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
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 ...
2026-04-10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 ...
2026-04-10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在数据可视化领域,折线图是展示时序数据、趋势变化的核心图表类型之一,其简洁的线条的能够清晰呈现数据的起伏规律。Python ECh ...
2026-04-09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 ...
2026-04-09长短期记忆网络(LSTM)作为循环神经网络(RNN)的重要改进模型,凭借其独特的门控机制(遗忘门、输入门、输出门),有效解决了 ...
2026-04-08在数据分析全流程中,数据质量是决定分析结论可靠性的核心前提,而异常值作为数据集中的“异类”,往往会干扰统计检验、模型训练 ...
2026-04-08在数字经济飞速发展的今天,数据已渗透到各行各业的核心场景,成为解读趋势、优化决策、创造价值的核心载体。而数据分析,作为挖 ...
2026-04-08在数据分析全流程中,数据处理是基础,图形可视化是核心呈现手段——前者负责将杂乱无章的原始数据转化为干净、规范、可分析的格 ...
2026-04-07在数据分析与统计推断中,p值是衡量假设检验结果显著性的核心指标,其本质是在原假设(通常为“无效应”“无差异”)成立的前提 ...
2026-04-07在数字经济深度渗透的今天,数据已成为企业生存发展的核心资产,企业的竞争本质已转变为数据利用能力的竞争。然而,大量来自生产 ...
2026-04-07Python凭借简洁的语法、丰富的生态库,成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性 ...
2026-04-03在深度学习神经网络中,卷积操作是实现数据特征提取的核心引擎,更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机 ...
2026-04-03当数字化转型从企业的“战略口号”落地为“生存之战”,越来越多的企业意识到,转型的核心并非技术的堆砌,而是数据价值的深度挖 ...
2026-04-03在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02在数字化交互的全场景中,用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”,内容APP ...
2026-04-02在数字化转型深度推进的今天,企业数据已成为驱动业务增长、构建核心竞争力的战略资产,而数据安全则是守护这份资产的“生命线” ...
2026-04-02在数据驱动决策的浪潮中,数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待,认为“做数据分析就是做数 ...
2026-04-01