接受了本報記者的專訪，他認為，未來的商業銀行要深入數據價值鏈核心，從數據中獲得洞察力，從數據中攫取價值，從數據中贏取未來，引領傳統模式變革，用創新的理念和行動主動擁抱“大數據”時代。

記者：海量數據的爆炸式增長，對于商業銀行而言意味著什么？您覺得將為銀行帶來哪些發展機遇？

閆冰竹：作為信息革命的第二個高潮，“大數據”的高速發展，使銀行業的客戶數據、交易數據、管理數據等均呈現爆炸式增長，為商業銀行創造變革性價值提供了條件。

更廣闊的業務發展空間。我國商業銀行提供的服務和產品存在較大的同質性，但比較競爭優勢要求銀行突破同質性，實施差異化戰略。社交媒體的興起為銀行創造了全新的客戶接觸渠道，來自銀行網點、PC終端、移動終端、傳感器網絡傳來的結構化、非結構化的海量數據，為銀行創造了深化客戶挖掘、強化交叉銷售、加快產品創新的廣闊空間。數據的成功應用，將為銀行創造先發競爭優勢，打造不可復制的核心競爭力。

更精準的決策判斷能力。在信息時代，人類社會面臨的中心問題將從如何提高生產率轉變為如何更好地利用信息來輔助決策。對于銀行而言，“大數據”將使銀行決策從“經驗依賴”向“數據依據”轉化，將在深入了解和把握銀行自身乃至市場狀況的基礎上，更加科學地評價經營業績、評估業務風險、配置全行資源，引導銀行業務科學健康發展。

更優秀的經營管理能力。“大數據”將掀起銀行業的精細化管理革命和競爭。關于資產、負債、客戶、交易對手及業務過程中產生的各種數據資產，在風險控制、成本核算、資本管理、績效考核等方面發揮著重要作用，充分利用數據分析技術將是銀行制勝的關鍵。“數據-信息-商業智能”將逐步成為銀行定量化、精細化管理的發展路線，為有效提升服務能力提供強大支撐。

更突出的風險防控能力。在“大數據”時代，銀行將采用數據分析技術實現風險精細化管理，基于客戶動態行為以及客戶靜態財務數據，量化客戶違約可能性，從而有效做好風險預警。同時，銀行運用量化技術實現客戶信用評分，信用風險、流動性風險、利率風險等風險的精細化管理，通過精確計量風險及資本，實現資本使用效率的最大化。

記者：“大數據”浪潮洶涌來襲，傳統銀行業是否能在這個新的時代適者生存？銀行業服務及管理模式將受到怎樣的沖擊和挑戰？

閆冰竹：隨著“大數據”的深入發展，金融服務也將逐漸虛擬化，銀行業傳統的服務形式、管理方式及運營模式乃至金融版圖均有可能發生根本性改變。

金融競爭版圖面臨重構。大量的數據來源和強大的數據分析工具催生出很多新的金融業態來切入金融服務鏈條，瓜分銀行信貸市場，不斷地利用自身技術優勢和監管盲區占得一席之地。與傳統銀行相比，這類金融業態在信息收集、信息處理、產品交付以及風險防范等方面都具有優勢，其提供的金融服務已經從簡單支付滲透到了轉賬匯款、小額信貸、現金管理、資產管理、供應鏈金融、基金和保險(放心保)代銷等銀行核心業務領域。預計到2015年，中國第三方支付交易規模將達到13.9萬億元。在金融脫媒的背景下，這種滲透意味著金融業和互聯網企業的轉型方向出現了戰略重疊，均朝著“金融服務方案提供者”這條高附加值的路線進軍。

數據駕馭能力面臨挑戰。“大數據”時代首先對銀行的數據駕馭能力提出了全新的挑戰。在數據收集方面，銀行不僅要收集來自網點、信貸等傳統渠道的結構化數據，還要收集來自物聯網、互聯網、機構系統的各類非結構化數據，甚至還要與歷史數據對照，非結構化數據收集模式將徹底顛覆銀行數據收集理念。在數據存儲方面，要達到低成本、低能耗、高可靠性目標，通常要用到冗余配置、分布化和云計算技術，但這正是銀行所欠缺的。在數據處理方面，有的數據涉及上百個參數，難以用傳統的方法描述與度量，處理的復雜度相當大，如客服錄音數據等。利用“大數據”的能力將成為決定銀行競爭力的關鍵因素。

商業運營模式面臨變革。隨著數據化和網絡化的全面深入發展，金融服務虛擬化將是大勢所趨。一是產品虛擬化，金融IC卡的推廣應用，正在逐步提升銀行的電子化發展進度，銀行資金將越來越多地呈現為各類數據信號的交換，電子貨幣將與實物貨幣并駕齊驅。二是服務虛擬化，“善融商務”、“交博匯”以及中信金融商城等銀行電子商務平臺不斷啟動，“鼠標”銀行、電子銀行成為未來趨勢。三是管理虛擬化，銀行業務中的各種單據、憑證等將以數字文件的形式出現，網絡成為重要的管理通道，電子化、數據化的管理模式更加方便快捷。傳統的商業銀行運營模式將逐漸消融在數據化的洪流里，借助“大數據”手段，實現跨越式發展，成為未來商業銀行可持續發展的唯一選擇。

記者：有人說，當前互聯網變得很快，再大的企業，不跟上時代，一夜之間轟然倒塌也是可能的。您認為，商業銀行應該如何利用“大數據”實現戰略轉型和可持續發展？

閆冰竹：數據時代，適者生存。未來的商業銀行要參與到深入數據價值鏈核心，從數據中獲得洞察力，從數據中攫取價值，從數據中贏取未來，引領傳統模式變革，用創新的理念和行動主動擁抱“大數據”時代。

在理念上，強化“數據治行”。“大數據”革命必將顛覆銀行傳統觀念和經營模式。要強化“數據治行”理念，建立分析數據的習慣，重視“大數據”開發利用，提升全行的質量管理、數據管理，真正做到“人人心中有數”。要營造“數據治行”文化，倡導用數據說話，準確描述事實，反映邏輯理性，將現有數據轉化為信息資源，為高層管理和決策提供強有力依據，讓決策更加有的放矢，讓發展更加貼近真實市場。

在手段上，建設“數據倉庫”。著眼于“大數據”挖掘和分析，對海量數據持續實時處理，建設數據倉庫項目，為服務質量改善、經營效率提升、服務模式創新提供支撐，全面提升運營管理水平。在項目建設中，通過梳理整合經營管理關鍵數據，建立數據管控體系、搭建基礎數據平臺。通過數據倉庫建設，運用數據挖掘和分析，全方位調整管理模式、產品結構、營銷模式、信息戰略，從根本上提高風險管理、成本績效管理、資產負債管理和客戶關系管理水平，實現多系統數據的業務邏輯整合，形成全行級客戶、產品、協議等主題數據。在渠道上，建設“大數據平臺”。積極推動傳統業務渠道與移動通信、云計算等新興業態縱向整合、橫向滲透，促進信息集中、整合、共享、挖掘。一方面要“走出去”，與移動網絡、電子商務、社交網絡等“大數據平臺”完美融合，開展“大數據”分析，為客戶提供開放服務平臺。另一方面要“請進來”，與數據分析專業廠商合作，對數據存量進行綜合處理與分析。建立完善內容涵蓋全面、功能豐富齊全，集網上貿易服務、網上保理、電子商業匯票、票據池、應收賬款池融資、在線融資等為一體的綜合供應鏈金融服務體系，為客戶提供觸手可及的全方位貼身服務。

在目標上，建設“智慧銀行”。智慧銀行是能夠通過內外兼修，準確應對、快速應變、有機處理繁雜數據，高效配置金融資源，敏銳洞察并引領客戶需求的高度智能化金融商業形態。學會運用網絡化的專用資本，從傳統有時限的金融服務向全天候服務轉變，這也正是未來銀行轉型的重要抓手。打破傳統物理網點的地域限制，提供“銀行始終在客戶身邊”的全場景金融服務。改變傳統的以銀行為中心的服務模式，提供差異化、個性化產品和服務，為

客戶提供定制化服務。整合柜員、客戶經理、自助設備、網銀、手機或移動終端等各類渠道，徹底打破地域和時間限制，提供一點接入、全程響應的智能化渠道服務，為客戶創造最佳服務體驗。

記者：作為中小銀行領頭羊，北京銀行在“大數據”探索方面走在同業前列，可否簡要介紹一下實踐成果？

閆冰竹：面對“大數據”蓬勃發展帶來的挑戰與機遇，北京銀行明確提出實施科技引領戰略，以更加積極和開放的心態擁抱“大數據”，努力升級傳統商業模式，打造“全能智慧銀行”。

一是率先推出直銷銀行模式。北京銀行通過與境外戰略合作伙伴荷蘭ING集團深度合作、精心研發，正式開通直銷銀行服務模式，此舉標志著國內第一家直銷銀行破土萌芽。二是積極加強跨領域合作。近期北京銀行與小米公司簽署移動互聯網金融全面合作協議。雙方將在移動支付、便捷信貸、產品定制、渠道拓展等多個方面探討合作，未來將基于小米公司的互聯網金融平臺探索綜合金融服務，為客戶帶來方便快捷的支付體驗、及時安全的購買體驗和簡單精準的個人金融服務體驗，提升市民生活品質。三是著力打造網絡鏈品牌。針對中小企業融資難、融資慢等特點，北京銀行推出網絡供應鏈品牌“網絡鏈”，并與第三方支付快錢清算信息有限公司簽署了全面戰略合作協議，著力打造互聯網供應鏈金融。四是不斷擴展多元服務渠道。面對日新月異的互聯網新技術，北京銀行緊跟時代步伐，為客戶多渠道、立體化搭建金融服務平臺，包括網上銀行、手機銀行、電話銀行、自助銀行、微信銀行等。記者：北京銀行從設立直銷銀行、攜手小米公司等方面進軍互聯網金融。面向未來，北京銀行在互聯網金融方面有什么樣的戰略布局和規劃？

閆冰竹：大數據開放、互動的特性，將根本改變金融業生存模式，差異化、流程化、專業化的金融服務將成主流。作為北京銀行，將放眼未來，主動作為，用敏銳的戰略眼光審時度勢，以互聯網思維、金融思維、全球化思維為引領，打造互聯網金融亮麗品牌。

以差異化定位貼近客戶服務需求。北京銀行將積極打造“服務領先型的直銷銀行”，加強與小米公司等科技型企業在移動支付、便捷信貸、產品定制、渠道拓展等方面的合作，以優質的產品和服務滿足客戶多樣化的金融需求。實施“客戶下沉”發展戰略，將主要服務對象定位于數量最廣大的大眾零售客戶和小微企業客戶。針對不同客戶定位，建立專屬化產品體系，開發實惠、簡捷、透明、安全的專屬金融產品，提供多樣化、差異化金融服務，打造鮮明的競爭特色。

以流程再造提升金融服務效能。北京銀行將進一步以客戶為中心、以市場為導向，持續推進組織架構變革和業務流程再造，實現經營集約化、管理專業化、營銷系統化和服務標準化。通過理念創新、模式創新、流程創新，以較低的營運成本、高效率的營銷和跨市場的服務，創造出更多價值。深入挖掘傳統銀行業務產品與互聯網的結合，構建綜合化的客戶互聯網金融服務平臺，全面搭建“平臺+數據+科技”的新型金融生態鏈。

以戰略合作拓寬全新服務視野。進一步加強與境外戰略合作伙伴ING集團的深度合作，尋求更深層次、更廣范圍的技術援助，不斷拓展銀行的經營邊界，為廣大客戶提供全自助、全流程、全方位的現代化服務。將國際先進的服務理念和管理理念嫁接到實際經營管理中，深入思考“為誰提供服務”、“提供什么服務”、“如何提供服務”這三個問題，以超前的戰略思維把握“大數據”發展先機，引領發展潮流。

以專業制勝打造特色服務品牌。北京銀行將緊跟時代步伐，拓展營銷模式，強化服務功能，延伸服務手段，提升專業服務能力。從服務體驗、服務方式等多個維度加強建設，通過提供線上和線下融合、互通的渠道服務，為客戶提供更有效率、更有內涵的金融服務。通過循序漸進的方式，構建一種完全脫離物理網點的24小時全天候服務模式，讓我們的服務貼近客戶、貼近市場，真正打造能夠準確應對、有機處理繁雜數據，高效配置金融資源，敏銳

洞察并引領客戶需求的“智慧銀行”。

第五篇：大數據時代

大數據時代

近年來，隨著互聯網、移動互聯網、智能手機及傳感器等的普及，信息流量有了爆發性的增長，兩會以后，互聯網里最熱的詞匯，就是李克強總理在政府工作在報告里面提到的“互聯網+”，大數據將會更廣泛的被運用到各個領域，越來越多的業內人士開始談論“大數據”，如何利用大數據，成為政府和眾多企業關心的熱點？

互聯網+《大數據》緊緊圍繞這些問題展開，幫您如何利用大數據為企業從戰略上面進行指導挖掘和預測，從戰術上進行營銷服務和安全措施，精彩我們共同期待。

第一篇大數據很熱，大數據不神秘（趨勢）有人說，如果你不知道大數據，你就OUT了 －－大數據到底有多熱 什么樣的數據算是大數據 －－大數據的特點和概念辨析 亂我心者，大數據之事多煩憂 －－大數據并不象你想象的那樣神秘 身邊的大數據

－－大數據就在你我身邊

案例分析：淘寶是如何利用大數據淘寶的 小結：不管你愿不愿意，大數據已經在那里 電話：010---59002742 010--59004371 第二篇：認識大數據 1.什么是大數據 2.大數據應用的意義

3.大數據在企業經營中應用的意義 4.對大數據的認識誤區 案例分析

第三篇：大數據時代變革 1：大數據時代的思維變革 2：大數據時代的商業變革 3：大數據時代的管理變革

第四篇：大數據在營銷中的運用 大數據精準營銷 1.什么是精確營銷 2.精確營銷的方法 實操教學+案例分析

第五篇：在技術中應用 數據挖掘

大數據的核心價值——挖掘 1.什么是數據挖掘？ 2.數據挖掘的流程 3.數據挖掘解決的問題 結合現場實操教學+案例分析

第六篇：預測

大數據的核心價值——預測 1：如何預測？ 案例分析

第七篇：大數據與云計算 1：什么是云計算

2：大數據與云計算的關系

第八篇：大數據的安全問題

大數據給信息安全帶來新的挑戰和機遇 大數據存儲安全策略 大數據應用安全策略 大數據管理安全策略