大数据时代下的银行业_数据分析师培训

世界正从IT(信息技术)在走向DT(数据技术)。大数据热潮引发了一场思维、生产和生活方式的重大变革，可以说开启了全新的时代。对于天然具有数据属性的金融业来说，一方面，大数据能够为金融机构的经营管理提供充分的信息支持;另一方面，大数据滋生的新型金融业态对传统金融机构带来了严峻挑战。在这场社 会大变革中，金融机构将如何应对，非常令人期待。

　　近些年来，中国银行业的改革发展取得了令世界瞩目的成就。前不久国务院总理李克强见证微众银行首笔线上贷款后，互联网贷款被认为是冲击传统金融机构的又一创举。随着以移 动互联网、云计算、“大数据”和物联网为代表的信息革 命的兴起，银行业又一次面临新的机遇和挑战。中国银行业能否用好大数据，实现经营、管理和服务创新，决定了其未来的可持续发展能力。

　　银行业已初步具备运用大数据的基础

　　大数据是信息技术与互联网产业发展到特定阶段的产物，从互联网到物联网，从云计算到大数据，信息技术正在从产业基础走向产业核心。而银行业作为与信息技术深度结合的行业，互联网思维和决策数据化已开始嵌入经营管理的全流程。大数据实质是“深度学习”，能够为银行提供全方位、精确化和实时的决策信息支持。银行的经营转型、产品创新和管理升级等都需要充分用好大数据。目前，银行在客户分析、风险管理方面对大数据运用已初步积累了一定的经验，为未来过渡到全面大数据运用奠定了良好基础。

　　银行业开始尝试接入和整合外部数据资源。在传统的数据分析模式下，银行业出于市场分析、内部管理、监管需要，产生并记录了巨量的文本式结构化数据，涉及客户账户资金往来、财务信息等，以及网银浏览、电话、视频等非结构化数据。但是，传统意义上的银行仅能掌握客户与银行业务相关的金融行为，无法获得客户在社 会生活中体现兴趣爱好、生活习惯、消费倾向的情感或行为数据，无法与业务数据形成联动。随着电子商务的快速发展和移 动金融的深化，银行业逐步加强与外部数据源对接，甄别有效信息，整合多渠道数据，丰富客户图谱。目前，已有多家银行进行了有益尝试。

　　一是银行与电商平台形成战略合作。银行业共享小微企业在电商平台上的经营数据和经营者的个人信息，由电商平台向银行推荐有贷款意向的优质企业，银行通过交易流水、买卖双方评价等信息，确定企业资信水平，给予授信额度。建设银行曾在这方面做过有益的尝试。此外也有银行参股电商、开展数据合作的案例。

　　二是银行自主搭建电商平台。银行自建电商平台，获得数据资源的独立话语权。在为客户提供增值服务的同时，获得客户的动态商业信息，为发展小微 信贷奠定基础，是银行搭建电商平台的驱动力。2012年，建设银行率先上线“善融商务”，提供B2B和B2C客户操作模式，涵盖商品批发、商品零售、房屋交易等领域，为客户提供信息发布、交易撮合、社区服务、在线财务管理、在线客服等配套服务，提供的金融服务已从支付结算、托管、担保扩展到对商户和消费者线上融资服务的全过程。

　　三是银行建立第三方数据分析中介，专门挖掘金融数据。例如，有的银行将其与电商平台一对一的合作扩展为“三方合作”，在银行与电商之间，加入第三方公司来负责数据的对接，为银行及其子公司提供数据分析挖掘的增值服务。其核心是对客户的交易数据进行分析，准确预测客户短时间内的消费和交易需求，从而精准掌握客户的信贷需求和其他金融服务需求。

　　运用大数据需要警惕的风险

　　银行业结合了互联网大数据会使得该行业面临更多更复杂的风险在此背景下互联网金融行业健康可持续发展离不开对风险的监控和管理。

　　第一，数据安全和数据定价风险。银行从一开始诞生就离不开数据，银行的核心基础就是大数法则，在大数据时代，互联网银行在深度触网的过程中会产生各种结构化和非结构化数据，深度挖掘客户的大数据，开发出客户潜在需求和合适的金融产品，前提是确保这些数据来源的全面性、可靠性和准确性，防止数据失真所带来的定价风险。

　　互联网本身的虚拟性会产生各种“伪数据”，例如，“网络水军”已渗透到互联网的每一个角落，在大数据时代，怎样做到去伪存真，这对互联网银行数据开发人员提出了更高要求。

　　第二，信用与网络欺诈风险。运用大数据分析软件，可以预防信用卡和借记卡欺诈。通过监控客户、账户和渠道等，提高银行在交易、转账和在线付款等领域防御欺诈的能力。在监控客户行为时，大数据可以识别出潜在的违规客户，提示银行工作人员对其予以重点关注，从而节省反欺诈监控资源。

　　在国外例如由谷歌(Google)前首席信息官Douglas Merrill创办的信用评估公司ZestFinance，通过大数据技术把收集的海量碎片化数据整合成完整的客户拼图，较为准确地还原客户的真实状况和实际信用状况，并据此支持合作公司向难以从银行获得贷款的美国人提供“工资日贷款”(payday loan)。西班牙对外银行(BBVA)推出的具有记忆功能的ATM机ABIL，不但能记住客户习惯的取款金额、频率，还能根据其账户情况给出相应的取款建议。在国内例如杭州同盾科技可以通过大数据分析出客户的贷款申请行为、用户银行卡的交易行为等等，更好的为客户进行欺诈防范。

　　第三，运维风险和运营风险。前者如数据丢失、数据泄露、数据非法篡改、数据整合过程中的信息不对称导致错误决策等，后者如企业声誉风险、数据被对手获取后的经营风险等。因此，必须加强数据管控。

　　这方面既有成功的经验，也有值得总结的教训。从已出现的问题看，最大的风险来自网络攻击和欺诈：2011年，网络银行欺诈给日本53家银行造成2700亿日元(约合225亿元人民币)的损失;2012年，诈骗集团曾攻击欧美至少60家银行的网络，盗取银行资金;2013年，国内某保险公司受黑客攻击，造成数十万保单信息泄露。为此，一是高度重视并推进统一的数据标准，并做好数据清洗，保证数据质量。二是审慎划定数据边界，合理开展内外部数据共享和非核心数据业务外包。三是大数据下应更加重视隐私保护和信息安全，加大对反网络攻击的投入。

　　第五，操作风险。之所以将此风险单独列举出来，主要是出于此风险的危害性角度考虑，因为该风险很多时候会对企业产生致命性的打击，英国巴林银行的倒闭和日本大和银行的巨额亏损都与操作风险管理不当有关，至今想起来仍令人怵目惊心。大数据时代的互联网金融面临的操作风险更加不容忽视，银行工作人员和客户的在线操作风险如果不引起重视，不仅会影响互联网金融的长远发展还会引致法律风险。尤其在大数据时因此我们呼吁操作风险的管理应纳入到互联网金融公司日常的风险管理中。

　　推动大数据应用的策略

　　依托大数据技术提升风险管理水平。大数据能较好地解决传统信贷风险管理中的对客户申贷行为信息缺失的难题，提升贷前风险判断和贷后风险预警能力，实现风险管理的精确化和前瞻性。大数据时代，银行业可以打破信息孤岛，全面整合客户的多渠道信息数据，包括电商、支付、社交媒体等等用户个人日常注册、登录、交易等互联网行为分析，根据上述信息在进行反欺诈评分，从而降低信贷风险。由历史反欺诈数据分析转向行为动机数据分析，将对目前的风险管理模式产生巨大突破。

　　大数据是信息革 命中非常前沿且快速发展的技术，银行业要抓紧解决内部数据挖掘分析和外部资源的安全整合利用问题，加快人才队伍建设和技术成果转化，通过大数据的高效应用，加速推进银行业的转型升级和可持续发展。