京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据无法颠覆银行
随着新技术的不断引入,银行业新的想象空间也在不断打开。大数据,无疑是去年以来最受热议的技术之一,它与互联网的深度融合,甚至能够让徘徊在银行门口之外的资本有了颠覆传统的豪气。但有意思的现象是,相对保守的银行却一直甚少表露自己的真实想法。这个领域内对此说得最多的,反而不是做银行的。
J(化名)是国内零售银行业界的执牛耳者。近年来,已经很少露面的他上周约聊,与笔者重点谈及新技术对未来零售银行带来的机遇和挑战。他的观点一如既往地富有启发性,笔者认为很值得梳理下来,进行分享。
首先,他认为大数据不可能颠覆现有的零售银行的格局。理由很简单,大数据之所以令新的互联网银行模式兴起,是因为它提升了一个群体的商业价值——以往不被重视的客户。用长尾理论来解释,这些客户为数众多,但价值贡献却很小。新技术降低了这些客户的开发成本,但也仅此而已,因为最具价值的客户群体依然被银行牢牢掌握。
有意思的是,这些商业价值不大的客户一旦成长起来,还是会投入银行的怀抱。因为,随着他们逐渐成长,对信用服务复杂程度的要求也会上升,只有银行才能满足此类要求,并且成本最低。更何况,最具价值的资源依然掌握在银行手中——无论是稀缺的资本,还是最完备的数据,都在银行体系内。只是银行有自己的商业原则,成本收益不合算的市场是不会投入的。
所以,J的心态很开放。他说银行是“不作不死”,即便市场策略最差的银行也只是没特点,要被新技术彻底颠覆很难,更遑论一百年以来银行的产品已经没有大的创新,所有的改革都在流程和服务方面。他认为,现有的技术能力是必须正视的,因为它意味着历史成本的积累。而银行与实业界最大的不同就在于,新技术很少会带来弯道超车的机会,除非领先者突然变笨,自己把优势拱手相让。
其次,他认为大数据技术最大的受益者是银行,而不是互联网金融。除了上面已经述及的理由外,另一个原因就是最有价值的数据实际沉淀在银行,而不是在互联网企业。这会带来两个机遇,一是能对已收入囊中的有价值客户开发更具想象力的服务模式,二是与互联网企业一样,以往无法开发的数据也突然会变得具有商业价值。
他很委婉地向笔者举了一个例子。银行在信用卡业务上得到的经验是,只通过支付交易数据去模拟客户的基本特征,维度是比较单薄的。而实际上,银行体系里还沉淀有大量的其他维度的数据,例如,工资代发、基金托管、年金、公司账户等等,这些综合数据的应用足以令客户特征的还原更加真实。但问题是,这些数据的应用要么拘于法律限制,要么过去受到技术的限制,要么就是市场的复杂程度还不到这一步。事实上,以交易为主导的商业银行模式在境外市场已然非常成熟,大数据的应用也已经比较普遍。
他对笔者说,国内现有的以大数据为基础的互联网金融商业模式,基础都是支付交易数据,只有个别企业可以积累客户的其他生活数据。这种模式从算法上容易出现的问题是,由于缺乏数据的横比和参照,数据纵比在极端情况下容易出现模型失灵的情况。在规模不大的情况下,这不是问题,但一旦达到银行规模的级别,模型参数的真实性和有效性调校就必须列入日常的工作流程,因为这已经涉及公司经营的系统性风险。
笔者认同他的看法。因为,大数据在很多其他领域的应用也都存在类似的问题。最近,在经济研究业界引发轩然大波的《21世纪资本论》一书当中,法国经济学家皮凯蒂就遇到了同样的问题。在他的研究对象时间跨度内,能够完整积累数据的国家少之又少,只有少数几个国家在过去的两百年时间里,留下了完整真实的税收数据和国民财富统计数据。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
【核心关键词】统计学、互联网、知识、课程、学生、数学、软件、招聘、数据分析、实习经历、机器学习、理论基础、业务思维、统 ...
2026-07-10在互联网运营、产品设计、市场营销与商业数据分析领域,所有转化、成交、复购行为的底层逻辑,都依托于用户决策流程。用户从产生 ...
2026-07-10 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-07-10数据透视表是数据分析中最常用、最高效的汇总分析工具,具备快速分组、聚合计算、维度拆解、数据可视化等优势,能够轻松完成求和 ...
2026-07-09在统计学、CDA数据分析、机器学习与商业数据研究中,正态分布是最基础、最重要的数据分布形态。绝大多数参数检验、数据建模、指 ...
2026-07-09 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-07-09【核心关键词】采购、周期、原材料、企业、产品、成本、要素、库存、供应商、数据分析、生产计划、生产制造、加工制造、技术工 ...
2026-07-08在数据分析、特征工程、机器学习建模的工作流程中,原始数据往往包含多个不同维度的数值指标,例如客户交易数据中的消费金额、交 ...
2026-07-08 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-07-08商业谈判是企业采购合作、渠道签约、价格议价、项目合作、客户签约的核心关键环节,直接决定企业的合作成本、利润空间与经营风险 ...
2026-07-07在数据分析、业务效果验证、AB 测试、学术研究等场景中,T 检验是假设检验体系里最基础、应用最广泛的统计方法,也是均值差异分 ...
2026-07-07 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-07-07【核心关键词】转化率、企业、策略、岗位、互联网、拆分、产品、运营、分析师、指标体系、数据分析、用户画像、数据诊断、产品 ...
2026-07-06在数据分析工作中,文本数据处理是高频刚需场景,用户评论、客服工单、日志信息、调研问卷、商品文案等数据都包含大量文本内容。 ...
2026-07-06 很多数据分析师写过无数个SELECT查询,但当被问到“如何新建一张表来固化中间数据”“创建视图和创建物理表有什么区别”“视 ...
2026-07-06在 CDA 数据分析师能力体系中,透视分析是数据探索、多维度汇总、业务复盘的核心基础技能。无论是 Excel 数据透视表,还是 Power ...
2026-07-03在市场竞争日趋激烈、获客成本持续攀升的当下,企业粗放式的“广撒网”获客模式早已无法适配经营需求。企业经营的核心逻辑,已经 ...
2026-07-03 很多数据分析师精通Excel函数和数据透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么 ...
2026-07-03【核心关键词】运营、企业、核心、客户、新技术、数字化运营、数据分析、传统企业、人工录入、生产系统、技术人员、数据安全、 ...
2026-07-02在产品开发、项目立项、业务拓展、运营优化的工作中,市场调查、竞品分析、需求调研是三大核心基础工作。很多从业者容易将三者混 ...
2026-07-02