大數據助推銀行運營管理的建議

南京市農村金融學會課題組

大數據助推銀行運營管理的建議

南京市農村金融學會課題組

“大數據”時代給銀行運營管理提出了更高的要求，本文通過分析銀行運營管理面臨的挑戰，探討大數據的應用，提出了如何利用大數據助推銀行運營管理的建議。

一、銀行運營管理“大數據”的發展現狀

（一）“大數據”的應用。

1.運營優化。“大數據”的發展催生了數據高度集中的運營架構。銀行前后臺業務的分離，使得大量標準化、批量化的業務被集中到總行或者一級分行層面進行處理，形成了區域性的數據集中、業務作業中心，大大地提高了運營效率。一方面銀行通過分析海量的集中數據，可以準確地了解到網點的運營狀況和特征，從而為柜面的業務運營提供可借鑒的優化方案，例如：通過大數據科學分析網點現金箱限額，而不僅僅是靠經驗，為網點提供最優方案，使運營管理更加精細、高效；另一方面通過IT系統的運行數據、日志文本的采集、挖掘，銀行能及時監控系統運行狀態和效率，及時了解、定位和解決各類系統運行中的問題。

2.風險管理。“大數據”的發展為銀行運營風險防控從技術上帶來了創新，使銀行可以從海量數據背后找出風險點，大大提高了風險防控的效果。例如：通過對抹賬率、應抹未抹、抹賬超時數據的聯合分析，銀行能從數據中的疑點發現哪些是正常的柜面操作失誤、哪些是存在風險的違規操作。另外，銀行通過利用持卡人基本信息、交易歷史、正在發生的行為模式（如轉賬）等數據，進行實時的交易反欺詐分析，譬如摩根大通銀行曾經利用大數據技術成功地捕捉到了盜取客戶信息和侵入自動柜員機（ATM）系統的犯罪行為。

（二）“大數據”發展存在的問題。

1.海量數據的存儲、查詢急需優化。目前，銀行業“大數據”發展存在的最大問題就是如何集中存儲海量數據和如何在海量數據中做到精準地優化查詢。急速增長的大數據使得現有的存儲技術應接不暇；很多銀行有大量的系統，這又給數據的集中存儲帶來了難題。傳統的數據存儲方案無法滿足絕大多數銀行的要求。因此，目前很多銀行正在升級現有的數據中心，打造全新的數據集中處理中心。但是隨著海量級數據量（億萬級以上）的進一步增大，查詢性能急劇下降，響應速度降低，帶來了效率低下的問題。大數據建設急需新一代基礎環境，即支持“云計算”的大型數據庫管理系統和滿足銀行核心業務系統的企業級數據服務平臺。

2.數據資源的運用、共享不夠充分。一是目前大數據主要運用于一些常規數據、歷史資料的查詢；風險防控的大數據常常只用于常見的合規性檢查，對一些常見的可疑問題進行預警，并且只能用人工分析抽樣的方式排查出近期的疑點問題，未能做到充分運用數據，與風險防控的目標緊密聯系。二是在數據大集中、作業后臺化、交易簡單化的背景下，大數據的數據采集研究人員與前臺運營人員在數據的實時共享、反饋方面做的還不夠完善。另外，目前運營監管檢查仍然主要依靠傳統的走進前臺現場檢查方式。由于沒有詳細的全量數據、可疑數據分析，檢查的目的性和針對性都不夠，使得風險防控更多地停留在常規性上，無法發現更多的隱藏在數據背后的風險點。

二、大數據時代，運營管理面臨的挑戰

隨著運營后臺集中化管理的進一步推進，運營管理的形式和內容都在不斷發生著變化，管理集中、數據集中，風險也集中。目前全國各地爆發的存款丟失案，再次將銀行業推上了風口浪尖，社會各界都在評價銀行的風險防控水平，銀行運營管理正在面臨著前所未有的考驗。如何利用大數據來助推運營管理，稱得上是一種管理變革，將對決策、技術、人才等提出挑戰。

（一）決策挑戰：大數據的全面性將極大影響決策制定。由全面的大數據分析得到的結論將更能體現事物的本質，更能支撐戰略決策。我們不能僅僅只看到表象的數據，更應該挖掘更深層次的數據，來探索隱藏在這些數據背后的規律、真相。例如關于抹賬率數據分析的案例，在這一案例中如果僅通過抹賬率這一表象數據來評價各行的運營管理水平，必將對決策造成重大偏差，應該結合應抹未抹和抹賬超時數據，進行全面分析，才能真正了解各行的實際管理狀況。這需要決策者們在制定決策的時候充分活躍思維，更多地思考如“有沒有數據依據”、“數據是不是全量”、“數據結果和主觀判斷是否有差異”等問題，做到改變現有的思維習慣。

（二）技術挑戰：大數據對信息處理技術提出挑戰。面對海量、多樣化的數據，必須要有相應的科技支撐，對這些大數據建立數學模型來進行處理與研究。只有加強創新性技術研究，從銀行IT戰略高度出發，大力提升計算機、網絡等信息技術水平，才能應對大數據時代的發展，讓業務分享到大數據發展的紅利。

（三）人才挑戰：大數據對綜合型人才提出挑戰。大數據的處理不僅僅是一個IT技術問題，更是一個綜合的系統，它需要全方位的綜合性人才，要從業務、服務和技術等多視角綜合判斷問題，得出結論。目前數據管理和服務人才匱乏，如何培養大數據綜合型人才仍然沒有完善的渠道。大數據人才只有具備較高的業務素質，熟練掌握數據建模、采集、分析等技術，才能應對大數據給銀行運營管理帶來的挑戰。

三、變挑戰為機遇，利用大數據助推銀行運營管理

（一）將大數據應用納入運營管理發展戰略。契合發展戰略要求，建立全方位數據體系，利用大數據決策系統通過對海量的數據進行分析，得出事物發展的規律，精確地預測未來；通過整合內外部數據，探索不同數據背后的相關性；利用IT系統性地挖掘海量數據，逐步取代人工控制，承擔起運營管理的職責。管理層可以不需要依賴于業務部門人為的建議而是利用大數據決策系統分析事物發展的實時數據，做出更加準確、客觀的決策。

（二）打造數據化能力，為挖掘數據價值提供基礎。著眼于“大數據”挖掘和分析，對海量數據的持續實時處理，建設數據模型分析，為操作風險防控、經營效率提升、服務質量改善提供支撐，全面提升運營管理水平。整合不同系統數據，運用數據挖掘手段，全方位改善管理模式，調整產品結構，以數據體系規劃提升數據應用能力，從而驅動數據管理發展，逐步打造銀行業務發展數據化能力。

（三）培養大數據人才，為數據化能力建設提供動力。大數據的管理應用對數據工作人員提出了很高的要求，在業務、技術能力的基礎上，需要較強的綜合素質。大數據的分析是多渠道、多方位、隨機的，沒有固定的分析視角，這種全新的分析方式是開創性的，因此要求數據工作人員必須擁有較高的綜合素質。人才培養機制要盡早確立，積極培養大數據人才，建立一支高素質、高敏感度的大數據人才隊伍，為數據化建設提供動力。

（四）大力開展大數據試點項目，盡快推進大數據應用。提升對大數據可能創造的價值的認識，充分意識到大數據發展的紅利。設立大數據技術創新部門，專門進行數據模型挖掘，開設運營管理條線專項布置大數據試點工作，譬如：以銀行柜面操作數據為基礎，分析提取有效信息，從中得到提高柜面效率、減少風險的方案，用大數據指導現實的工作。同時通過開展一系列大數據試點項目，配以獎勵機制，將大數據的發展深入人心，充分調動整個系統內關心數據、挖掘數據、分析數據的積極主動性。

（五）深化大數據的應用，提高銀行全面風險防控水平。大數據技術深入應用將改變銀行信息獲取、分析、運營的機制，為信息化風險監控提供了技術手段。一方面，大量的客戶交易行為使得運營過程積累了海量數據，通過對這些數據的挖掘、分析，可以有效地識別數據背后的風險點，采取風險信息預警機制為運營風險防控提供便利，使得運營管理更加高效。另一方面，銀行業務的發展與社交平臺、電子商務等越來越融合，通過整合銀行內外部、客戶線上線下的結構化和非結構化數據，可以使銀行對客戶進行全方位的評估，搭建更為深化、標準的信用風險管理體系。

（課題組成員：陳瑋瑋、李堃）