【金融数据】挖掘数据价值，打造智能银行
今天移动互联网正狂飙突进、网上购物平台和网上社交平台也方兴未艾，包括结构化数据、半结构化数据、非结构化数据的大数据爆炸式增长。早在2012年，大数据已经登上美国《纽约时报》的专栏封面，专栏称：“大数据时代已经降临，在商业、经济及其他领域中，决策将日益基于数据和分析，而非基于经验和直觉。”目前银行业在开展业务过程中积累了海量高价值数据，很多银行的数据量级已经超过100TB，其中非结构化正以加速度形式积累。因此，不管传统银行业是拥抱还是抗拒，大数据时代已经呼啸而来。
深刻理解大数据的特征
转变观念，重视大数据的巨大价值。2015年9月，国务院出台《促进大数据发展行动纲要》，指出：“数据已成为国家基础性战略资源，大数据已成为推动经济转型发展的新动力。以数据流引领技术流、物质流、资金流、人才流，将深刻影响社会分工协作的组织形式。大数据产业正在成为新的经济增长点，成为重塑国家竞优势的新机遇”。《大数据时代》的作者舍恩伯格指出：“数据已经成为有价值的公司资产、重要的经济投入和新型的商业模式基石。虽然数据还没有被列入企业的资产负债表，但这只是时间问题。”MIT商学院的研究表明，决策依赖数据的公司，运营情况比不重视数据的公司出色很多，这引起公司的生产率比不用数据决策的公司高6%。现实中，数据价值已经在多数互联网公司的市值中得以体现。着名的社交平台网络公司Facebook于2012年5月在纳斯达克上市时，账面资产仅为66亿美元，但IPO每股定价38美元，总市值为1040亿美元。Facebook之所以能获得如此高的估值，Gartner公司认为，关键在于当时它收集了约2.1万亿条“获利信息”，每条信息估值约4美分，每个用户的价值为100美元。目前这家社交平台公司市值超过3000亿美元，市盈率超过100倍，而全球市值最大的苹果公司市盈率仅为13倍，充分体现了数据的价值。银行业拥有海量的客户交易数据，如果这些数据的价值得到挖掘，银行业将获得无限商机。
转变思维，关注焦点由传统的因果关系转向大数据时代的关联关系。传统数据分析思维要求数据精确无误，只需要少量的样本数据，力求数据关系明确清晰，进而探求事物之间的因果关系;大数据分析思维则尽可能获取全量数据，对数据的精确性要求放松，坦然接受数据的纷繁复杂，更为关注事物间的关联关系。大数据时代，关联关系已经成为预测的关键。很多情形下，人们知道“是什么”足以，并没有必要知道“为什么”。现实中电商巨头亚马逊正是由于成功运用书籍之间的关联关系，图书销售取得了成功。历史上亚马逊曾有一支由二十多名书评家和编辑组成的团队，写书评，在网页上发出“亚马逊的声音”，向客户推荐新书。之后，亚马逊通过大数据分析，发现了书籍之间的关联性，并开发出“item-to-item”推荐系统，使亚马逊发生了天翻地覆的变化，其图书销售额的三分之一来自“item-to-item”系统的推荐。于是亚马逊放弃了在线书评。
开拓视野，深刻理解大数据运用的四个层次。研究表明，大数据通过层层晋升能够成为指导行动的智慧。概括地讲，大数据运用分为四个层次，第一层，数据收集与存储层，即基础层，各种类型的数据从不同渠道涌入，包括结构化数据(交易信息)、半结构化数据(日志信息)非结构化数据(多媒体、社交及定位信息等)，在这个层面上，数据被实时和非实时地清理、加工，归档存储为有效数据，供后续分析运用。第二层，由数据上升到信息，形成信息整合层，在这个层面上需要对数据进行去噪和增强处理，实现关系型和非关系型信息的整合。第三层，从信息上升至知识，即知识发现层，在此层面，数据挖掘技术和人工智能至关重要，对整合的信息进行分解、提炼，从中找出有价值的信息点，实现信息到知识的转变。第四层，从知识上升到智慧，形成智慧汲取层，运用数据可视化工具，将经验、判断与知识相融合，使知识升华为智慧，为获取商业价值提供指导。
大数据正成为银行营销、创收和风控的利器
运用大数据构建客户全景视图，为客户制定差异化的产品及营销方案。通过大数据分析平台，接入客户通过社交网络、电子商务、终端媒介等方式形成的非结构化数据，包括客户的历史购买行为、年度消费水平、兴趣爱好、行为模式、社交圈及对媒体的响应等，这些外部大数据与银行的传统数据结合，就可以勾勒出真实完整的客户全景视图，之后实施针对性的产品设计和精准营销。比如，国外银行通过对客户的交易数据分析，推算出客户经历“人生大事”的大致节点，由于人生中这些重要时刻往往能够激发客户对高价值金融产品的购买，因此一些银行开始围绕客户的“人生大事”进行交叉销售。一家澳大利亚银行通过大数据分析发现，家中即将有婴儿诞生的客户对寿险产品的潜在需求最大。通过对客户银行卡交易数据分析，银行能够识别出即将添丁加口的家庭：在这些家庭，准妈妈会购买某些药品，与婴儿相关产品的消费会不断出现。这家银行为这类客户推出定制化的营销活动，获得了客户的积极回应，并大幅提高了交叉销售的成功率。
推出与客户交易相关的大数据产品，拓展银行中间业务收入。历史上拥有海量数据的银行考虑的是如何运用数据服务其核心业务，现在一些银行已经能够把数据变成数据产品，为银行创收，实现商业模式的创新。例如，一家澳大利亚银行通过分析其零售客户的支付数据来了解其消费路径，即客户日常消费的典型顺序，包括客户购物地点、购物顺序、购买内容等，并对其中的关联性进行分析。银行将这些分析报告售给其公司客户，帮助客户准确地判断最合理的产品广告投放地点及对应的产品，而此前公司客户需要花大价钱向市场调研公司购买此类数据，现在可以以低得多的价格向服务自己的银行获得这些分析结果，而且银行提供的数据比市场调查更为可靠。更重要的是，银行此举为客户提供了具有竞争力的增值服务，对客户的粘性大大增强。
通过大数据构建更全面的信用评价体系，提升银行的信贷风险控制能力。银行是经营风险的企业，风险管理能力是银行的核心竞争力。资料显示，零售银行业务方面，在美国，一家互联网信用评估机构已经成为多家银行在个人信贷风险评估方面的好帮手。这家机构通过分析信贷申请客户在主要社交平台的相关数据，对其信用风险进行评估，并将评估结果售予银行。银行将这些评估结果与内部评级相结合，形成更加准确、完备的风险评估。通过运用外部对客户的风险评估，可以有效降低银行的信贷风险，同时为银行信贷定价带来竞争优势。另一方面，大数据在公司银行业务的风险管理方面正发挥着前所未有的作用。传统方法中银行对客户的信用风险的评估，多是基于历史的营业数据和信用记录，这种方式的弊端是缺乏前瞻性，没有反映企业未来的发展趋势。西班牙一家大型银行利用大数据为企业客户信用风险进行全面分析，它先找出影响企业所在行业的主要因素，然后对这些因素进行模拟，测试各种因素对客户业务发展的可能影响，从而综合判断企业客户的信用风险。运用大数据评估企业风险不仅速度快，同时风险评估的准确性得到显着提升。
中国银行业大数据应用：以民生银行大数据“四化”为例
尽管大数据有大价值，但从数据到价值并非一蹴而就，需要银行进行整体转型，需要进行内嵌式变革。结合国内外先进企业的大数据经验，民生银行围绕充分挖掘大数据价值，以“智能化、云端化、标准化、移动化”(“四化”)建设为主线，努力打造和提升大数据能力，积极推进全行的大数据战略。“四化”建设纵贯数据获取与存储、数据整合、数据挖掘、数据应用整个大数据价值链，是一个影响深远的系统性工程。
大数据智能化
为进一步提升客户关系管理与服务水平，营造可持续发展的金融生态环境，切实提高全行对公业务的规划能力、营销能力、产品支持能力、风险管理能力、考核评价能力，民生银行建成智能管家平台，借助互联网思维和大数据分析挖掘工具，运用复杂网络科学、文本挖掘、购物篮分析等数据挖掘技术和力导向布局图、蜗牛图等数据可视化手段，构建了上下游客户推荐模型、智能产品推荐模型、交易网络模型，设计开发了客户推荐、产品推荐等功能，为客户经理、管理人员提供针对性、差异化营销和管理功能。
规划能力提升方面，智能管家的洞察目标市场模块可使管理人员实现名单制营销。智能管理平台专为对公业务管理人员开发了“洞察目标市场”模块，通过该模块管理人员能够准确实现客户价值评估、客户科学分层和全方位了解客户的目标，通过客户价值评估模型，管理人员可以获得一定范围内存量客户中最具开发潜力的客户名单，对于新客户开发名单的确定，可以运用智能管家的基于上下游客户交易及社会网络的指数推荐模型，据此，管理人员获取存量客户和增量客户开发的名单，管理人员根据营销目标的客户持有产品的情况，制定名单制的客户开发计划，为客户经理精确营销提供支持。
营销和产品支持能力提升方面，智能管家运用大数据技术，实现客户经理获客和产品推荐智能化。智能管家通过推荐指数模型向客户经理及时推送核心客户的上下游客户名单及符合客户需求的产品清单，实现获客和产品营销的精确制导。另外，通过客户价值评估与细分，智能管家能够对存量客户的潜在价值进行评估排序，发现一批高潜在价值客户，推送给管理人员和相关营销人员，提升存量客户的价值贡献。另外，“智能管家”运用客户价值评估、上下游客户推荐、产品智能推荐功能，清晰地回答了公司业务 “巩固哪些客户，提升哪些客户，培育哪些客户”三大问题。
风险管理能力提升方面，啄木鸟系统通过自动识别可疑交易降低小微业务的操作风险。当前银行业不良贷款余额和不良贷款率出现“双升”，宏观经济环境变化是主要原因，但也与放贷过程中存在的少数业务人员道德风险和借款人改变资金用途、甚至骗贷有一定关系。民生银行的啄木鸟系统通过构建专业风险识别模型，帮助业务人员从浩瀚的数据海洋中迅速发现潜在风险线索，进而有效排查出实质性风险，提升全行对小微业务的风险管理能力。
考核评价能力提升方面，智能管家的管理驾驶舱与集团客户管理功能使管理人员能够及时、准确地对机构、人员的绩效进行考核评价。考核评价是银行业务发展的指挥棒，是能否形成业务人员有效激励的关键。管理驾驶舱及时为管理人员提供创利、规模、风险、损益等八大维度核心指标信息，使管理人员对机构总体经营目标实现情况随时掌握。由于核心集团客户的综合创利、业务规模、风险状况对银行业绩举足轻重，因此，智能管家专门开发集团客户管理模块，使管理人员随时了解集团客户的规模、产品、创利、风险等关键指标，从而及时调整营销策略和授信政策。
大数据云端化
在金融集团层面上，民生银行已经建成对全行数据用户开放的阿拉丁大数据云平台是民生银行大数据应用的基础设施，使数据分析人员能够轻松、快速获取所需数据及分析结果。阿拉丁平台通过大数据的开放与共享，在民生银行内部形成各经营机构运用大数据“大众创业，万众创新”的良好生态。目前阿拉丁平台注册用户已覆盖民生银行所有分行和事业部，用户发布数据分析成果超过5000项。众多大数据应用成果中不乏精彩、成功的案例，比如，北京管理部基于大数据对小微客户进行信用评级，重庆分行通过客户通信、居住及出行大数据挖掘出潜在高价值客户等，这些大数据应用都显着改善了经营机构客户获取、产品营销、风险评级和运营管理，显示出阿拉丁云平台的强大功能。
大数据标准化2015年民生银行启动数据标准化工程，旨在提升数据质量，一劳永逸地解决由于“前端业务人员操作不规范、关键业务指标定义不统一、业务系统间基础数据项定义不一致”三大主要原因造成的数据质量问题，为此，民生银行项目组制定了科学可行的数据标准化工程实施路线图。
数据标准化
工程实施路线图内容包括：分步建立关键基础数据标准以及关键指标标准;实现数据标准在重要业务系统中的落地应用;设计数据标准管理流程，依托数据标准管理系统和组织体系的建设，实现数据标准的系统化、规范化的管理。通过实施数据标准化工程，民生银行将打造一个专业、高效的数据标准化管理平台，数据标准管理在平台中通过工作流的方式实现。通过平台全行大数据用户能够快速获知数据标准的来源、标准的现状、标准与现实的映射以及重要业务标准的口径，真正实现全行关键数据的共享。
大数据移动化
为顺应移动互联网时代潮流，民生银行提出移动数据产品发布平台和数据产品研发同时推进战略。通过数据产品在移动端的部署，使数据用户在任何时间(Anytime)、任何地点(Anywhere) 接收与业务相关的任何数据结果(Anything)，大幅提升决策效率和前端人员的快速反应能力。在大数据移动化方面，民生银行主要推出四款移动数据产品：蒲公英、啄木鸟、猫头鹰和鸿雁。
“蒲公英”是一款专为民生银行公司业务客户经理拓展客户和营销产品提供支持的移动产品，旨在帮助客户经理提升工作效率与营销成功率。蒲公英主要包含了“我的客户”、“我的产品”和“我要查询”等功能：帮助客户经理准确定位潜在客户，及时推送相关客户信息，使客户经理高效完成潜在客户拓展;为客户经理精准推送客户最需要的产品信息，助力客户经理实现存量客户的交叉销售;使客户经理实时掌握所服务客户的账户余额及相关信息。
“鸿雁”是一款为民生银行高层管理层智能化决策提供支持的大数据产品。主要具有以下功能：为高管提供全面、即时数据，实现资产负债关键统计指标的零时滞、移动化展示，关键指标异动的提醒;实现智能化分析，为决策层推送最新的同业数据动态和关键时点业务指标变化及未来趋势。
“猫头鹰”为民生银行支行管理者即时获取支行经营状况的移动产品，具体功能：支行行长可实时查看所管理支行的金融资产余额、个人存款余额、个人贷款余额以及其同比、环比的变化情况;支行行长随时可查看未来七天到期和起息的理财产品金额，以及理财产品对于个人存款的影响金额。
以上移动数据产品为民生银行的战略决策、客户拓展、产品营销、风险识别、业务管理发挥着越来越重要的作用，未来民生银行将有更多更好用的移动产品推出，为战略决策和业务拓展提供数据支持。
“这是个最好的时代，也是个最坏的时代”，虽然银行业面临经济增速放缓和不良“双升”的不利环境，但大数据、互联网时代为银行战略转型、业务创新提供了千载难逢的机遇，只要银行业大力提升运用大数据的能力，借助国家产业结构调整和实施“一带一路”、“京津冀一体化”及“长江经济带”战略的东风，一定能克服经济周期的不利影响，实现业务的低风险增长，再创银行业的黄金时代。
