大數據背景下的銀行經濟預測和金融統計

羅睿蘭認為，數據將是確定所有行業成敗的根本因素，對人類至關重要的人力資源將是數據。麥肯錫對大數據的定義是數據庫的大小超出了常規數據庫采集，存儲和管理以及分析數據集的能力；亞馬遜的“大數據”定義：任何超過一臺計算機處理能力的數據量；維基百科的“大數據”定義：“傳統軟件工具不能在一定時間內內容爬行，管理和處理數據集”。

一、構建“大數據”是人民銀行經濟預測和金融統計的實際需求

人民銀行“大數據”實施后，人民銀行從原來的的手工業務過度到全信息化業務，原來的業務基礎從手工半手工收集信息轉換到應用“大數據”，加快了人民銀行管理模塊數據采集進程，宏觀分析社會經濟變化，智能收集分析民生經濟信息，掌控國民經濟變化，實現對經濟的宏觀智能調控。隨著人民銀行對“大數據”信息收集的完善，人民銀行將成為政府機關、企事業單位、教育部門以及民間組織重要經濟樞紐，加強國與民之間的密切聯系。充分利用人民銀行大數據，將有助于我國經濟政策的實施，更好的為民生服務。通過智能化分析人民銀行的業務數據，完善銀行監管機制，實現人民銀行掌控的標準化管理、動態跟蹤、異常管理的資金流動達到人民銀行風險控制，內部業務風險控制、智能處理外部業務的監督管理。

二、人民銀行建立的“大數據”基本條件

人民銀行數據是指人民銀行獲得的數據在履行職責的過程中，如分析、研究、決策以及其他功能和價值，包括統計調查，錢幣借貸，個人信用，財務會計，財政部和其他結構化數據，銀行通過統計數據的積累，貨幣分析數據庫、圖表數據庫、文字數據庫、音頻和視頻文件數據庫和其他非結構化數據。

（一）建立一個更全面的金融業綜合統計監測系統

花費多年的時間構建“大數據”，人民銀行建立了一個特殊的調查體系，包括貨幣供應量統計，信貸收支統計、現金收支統計，外部金融統計數據，金融市場統計，人民銀行收集統計專項和資本流動數據和其他金融業綜合統計監測系統對人民銀行的宏觀調控服務，努力提高貨幣政策目標性、靈活性，為經濟發展的轉型打下了牢固的基礎。

（二）建立人民銀行更大的數據庫

第一，建立金融誠信檔案數據庫。截止到2013年底，金融信用信息數據庫包含近8.4億個自然人和19.193億年企業和其他組織的信息，個人、企業信息、年度查詢卷3.5億年和1.04億年的時間，全國累計補充小微企業信息近243萬，累計共有350000中小企業獲得銀行貸款，貸款余額72.3189萬億元，全國共有1.51億農民建立信用檔案，進行信用評估，101.43億農民的貸款余額2萬億元。第二，建立一個財政部數據庫。財政部的數據匯集了各級政府金融數據和財政部管理數據，包括各種結構和非結構化數據。現代財政信息系統的總體框架“3 t”系統（TCB）、國庫信息處理系統（TIPS）和財政部管理信息系統（TM3a00b4e5652d51e5e7e77e04c7d24a14）三個系統是核心。

（三）金融標準化建設成果顯著

2010年，中國人民銀行推出了“銀行業標準體系框架”，發布了“中國金融集成電路（IC）卡規范”（2010年版）和其他14個金融行業標準；發行“金融行業信息管理規定”，金融機構信息管理系統的建設，建立中國第一個金融機構目錄，覆蓋230000多家金融機構的信息。2011年3月，人民銀行頒布了“促進金融IC卡申請工作建議”，啟動銀行磁條卡到IC卡移民戰略。2014年8月，中國人民銀行發布了“統計數據和元數據交換（SDMX）標準，標準的處理、交換和外部中國金融統計數據的分布。2014年11月，中國人民銀行發布了“金融信用信息基礎數據庫用戶管理實踐”和“信用信息安全標準。

（四）中國人民銀行有較高的利用價值

中國人民銀行貨幣政策委員會通過分析存款和貸款的影響及其對貨幣政策的變化，對貨幣政策進行了適當的調整。人民銀行提取數據給財政部和其他部門使用，通過一系列分析判斷從而做出決策。地方部門利用人民銀行 提供的數據，對經濟的預算支出，以及收入變化，能夠及時掌握和調控。

三、人民銀行“大數據”的制約因素是主要因素

目前，有一些技術和監管因素制約著人民銀行“大數據”的建立、分析和利用。

（一）技術操作水平，數據收集和挖掘仍相對落后

數據收集和挖掘更落后。與阿里巴巴以及其他網絡電商相比，人民銀行仍舊采用較為原始的方法收集信息，對信息收集與挖掘不夠到位。當前人民銀行建立大數據最大的難題不是信息的收集而是信息的利用，據統計，人民銀行信息聊得利用率僅為百分之二十。相比較之下，互聯網電子商務等企業在信息的收集與利用之下高出人民銀行很多，人民銀行應從內部改革，引進人才，充分激活休眠的數據。

缺乏標準化的數據設計。由于起步晚，收集信息手段落后，諸多原因導致人民銀行在建立“大數據”模型時，在于國際接軌時出現了碰撞，不能找到相匹配的數據名稱和專業名詞，導致人民銀行在大數據建立標準的數據設計的路上舉步維艱。

使用非結構化數據的缺乏。中國人民銀行檔案管理系統對會計憑證、會計帳簿、報表和其他會計資料的完整性和安全性提出了具體要求。人民銀行的數據依舊以傳統的方式進行記錄，即仍舊集中在文字類的數據上，缺乏圖像影音類的記錄，即便有這類數據，不能及時處理應用于實際，對于非結構化數據的處理和應用需要進一步強化。

（二）缺乏產品創新能力

由于傳統模式的限制，以及運轉模式靈活度的不夠的阻礙，導致人民銀行在產品創新的能力較低。因此，在大數據戰略的實施過程中面臨著各種挑戰。就同行來說，工商銀行在這方面做得相當好，“e金融”商城的建立，及時把握住當今快捷支付的潮流，把握住電商這一歷史機遇。和微信微博等社交媒體相比，在創新的支付品臺以及支付工具方面起步晚，分析利用用戶金融信息行為和偏好方面顯得十分不足。作為金融行業的先驅者不能把充分了解時間前進的腳步，固步自封，閉門造車，面對必然的結果就是被淘汰。雖然人民銀行一直在變革，然而在創新方面做出的努力程度依舊不夠，或者說顯得十分無力。與其說是在創新，不如說是變相的模仿罷了。面對已經習慣某種模式的人民來說，何必浪費時間去接受一項模式差不多的金融事物，更何況人們面對金錢方面不太愿意冒著可能失去的風險去嘗試新事物。為此，人民銀行想要打個翻身仗，必須從頭到尾來個徹底變革，喚醒人民對人民銀行最初的信任與依賴。

四、國外銀行“大數據”使用比較分析和參考

下文介紹了，以及XBRL分析框架的國外央行的使用，為中國央行對大數據的使用提供參考依據。

2014年商務報告中，ECB即歐洲央行，和美聯儲（全稱美國聯邦儲備理事會）使用并介紹“文本分析定向算法”（數據）。報告中詳細介紹了歐洲銀行基于“大數據”預測，并指出數據是一個詳細的工作文本化描述的搜索和特定集合體。利用“大數據”方法直接構建一種由情感為樞紐傳遞的相關數據，并分析關聯度，判斷是否具有重要的意義價值

XBRL（可擴展商業報告語言的縮寫）其主要目的為商業和金融信息的交流與交換，以及定義金融名詞，最終達成一種國際間的擴展商業報告語言。因此，及時XBRL是使用國外央行的資料，在國內外不同的系統間是可以共享使用數據和適應不同復雜程度的財務報表。

XBRL在日本銀行的應用。日本與2003年開始實施XBRL的測試。隨著測試的使用，日本銀行發現使用XBRL的過程中大大減少了工作負擔。2006年上旬，正式向XBRL提交數據。央行認為，每月使用XBRL提交數據能夠大大減少數據分析的工作量以及數據驗證，除了通過簡化提交流程之外，在驗證報告函數中能提前發現報告中的各項問題。

XBRL在西班牙銀行的應用。XBRL在2009年已成為西班牙金融機構的年度財政基本財務報表，通過數據自動化驗證，以及指導意見的提出，西班牙央行大大提高了數據的質量。讓西班牙人民對央行的職責能更深入的了解，對于央行收集和處理金融財務信息方面有了全面的認識，使人民對央行的信任與支持力度進一步加深。

五、相關建議

國外的金融預測與數據統計反應表明，對于“大數據”的應用，極大的減少工作量，增加了工作效率。因此，積極學習借鑒國外經驗，加強人民銀行對經濟預測和金融統計“大數據”的運用

（一）適應“大數據”的需求，規劃中國人民銀行“大數據”戰略的設計

首先，人民銀行在軟文化環境方面培育應重視數據文化的培育，建立“大數據”相關研究機構。建立“大數據”說話的思維方式，強調數據決策工作和協調的機制，形成數據管理工作，人管理數據，最終達到銀行運行機制在人為的掌控下高效率運轉。其次，整合內外部非結構化數據，充分挖掘客戶信息，完善系統信息的整合。加大對電子商務渠道的信息收集和利用的力度，注重新型數據來源，提高信息敏度識別度。最后，增強信息分析的實效性。對于信息的收集和分析的處理，應及時作出相應的預測和應，加強數據平臺的建設，基于多元化信息平臺分析挖掘工作，對信息化的深入和延伸，豐富完善分析挖掘工具。

（二）人民銀行履行職責，科學建設人民銀行數據庫

基于“大數據”理論建立一個數據網，即以總行數據為網中心，支行作為網的延伸，類似一個“蛛網結構”支行獲取數據信息，向總行輸入信息匯總，總行及時對各分行進行信息處理，實現分級管理，最終實現數據統一規劃，上下協調發展，使得信息業務均勻分布減輕運轉壓力，實現分行工作，總部調控，提高人民銀行網絡對于數據流的計算和分析的能力，隨著“云計算”1代的升級為2代技術，人民銀行對金融信息數據的保護加密工作提升了好幾個級別，對于數據的泄露與盜竊方面等行為，銀行數據的敏感度十分的高。銀行數據庫主要有三個系統組成，即金融數據庫、分析、預測模型庫，通過對信息進行分類處理，和量化分析，滿足業務部門數據查詢、數據分析挖掘等不同層次的需求，為營銷和決策提供數據支持，最終提供科學的基礎給金融監管機制，完善金融監管機制，科學地建設人民銀行數據庫。（作者單位為中國建設銀行長春西安大路支行）