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
平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 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 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18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导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 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。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 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 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13