大數據在農商行的應用發展研究

許臻

摘 要：伴隨國家鄉村振興戰略的實施，各地的農商行異軍突起，迅速成長為商業銀行中一股重要的金融力量。智能化時代，大數據技術應用日益廣泛，成為助力農商行快速發展的重要基石。在此背景下，本文討論了大數據在農商行的應用模式和應用場景，指出了目前應用中存在的問題，最后提出了相應的政策及建議，為促進大數據在農商行的應用提供了一定的借鑒。

關鍵詞：大數據? 農商行? 應用模式? 政策建議

中圖分類號：F832 文獻標識碼：A 文章編號：2096-0298（2020）06（b）--03

1 研究背景

近年來大數據迅速發展，成為業界、學術界，甚至世界各地政府高度關注的熱點。隨著金融科技的飛速發展，大數據在銀行業的應用也日益廣泛。2014年的全球交易銀行白皮書顯示，62%的銀行認為大數據對其成功至關重要，29%的銀行表示從數據中獲得了足夠的商業價值。一方面，大數據在銀行業的普遍應用取得了顯著的成果。另一方面，大數據在應用中也存在一些問題，值得進一步挖掘其商業潛能。伴隨著國家鄉村振興戰略的實施，立足縣域、服務“三農”的農商銀行迅速發展，成為商業銀行群體中一股重要的新興力量。在快速變化的經濟金融環境中，農商行如何利用大數據技術，進一步促進其健康穩定發展，成為值得農商行深入探討的問題。本文從農商行大數據應用模式、存在的問題及政策建議三個方面闡述了推進農商行大數據應用發展的基本框架，以期能夠為農商行大數據應用及發展提供一定程度的借鑒。

2 大數據在農商行的應用模式

2.1 客戶關系管理

隨著市場競爭的日益加劇和經濟一體化的不斷發展，商業銀行與客戶之間發生了深刻地變化，銀行的營銷理念也從追求規模收益向挖掘客戶效率轉變。培養現有客戶并挖掘潛在客戶，是商業銀行成功的關鍵。因此，建立以客戶為中心的客戶關系管理系統（Customer Relationship Management，CRM），以新的形式應對競爭壓力和提高服務水平成為商業銀行的必然選擇[1]。

農商行在業務過程中積累了大量的數據，在信息時代，能夠快速準確地從數據挖掘規則中獲取知識，并且能夠有效地運用這些規則和知識為銀行客戶關系管理和決策服務，對銀行增強競爭力、獲取競爭優勢至關重要。大數據技術在農商行客戶關系管理中的應用可以概括為三類：客戶群特征研究、客戶購買模型研究和信用卡欺詐行為研究[2]。數據挖掘分類和聚類技術可以有效地對客戶進行細分，從而能夠快速了解和掌握客戶群體特征;農商行獲取的海量用戶數據在大數據分析技術的基礎上，能夠低成本地對用戶的購買行為進行建模，從而預測用戶的購買決策。同時，數據挖掘技術不同于傳統的統計方法，能夠通過分析異常數據對信用卡欺詐行為進行預警和規避。

2.2 產品創新

大數據分析在銀行業的應用是無止境的，農商行可以利用數據實現更大的個性化，使其能夠實時地為消費者提供量身定制的產品和服務。利用大數據技術有利于農商行實現產品研發、營銷、維護等各環節的創新。例如，當消費者購買航班或汽車時，銀行可以為這些產品提供保險優惠。在未來，這種應用可能會進一步擴展。一種可能發生的情況是，當用戶收到一張大額賬單時，銀行可以發送一條短信，為其提供貸款來支付這筆費用。同時，基于數據的算法可以根據用戶的歷史借款模式和風險評估等級來計算出適合的利率。最后，銀行通過與支付平臺的互通互聯實現還款。

2.3 精準營銷

面對日益激烈的市場競爭，傳統的營銷方式如電話營銷、上門營銷已經難以滿足商業銀行的業務需要，而大數據精準營銷系統在銀行、證券、保險等金融行業有著先天的優勢。通過數據分析平臺和營銷決策引擎系統農商行能夠實現全流程的精準營銷解決方案，例如農商行可以通過用戶的歷史行為和基本屬性為用戶建立畫像，運用模型和算法為用戶推薦個性化的理財產品，增加用戶的忠誠度和產品的購買率。農商行可以通過動態的數據預測客戶需求，以實現最大程度的精準營銷。例如，識別高價值用戶的消費行為，通過“多倍積分累積”“積分在店面實時兌換”等活動來增加用戶黏性，最大程度地挖掘用戶的潛在需求。

2.4 風險控制

在金融業，以大數據為代表的新興技術為金融風險控制提供了新的機會，這些新興技術可以提供有效且可持續的金融服務。在風險管理中使用大數據的關鍵所在是建立強大的風險預測模型。當銀行將強大的風險預測模型用于其風險管理工作時，它們將獲得更快的響應時間，更廣泛的風險覆蓋范圍和更大的成本節省。為了建立信用風險預測與分析模型，農商行可以采取以下步驟：第一，選擇支付交易等數據源，并將這些數據存儲在大數據分析平臺上;第二，挖掘數據，分析用戶特征;第三，基于相應的行為對用戶進行聚類和細分;第四，識別細分客戶的“正常”行為;第五，識別和預警用戶的“異常”行為;第六，將這些行為構建為風險控制和預測模型;第七，通過源源不斷的數據和機器學習等技術對模型進行優化;第八，驗證并獲取模型預測與預警效果。

3 大數據在農商行應用中存在的問題

3.1 數據質量有待改善

數據質量是大數據分析的基礎，低質量的數據常常被認為是造成運營混亂、分析不準確和商業戰略考慮不周的根源。因此，沒有高質量的數據，再高超的大數據技術也是無水之源。一方面，農商行的數據來源比較單一，常年的業務運作雖然沉淀了大量的交易數據，但是各個業務部門的數據很大程度上沒有實現綜合利用，也缺乏引進第三方數據的意識，沒有將第三方數據與銀行數據進行整合和開發;另一方面，農商行的數據也缺乏標準化，數據缺失、格式不統一等問題在很大程度上降低了數據的質量[3]。

3.2 數據分析技術有待提高

大數據時代，數據分析技術對農商行的重要性不言而喻。大數據技術在農商行客戶關系管理、產品創新、精準營銷和風險控制等應用場景有著不可或缺的作用。一方面，農商行對技術的投資還有待加強，特別是近年來大數據技術蓬勃發展，技術的迭代速度不斷加快。例如，機器學習、數據挖掘、數據管理、數據倉庫、文本分析等技術層出不窮，農商銀行對技術的投資和引進還缺乏整體的規劃。另一方面，數據分析技術與銀行業務之間的融合還有待加強，很多農商行還未將數據技術與業務目標進行有機整合和充分應用[4]。

3.3 數據人才有待培養

盡管投資技術十分關鍵，農商行也需要確保擁有所需的高素質人才，以創造和提供行業領先的解決方案。而大數據技術方興未艾，就業市場對數據人才的需求遠遠多于供給[5]。這意味著農商行加強人才儲備，聘用懂技術的新人，是實現其商業目標的必然選擇。為了吸引人才，農商行需要創造性地思考，使用富有想象力的招聘方式，如黑客馬拉松或大數據挖掘競賽等。同時，注重對人才的培養和建立合理的激勵機制能夠更加高效地吸引并留住人才。

3.4 數據安全有待加強

對銀行和金融服務來講，數據泄露的主要后果是客戶信任的喪失，從而導致客戶流失。而銀行數據中相當一部分數據涉及客戶隱私，這些數據一旦泄露就會造成不可估量的損失。因此，數據安全不僅是銀行關鍵的競爭優勢，更是其在商業市場生存的前提。一方面，農商行在數據安全系統的投資和建設方面還需要進一步加強，以防止可能發生的惡意攻擊;另一方面，對員工進行持續的數據安全培訓和考核是防止人為錯誤和疏忽的有效選擇[6]。

4 推進農商行大數據應用發展的政策建議

4.1 挖掘既有數據，引入外部數據，提高數據質量

提高大數據的數據質量對農商行進行戰略決策至關重要，數據質量是農商行大數據應用的基礎。為確保高質量的數據，農商行首先要建立數據質量評估體系，借助于數據挖掘和數據算法構建大數據質量評估系統，并不斷對評估系統的精確度進行優化和升級。要從數據生產、數據加工、數據存儲、數據使用和數據銷毀等全生命周期過程對數據質量進行把控[7]。其次，農商行在數據質量評估系統的基礎上，可以建立數據標準體系，進一步提升銀行數據標準化水平，高標準化的數據水平可為數據質量提供強有力的保障。

在數據質量評估體系和數據標準體系的基礎上，農商行可以充分利用已有數據并積極引進外部數據。一方面，農商行可以加大對已有數據的深度挖掘工作，充分利用多年業務流程中沉淀的歷史數據，加強各業務部門之間的數據共享和數據聯動，致力于以更低的成本實現組織目標。另一方面，農商行要保持適度的開放性，積極引進外部數據，以提升數據的多樣性，加強已有數據和外部數據的整合利用工作。

4.2 促進大數據分析技術與農商行業務目標深度融合

大數據的一個主要優勢就是以創新、獨特的方式呈現數據，以輔助組織在商業上獲得新的洞見和新的競爭力。因此，在分析數據之前明確組織需求就顯得十分重要。農商行的戰略規劃需要逐步通過業務目標來實現，而數據分析技術是實現業務目標的技術基礎，技術和業務的不斷融合是促進農商行大數據應用的必然選擇。

例如，目前農商行對于客戶數據的分析以結構化數據為主，對于客戶電話錄音、網點視頻影像、網絡日志等半結構化和非結構化數據應用尚淺，暫時沒有有效手段加以利用。而在不遠的將來，越來越多的來自外部社交網站、微博、論壇的各種客戶信息也將成為農商行重要的數據資源，這些占據總量95%以上的半結構化或非結構化數據對于客戶特征提取、客戶消費偏好分析、客戶行為預測有重要意義。因此，為了進一步促進大數據分析技術與銀行業務深度融合，農商行要研究并不斷提高數據的挖掘處理能力，包括大數據的去冗降噪技術、智能語音交互技術、文字識別技術、人臉識別技術、圖像分析技術以及機器學習、神經網絡技術等。

4.3 大力培養大數據人才

隨著大數據技術應用的日益廣泛，就業市場對大數據人才的需求也日益增加。就當前而言，農商行普遍缺乏一支同時兼備數據思維和業務思維的人才隊伍，對數據人才的吸納、培養和激勵體系并不健全，嚴重制約大數據在農商行發揮更大的功效。

農商行培養大數據人才可以從以下三個方面出發：第一，完善人才招聘，從源頭把控高素質人才的質量。例如，可以通過組織數據競賽的方式發現人才并留住人才。第二，加強培訓，重視、引導并幫助員工成長為銀行業務服務的大數據人才，可以通過校企合作的方式對人才進行培養。這種方式在業界也普遍應用，例如，深圳大學與阿里云合作成立大數據學院，計劃在三年內培養千位大數據人才。第三，加強人才激勵，建立完善的人才激勵體系和人才晉升通道，營造良好的企業文化氛圍，最大程度上降低大數據人才的流失率。

4.4 保證數據安全

數據安全是農商行商業生存的基礎，保護數據不受安全威脅的重要性不言而喻。當前威脅農商行數據安全的隱患主要來自組織外部的惡意攻擊和組織內部的人為操作失誤。

農商行加強數據保護可以從以下兩個方面出發：第一，加大對數據安全系統的投資和建設，從數據加密、數據屏蔽、數據擦除與數據恢復等方面全方位保護數據安全。建立數據安全應急管理機制，例如，可以考慮數據備份外包服務，使農商行具備抵御火災、地震、暴雨等自然災害的能力，全面促進業務系統的連續性，著實增強銀行防范風險能力[8]。第二，加強對員工數據安全操作的培訓，建立數據安全操作規范體系，從數據收集、數據傳輸、數據加工、數據存儲、數據交換等各個方面規范員工的操作流程，最大程度地降低人為操作失誤帶來的數據安全風險。

參考文獻

Bin Fang， Ma Shoufeng. Data mining technology and its Application In CRM of Commercial Banks[A]. IEEE， 2009.

Yu-ping XI， Min CHEN. Application of data mining technology in CRM system of commercial banks[J]. DEStech Transactions on Engineering and Technology Research，2017.

趙遠寬，史玥，臧亞州.江蘇轄內農村商業銀行大數據應用調研[J].金融縱橫，2019（05）.

費笑松，中國人民銀行南京分行會計財務處聯合課題組，興業銀行南京分行會計結算部.大數據技術在商業銀行的應用研究[J].金融縱橫，2016（09）.

劉錚.大數據技術在商業銀行的應用研究[J].金融科技時代，2018（05）.

梁繼良，孫家彥，韓暉.大數據時代安全可信防御體系[J].網絡空間安全，2018，9（12）.

朱穎.打造高效的商業銀行數據質量管控體系——浦東發展銀行數據質量管理實踐與創新[J].金融電子化，2018（04）.

吳明.網絡大數據時代銀行信息安全存在問題及對策[J].電腦知識與技術，2016，12（18）.