大數據助推銀行零售業務量化經營

摘 要：大數據時代給人們的生活、生產方式帶來了巨大改變，從而引發人們的消費、生活等各方面需求特征發生轉變。商業銀行應積極把握大數據時代的相關特征，把握機遇，采用循序漸進的方式穩妥推動大數據在商業銀行零售業務中的應用，以有效應對大數據時代各種挑戰。

關鍵詞：大數據；商業銀行；零售業務

中圖分類號：F832 文獻標識碼：A〓 文章編號：1003-9031（2014）01-0066-04 DOI：10.3969/j.issn.1003-9031.2014.01.13

目前，大數據的概念風靡全球，但關于大數據怎么用、怎么落地等問題在產業界、學術界等各個領域眾說紛紜。有學者斷言人類已進入“大數據時代”，大數據將對我們的思維方式、商業模式、管理手段等各方面將產生革命性影響。

商業銀行基于數據的量化經營雖已是其經營現代化的一個重要特征，但如何在大數據浪潮中把握趨勢，挖掘出推動商業銀行精細化管理的有利因素，最重要步驟是要找準契合大數據時代的方向和方法。

一、大數據時代的主要特征

1.大數據的基本概念。目前，關于大數據并沒有一個明確的基本概念，比較有代表性的觀點認為：大數據并不純粹指數據量大，還應涵蓋從交易信息到交互信息，從結構化到非結構化的各種新類型數據、分析方法、新思維認知等內容，其數據量的容量、增長頻率、變量生成速度、數據種類和復雜度等都是傳統的數據庫表格無法完全實現的[1]。

2.大數據的本質特征。從大數據的本質上看，其目的是預測未來和判斷趨勢，而傳統的數據分析更關注于分析過去及現在的狀況。其主要特征一是要分析與對象有關的所有數據而不是部分數據；二是承認數據的復雜性，不再強調精確；三是不再探求事物的因果關系，強調相關關系[2]。

3.大數據和傳統數據的區別?？梢孕蜗蟮恼J為，大數據與傳統數據的區別就像高像素單反相機和人工畫像的差異。從量上看，人工畫像只能表現人物形象中最主要的元素；相機可以將畫面中任何一個細微的細節都抓取下來，存儲信息更多，畫面的精細度、質感等方面遠勝于人工畫像。相機中幾個壞點（如噪聲數據）對整體相片影響不大，但畫像只要有一個地方處理不好，整個就會大受影響。從豐富性上看，畫像只能從某一個角度來描寫，而相機可以從多個角度連續拍攝。畫像即使再傳神，也只能表現被畫者某一個角度，某一個神態，對被畫者著表達的信息很少；相機的多角度、連續拍攝可以展現被拍者的立體形象、多種神情，任務形象更豐滿，傳遞的信息更多，更能真實反映實際。從速度上看，畫像需要數小時完成，而照相機可以在瞬間捕捉十數張照片，處理和形成的速度更快，對于運動物體或需實時畫像時照相機的優勢更加明顯。

因此，大數據與傳統數據相比，其優勢主要體現在：一是數據的存儲容量大，涵蓋范圍廣，信息內容多；二是對數據質量不追求過于精準；三是計算速度快，智能分析能力強，可以動態獲取分析結果，具有較強的時效性[3]。

二、商業銀行量化經營及新巴塞爾協議對數據管理提出了新要求

1.從基于經驗的管理轉變到基于量化的管理是商業銀行業務經營模式變化的重要特征。目前，國內外各大商業銀行早已步入量化經營的時代，在開拓某一項新業務時，需要充分依據業務數據判斷潛在市場的規模，在進行客戶風險及價值的判斷環節，要遵循嚴格的數據及規則構建科學的評價模型。如果沒有足夠的數據基礎，業務開拓及管理的不確定性增大，風險也會增加。但同時，目前量化管理的特點是基于高度結構化、嚴格定義和大量清洗后的歷史交易數據，更多是用于報告已經發生過的事情。因此，其利用的數據不夠大，挖掘的程度不夠深，應用的領域不夠廣。

國外先進金融機構已意識到相關問題，開始應用海量的客戶交易和行為等數據，基于新的數據分析技術支持經營管理。例如，美國銀行構建的反洗錢模型、富國銀行進行的交叉銷售等。

2.在實施新資本協議過程中，數據的挑戰貫穿整個過程。2012年，巴塞爾委員會發布“有效風險數據整合和風險報告的原則”，對新協議實施中數據的要求進行了概括總結。委員會指出，2009年金融危機的一個最重要教訓，就是銀行的IT和數據架構不足以支持金融風險管理的要求，很多銀行無法及時、準確地在集團、跨業務條線、子公司間匯總風險暴露和風險集中度。因此，委員會明確要求銀行高層治理結構中必須包括良好的數據整合能力，并采取措施建立一個良好的、有前瞻性的數據庫，幫助銀行及監管者預測未來可能發生的風險。

基于此，各國銀行業新協議實施的評估過程中，最重要的工作之一，就是評估該國商業銀行的數據管理水平。2011年，我國銀監會發布“監管統計數據質量管理良好標準”，確定了數據管理的15項原則、61條標準，要求建立定期評估工作機制，并將標準實施情況作為銀行高級計量方法驗收的重要條件。從銀監會現場評估結果來看，我國銀行業數據質量管理仍有較大提升空間，領先銀行也僅處于“大體不符合”到“大體符合”的中間階段。

監管機構之所以對數據如此重視，主要有四個原因：一是高級計量模型對數據依賴性強，模型越精細，數據質量對模型結果準確性的影響就越大；二是數據質量的高低直接關系到資本計量的準確性，進而影響風險管理、監管的有效性；三是隨著風險管理量化水平的提高，需要采集、處理的風險管理基礎數據范圍越來越大；四是委員會強調監管者和銀行具有對風險的預測能力，現有的數據、計量體系離這個要求差距較大。

3.大數據契合新資本協議實施對數據的要求。新資本協議實施的本質是提升資本對風險的敏感程度，要求銀行能夠準確地識別、度量風險，并將計量結果貫穿到業務經營管理的全流程之中。從資本協議發展的歷程看，Basel I作為標準法體系，僅在風險資產的標準分類基礎上賦予統一的權重，而Basel II則更加依賴對客戶PD、債項LGD/EAD等風險參數的估計，在風險度量方面向前走了一大步。新資本協議的實施及標準的不斷提升，表面上是針對資本充足率，使用更高級的方法有助于節約資本，但這不是實施新協議的主要目的，其根本目的是建立完整的風險識別、度量、預測和管理體系，進而通過資本覆蓋非預期損失。

從目前我國商業銀行實施資本計量高級方法的情況看，主要存在三方面的數據問題：一是數據范圍不夠，很多數據尚未得到有效利用。目前資本計量高級方法中主要依賴的數據是客戶財務信息、交易數據、區域及行業數據、宏觀經濟數據，客戶的定性變量。這些數據往往是依據設計好的表單結構進行采集，數據大多是靜態的、滯后的，而大量的客戶行為數據，例如客戶的網點交易記錄、客戶訪問記錄、通話記錄等，都沒有得到有效考慮，相比而言這些數據雖然價值密度低，但代表了客戶的具體想法和行為，反映了客戶要做的事情和所需的服務；二是數據質量不高。由于我國商業銀行業務數據積累歷史較短，信息化程度較低等原因，數據短缺、奇異值較多、時間長度不夠等問題普遍存在，因此在資本計量模型建設過程中，由于要遵循一定的準則和假設，需要進行大量的數據清洗，并基于業務合理性的判斷進一步篩選，在這個過程中被動損失了很多數據和變量；三是商業銀行跨業務領域、跨子公司間相關數據未得到有效整合，也對風險計量的準確性及風險識別的時效性產生一定影響，例如，通過對小企業主的信用卡交易情況與所屬企業貸款的關聯性分析可以發現，在企業貸款違約之前，往往存在企業主信用卡嚴重的透支情況，而這些風險特征的發現，均需要各業務領域、子公司間數據的高度融合和關聯。因此，采用大數據技術可以很好的解決上述問題，并能夠從看似沒有任何規律的數據中挖掘出風險特征和潛在的風險點。

三、大數據是商業銀行零售業務量化經營變革的重要機遇

大數據產生于新一代信息技術融合發展過程，是新一代信息技術中最有顛覆性的變革力量。就如《第三次浪潮》作者托夫勒所說：“如果說IBM主機拉開了信息化革命的大幕，那么大數據則是第三次浪潮的華彩樂章”。

1.零售業務是商業銀行最能體現大數據優勢的領域。未來銀行業的競爭將集中在對客戶相關數據的收集和分析環節，銀行需要成功地通過各種渠道收集客戶數據，精確分析客戶的意愿，為客戶提供個性化服務。大數據技術必將成為銀行實現一體化客戶關系管理，有效增強自身盈利能力的有力工具和核心競爭力。

從商業銀行業務經營的情況看，零售業務由于需要面對成千上億的客戶，涉及存款、貸款、匯款、理財等方方面面業務，例如，僅信用卡交易類數據，一天的數據量就有近百萬筆，而其又會衍變出大量的消費習慣、投資偏好、日常生活規律等消費信息。因此其涵蓋的數據和信息是十分巨大的，可以從中挖掘出很多有規律、有價值的信息，是最能體現出大數據優勢的業務領域。就如國外學者所言：“未來屬于能將數據轉化成產品的人或公司”。因此，哪家商業銀行能夠領先一步，積極探索大數據技術在零售業務領域的應用，就必然能在日后的業務競爭中取得先機。

2.大數據技術可以應用于零售業務的全生命周期領域。在產品設計階段，可以通過對群體客戶的行為特征進行分析。一是可以綜合分析多種服務交付渠道，包括網點、網絡、移動終端等的大量客戶行為數據，建立預測分析模型，發現客戶行為模式，提高客戶服務價值；二是構建客戶理財洞悉渠道，采用移動理財收集的數據能對不同地域的花銷和節約習慣等方面形成深刻洞悉，制定差異化的理財產品和營銷方式。在客戶營銷階段，可以利用其每月的存款額和支用額反映客戶不同的收入特征，再結合其網頁瀏覽記錄、信用卡消費記錄、投資記錄等，就能很好地把握其消費習慣和風險偏好，為其制定個性化的產品配置和服務。在貸款申請階段，可以利用其收入、學歷、消費習慣等特征，在較短的時間內預測業務發展趨勢、客戶信用變動等情況，支持業務審批。在貸后預警及反欺詐階段，可以對現在的銀行交易記錄包括非直接交易的數據，如郵件、語音、視頻等進行處理、分析，構建客戶行為檔案，收集該客戶的基本信息以及所有歷史交易信息，進行特征的分析與歸納，通過比對本次交易信息和歷史行為信息，找出正常和異常的信息，實現實時偵測功能。

3.各種硬件、軟件設施的快速發展能夠支持大數據在零售業務領域的有效應用。隨著信息傳輸、儲存技術的迅速發展以及物聯網技術的逐步應用，成千上萬的網絡傳感器、二維碼、視頻采集器等設備嵌入到現實世界中，產生了大量的實時信息和機讀數據。同時，云計算技術的逐步成熟，將為物聯網等信息獲取端產生的海量數據提供巨大的存儲空間，并能夠利用超級計算機進行高效化、智能化和多元化的計算、分析，使在線處理、實時處理變為可能。

隨著各類數據呈現爆炸式增長，商業銀行不應再滿足于簡單的數據處理，而應該通過各種新技術、新設備進行數據分析，把握未來發展的規律，使相關部門做出更好的決策。因此，大數據可以讓零售業務的海量數據產生價值、并讓數據真正成為商業銀行寶貴的資產資源。

4.不同產業領域已進行的大數據實踐，為商業銀行大數據應用提供了豐富經驗。大數據不僅給信息處理技術、軟硬件開發等方面的企業帶來新的發展機會，還對醫療、零售、金融、制造、能源等領域的發展帶來新的沖擊，直接推動這些領域的產業升級。大數據分析已在不同領域得到了廣泛應用，美國總統奧巴馬競選時就擁有一個幾十人的數據分析與挖掘團隊，進行大規模、深入的數據挖掘，幫助奧巴馬在獲取有效選民、投放廣告、募集資金方面提高工作的有效性，就像奧巴馬成功競選后媒體指出的那樣：華盛頓那些基于直覺與經驗決策的競選人士的優勢在急劇下降，取而代之的是數量分析專家與電腦程序員的工作，他們可以在大數據中獲取洞察。

在公共衛生領域，2009年GOOGLE利用特定檢索詞的使用頻率及流感在時間和空間上傳播間的關系，在不需要知道搜索詞和流感間的關系，也不需要醫生確認的情況下，純粹依賴于大數據處理了4.5億個不同的數字模型，最終發現一個由45條檢索詞組合構成的數學模型，其預測能力高達97%，與疾控中心的統計數據相比，時效性大大提前。

在投資領域，GOOGLE日本公司基于用戶的搜索詞，將大數據技術應用于實時預測股價走勢。其利用搜索關鍵詞和股價實時信息，構建了數萬個數學模型，從中發現最可能的模式，用于預測未來股價變動情況。一些對沖基金（如Derwent Capital和MarketPsych）通過分析微博的文本數據，尋找股市投資信號?，F在，微博中的信息甚至被用于預測好萊塢的票房收入。

在保險領域，不同于傳統保險行業將數據分析集中于保單、被保險人、服務提供商、代理人、保險利益、產品、核保和銷售賣點、理賠、市場營銷等領域，保險公司開始嘗試引入先進的數據記錄系統，將汽車加速計、剎車頻率和力度、每次行使里程和駕駛時間、駕駛位置、安全帶使用情況等納入分析，以求更準確地預測保險人行為，合理計算不同保險人的保費。

目前，國際大型金融機構已開始逐步嘗試在零售業務領域進行大數據技術的應用，積極向強調“基于數據（事實）”的方向前進。例如，在風險管理領域，過去商業銀行可能要花費幾個小時（甚至幾天）才能分析出相關數據特征，輸出風險管理報告，而通過整合多渠道（如分支行、網絡、移動終端、外部數據庫等）的海量數據，利用大數據分析技術，能實時得出相關趨勢特征，顯著提高風險報告的獲取速度，預測風險事件的發生。

5.各大商業銀行已逐步嘗試進行大數據分析及業務應用。隨著大數據技術的逐步成熟，各大商業銀行已開始逐步利用大數據技術進行風險管理、客戶營銷等方面的業務活動。例如，花旗銀行利用大數據分析獲取客戶信息，并且分析預測客戶的下一步需求，進而向客戶營銷相關金融產品，如某客戶為自己的孩子辦理了一張信用卡，其后花旗銀行根據此信用卡的消費情況、還款情況以及持卡人的各種金融產品消費行為，再結合持卡人的不同年齡及職業，提前預判分析出這位客戶可能需要的金融產品，達到有效的精準營銷。

目前，國內各大商業銀行也逐步嘗試利用大數據技術進行相關業務的拓展活動。如建設銀行利用客戶業務數據，將客戶劃分為長期負債族、活躍結算族、基本需求族等八類客戶群，然后根據客戶的金融產品購買行為、宏觀市場因素、客戶生命周期等變化因素，進行更加準確的目標客戶篩選，同時其由專業的業務和數據分析人員適時調整和修正客戶劃分的數據模型，從而進一步提高客戶營銷的精準性。營銷結果顯示，通過系統篩選的客戶產品購買意向達成率是隨機抽取客戶的1.5倍，實際購買率是隨機抽取客戶的6倍。

四、我國商業銀行適應大數據時代的行動

1.高度重視大數據帶來的機遇和挑戰，樹立基于數據的量化管理理念。商業銀行各級管理層要充分意識到大數據發展的特征和趨勢，采取措施加強數據管理和應用水平，推動全行各級機構和部門數據分析能力的提升。

2.高度重視各種數據的積累。大數據時代的數據包含了方方面面的屬性信息，可以理解為“信息即數據”。因此，商業銀行除了要積累各種傳統意義上的經營交易數據外，還要重視其它類型的非結構化數據積累，例如網點交易記錄、電子渠道交易記錄、網頁瀏覽記錄、外部數據等，都應得到有效的采集、積累和應用。

3.強化對制度等文本數據的標準化。每一家商業銀行的各級機構均有大量的制度、流程和規定等文本數據，但尚未進行有效組織。因此，要按一定的分類標準對之進行梳理，使之與其它數據得到有效整合，有利于數據挖掘工作的開展。

4.積極搭建大數據技術應用的各種資源條件。在現有數據庫基礎上，積極探索引進適應大數據要求的分析平臺和工具，培養大數據分析人才，建立適應管理要求的數據分析管理機制。

5.采用循序漸進的方式穩妥推動大數據在商業銀行零售業務中的應用。目前，可以從小的具體業務和關鍵點入手，以能被商業銀行現有管理架構和外部監管機制接受的方式進行嘗試性應用，待技術及時機成熟后再逐步將大數據納入銀行經營管理體系。例如，將客戶情緒分析、客戶行為預測、風險控制等逐步納入分析應用的范圍。最終打造商業銀行大數據技術應用的核心競爭力，實現大數據技術在零售業務的廣泛應用。

（責任編輯：徐璐）

參考文獻：

[1]Black，edwin.IBM and the Holocaust[R]. Crowm，2003.

[2]Risenthal， Jonathan. Banking Special Report. The Economist[J]. 2012，05：7-8。

[3]Rudin， Cynthin. 21st-Century Data Miners Meet 19th-Century Electrial Cables[J].Computer，2011，6：103-105.

收稿日期：2013-11-19

作者簡介：黃昶君（1977-），女，廣東東莞人，現供職于中國建設銀行總行；

王 林（1981-），男，山東臨沂人，經濟學博士后，現供職于中國建設銀行總行。