
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
LSTM 为何会产生误差?深入剖析其背后的原因 在深度学习领域,LSTM(Long Short-Term Memory)网络凭借其独特的记忆单元设 ...
2025-06-27LLM进入拖拽时代!只靠Prompt几秒定制大模型,效率飙升12000倍 【新智元导读】最近,来自NUS、UT Austin等机构的研究人员创新 ...
2025-06-27CDA 数据分析师:就业前景广阔的新兴职业 在当今数字化时代,数据已成为企业和组织决策的重要依据。数据分析师作为负责收集 ...
2025-06-27探秘 z-score:数据分析中的标准化利器 在数据的海洋中,面对形态各异、尺度不同的数据,如何找到一个通用的标准来衡量数据 ...
2025-06-26Excel 中为不同柱形设置独立背景(按数据分区)的方法详解 在数据分析与可视化呈现过程中,Excel 柱形图是展示数据的常用工 ...
2025-06-26CDA 数据分析师会被 AI 取代吗? 在当今数字化时代,数据的重要性日益凸显,数据分析师成为了众多企业不可或缺的角色 ...
2025-06-26CDA 数据分析师证书考取全攻略 在数字化浪潮汹涌的当下,数据已成为企业乃至整个社会发展的核心驱动力。数据分析师作 ...
2025-06-25人工智能在数据分析的应用场景 在数字化浪潮席卷全球的当下,数据以前所未有的速度增长,传统的数据分析方法逐渐难以满足海 ...
2025-06-25评估模型预测为正时的准确性 在机器学习与数据科学领域,模型预测的准确性是衡量其性能优劣的核心指标。尤其是当模型预测结 ...
2025-06-25CDA认证:数据时代的职业通行证 当海通证券的交易大厅里闪烁的屏幕实时跳动着市场数据,当苏州银行的数字金融部连夜部署新的风控 ...
2025-06-24金融行业的大数据变革:五大应用案例深度解析 在数字化浪潮中,金融行业正经历着深刻的变革,大数据技术的广泛应用 ...
2025-06-24Power Query 中实现移动加权平均的详细指南 在数据分析和处理中,移动加权平均是一种非常有用的计算方法,它能够根据不同数据 ...
2025-06-24数据驱动营销革命:解析数据分析在网络营销中的核心作用 在数字经济蓬勃发展的当下,网络营销已成为企业触达消费者 ...
2025-06-23随机森林模型与 OPLS-DA 的优缺点深度剖析 在数据分析与机器学习领域,随机森林模型与 OPLS-DA(正交偏最小二乘法判 ...
2025-06-23CDA 一级:开启数据分析师职业大门的钥匙 在数字化浪潮席卷全球的今天,数据已成为企业发展和决策的核心驱动力,数据分析师 ...
2025-06-23透视表内计算两个字段乘积的实用指南 在数据处理与分析的过程中,透视表凭借其强大的数据汇总和整理能力,成为了众多数据工 ...
2025-06-20CDA 一级考试备考时长全解析,助你高效备考 CDA(Certified Data Analyst)一级认证考试,作为数据分析师领域的重要资格认证, ...
2025-06-20统计学模型:解锁数据背后的规律与奥秘 在数据驱动决策的时代,统计学模型作为挖掘数据价值的核心工具,发挥着至关重要的作 ...
2025-06-20Logic 模型特征与选择应用:构建项目规划与评估的逻辑框架 在项目管理、政策制定以及社会服务等领域,Logic 模型(逻辑模型 ...
2025-06-19SPSS 中的 Mann-Kendall 检验:数据趋势与突变分析的利器 在数据分析的众多方法中,Mann-Kendall(MK)检验凭借其对数据分 ...
2025-06-19