淺析數據分析在商業銀行的應用

摘要：隨著大數據技術的快速發展，商業銀行也在逐步探索數據，不斷釋放數據的價值。相對其它行業，商業銀行擁有天然的數據優勢，如大量的客戶數據、交易數據、瀏覽點擊數據等，本文主要闡述了如何使用大數據技術協助商業銀行做好精準營銷、產品提升、決策支持、更好的服務客戶等工作。

關鍵詞：大數據；精準營銷；客戶服務

中圖分類號：F830.33 文獻識別碼：A 文章編號：1001-828X（2017）001-000-02

隨著科學技術的不斷發展，大數據已經成為了一種新型的數據處理技術。而商業銀行在經營過程中產生了大量的資料和數據，如個人信息、交易流水等，如何運用大數據分析與挖掘技術，在海量的資料和數據中提取出有價值的信息，幫助商業銀行進行決策，為客戶提供更加優質和恰當的服務，是當前商業銀行需要思考或即將開展的工作。

一、數據分析在商業銀行應用的現狀

國內的金融行業，尤其是銀行業，大數據的應用尚處于起步階段，遠遠落后于互聯網行業。但金融行業實現數字化交易以來，雖然沉淀了大量的用戶數據，但如何將零散的數據整合成可以直接的利用的數據是銀行首先要做的事。目前，各大商業銀行紛紛建立自己的數據倉庫，形成生產數據到數據倉庫，再按照各種維度將數據切分存儲在特定的區域，在此基礎上加工成各類運營報表供各類人員使用或建立數據訪問平臺供數據分析人員使用等流水線?，F階段，大數據技術在商業銀行的應用主要有客戶服務、風險防控、經營管理和監測分析等，其中最重要的應用是客戶應用和風險防控兩大范圍，主要有三種模式：

首先，基于網上交易流水的數據挖掘。銀行通過電商平臺返還快捷支付交易數據以及自營電商平臺，獲取支付平臺上的大量賣家和買家，并通過交易流、信息流、資金流覆蓋其產業鏈上的生產、物流、消費等多個環節。基于此，銀行借助成熟的數據分析技術，實施風險控制和拓展營銷。如工商銀行“融E購”、建設銀行“善融商務”等電商平臺的建立，幫助銀行積累了大量的支付交易數據，基于對該數據的分析與挖掘，可以為個人或中小企業提供融資、結算、理財一體化的金融服務。

其次，基于第三方系統的征信數據挖掘。該類數據主要包括人行征信、工商、稅務、社保、海關等政府數據，購物、支付、物流等社會征信數據以及各大金融機構的金融數據等。結合這些數據，銀行將能建立更全面的客戶畫像，更有針對性地根據其綜合情況實施精準營銷。

最后，基于POS消費流水的數據應用。商業銀行依托在線貸款業務平臺系統，對客戶進行綜合信用評價，向符合貸款條件的POS商戶，以其一定期限內的POS結算流入量為授信額度的依據，在線發放用于生產經營的信用貸款。

除了基于行內數據進行挖掘分析外，國內許多商業銀行還與專業第三方公司合作，爭取順應大數據潮流，進一步加快應用大數據的步伐。如平安銀行與SPSS公司合作，進行消費貸產品的大數據營銷管理；寧波銀行利用客戶購買某項產品大數據分析結果挖掘潛在客戶。這些探索為商業銀行擁抱大數據技術，利用大數據技術轉變營銷理念和營銷方法提供了很好的借鑒。

二、數據分析在商業銀行應用的價值

目前，各大商業銀行都建立了企業級數據應用平臺開展數據分析工作，其價值主要體現在四個方面：客戶服務、風險防控、經營管理、監測分析。首先在客戶服務方面，不管在哪個行業，都是從客戶的收益周期獲取潛在客戶；其次在客戶成長期，需要通過提供更多更好的服務產品來穩定客戶；最后在倦怠衰退期，需要思考如何挽留客戶，讓該客戶群體繼續為銀行創造價值。所以，在每個階段我們可以通過大數據分析來提供一些相關的產品和應用系統，實現對客戶的服務和挽留。

1.客戶服務

基于銀行及第三方客戶數據，可以建立客戶360視圖，這樣就可以輕松獲知客戶的基本特征，包括基本信息、家庭關系、交易行為信息、社交情況等。通過對特征信息的聚類，為每個客戶貼上不同的標簽，如：年輕客戶、高端理財客戶、休眠客戶、購物達人等等。根據這些標簽，可以分析出客戶產品偏好、渠道偏好及投資偏好等。無論是客戶的360視圖還是客戶標簽的建立，該工作主要還是為客戶的精準營銷提供數據支持，這樣在節約營銷成本的基礎上，最大程度的拓展銀行產品，以增強客戶粘性及提升銀行利潤，如：當一個客戶經常使用支付寶或微信轉賬及支付，并且該客戶未簽約手機銀行時，銀行就可以為這類客戶推送簽約手機銀行的營銷信息，進一步拓展移動端產品。

2.風險防控

起先，金融系統的風險防控主要關注事后防控，如當某筆貸款出現不良或違約時，才會去分析不良或違約的原因，以及制定相應的處理方法。而現在風險防控已應用于事前、事中、事后三個階段。事前防控，即事前對于客戶的盡職調查，如依據客戶的資產評估情況，確定是否對客戶發放貸款等；事中防控，即對于不同業務都有不同的提示和不同的處理方式，如：某客戶經常在A省進行交易，且都是小額交易，當該客戶突然在B省發生大額交易時，銀行將會凍結該筆交易，通過外呼的方式核實該筆交易的真實性，以確定是否本人交易；事后防控，即發現了一些問題之后，通過相關的系統和數據模型來支持事后管理。這些防控措施都離不開對海量數據的分析及挖掘。

3.經營管理

目前，銀行日常的經營管理也越來越多使用大數據的方法來做。比如說網點選址，以前就是考慮做個調研，分析一下該區域的人多不多、會不會有效益，而且對于網點情況也沒有大量數據支撐。而現在網點選擇、優化全部依靠大數據支撐，根據網點的效益、效率、客戶等等方面，建立相關的模型。比如網點是否需要優化，哪個網點出了問題，這極大的提高網點管理的針對性和準確性。目前各大國有銀行都建立了自己的電商平臺，平臺交易分析的問題、增強客戶粘性的問題，都是利用大數據來做分析。

4.決策分析

決策分析即宏觀經濟走勢分析。通過采集了宏觀經濟指數及歷史變化情況，以及銀行的交易數據和指標，采用時差相關分析法，分析二者之間的聯動關系和歷史規律。同時，可以用大數據的方法輿情的監控分析。如：當發生騙貸事件時，銀行可以快速獲取案件相關企業的關聯信息，分析相關企業在銀行的貸款情況以及處理措施。因此，對于輿情分析，可以使用大數據的方法預防和應對企業出現問題。

三、數據分析在商業銀行應用的思考

對于中小銀行而言，當下需要解決的重點不是要不要開展大數據建設，而是怎么開展大數據建設。大數據關鍵就是要解決好三個問題，即：如何獲取數據、如何存儲數據、如何應用數據。只有處理好三者之間的關系，才能最大程度的發揮數據的價值。

1.借助大數據提升客戶服務水平

商業銀行積累了豐富的客戶交易數據，最具條件發掘數據的價值。目前各大商業銀行也在開展客戶在互聯網官網、網上銀行、手機銀行、自建電商平臺等的瀏覽、點擊、購買等動態數據采集工作，商業銀行只要善于分析和應用這些數據，通過數據再利用和數據重組，分析客戶的消費偏好，就能準確發現并掌握客戶需求，并通過不同渠道為客戶提供個性化的服務。2014年由騰訊、百業源等企業設立的微眾銀行以及2016年中信銀行與百度發起百信銀行正式獲批，實現了互聯網大數據戰略共享及更全面的客戶行為分析體系，進一步釋放數據的價值。

2.以大數據推進產品迭代創新

目前我國商業銀行服務同質化，產品差異性小。隨著數據的不斷積累和商業銀行數據分析能力的不斷提升，大數據應用將拓展銀行的業務發展空間，設計具有定價權和競爭力的創新產品。比如建設銀行的快貸類網貸產品，就是基于大數據的產品創新。同時，大數據應用導致支付模式不斷創新，從傳統支付、電子支付到第三方支付，再到移動支付。2016年初，招商銀行宣布與滴滴出行達成戰略合作，從而達成客戶消費地理相關大數據產品的重構。

3.采用大數據加強商業銀行精細化管理

隨著商業銀行數據分析能力的提升，通過對行內大數據以及第三方數據的有效統計、分析、評估，為銀行業務發展、千人千面的精準營銷、資產負債管理、客戶關系管理等方面提供有效的預測分析及決策支持，進一步實現大數據的價值。

四、結語

未來的銀行必將是數據驅動型的銀行。大數據應用將推動商業銀行在經營理念、組織架構、業務流程、管理模式、IT架構等領域的全面調整和深度整合。中小銀行應緊抓時代機遇，擁抱大數據時代的金融創新與變革，在“互聯網+”時代構建新型金融模式，在釋放數據價值的同時提升銀行的核心競爭力。

參考文獻：

[1]HU H，WEN Y G，CHUA T S，LI X L.Toward scalable system for big data analyties：a technology tutorial[J].IEEE Access，2014（2）：652-687.

[2]馮登國，張敏，李昊.大數據安全與隱私保護[J].計算機學報，2014.

[3]顧君忠.大數據與大數據分析.軟件產業與工程，2013，4.

作者簡介：馬依婷（1997-），女，漢族，湖北武漢人，本科在讀。