京公网安备 11010802034615号
经营许可证编号:京B2-20210330
商业银行利用大数据参与共享经济的探索与实践
商业银行要在“去中介化”的共享经济形态中维护金融中介的重要地位,核心问题在于充分参与共享经济,发挥大数据应用优势,从共享大数据、共享大数据产品及模型、共享大数据云平台三方面着手,巩固信息中介的地位。
第三次工业革命时代,新的经济范式“共享经济”诞生,其核心是互联网、物联网及其带来的大数据,为人类近乎免费的即时协同提供了可能。如何在“去中介化”的共享经济形态中维护金融中介的重要地位,是商业银行普遍面临的难题。银行作为重要的金融中介,在传统金融中更多发挥了融资中介的作用,而在大数据时代,银行应向信息中介转型。
共享经济挑战商业银行传统的金融中介模式
共享经济(Sharing Economy)或称分享经济,也称为协作型消费(Collaborative Consumption),不仅是经济学问题,更是社会学问题。最早提出共享经济理论的是经济学家马丁•威茨曼(1984),该理论的提出主要为了解决西方长期存在的“滞涨”问题,发挥共享经济对付失业、生产停滞和价格上涨的“自动稳定器”和“自动吸尘器”作用。事实上,共享概念早已有之。传统社会,朋友之间借书或共享一条信息、包括邻里之间互借东西,都是共享的形式。但这种共享受制于空间、关系两大要素,且需要有双方的信任关系才能达成。
移动互联网时代,共享、特别是信用大数据的共享,将会极大地提升整个金融体系的融资效率。共享经济是一个去中介化的过程。通过大数据共享,信息获得更加充分,金融资源将不再是少数人拥有的特权,大数据对社会的变革将发挥决定性作用。美国社会学家杰里米•里夫金(2014)在《零边际成本社会》中提出,第三次工业革命带来的零边际成本和共享经济,将会在未来终结资本主义的经济形态。物联网将把这个世界上的一切,人、物、生产、物流等“连接”起来,不断为各个节点(商业、家庭、交通工具)提供实时大数据,同时大数据经过分析转化为精确的预测,这种连接将世界变成一个大网络。协同共享带来的创新正孕育着一种新的激励机制,新一代将更在意使用权而不是所有权,它更多地是基于提高人类社会福利的期望,而不那么重视物质回报。可穿戴设备之父彭特兰(Alex Pentland,2014)从社会物理学角度提出,参与能够增加信任并增加关系的价值,这为构建合作行为所需要的社会压力奠定了基础。
货币金融学家米什金(1995)曾经指出,金融中介的存在主要有两个原因:第一,金融中介有规模经济和专门技术,能降低资金融通的交易成本;第二,金融中介有专门的信息处理能力,能够缓解储蓄者和融资者之间的信息不对称以及由此引发的逆向选择和道德风险问题。因此,资金中介和信息中介是商业银行作为金融中介最为基础的两个功能。
在共享经济“去中介化”的时代背景下,作为重要金融中介的商业银行应如何生存,是一个前沿性的课题。对此,工商银行前董事长姜建清认为,互联网技术革命让商业银行进入一个重要的转折点,即从过去的支付和融资中介向综合化信息中介服务转变,信息是银行发展的深层基础和根本,能不能在未来竞争中保持优势,关键在于能不能成为信息掌握的强者,并采取措施通过大数据技术重新发展和铸造新的金融经济关系。
大数据在银行领域应当发挥更加核心的作用
2015年以来,在“互联网+”浪潮和我国顶层制度设计的推动下,大数据技术及服务快速发展,各种网络金融、数据服务公司、第三方征信机构层出不穷。数据已经被认定为国家战略资源,我们要充分认识到数据在共享的时候价值更大。
在金融行业中,数据以往已经发挥了重要的作用。不论发达国家金融市场的证券基金业、发展中国家的传统信贷领域,还是近来谈论的热门——征信行业,数据都为业务发展提供必不可少的基础支撑作用。在大数据行业中,金融领域的大数据应用也一直走在技术和服务的前列。比如美国的Zestfinance、Lending Club等新兴互联网企业,以及中国人民银行授权的8家征信公司。目前从事金融大数据业务的企业主要有四种类型:一是做平台,代表企业主要是阿里、腾讯;二是做产业链,代表企业有金电联行、融360、闪银(Wecash)等;三是主攻征信,主要代表是8家持牌征信公司(芝麻信用、腾讯征信、深圳前海征信、鹏元征信、中诚信征信、中智诚征信、拉卡拉信用管理有限公司和北京华道征信);四是提供数据及其相关服务,代表企业有九次方、百分点、万得、数据堂等。这些企业或多或少都参与了共享经济模式,与平台企业、产业链企业或是其他数据公司分享、互换数据。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
随着大数据技术的快速发展,商业竞争逐步从传统的经验式经营转变为数据驱动的精细化运营。海量的用户行为数据、交易数据、运营数 ...
2026-09-04CDA数据分析师 出品 作者:李诗怡 1. 波士顿矩阵(BCG Matrix) 定义: BCG于1970年提出的业务组合分析工具,以"市场增长率"(纵 ...
2026-09-04 数据分析师八成以上的时间在和数据表格打交道,但许多人拿到Excel后习惯性地先算、先分析,结果回头发现漏了一列关键数据, ...
2026-09-04数据透视表是Excel与Power BI中最核心的数据分析工具,具备快速汇总、维度拆分、动态筛选的能力,可高效完成数据归类与统计展示 ...
2026-09-03在Power BI数据分析可视化场景中,堆积柱状图+折线图是最常用的复合图表组合。堆积柱状图适合展示各细分维度当期数值、结构占比 ...
2026-09-03 很多数据分析师每天与Excel打交道,但当被问到“表格结构数据的基本处理单位是什么”“数据类型误判会引发哪些分析错误”“ ...
2026-09-03CDA数据分析师 出品 作者:李诗怡 一、8个核心数据清洗函数 1. TRIM:一键清除多余空格(最常用) 作用:仅保留文本中"单词/字 ...
2026-09-02数据分析的核心并非单纯操作工具、整理报表或绘制图表,而是依靠科学的思维逻辑挖掘数据价值、解释业务现象、指导经营决策。在完 ...
2026-09-02在社会经济、产业研究、区域治理与大数据实证分析中,面板数据是最具研究价值的数据类型。面板数据同时包含截面维度与时间维度信 ...
2026-09-02 很多数据分析师能熟练计算均值、标准差,但当被问到“如何用一张图让业务方3秒内看懂核心结论”“面对不同数据类型该怎么选 ...
2026-09-02在数据驱动决策的体系中,数据分析按照分析目的可分为描述性分析、诊断性分析、预测性分析与指导性分析四大类型。其中,诊断性分 ...
2026-09-01网络请求是Python爬虫开发、接口测试、数据拉取的核心基础功能,Python生态中主要依靠 urllib 和 requests 两大库实现HTTP请求操 ...
2026-09-01 很多数据分析师面对业务问题时,常常感到“知道要分析,却不知道用什么方法”。其实,数据分析并非无章可循——从三大基础范 ...
2026-09-01在数据库设计与业务数据维护中,自增ID是数据表最常用的主键字段,用于唯一标识每一条业务数据,正常状态下ID应保持连续递增。但 ...
2026-08-31在数理统计、数据分析、经济测算与日常量化评估中,平均值是刻画数据集中趋势、反映整体水平的基础核心指标。在实际应用中,最常 ...
2026-08-31在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-08-31在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27