大數據時代下的物流、信息流、資金流融合—基于商業銀行視角

薛冬輝

（1.中國工商銀行股份有限公司，北京 100048；2.中國科學院 管理學院，北京 100864）

1 引言

國外對商業模式的探討可以追溯到20世紀60年代，Gardner（1960）[1]深入論述了協同的作用，并為以協同為基礎的商業模式奠定了理論基礎。Magretta（2002）[2]，Scott（2005）[3]深入論述了商業模式對企業的重要性。早在幾年前，物流、資金流和信息流的融合就已經作為一種創新型的商業模式而受到理論界和實業界的關注，黃曉偉、何明升（2010）[4]提出在云技術、智能物流倉儲技術和金融創新的支持下，供應鏈資源的協同效應將得以發揮，三流融合將成為未來經濟發展模式的主要特征。在物流方面，新型傳感器的研發、新型條形碼、NFC技術的大范圍應用成為融合的推動力量；在資金流方面，以融通倉、保兌倉為代表的供應鏈金融方興未艾，商業銀行巧妙地將供應鏈分析和信貸業務相結合，開拓出三流融合時代業務發展的新模式；物流企業在近年來得到巨大發展，未來也有極大發展空間，但從短期來看，其發展的地域性強，受資源約束程度高，資金消耗量大，對海運、鐵路、公路等公共資源依存度強的劣勢仍然存在，仍難在短期內成為三流融合的主導力量。在信息流方面，以淘寶、京東為代表的電商平臺供應商已經創造了互聯網時代的商業奇跡，并開始向金融領域滲透。從融合發展的內在規律來看，李長云（2012）[5]認為信息流以網絡平臺和電商為主導，其特點在于對信息的整合和分析能力強，信息系統先進，數據處理能力強，因此以信息流為核心的橫向滲透必會成為融合的先鋒力量。現實中，以淘寶、京東為代表的電商平臺在三流融合方面也走得最遠，作為信息的集中處理主體，電商的核心資源是計算機服務器和開發團隊，資源的地域分布較為集中，運營成本相對較低，幾乎沒有歷史負擔，與資金和物流聯系緊密，最容易先形成規模。有趣的是，表面上與電商和物流相隔較遠的銀行業，近年來卻在積極做著向信息流、物流滲透的準備工作，交通銀行的“交博匯”和建設銀行的“善融商務”已先后于2012年初和6月末上線，作為銀行業翹楚的工商銀行也正在為進軍電商平臺做努力，在強大的系統開發實力、資金實力和政策優勢下，商業銀行僅需對其原有的信息系統加以改造，就可能做到資金流與信息流的整合，進而可利用商業銀行與物流企業天然的信貸融資關系，向物流業滲透，在可預見的將來，會持續為促進三流融合貢獻力量。王建、邢英（2007）[6]、方方（2012）[7]等學者認為大數據時代下，商業銀行將面臨新的機遇與挑戰。本文以商業銀行為視角，分析大數據時代下的融合特征以及商業銀行在推進融合中所能起到的作用，并給出未來商業模式下的銀行業發展建議。

2 大數據時代下的信息收集和挖掘特征

最早提出“大數據”時代到來的是全球知名咨詢公司麥肯錫，麥肯錫認為：“數據已經滲透到當今每一個行業和業務職能領域，成為重要的生產因素。人們對于海量數據的挖掘和運用，預示著新一波生產率增長和消費者盈余浪潮的到來”。當前“大數據”已經在物理學、生物學、環境生態學等領域，以及軍事、金融、通訊等行業有所應用。王偉、吳以四（2012）[8]認為大數據時代具有4V的特點：一是數據容量巨大（Volume）。國際數據公司（IDC）的研究報告稱，2011年全球被創建和被復制的數據總量為1.8ZB（2的70次方），并預測到2020年，全球將擁有35ZB的數據量。二是數據類型眾多（Variety）。相對于過往以文本形式為主的結構化數據，大數據時代的數據類型涵蓋了圖片、音頻、視頻、網絡日志、地理位置信息等種類繁多的半結構化和非結構化數據。三是數據價值密度低（Value）。舉例而言，在一個連續監控三個小時的視頻中，能夠提供有效信息幫助刑偵人員破案的畫面可能只有三五秒。四是處理數據的速度要求非常快（Velocity）。一方面，面對如此浩瀚的數據量，處理效率至關重要。另一方面，越來越多的處理需要在瞬間完成以便做出及時的反應。武延軍（2013）[9]認為大數據時代以在計算機技術的支持下，企業的信息存儲和分析能力大幅提升為特征，在大數據時代，研究機構和企業將能做到基于全量數據的分析和處理。本文認為在大數據時代企業將有機會做到精準營銷、精細化管理、低成本管理和集中化管理，具體如下：

圖1 大數據時代下的精準營銷理念

2.1 大數據時代下的精準營銷

百度百科給出精準營銷的解釋是：精準營銷（Precision Marketing）[10]是在精準定位的基礎上，依托現代信息手段建立個性化的顧客溝通服務體系，實現企業可度量的低成本擴張，是有態度的網絡營銷理念中的核心觀點。精準營銷的基礎是顧客行為分析，通過對每位顧客的收入、消費、廣告瀏覽等海量信息的處理，企業將能做到對顧客認知過程、興趣愛好、購買行為的科學分析和預測，從而有針對性地向顧客推銷符合其興趣愛好的產品。精準營銷的基本理念如圖1所示.

客戶購買某類產品會經過產品認知、產生興趣欲望和做出購買行動三個過程：在認知過程中，客戶會通過網絡和其它渠道來搜索欲購買產品的相關信息，并對信息進行深入考察和跟蹤。此后會逐步定位到某種產品，并產生興趣和購買欲望，最后做出購買行為。因此企業可以通過收集顧客的搜索內容來定位顧客的興趣愛好，通過分析顧客深入了解產品的特征來定位顧客的消費層次、關注點，分析顧客的購買行為，并以此來分析顧客的交易習慣。由此，企業針對每一位顧客都可以收集到大量的相關信息，包括顧客的自然屬性信息和顧客購買產品活動中產生的數據信息，從而形成包含海量數據的數據庫。在以云計算為基礎的數據挖掘技術支持下，企業將能夠形成完整的客戶關系管理系統（即CRM系統），從而實現精準營銷。

2.2 大數據時代下的精細化管理

傳統業務處理模式下，由于數據處理能力受限，企業只能通過抽樣的方式對數據進行存儲和加工，再使用樣本去估計總體的特性，而在大數據時代，企業將有能力處理包含細節信息更多的全量數據。比如在傳統技術下，商業銀行只能做到對顧客每次刷卡信息的記錄，卻無法獲得每筆刷卡所對應的消費細節信息，更無法做到對每筆刷卡信息的分析和處理。在存貸款業務方面，商業銀行也只能做到對一定規模以上業務的精細化管理，很難做到對小額存、貸款的投資管理和風險控制。同樣，商業企業也一般只能從產品維度分析各類產品的銷售情況，卻很難從顧客在挑選和購買商品過程的信息中挖掘價值。但在大數據時代，商業銀行和各類企業可以做到對其每筆業務相關信息的全量采集，顧客的每筆投資和購買行為產生的數據信息都被記錄到數據庫中，通過數據挖掘技術的處理，將產生有用的管理信息。以此為基礎，商業銀行和各類企業可以做到精細化的顧客服務，各類業務的起辦門檻可被大幅降低。

2.3 大數據時代的低成本管理

在傳統業務處理過程中，很多信息的處理是手工的，信息處理效率低、準確度差、成本高。以商業銀行的信貸業務為例，在傳統模式下，銀行要對融資客戶作詳細的盡職調查，調查內容包括融資客戶個人或法人信息、財務信息、押品信息等內容，各類信息要由客戶經理手工輸入到系統中。這種業務處理模式不但信息準確性差，而且成本極高。在大數據時代，商業銀行對融資客戶信息的采集和處理是全自動化的，通過系統自動收集客戶的供、產、銷信息，可以準確、真實地了解客戶的實際經營情況，而且由于已將人工干預降到最低，業務處理效率大幅提高，成本大幅降低，這也為商業銀行和其它企業的業務創新提供了新的思路。在大數據時代，業務處理的低成本將有機會解決一直困擾中國經濟的小微企業融資和普惠金融問題。

2.4 大數據時代的集中化管理

在傳統業務模式下，商業銀行和其他企業的跨地區、跨國經營成本是很高的，企業不但要承擔設立分支機構的成本，而且還要承擔因與分支機構分權管理而導致的資源浪費。在大數據時代，商業銀行和各類企業的總部將有能力獲取更多信息，進而做到對各業務條線的集中化管理，總部的權利更為集中，分支機構將成為具體指令的執行部門，其管理職責、策略制定職責和風險管控職責將被弱化，這將更有利于提高整個機構的執行力，并能節約因管理信息溝通不暢導致的額外損失。

3 大數據時代下的三流關系

傳統業務模式下，產品的生產和銷售是企業經營的核心，也是整個社會經濟發展的基礎，從而更容易形成以物流為主導的三流關系。但在大數據時代下，物流、信息流、資金流成為了一個不可分割的整體。資金流的管理企業也將逐步滲透到信息流和物流領域，從而形成以資金流為基礎的融合關系，融合的演化過程如圖2所示。

圖2 大數據時代下的三流關系

從三流間的關系來看，物流是三流的現實基礎，只有物質的流動代表著現實中的生產、銷售過程，是經濟活動的本質。物流為信息流提供數據來源，信息流中所采集的主要信息都是從物流中獲取得來的，包括貨物倉儲、流動的信息和資金支付的信息。而信息流是整個經濟活動的神經中樞，信息的收集、整理決定著物資和資金的流動方向和流動策略。商業銀行和其它金融機構開展業務的重要基礎就是對信息的收集和整理，信息決定著商業銀行的投資策略、風險管理方式和經營管理模式，也決定著資金的具體流向。資金是經濟生活的血液，資金流向引導著經濟發展的重點，資金流活躍的地區物流也相應較為活躍。由此可見，三流之間存在著緊密的內在關系，是相互關聯、相互滲透的主體，任何一流的主營企業都可能通過向其它領域滲透而做到融合。

以物流、信息流、資金流為基礎進行的三流整合各具特點和優勢。從進入門檻來看，以物流為基礎的融合最容易形成，在信息處理技術發展初期，尚難以實現對信息的集中采集和處理，數據庫技術和單個服務器的計算能力尚不足以完成復雜的數據挖掘操作。但信息處理能力不足并不會對物流運輸形成障礙，物流企業仍可以使用單機方式甚至手工方式處理信息，隨物流而發生的資金流轉也可以實務票據為中介。在信息技術發展中期，云存儲、云計算技術是僅被少量專業人士掌握的計算機核心技術，在技術、人才、成本等多方面優勢下，網絡公司因最先接觸核心技術而能成為融合的先驅，物流與信息流的融合提高了物流運輸的效率，降低了物流運輸的成本。當前云存儲、云計算等高端技術快速普及，核心技術不再成為網絡公司專利的時候，商業銀行敏銳地捕捉到了物流、信息流、資金流整合所帶來的巨大潛在價值，而且商業銀行在信息采集、資本積累和政策斡旋方面具有其它行業難以匹敵的優勢，以資金流為基礎的融合將在未來展現出巨大的生命力。

4 大數據時代下以資金流為基礎發展融合的優勢分析

產品、信息和資金是經濟社會的基礎組成部分，誰能做到融合就可以將其業務領域滲透到經濟社會的各個環節，在這場激烈的競爭中，物流企業、電商平臺、商業銀行可謂三足鼎立，都希望能成為融合的先行者，并從中攫取巨大的商業利益。與物流企業和電商平臺相比，商業銀行對融合所帶來機遇的反應速度較慢，在物流企業遍布全國，電商平臺獲得巨大成功之后才開始關注到資金流與物流、信息流整合潛在前景，但從長期發展趨勢來看，商業銀行在推進以資金流為基礎的融合方面具有一定優勢，主要表現在以下幾個方面：

4.1 商業銀行的信息優勢

商業銀行雖是資金的管理主體，但其信息化建設卻居于各行業前列，為能同時提高業務經營效率和風險防控能力，商業銀行的管理者必須處理大量的信息，信息化建設的理念很早已深入商業銀行的“骨髓”。商業銀行不僅有信息化建設的意愿，而且有信息化建設的能力。2000年后我國商業銀行普遍做出數據大集中的系統建設規劃，將全行的數據集中在一兩個數據中心和備份中心，既提高了數據存儲的效率，又提高了風險防范能力。同時，存款客戶、貸款客戶或是其它與商業銀行發生業務關系的自然人和法人都需要在商業銀行開戶，社會上大部分的資金劃轉都要以商業銀行為中介，商業銀行有著廣泛的信息獲取渠道，不但企業間的資金劃轉要通過商業銀行，而且商業銀行還可以通過Pos機和網銀獲取個人客戶的購物信息。經過多年積累，在商業銀行內部已經形成存儲海量信息的數據庫。

4.2 商業銀行的人才優勢

為配合數據集中和個性化業務、功能的開發，我國商業銀行大多配有開發中心、測試中心和數據中心，擁有專業化的開發、測試和生產運營團隊。數據大集中項目是國內最復雜的系統建設項目之一，涉及到軟件開發、數據移行、數據庫集中等操作，對開發、測試、運營管理的要求極高。數據大集中項目及各平臺開發項目鍛煉了商業銀行的科技隊伍，為商業銀行積累了大量軟件開發、測試、管理方面的人才，使商業銀行具有了極強的系統開發建設能力。商業銀行內部金融人才與科技人才的結合為資金流和信息流的整合提供了基礎和保障。

4.3 商業銀行的資金優勢

商業銀行以資金的中介和管理為主要工作內容，行業利潤率較高，且國內商業銀行近年來業績較好，部分銀行的盈利能力已超過國外同業，銀行內部積累了充足的發展資金。推進三流融合需要大量的資金投入，需要建立數據集中存儲的云數據庫，還需要建立基于云計算的應用處理服務器，其數據存儲和模型相應都對系統硬件提出了極高要求，只有大量的資金支持才能保證信息流和資金流有機結合。除此之外，物流信息的自動化采集需要大量傳感器，需要遍布全球的計算機網絡和分布式的數據處理，只有具有強大資金實力的商業銀行才有能力與網絡、物流供應商合作，實現三流的有機結合。

4.4 制度優勢

商業銀行在我國具有特殊的經濟地位，一方面商業銀行是自主經營、自負盈虧的經濟主體，另一方面商業銀行也與政府有著千絲萬縷的聯系，受到人民銀行和銀監會的監管。在我國電商牌照和物流企業牌照都不難獲得，但商業銀行牌照卻對申請者提出了很高的要求，導致商業銀行可以多元化進入電商和物流行業，但反之，電商和物流企業卻很難涉足銀行業，這也是融合發展進程中最主要的制度障礙。目前，我國大型商業銀行大多已經實現集團化經營，其全球化、多元化水平極高，銀行高管具有全球化管理、多元化管理經驗，較容易適應跨地區、跨行業的整合。

5 大數據時代下商業銀行主導融合的策略

雖然在大數據時代下，以資金流為基礎推進三流融合具有一定優勢，但商業銀行的傳統業務模式卻也面臨著巨大的挑戰。正所謂大船掉頭難，商業銀行雖然有資源優勢，但在大數據技術的沖擊下，商業銀行必須轉型，且要能在轉型過程中解決如下幾方面問題：

5.1 提前做好人員調整

銀行業屬于服務行業，也是人力較為密集的行業，以工商銀行為例，全國和境外分支機構共有約43萬員工，這些員工分布在網點柜員、客戶經理、風險控制、后臺支持等多個崗位。但在大數據時代，物流、資金流、信息流進一步融合，信息采集、處理過程中所消耗的人力資源越來越少，網絡銀行、手機銀行技術的進一步發展將大幅縮減營業網點的人力消耗，而盡職調查、審查審批、合規性檢查的系統自動處理將大幅壓縮信貸條線的人力支出，產品生產、流通的全流程自動監控也將大幅縮減存續期管理中的人力消耗。在技術擴張過程中，如何處理被系統替代的員工是擺在商業銀行管理者面前的重要問題，如果不能通過業務拓展來吸收勞動力，則在系統開發和應用推廣過程中會受到較大阻力，難以做到三流的有效融合。

5.2 數據集中和云技術突破

商業銀行是信息技術應用較為集中的行業，在長期的系統開發中，商業銀行已經形成了一套科技開發體系，有些銀行還設有開發中心、測試中心、數據中心等專業機構。在云技術沖擊下，基于傳統技術的軟件系統面臨升級：一方面需要商業銀行的科技部門做好技術承接，盡快形成基于云存儲、云計算的系統構架，大幅提升商業銀行的數據存儲和數據分析能力；另一方面需要做好存量數據的移行，切實分析存量數據與增量數據間的兼容性，通過數據移行挖掘存量數據的潛在價值。但從目前我國商業銀行的科技水平來看，基于云技術的大規模升級改造尚難進行，受知識儲備和數據基礎的限制，商業銀行的技術升級仍會面臨不小的困難，商業銀行的科技戰略必須要由行內高層領導牽頭，并從全行的視角對系統建設做出規劃才能盡快實現。

5.3 非結構化數據信息價值的挖掘

當前的信息處理是基于結構化信息的，即信息能以數字描述，并可使用數學推導及統計方法對信息進行加工和處理，但現實世界中的大類信息是非結構化的，如一段文字描述、一張圖片、一段音頻或視頻，它們雖然包含大量信息，卻很難被自動化地分析和處理。特別是在商業銀行的業務領域，各類非結構化信息占據主要地位，這也是業務人員的專業判斷在商業銀行決策中具有特殊作用的根本原因。大數據時代將能有工具可對非結構化信息進行處理，圖片、音頻、視頻等信息將通過標簽和自動分析轉化為文字信息，而文字信息將被抓取、編碼成為數字信息，從而達到使用結構化信息處理方式加工非結構化信息的目的。為能實現非結構化信息的處理，需要商業銀行大幅提升信息采集和處理的能力。

5.4 信息采集和數據挖掘

若要做到以資金流為核心的三流融合，必須要能實現基于物流傳感技術的信息采集和基于數據挖掘技術的信息處理。融合有賴于物流傳感技術和數據挖掘技術的大規模應用，商業銀行必須加強對上述技術領域創新的關注，加大對相關領域的戰略投資，做到技術領先。并能利用自身與投融資客戶的天然緊密聯系，做好信息收集系統的投放，并能實現最新的數據挖據技術的現實應用。特別是要發揮商業銀行現有信息采集節點的拓展應用，如加強對Pos機刷卡信息、網銀支付信息的自動采集和分析，充分利用現有的條件進行物流、信息流與資金流的結合。

5.5 業務多元化拓展

商業銀行是以資金管理和中介為主業的企業實體，其最為擅長的是對資金流的管理，為能做到對資金的高效配置和對風險的嚴格管控，商業銀行也同時具有極強的信息流管理能力，但在物流管理、物流監控方面，商業銀行經驗略顯不足。因此，商業銀行必須經過多元化擴展才能做到融合。為能強化自身的競爭優勢，在大數據時代下，商業銀行必須多元化進入信息流和物流領域，通過對物流過程的信息采集和對信息的深入挖掘，實現市場競爭力的綜合提升。

5.6 跨平臺管理

在長期的發展過程中，商業銀行內部形成了多個專業條線，如信貸、金融市場、資產管理、私人銀行、投資銀行、托管清算、個人金融等，且隨著業務的逐步擴張，商業銀行的管理信息系統也與各條線間存在著緊密聯系。為能做到資金流與信息流、物流的結合，商業銀行必須打破條線分割，實現各條線間的信息共享，為商業銀行整體利益服務。這就要求商業銀行在對相關法律和監管規則進行深入剖析的基礎上，從制度和系統兩個層面打通界限，形成整體合力。

[1]Gardner MJones. A Problem in Synthesis [J]. The Accounting Review,1960,35(4):619-626.

[2]Magretta J. Why Business Models Matter [J]. Harvard Business Review,2002,80(5):86-92.

[3]Scott M，Shafer H，Jeff Smith，et al. The Power of Business Models [J].Business Horizons，2005,(48):199 -207.

[4]黃曉偉,何明升.供應鏈資源協同程度測度模型的構建與應用[J].哈爾濱工業大學學報(社會科學版),2010,(1):110-115.

[5]李長云.創新商業模式的機理與實現路徑[J].中國軟科學,2012,(4):167-176.

[6]王建,邢英.簡析金融創新的動力和機遇[J].中國金融電腦,2007,(4):26-28.

[7]方方“. 大數據”趨勢下商業銀行應對策略研究[J].新金融,2012,(12):25-28.

[8]王偉,吳以四.大數據藍海[EB/OL]. http://content.businessvalue.com.cn/post/6687.html, 2012-06-11.

[9]武延軍. 大數據時代已經來臨—人機物融合的大數據時代[J].高科技與產業化,2013,(3):46-49.

[10]百度百科.精準營銷[EB/OL].http://baike.baidu.com/view/5695.htm,2013-06-06.004.