大數據背景下的銀行經濟預測和金融統計分析

張星　薛洵

【摘要】隨著信息技術、網絡技術以及數據處理技術的不斷發展，大數據成為現代社會經濟運行中的重要依據。銀行經濟是現代社會經濟發展的重要組成部分，銀行通過建立信息系統平臺，能夠實現對金融市場各項信息數據的整合、分析與利用，進而總結經濟運行規律，預測金融市場運行方向，從而推動社會經濟整體在數據模型的建構中有序運行。本文從大數據的基本內容出發，從智能化建設、經濟預測、風險防范等角度分析大數據對銀行經濟發展的影響;并針對信息系統建設中的問題，探究影響大數據分析在銀行經濟預測和金融統計應用中制約因素;進而結合問題實現多方面探究，提出促進大數據融入銀行經濟預測和金融統計的策略，以期對新形勢下，銀行經濟的發展以及金融市場的構建提供建議。

【關鍵詞】大數據 銀行 經濟預測 金融統計

引言：在現代經濟研究中，數據已經成為經濟預測與金融分析中的重要資源。銀行是市場經濟運行的重要主體，其在運行中需要對市場交易、金融活動中形成的數據信息進行收集與分析，將價值相對稀薄的數據信息逐漸匯聚為具有巨大利用價值的數據資源，而專業人員通過對大數據的分析則能夠形成經濟預測與金融統計模型，以指導銀行經濟與金融市場的有序運行。

一、大數據的概述

大數據指無法在一定時間范圍內用常規軟件工具進行捕捉、管理和處理的數據集合，是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力的海量、高增長率和多樣化的信息資產。從概念中我們能夠發現，大數據已經不再是簡單的信息，而成為了一種資產，因此對于市場主體而言，如何挖掘、利用這筆資產則成為現代市場競爭中面臨的重要議題。

相較于傳統意義上的資產，大數據在生成與應用過程中具備以下特點：（1）海量，從大數據的角度來看，整個世界就是不斷變化、更新的數據流，每一刻、每一個活動都在生成數據，而在現代信息技術的輔助下，這些數據被捕捉并收集起來，其規模突破了Byte、KB、MB、GB單位的計量，達到了用ZB、YB、DB等單位計量的規模，而龐大的數據流在虛擬空間中生成并存儲，成為了現代社會發展中一塊尚未完全開發的“富礦”;（2）高速，即在現代網絡技術、信息技術的支持下，數據的傳輸更加迅速，即便是不同區域的市場主體也能夠在同一時間獲得相同信息，例如目前物聯網、云計算、移動互聯網、車聯網、手機、平板電腦、PC以及遍布地球各個角落的各種各樣的傳感器使數據傳播更加便捷，而大數據的高速傳播打破了信息滯后帶來的反應遲緩，讓市場主體的決策更加迅速、有效;（3）多樣，大數據主要包括結構化、半結構化和非結構化數據，其中結構化數據是在特定場景中形成的數據庫，如銀行數據庫、企業ERP、醫療HIS數據庫、文獻資料數據庫等，半結構化數據是一種數據庫集成的數據模型，是虛擬空間中形成的共享信息，非結構化數據則是指圖片、聲音、視頻等數據內容;（4）價值密度低，由于數據規模龐大，其單個數據價值自然被稀釋，如針對某一金融活動的數據統計中，只有少數數據與金融活動緊密相關，但是這些價值密度較低的數據積少成多，最終會形成數據價值。

基于大數據的特點，在現代經濟運行中，銀行利用系統優勢捕捉金融活動中的海量數據，并通過加工、處理形成可供參考的預測模型，這對于銀行經濟的有序發展，以及金融市場的有效運行具有重要意義。

二、大數據分析對銀行經濟的影響

現代社會經濟發展中的各項活動都會與銀行建立聯系，因此，銀行在大數據獲取方面具備便捷的條件。相較于傳統的銀行數據分析，大數據背景下形成的經濟活動數據不再是單一化、隨機化的信息，而形成了龐大的數據資源，且這些數據在一定算法中能夠形成獨特的語言，用以描述經濟運行狀態。基于此，銀行在大數據背景下，應利用信息系統收集、整合、挖掘、分析信息數據，并探究不同經濟現象、金融活動中的內在聯系形成具有預測價值的經濟模型。

在激烈的市場競爭中，銀行建立大數據處理平臺，并實現對數據資源的合理利用，對于經濟預測與金融統計具有重要意義。第一，有利于完善銀行智能化管理體系建設。在大數據的支持下銀行的智能化管理建設已經啟動，銀行通過完善硬件系統，加強數據分析，能夠逐漸推動人工處理業務模式向智能化業務模式過渡，例如2018年中國銀行積極推動智能網點普及，打造智能柜臺，利用人機互動實現人臉識別，通過系統提取和比對客戶面部的關鍵特征值，加強對客戶身份真實性的剛性控制;對準大眾普惠客戶，把存折業務納入智能服務范疇，實現智能化的存折取現、補登、轉賬等功能;建立防堵電信詐騙監督機制，通過大數據分析建立可疑人員“黑名單”，支持跨網點共享，實現聯防聯控等等。這樣的智能化操作有效彌補了人工操作的漏洞，實現了銀行經濟智能化發展。第二，有利于提高經濟決策科學性。在現代社會經濟發展中，銀行扮演著至關重要的角色，政府、企業、社會機構以及個人都會根據銀行的數據信息做出經濟決策，基于此，銀行也需要對社會經濟發展中形成的海量數據進行整合與挖掘，這樣才能形成更加科學的數據模型，以供政府、企業、社會機構以及個人參考。在大數據的推動下，銀行信息系統在數據處理中逐漸朝著集約化方向發展，例如技術部門推出智能決策平臺，能夠推動銀行融合線上、線下的海量非金融與金融數據進行信用風險建模;結合征信、工商、稅務、法院、運營商、輿情等第三方數據，搭建更加科學，更加合理的風控模型，通過風險模型識別欺詐風險和信用風險，從而打通數據收集、特征分析、客戶標簽、風險控制等各個環節，做出最優的經濟決策。第三，有利于預測并防范金融風險。銀行在運行過程中，通過對金融數據的深入挖掘，能夠形成對銀行系統的全面監督，動態跟蹤、評估金融活動風險，并做出預警，提出金融風險防范措施。例如中信銀行以電子銀行業務流程為主線，建立立體化、全覆蓋風險防控系統，即利用云端監控對客戶數據進行收集，整合第三方數據庫、同業數據與行內數據，形成金融風險分析數據庫，通過系統運行完成數據分析，并形成交易欺詐監控、信用欺詐監控、個人信用風險評估、商戶信用風險評估，以迅速、有效地識別金融風險，提前做好金融防范，提高金融監督水平，確保金融市場有序運行。

三、大數據背景下的銀行經濟預測和金融統計面臨的問題

第一，銀行在大數據技術開發與應用方面存在欠缺。在大數據背景下，銀行經濟運行中形成的信息資源為數據分析提供了天然的支持，但是由于傳統銀行在運行中“技不如人”，對于龐大的銀行經濟數據、金融市場數據無從下手，從而影響了其在數據開發與應用方面優勢的發揮。銀行是一比較傳統的市場主體，其在漫長的經濟運行中一直處于穩定狀態，雖然自身具備龐大的數據資源，但是在資源開發方面，尤其是互聯網金融時代的數據資源開發方面相對遲緩，無論是與電商平臺，還是與異軍突起的金融科技公司相比，其在數據技術引入方面存在明顯的動力不足。技術上的局限使得銀行在面對市場經濟、金融市場、用戶信用等級等數據時候，難以靈活采用大數據思路實現資源開發與應用，導致銀行潛在的商業價值無法有效利用。

第二，銀行數據處理缺乏統一標準，影響了數據開發與應用效率。標準是通用語言，建立大數據標準是優化數據分析環境的前提。在銀行經濟預測與金融統計中，標準化數據能夠保證基礎數據的一致性與準確性，促進銀行系統集成，推動數據資源共享。但是，目前在銀行經濟預測與金融統計中，行業內部、部門之間存在嚴重的數據壁壘現象，面對同一問題，不同部門、不同主體給出的數據信息相去甚遠，甚至截然相反，這就使得原本存在巨大利用價值的數據資源，變成了難以令人信服的垃圾數據，同時也增加了部門之間、行業內部的信息交流，造成信息孤島現象，降低了銀行經濟預測效率，影響了金融統計的推進。

第三，對不同類型數據開發的重視程度存在偏差，影響了數據開發與應用的全面性。目前銀行的數據生成主要還是依賴傳統業務，如金融交易、用戶開通賬戶等，在傳統維度上形成的數據信息主要側重于歷史財務、借貸數據。雖然隨著金融市場的發展，互聯網金融的影響，銀行在傳統業務范圍上進行了一定的拓展，并將數據類型從存、放、匯核心業務形成的結構化數據，發展為客戶電話語音、在線交易記錄、網點視頻等非結構化數據。但是與金融科技公司相比，銀行傳統業務數據庫的建設，以及非結構數據開發上依然存在“短板”，數據的來源、傳遞與存儲方面存在技術制約，影響了大數據效能的發揮。

第四，個人信息采集的邊界相對模糊，個人信息采集存在爭議。大數據對于銀行經濟預測與金融分析而言，能夠提供充足的資源支持，但是其在個人信息應用方面卻也由于邊界模糊的問題，存在潛在的風險。銀行要想實現經濟預測與金融統計必須要對個人信息進行收集、整合與處理，這時人們不免要問“如何理清數據控制者運用數據的行為邊界？如何確保數據開發中對個人信息的有效保護？”但是目前銀行對于這一問題卻無法給出令人信服的答案。2016年公安部掛牌督辦并告破的“5.26侵犯公民個人信息案”，涉及高達257萬條公民個人銀行信息，涉案金額高達230余萬元，這一案件的被告是一某銀行支行行長，其在大數據的“幌子”下，肆意侵犯個人的銀行信息，造成個人信息泄露，這不僅為用戶的經濟行為帶來了巨大的風險，更是影響了銀行的市場信譽，并為整個銀行業的大數據開發與應用敲響了警鐘。

第五，銀行信息系統有待完善，數據安全問題突出。大數據背景下，銀行面臨著轉型的壓力，雖然在信息系統建設方面銀行做出了巨大的投入，但是數據安全問題依然突出，例如銀行數據在傳輸過程中既存在泄露、丟失的風險，也存在被外部攻擊的風險;在數據處理過程中，即便銀行進行了靜態數據脫敏，但是由于數據集之間的關聯性，依然存在信息泄露的風險;在云計算平臺下，計算環境復雜，多個租戶共享平臺資源，且互聯網支付在云計算中的廣泛應用等都為數據安全帶來威脅。

四、大數據背景下的銀行經濟預測和金融統計分析的策略

第一，銀行應主動適應大數據時代背景，對數據建設做出戰略性規劃。大數據對傳統銀行提出了轉型的要求，而銀行自身也具備明顯的數據資源優勢，因此，根據大數據時代要求將數據建設提升到戰略高度，推動大數據資源與開發的戰略制定與落實，是傳統銀行應對互聯網金融沖擊，實現創新發展的必然選擇。在戰略規劃中，銀行首先要明確戰略目標，即從加強經濟預測，推動金融市場健康運行的角度進行宏觀分析;從控制銀行內部金融風險，提高銀行經濟效益，挖掘潛在商業價值的角度進行微觀探討，以形成系統完善的戰略目標，以指導銀行大數據建設長短期工作規劃發展。分析戰略環境，即對銀行進行SWOT分析，從數據、資金、人力資源等方面分析內部優勢與劣勢;從技術環境、政策環境、社會經濟環境等角度分析外部機會與威脅，以合理判斷銀行在大數據建設中面臨的內外環境，以確保戰略方案的合理性與可行性。制定戰略方案，即通過信息整合建立SWOT矩陣，針對不同要素之間的搭配與協調，以及銀行長短期發展需要，制定增長型、扭轉型、多元化、防御型戰略。實施和評估戰略，即根據客戶中心目標、經濟發展目標、風險管理目標等對不同的戰略方案制定實施細則，并根據銀行運行過程中對預期目標的實現程度進行戰略評估，以確保大數據背景下，銀行戰略規劃有序進行。

第二，推動銀行數據處理技術的應用，提升數據開發與應用能力。大數據處理技術是銀行實現數據開發與應用的主要支撐，銀行應根據現代數據系統建設進程，積極推動技術創新，以搭建完整的數據處理平臺。例如民生銀行根據業務應用場景搭建了層次化的數據平臺：數據采集層，數據采集范圍包括行內數據、外部數據與行為數據，通過對數據的分析，銀行加強了對用戶行為的分析、挖掘與預測，從而進一步明晰用戶的身份、目的以及行為模式，從而為金融產品運營與精準營銷提供支撐;數據加工層，其包括Hadoop數據整合平臺、生產歷史數據管理平臺以及實時數據分析決策平臺，這一層次通過對內外數據的整合與開發，實現對結構與非結構數據進行清洗與統一，并通過自動調度形成可利用的數據資源;服務層，其包括機器學習平臺、實時推薦引擎、數據檢索引擎，通過平臺運行，銀行內部信息系統能夠訓練機器完成學習，從而大數據形成智能分析，并為銀行經濟預測提供新的模型算法;業務應用層，即根據大數據建立的經濟模型，銀行對風險控制、產品運營、市場營銷、數據安全、內部管理等方面做出決策，以形成數據開發與應用的閉環，提高銀行的數據開發與應用能力。

第三，促進數據標準化發展，推動銀行數據共享機制的建設。在大數據背景下，銀行數據標準化建設既是提高數據質量的需要，也是推動數據共享的需要。銀行在數據管理過程中，為打破經濟預測與金融統計中數據交流障礙，應積極推動數據標準的建設。例如中信銀行為適應大數據時代發展要求，推動數據資源共享，實現戰略發展目標，對銀行數據標準給出了明確定義，其中包括數據責任方、數據內容的標準要求、數據質量要求、數據的成本應價值量化要求、數據存儲與管理要求、數據加工與整合要求、數據訪問安全要求等;根據數據標準化管理定義，制定了嚴格的發展框架，并結合國家相關規定對數據標準內容進行細化，其中基礎數據標準包括客戶數據標準、產品數據標準、金融機構數據標準、協議數據標準、交易數據標準、渠道數據標準、財務數據標準、資產數據標準、地址數據標準、營銷數據標準、公式代碼等，指標數據包括風險指標、財務指標、營銷指標、財富指標、監管指標等;根據數據標準細則制定數據管理規范，以便于強化標準執行力度，并針對標準執行中存在的問題做出標準變更、復審與考核，提高數據標準的科學性與可行性，進而提高銀行數據的整體質量，推動數據資源的共享與利用。

第四，完善大數據分析模型，提高銀行經濟預測與金融統計的科學性。銀行應通過對統計工具、信息來源以及數據質量的改進，完善經濟預測與金融統計模型，以提高數據分析的前瞻性，體現大數據分析價值。例如現代銀行在經濟運行中時刻都面臨著用戶流失的風險，尤其是互聯網金融的出現，便捷、高效、多元化的金融服務促使傳統銀行中的用戶不斷流失，針對此，銀行應利用大數據對用戶流失現象建立分析模型，并通過對用戶的畫像，制定相應的應對方案。在互聯網時代，信息爆炸使得人們獲得金融信息的途徑愈加廣泛，調查顯示，約63%的用戶使用在線個人網絡以及社交網站就能夠獲得可靠銀行產品信息，而45%的用戶會在社交媒體中會對其金融服務作出評價，這些存在于社交網絡中的數據信息，為銀行預測用戶流失提供了必要的依據。銀行在大數據開發過程中，應拓寬數據收集渠道，從多個視角分析影響用戶流失的因素，并利用系統平臺實現對用戶銀行訪問，用戶來電日志，網頁交互日志，信用卡記錄的交易數據的處理，同時將這些數據信息與社交內容中的信息進行交互、匹配，形成對用戶的全方位“畫像”，進而建立預測用戶流失的數據模型，以形成可視化的行為預測指導，這樣銀行就能根據用戶流失現象制定針對性措施，及時止損，并針對存在潛在流失風險的用戶制定營銷方案，以挽回用戶，降低流失率，提高銀行經濟決策的預見性。

第五，明確銀行數據開發與應用的邊界，依法維護個人信息安全。在大數據背景下，銀行既是信息的提供者又是使用者，因此需要承擔著保護個人信息安全的職責。在大數據開發與應用的過程中，根據相關的法律法規，以及行業內部的規章制度、規范流程與合規流程確保個人信息安全。例如工商銀行為保證個人信息安全在采集和向征信機構報送個人信息的過程中，會嚴格遵照程序取得個人同意、授權，在查詢個人信息的過程中要獲得本人授權，并詳細說明信息使用目的與使用范圍;工商銀行還建立了白名單制度，即申報、評審符合國家相關規定以及銀行系統規范的單位、個人形成白名單，這些單位或個人可以通過登錄征信系統查詢信息，但是其權限主要為信息管理，無法對個人信息進行收集、整合與利用;此外，工商銀行還建立了前置系統，用戶需要與征信系統形成有效對接，才能夠通過安全測試，并利用雙重密碼認證進入系統，以控制系統登錄權限。總之，在信息資源成為社會經濟運行中的重要生產要素和社會財富的時候，銀行作為個人信息資源的重要持有者，需要以身作則，明確數據信息開發與利用的邊界，在合法的范圍內實現信息數據的科學利用。

第六，完善銀行信息系統，保障數據安全，有效防范金融風險。銀行經濟預測與金融統計的主要目的是及時發現金融風險，并提前做好防范。在大數據背景下，銀行應通過引入專業數據技術，加強信息系統建設，其中包括數據庫安全審計系統建設，即根據行業規則對銀行行為進行考核，對違規操作提出警告，追溯數據庫訪問風險，并建立關聯分析，針對系統異常進行及時診斷;動態數據脫敏系統建設，即保障數據實時訪問安全，防止銀行系統在運行與維修過程中出現敏感數據泄露，避免隱私數據在未脫敏狀態流出銀行，利用高可靠性的動態掩碼進行數據脫敏，保證數據共享安全;數據庫加密系統建設，采用國家密碼局認證、備案的加密設備，對銀行的核心業務數據進行加密保護，通過數據庫加密產品對敏感數據進行加密保存，避免數據文件、備份文件泄露或丟失，即使在黑客通過技術供給獲得數據也難以準確解讀，建立權責分配機制，避免高權限用戶“監守自盜”，利用加密設備提高銀行對數據安全的自主控制能力。

五、結束語

綜上所述，大數據對銀行經濟與金融統計帶來的不僅是豐富的數據資源，以及便捷、智能的統計分析手段，還有顛覆性的思想認知，而銀行應積極應對大數據時代經濟發展與金融運行過程中對數據資源形成的新需求，從軟硬件方面做好調整與創新，深入對大數據的理解，并實現對數據信息的開發與利用，建立符合銀行經濟與金融統計需要的數據信息系統，進而推動銀行經濟預測與金融統計工作向智能化時代邁進。

參考文獻：

[1]惠旭.大數據背景下金融統計未來的發展方向[J].現代經濟信息，2019（07）：339.

[2]席犇.大數據背景下的銀行經濟預測和金融統計研究[J].河北企業，2018（06）：60-61.

[3]王彤輝.基于大數據背景的銀行經濟預測和金融統計探析[J].農家參謀，2018（10）：281.

[4]黃善芬.大數據背景下的銀行經濟預測和金融統計[J].環渤海經濟瞭望，2017（12）：53-54.

[5]姜杉，何啟志，鄧留.大數據背景下的銀行經濟預測和金融統計研究[J].環渤海經濟瞭望，2017（12）：17.

[6]郭晨昕.大數據背景下的銀行經濟預測和金融統計[J].時代金融，2017（30）：61.