大数据或重构商业银行
中国工程院院士、中国通信学会副会长邬贺铨将“大数据”描述为“没有办法在容许的时间内用常规软件工具对其内容进行抓取、管理和处理的数据结合。”他同时又指出,大数据本身的规模标准在不断变化中,以前叫海量数据,现在数据比海量数据还大量。
简言之,“大数据”的特征为:数据量极大,数据的种类繁多,数据增速加快,数据来源多样,数据必须经过处理,数据具有定向性。浩如烟海的“大数据”用处极大,完成了以往“不可能”完成的任务。
在美国总统科学技术顾问委员会提交给总统和国会的一篇名为《规划数字化的未来》的报告中,明确提到“如何收集、管理和分析数据正日渐成为网络技术研究的重中之重。以机器学习、数据挖掘为基础的高级数据分析技术,将促进从数据到知识的转化、从知识到行动的跨越。”
“大数据”时代与既往存在的数据区别是,由于数据量的不同,使得“大数据”的挖掘工作量迅猛增加;尤其是数据来源更广,通过交换、整合和研究,可以发现市场发展趋势,市场参与者的需求,让企业从中寻找适合自己的商机,商机在握,就能为企业创造新价值。相比“大数据”的作用,如果说现有的数据能提供对企业类似的帮助,仅是在边缘地带,“大数据”却能真正深入核心。为此,必须使用仿真和复杂的计算,计算速度要求极快,以适应超量、在限时内完成工作的要求。
当然,“大数据”由于人为制造、以讹传讹、操作失误等问题,同样会存在虚假数据。因此,为了最大限度保证数据的准确性,需要大量的数学模型,而且分析结论可直观获得。其中,多源数据的存在提高了结论的完整性。所谓多源数据,是指对同一事物,采集它多方面、多纬度、多形态的记录数据。特别是用于预测时,还要关注历史数据,将两者对比,以缩小过去与未来预测的映射差距。
另外,“大数据”的最终结果展示也应该引起我们足够重视。最近爆发的美国“棱镜门事件”,表面上看,是美国政府对情报的窃取。实际上折射出“大数据”如何展示、向谁展示的问题。特别是“大数据”能够在一定程度上探寻人的思想时,就更加突显其重要性。
三十年前,商业银行用传统的算盘核算、簿记记录各类数据,今天,则以计算机运行、电子数据采集为主,并由此形成了海量数据。
相对“大数据”,过往数据因为过于零散、连续性不足、源头单一、形式单调,无法表现客户的交易行为、交易偏好和交易习惯等个性特征,银行也无法知晓客户对银行产品喜欢或讨厌的具体原因,以及对银行产品和服务满意与否的信息。海量的“大数据”却可以弥补这些缺憾。
商业银行核心竞争力,外部体现在市场份额、市场对其综合评价;内部则是股东利益最大化,员工的满意度。要实现核心竞争力,源头是市场与客户。“大数据”恰恰可以为开拓两个源头发挥重要引领作用。《经济学人》在一篇报道中写到“过去,这些数据储存在不同的系统当中,如财务系统、人力资源系统和客户管理系统,老死不相往来。现在这些系统彼此相连,通过‘数据挖掘’的技术,可以获得一幅关于企业运营的完整图景,这被称为:一致的真相。”
可以预见,今后“大数据”对商业银行的作用主要表现在:第一,对客户的了解程度与过去彻底不同。“大数据”不但让银行把握客户现在,更可以了解客户的历史,通过数据的交换、映射对其进行短期、中期预测。
第二,与客户开展多渠道互动,全面评估商业银行自身的产品和服务在客户中的满意度。商业银行通过自身和公共信息归集渠道掌握的数据,进行分析,有助于改进和提高产品种类及服务质量,在第一时间争取主动。
第三,“大数据”成为商业银行竞争的主要手段之一,其完整性、准确性将决定商业银行的竞争结果。“大数据”在竞争中成为名副其实的“双刃剑”,竞争双方都可以利用掌握的数据来制订竞争策略。
第四,商业银行营销手段以“大数据”为依托,开展针对性的销售。
第五,商业银行风险管理出现巨大变化。商业银行风险管理模型离不开数据。“大数据”的数据多样性和丰富性,能弥补过去数据不够的缺陷,最终带来管理方法的飞跃。
第六,多样化金融型态与传统商业银行展开竞争。马云[微博]涉足准金融业务,是电商市场发展的必然结果。某种意义上也预示“大数据”时代中,新的、能够节约交易成本的方式将不断涌现。
在“大数据”时代,商业银行要积极做好应对工作。
首先,商业银行在日常经营中产生的大量数据是形成整个社会“大数据”的重要组成部分,因此,要对数据管控、数据处理和数据结果反映作出正确处置。
一是数据管控上要依照标准化采集,统一化处理,时效化完成,分级化查阅。坚持做到采集的数据准确,结果可视,使数据应用性大大提高;二是数据处理时一定要科学、依照规则,特别要杜绝以假乱真,以次充好现象;三是处理后的结果,要依照规定展示,并且严格按照国家法律法规进行使用,避免影响商业银行声誉风险事项产生。
其次,商业银行需要投入大量资源用于适应“大数据”技术的需要。对此,对资源的投入一定要有相当的前瞻性,并兼顾当前实际。争取在过渡期内,尽可能地实现资源利用最大化。
最后,商业银行要高度重视适应“大数据”技术的人力储备。美国就曾预计,为适应“大数据”时代到来,未来美国需要60万名拥有数据分析特长,又懂行业知识的复合型人才。这类人才仅仅经过大学培养远远不够,还需要丰富的实践经验。我国商业银行对此类人才的储备相当不足,抓紧人力资源准备更为迫切。
此外,“大数据”时代将带动整个社会交易方式的变化,对诸如商业银行大多不需要体验型服务的行业冲击更大,从业人员和物理型网点一样将趋于减少。一增一减矛盾日益明显,要战略上着眼,早做布局。
商业银行对系统建设要高屋建瓴。今后商业银行的产品和资金提供主要由数据流来实现。同样,服务的虚拟化趋势,会让更多的服务由网络来承担。这一方面需要商业银行借助于社会网络,另一方面其自身的系统建设也必须与此匹配,强大的系统是商业银行未来经营管理的利器。
同样,商业银行要注重利用社交媒体的数据,拓展渠道获取客户信息。学会使用各类媒体,不但为客户服务,而且为优化商业银行自身形象服务。积极参与网络工具形成的各种运作方式,并研究在运作方式中融入商业银行工作目标。真正使媒体、网络工具成为维系、拓展客户的桥梁和重要的通道。
数据分析咨询请扫描二维码
CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01某家企业10个人面试,有9个本科生……如何脱颖而出,除得体的举止和良好的沟通力外,证书成重要筹码,这也是很多人考证的关键所在。
2022-04-14