京公网安备 11010802034615号
经营许可证编号:京B2-20210330
当阿里巴巴跨界把金融玩得风生水起之时,传统银行业正在感受“狼来了”的危机。《每日经济新闻》记者注意到,银行业之所以惧怕阿里巴巴,是因为阿里巴巴有大数据在手,而传统银行恰恰缺失的就是大数据。在此背景之下,传统银行纷纷联手互联网公司,或者亲自涉足电商,以补大数据之短板,来迎接阿里巴巴的挑战。但业内人士认为,真正困扰银行业的不是技术,而是思想及心态。银行只有把金融服务和用户的需求有机地结合起来,“大数据”才能真正在银行的转型中起到翻天覆地的作用。
银行面临尴尬局面
“银行目前在大数据时代面临一个很尴尬的局面,就是不知道客户的真实想法。”在接受《每日经济新闻》记者采访时,北京先进数通信息技术股份公司研发部总经理完献忠感叹道。
完献忠所在的公司是一家专注于银行解决方案的提供商。根据他的介绍,国内传统银行有一套完整的数据仓库或者BI架构做数据分析,把内部企业数据进行整合之后,把数据装到数据仓库里,基于这些数据来建设满足银行各种管理需要的应用。但是,随着最近几年这种传统技术面临诸多问题,很多问题到了很难解决的地步。
“总结下来有几方面,首先是庞大的数据量。世界上任何银行都无法跟中国的银行比数据量和交易量,包括客户数、账户数、交易次数都是绝无仅有的。数据的快速增长,导致了数据加工成本高,银行的设备要不停更新换代。很多大银行可能有上百个系统,而且数据种类庞多,随着银行流程改造,越来越多非结构化数据和半结构化数据要纳入管理和分析。随着互联网行业的发展,客户的行为数据以及物联网里传感器产生的数据都会成为分析的对象,这就导致传统架构无法满足新的数据形式。”完献忠说道。
与此同时,新的经济形势下要求银行对很多业务需求作出更快的响应,也需要更高的时效性。而传统技术是批量处理的方式,无法满足高时效性要求,并且数据分析结果在传统模式下不能融合到业务流程里。
完献忠进一步表示,“最严重的还是业务层面的问题,银行长期以来是封闭的系统,银行不了解客户的真实需求。传统银行是为客户提供服务,客户的参与度非常低。以往银行的分析系统都是基于对内部数据的基础进行分析,而对真正的客户行为数据在银行里是没有的。”
银行的数据短板
以银行零售业务转型的例子来看,银行有产品开发部门,并建立了很完善的数据仓库和商业智能系统。在传统数据仓库分析模式下,银行把内部数据进行整合之后,传给数据仓库,进行传统的数据分析,找出有商机的目标客户群,根据金融产品匹配用户,最后通过各种渠道进行营销,一直到现在银行都在做主动营销。
但在完献忠看来,这种营销模式的问题在于,银行是从主观上认为客户应该会喜欢什么样的金融产品,而并非客户的真实偏好,这导致主动销售的成功率非常低,而且会因为银行的主动销售造成很多产品理解上的纠纷。
可见,在互联网时代,银行正在“生产”着庞大的数据,且越积越多,这些内部数据量巨大而复杂,传统的设备与数据分析软件已无法满足新的数据形式。在这样的背景之下,银行仍用着传统的营销方式推销金融产品,没有精准的数据营销,没有合适的产品,大大降低了成交量。
随着银行自身数据的增多,大数据有利于其优化资源,这些问题恰好可以通过大数据提供很好的解决方案。从表象来看,数据来源变了,以往分析基础都是企业内部的数据,经营活动或者管理活动过程中产生的数据。但是未来,互联网数据、物联网时代的机器数据,传感器产生的机器数据已成为主要的分析对象。
因此,完献忠认为,在互联网时代进行数据分析的时候,除了银行的内部数据以外,还需要纳入互联网数据,互联网数据记录了银行客户的痕迹和行为,可以从中分析出客户的风险喜好、投资偏好、个性特征等,从中分析出客户可能会喜欢什么样的产品,并为客户量身定制产品开发,这样的产品才是客户真正需要的。
“最大的不同在于,一个是银行认为客户需要什么,另一个是真正基于客户想要什么分析出来的结果。这样的零售业务创新转型,我觉得未来可能会越来越多地出现。”完献忠说道。
大数据争夺战
“如果要转型,肯定还是要跟一些互联网企业在客户数据方面进行合作。”完献忠说。在他看来,大数据时代银行要创新转型,最容易做的可能是在客户服务和主动营销方面。
根据他的介绍,在这方面银行面临一个问题,银行的客户数据只是客户的基本信息、持有金融产品的信息以及客户的交易信息三个方面的数据。而银行却缺少最重要的信息,就是客户的行为数据,而客户的行为数据和客户喜好、客户习惯等数据掌握在互联网企业手中。
与此形成鲜明对比的是,阿里巴巴等IT企业,正是依靠手中掌握的客户行为数据,悄然布局金融业。
在阿里巴巴的倒逼之下,相关银行正寻求突围。目前银行突围的路径主要有两个,第一种方式是,有的银行采取跟电商或者互联网账户系统进行合作,以借助外力来补缺数据短板。
“如果银行跟一家电商合作的话,银行可以在网银上,通过自己的渠道帮电商做一些推广。电商也可以更好地把银行的服务纳入到电商的商务环节里,我认为这是互补的。在这方面,我比较看好全国股份制商业银行,他们的这块应该是走在最前面的,至少我觉得会比大行走得早。”“中国目前有两个大的账号系统,一个是新浪,一个是腾讯,价值不可估量。如果银行真正要进行用户行为分析,真正基于客户进行转型,我认为最终还是要选择跟这些企业合作。银行客户服务模式要转型,必须要有客户的行为数据,必须要真正了解客户到底需要什么东西。”
另一种方式是,有些银行通过自己进入电商领域,以积累客户的行为数据。至此,传统银行业未来的业务会分成两种模式:线上和线下,线上延伸到互联网,线下就是智能柜台。比如中国建设银行在2012年6月28日推出了一个名为善融商务的网上商城。
英国 《金融时报》曾对此分析道,这对于建行来说这是一项极不同寻常的战略决策,凸显出中国银行业的两种新情况:首先,在政府过度保护之下的中国银行业,突然发现自己处于一个竞争激烈的环境之中。其次,围绕“大数据”控制权的争夺战正在中国升温,银行希望尽可能多地收集客户信息。
该报引述建行负责电子银行业务的一位高管的表态称:“现在我们去做这个平台,就是要变被动为主动,去解决信息不对称的问题,改变银行脱媒的现状,用我们自己的平台留住客户。否则,在整个价值链和服务链上,我们将被压缩得越来越窄。”
值得注意的是,在此之前,建行与阿里巴巴有过四年的“甜蜜期”。在建行支持下,阿里巴巴在2007年推出一个专注于小企业的贷款计划阿里贷。阿里巴巴拥有大量用户信息,并汇集了他们详细的信用记录,而建行坐拥巨额资金,希望贷款给无信用历史的小企业。2011年,双方合作到期后,没有续约。但却推动了建行电商业务的萌芽及发展。
心态成转型掣肘
很显然,银行业已步入大数据竞争的时代,占领了数据制高点的公司才有更多机会打赢这场变革。目前,国内大部分银行在探讨大数据问题的时候,还仅仅是基于技术层面的考量。
IBM软 件 集 团 大 中 华 区PureData及IBMBigData销售总监肖冰对《每日经济新闻》记者表示,“我觉得传统的银行其实都是航母,这些银行拥有很大的客户群落,有很好的业绩支撑。但是我们所看到的情况是,这种大银行使用新技术时是有包袱的,因为他要考虑固有的东西。比如热数据、冷数据的概念,长期以来冷数据怎么去存、怎么管,这些问题一直没有很好地解决。对于新兴的商业银行来说,大数据技术应该是给他们提供了一个手段,从另外一个方向上可以获取更多的客户,这样再和传统老牌银行竞争可以获得优势。”肖冰表示。
而完献忠则认为,真正困扰银行业或者传统行业的不是技术,而是思想及心态。“其实我们的银行业作为一个传统行业,之前是一个非常封闭的系统。大数据时代面临的最大问题不是技术问题,而是怎么进行业务转型的问题。业务应该从封闭转向开放,从以往完全被动彻底转向主动。从以前客户从不参与银行的业务处理过程到让客户参与这个过程,并且把整个银行的业务、金融服务有机地跟用户的需求结合起来。只有真正实现业务架构调整后,我认为大数据才能真正在银行业起到翻天覆地的作用。”
CDA学员免费下载查看报告全文:2026全球数智化人才指数报告【CDA数据科学研究院】.pdf
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14在Python网络编程、接口测试、爬虫开发等场景中,HTTP请求的发送与响应处理是核心需求。Requests库作为Python生态中最流行的HTTP ...
2026-04-14 很多新人学完Python、SQL,拿到一张Excel表还是不知从何下手。 其实,90%的商业分析问题,都藏在表格的结构里。 ” 引言:为 ...
2026-04-14在回归分析中,因子(即自变量)的筛选是构建高效、可靠回归模型的核心步骤——实际分析场景中,往往存在多个候选因子,其中部分 ...
2026-04-13在机器学习模型开发过程中,过拟合是制约模型泛化能力的核心痛点——模型过度学习训练数据中的噪声与偶然细节,导致在训练集上表 ...
2026-04-13在数据驱动商业升级的今天,商业数据分析已成为企业精细化运营、科学决策的核心手段,而一套规范、高效的商业数据分析总体流程, ...
2026-04-13主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-13在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-13在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09