
利用大数据进行金融运营 更需要认真做事
“大数据时代”已经来临。在中国,仿佛在一夜之间,大数据这个话题,从IT行业忽然跳到了金融业,成为了金融行业颠覆传统、超越自我的重要内容。
金融业本就是一个天然容易生成和获取数据的行业,各家金融机构在长期的经营中,已经逐步累积了海量的用户数据,亿级客户日常交易往来成了庞大的结构化数据资源。当下,对于处于转型焦虑症的银行业来说,通过大数据的应用,定位市场机会和挖掘新的业务增长点,似乎成为战略转型的重要方法和途径。有人甚至断言,数据是未来商业银行的核心竞争力,数据决定着银行的未来发展。
但是,大数据是不是真的那么神奇,商业银行究竟能否借助大数据革新经营理念并重构经营模式呢?在一片狂热和喧哗中,我们有四个疑问。
一是大数据能否提升客户体验?
一个大型商业银行的网络金融部负责人曾表示,对互联网金融快速发展下的大数据应用,国内商业银行已经探索出六大领域,其中之一就是塑造千人千面的客户画像,挖掘和满足客户真实需求,打造量身定制的产品和服务,进而改善和提升客户体验。
长期以来,商业银行管理严密、运行稳健,产品服务虽然安全但是客户体验往往不佳。所以,各大银行迫切希望借助大数据的力量,来改善和提升客户体验。但理想很丰满,现实很骨感。银行虽然坐拥大量数据,但在数据的内容和结构都还存在不少问题:一是银行尽管拥有海量的结构化数据,但数据库信息量并不丰富和完整。由于以往重视不够,银行系统中虽有客户的基本身份信息,但性格特征、职业职位、家庭状况等信息往往是零散甚至缺失的。二是银行拥有的客户数据基本上与银行业务相关,反映的是客户金融行为,而客户在社会生活中体现兴趣爱好、生活习惯、消费偏好等行为数据则难以获得。很多银行虽然引入了CRM系统,但数据完善性和完整性还有很大的提升空间。
而且,面对于海量的跨越行业、非结构化的数据,银行如何分析和挖掘是一个很大的挑战。比如,即使有客户理财产品信息、网页浏览数据、微信聊天记录,但未能就这些多样的信息进行综合分析,海量大数据也难以发挥应有作用,“数据孤岛”的困境依然难以解决。在这种情况下,大数据难以与产品和服务形成联动,能否提升、如何提升客户体验,还是一个未知数。
二是大数据能否实现精准营销?
精准营销是大数据应用的重要方面。银行希望通过对于客户信息和行为数据的分析、整理,加深对于客户需求的准确把握,从而实现定向的精准营销。比如,近年来为提升营销的针对性和有效性,银行往往分析客户信用卡历史消费数据,对于其中大额消费,进行定向的信息推送和营销,提醒客户可以进行分期付款,这听起来不错。
那么,问题已经来了:基于简单数据分析得出的结论,真的能支撑起精准营销的厚望吗?笔者在商业银行一家支行工作时,曾接到一起客户投诉。一位私人银行客户,消费能力很强,他有次去了香港,一口气买了好几个LV皮包。于是,他先是收到一连串的短信,不断提示他可以选择分期付款;然后又接到客户经理电话,提醒他分期付款手续费很优惠云云。客户不堪其扰,向我进行抱怨。其实,对于他这种有钱就是任性的土豪,推送分期付款的短信效果适得其反。
之所以出现这种情况,原因在于大数据的一个很重要特点就是:只问相关性,不问因果性。的确,维克托.舍恩伯格在《大数据时代》一书中这样写道:“我们没有必要非得知道现象背后的原因,而是要让数据自己发声。”这样可能的后果便是:我们的邮箱里塞满了各种推销邮件,我们的手机里充斥着各类垃圾短信,我们的电话中夹杂着各色产品广告……甚至,我们一些基于私人爱好的搜索行为,会在大庭广众之下出现在令人难堪的大幅广告。这不是精准营销,已经是精准骚扰了。
对于上面的这个客户,如果能提醒他LV现在出什么新款、刷信用卡有多大折扣,可能会很受他的欢迎。但是,大数据可能还没有那么人性和智能。
三是大数据能否改进风险管理?
借助大数据提升风险管理能力,是大数据肩负的另一重任。很多人则试图用大数据技术来解决银行与中小企业之间信息不对称问题。中小企业融资难是一个老大难问题,其中很重要的一个制约因素是信息不对称,已经由此产生的过高交易成本。于是,银行希望通过对中小企业“大数据”的收集、整理和分析,获得比较真实和清晰的企业信息,由此降低信息不对称带来的负面影响,为企业提供包括信贷在内的金融服务,也更好地防范风险。
的确,大数据技术的发展,能在一定程度上改变银行信息获取、分析和运用的渠道和机制,部分银行业开始了这方面的尝试。如2014年7月,中行、招行、建行等7家银行与阿里巴巴集团合作,基于其平台大数据和信用体系,为做外贸的中小企业提供无抵押信用贷款。
但这其中也存在着两个方面的问题:一是数据收集需要付出艰辛努力。如果收集范围和样本大小,就失去应有的意义。二是过去的数据并不完全代表未来。大数据提升风险管理的重要前提是,历史的数据能够昭示未来的趋势。但这个前提很多时候并不成立。近两年在江浙一带,当年风光无限的钢贸、光伏行业企业大量倒下,银行不良贷款激增。这其中原因复杂,远不是通过对已有大数据进行分析就能揭示的。
四是大数据能否保护客户隐私?
在互联网时代,信息安全是银行不得不面对的一个问题。尤其是个人隐私的问题,正越来越困扰我们身边的很多人。在物联网、云计算、社交网络的催生下,互联网时时刻刻释放出海量数据。大数据是座金矿,背后隐藏着大量的经济与政治利益。而通过数据挖掘,人类所表现出的数据整合与控制力量远超以往。但大数据是把“双刃剑”,国家和企业因大数据获益的同时,个人隐私的保护却从此变得更加艰难。
每当我们上网、使用手机或者信用卡,我们的浏览偏好、采购和行为都会被记录和追踪。或者,在我们根本没有意识到的时候,智能设备便处于联网之中,相关数据被悄然发送到第三方。更有甚的是,犯罪团伙通过关注和分析父母的微博、微信,组织了绑架孩子等恶性事件。在前年的3.15晚会上,央视用Cookies提出了互联网上隐私泄露和侵犯的问题。而近期,银行卡盗刷、快捷支付漏洞等,出现频率也越来越高。
所以,当马云津津乐道于分享他们所占有的海量信息时,当平安银行信誓旦旦要转化平安保险7000万客户时,当百度联手兴业银行虎视眈眈开发大数据时,应该问他们一句:你该怎么保护好客户的隐私?对银行而言,如果未能保存好客户信息,保护好客户隐私,将可能遭遇客户信任危机,并引发诸多法律和伦理问题。
当然,我并不否认大数据对银行业的积极意义。相反,我也认为大数据将给银行业带来全面而深刻的变化。至少在目前,大数据的应用,已经可以帮助银行有效地提升工作效率,降低管理成本,丰富客户服务的渠道和方法。
在2015年政府工作报告中,李克强总理提出了“互联网”理念。“互联网”在银行业的具体应用之一,便是大数据的思维和技术。银行基于对客户大数据的研究、分析和挖掘,发现客户需求,针对性地创新产品和服务,提升风险管理水平,这是一种很大的进步,愿望的确也很美好。但银行似乎还要更脚踏实地,付出更多的实际努力。在这个过程中,如何保护好客户隐私,确保信息安全,也是需要考虑的重要问题。
当所有银行都在高谈阔论大数据的时候,最后能够脱颖而出的往往不是声音最响的,而是认真做事的那个。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29CDA 数据分析与量化策略分析流程:协同落地数据驱动价值 在数据驱动决策的实践中,“流程” 是确保价值落地的核心骨架 ——CDA ...
2025-08-29CDA含金量分析 在数字经济与人工智能深度融合的时代,数据驱动决策已成为企业核心竞争力的关键要素。CDA(Certified Data Analys ...
2025-08-28CDA认证:数据时代的职业通行证 当海通证券的交易大厅里闪烁的屏幕实时跳动着市场数据,当苏州银行的数字金融部连夜部署新的风控 ...
2025-08-28PCU:游戏运营的 “实时晴雨表”—— 从数据监控到运营决策的落地指南 在游戏行业,DAU(日活跃用户)、MAU(月活跃用户)是衡量 ...
2025-08-28Excel 聚类分析:零代码实现数据分群,赋能中小团队业务决策 在数字化转型中,“数据分群” 是企业理解用户、优化运营的核心手段 ...
2025-08-28CDA 数据分析师:数字化时代数据思维的践行者与价值推动者 当数字经济成为全球经济增长的核心引擎,数据已从 “辅助性信息” 跃 ...
2025-08-28ALTER TABLE ADD 多个 INDEX:数据库批量索引优化的高效实践 在数据库运维与性能优化中,索引是提升查询效率的核心手段。当业务 ...
2025-08-27Power BI 去重函数:数据清洗与精准分析的核心工具 在企业数据分析流程中,数据质量直接决定分析结果的可靠性。Power BI 作为主 ...
2025-08-27CDA 数据分析师:数据探索与统计分析的实践与价值 在数字化浪潮席卷各行业的当下,数据已成为企业核心资产,而 CDA(Certif ...
2025-08-27t 检验与 Wilcoxon 检验:数据差异比较的两大统计利器 在数据分析中,“比较差异” 是核心需求之一 —— 如新药疗效是否优于旧药 ...
2025-08-26季节性分解外推法:解锁时间序列预测的规律密码 在商业决策、资源调度、政策制定等领域,准确的预测是规避风险、提升效率的关键 ...
2025-08-26CDA 数据分析师:数据治理驱动下的企业数据价值守护者 在数字经济时代,数据已成为企业核心战略资产,其价值的释放离不开高 ...
2025-08-26基于 SPSS 的 ROC 曲线平滑调整方法与实践指南 摘要 受试者工作特征曲线(ROC 曲线)是评估诊断模型或预测指标效能的核心工具, ...
2025-08-25神经网络隐藏层神经元个数的确定方法与实践 摘要 在神经网络模型设计中,隐藏层神经元个数的确定是影响模型性能、训练效率与泛 ...
2025-08-25CDA 数据分析师与数据思维:驱动企业管理升级的核心力量 在数字化浪潮席卷全球的当下,数据已成为企业继人力、物力、财力之后的 ...
2025-08-25CDA数据分析师与数据指标:基础概念与协同逻辑 一、CDA 数据分析师:数据驱动时代的核心角色 1.1 定义与行业价值 CDA(Certified ...
2025-08-22Power Query 移动加权平均计算 Power Query 移动加权平均设置全解析:从原理到实战 一、移动加权平均法的核心逻辑 移动加权平均 ...
2025-08-22描述性统计:CDA数据分析师的基础核心与实践应用 一、描述性统计的定位:CDA 认证的 “入门基石” 在 CDA(Certified Data Analy ...
2025-08-22