大數據在銀行經濟預測和金融統計中的運用分析

王雷

（國家開發銀行山東省分行，山東 濟南 250000）

一、引言

大數據可以從三個層面進行解讀。從現象層面來看，大數據所描述的是人類社會步入信息時代后體量龐大的數據集這種現象，其使得數據處理效率更高、體量更大、種類更復雜，大數據側重于非結構化數據和原始數據。從理念層面來看，大數據是海量數據分析問題的理念和范式，關注混雜性而不是精確性理念，對整體數據進行分析，探索相關關系的理念，這和傳統的統計學和計量經濟學的研究范式存在明顯差異。從技術性層面來看，大數據利用存儲技術、云計算技術、分布式處理技術等，可以實現大體量數據的高效處理、精確處理。不管從哪個層面來看，大數據在銀行經濟預測和金融統計中都有巨大的應用潛力。

二、大數據技術概述

如今，信息技術快速發展，互聯網給人們的工作與生活帶來了巨大影響。大數據是半結構、非結構、相關數據等要素的統稱。銀行可以應用大數據技術，將近些年的經營數據、政府政策信息、客戶信息等存儲于同一個數據庫，之后運用對應的算法，通過相關性分析實現對金融數據的綜合預測。

大數據本身具有三個基本特征。一是整體性。大數據時代，信息的精確性不再是唯一重要的要素，而是要實現數據的整體性分析。二是繁雜性。大數據背景下，各種經濟行為都能夠成為一種數據，不用再關注單一的經濟活動與隨機抽樣。三是相關性。在大數據分析過程中，需要選擇對應的算法與工具，同時還要重視不同經濟活動數據的相關性［1］。

三、大數據在銀行經濟預測和金融統計中的關鍵作用

如今，我國經濟社會快速發展，在國家出臺各種經濟政策的背景下，銀行業也得到了有效發展，但銀行所面臨的市場競爭十分激烈。銀行是典型的金融機構，若能有效應用大數據技術實施經濟預測和金融統計與分析工作，便可以對銀行的經濟發展戰略作出精確定位。大數據在銀行經濟預測和金融統計中能夠發揮的作用體現在以下三個方面。

（一）對經濟風險的有效預測

銀行可以通過大數據分析操作對經濟活動中的歷史數據進行總結，了解其中的規律，也可以通過大數據技術的預測功能，判斷市場經濟發展趨勢。銀行可以將大數據技術作為經濟預測的有效支點，從以往的經濟數據中獲取有利于自身發展的經濟信息，根據市場發展動態總結經濟活動中的抽象規律，在這一條件下準確預估未來經濟發展規律，以及自身可能面臨的風險與挑戰，從而增強銀行的風險預測能力，讓銀行在越發激烈的市場競爭中搶占先機［2］。

（二）實現金融數據管理的智能化

大數據技術背景下，銀行可以將互聯網、計算機終端等作為載體，聯合應用互聯網信息技術、大數據技術、數據分析技術等，在既定的系統平臺實現經濟信息的自動化整合與精準化分析，能夠實現數據結構的優化、金融數據管理和統計效率的提升等，讓銀行金融數據管理更智能化、現代化，增加銀行經濟預測與金融分析的技術含量，最大限度地發揮經濟預測與金融分析的作用。

（三）增強風險規避能力

銀行可以結合對金融市場經濟發展動向的了解以及大數據技術的支持，有效布局金融工作的每一個環節，制定科學可行的金融經濟方案，預測今后一段時期金融工作的方向。這不僅能夠提高銀行發展決策的前瞻性，而且能夠提高市場風險規避水平，有助于銀行機構的長遠健康發展。需要注意的是，大數據技術的功能和作用大多表現為依托相關概率分析模型，完善銀行的資金結構、營業結構等，利用金融數據分析并預測經濟風險、市場變化因素等，規避金融風險，讓銀行具備較強的風險規避和控制能力，增強銀行的應急處理能力，以更從容冷靜的狀態應對金融風險，將金融風險對銀行的影響降到最低。

四、大數據在銀行經濟預測和金融統計中的運用策略

（一）做好數據分析的頂層設計

為有效增強大數據技術的應用效果，助力銀行開展經濟預測和金融統計工作，需要做好專業性的銀行頂層設計工作。如銀行需要在經濟形勢預測和金融數據統計工作中設置對應的數據處理和數據管理部門，借助該部門完成大數據技術維護、大數據開發等，明確部門的職責與權限，使其工作有序開展，制訂周詳的計劃。通過銀行高層全體會議探討大數據技術的應用，預測金融行業的發展前景和發展方向。在應用大數據技術期間，還要持續關注大數據軟件開發、硬件維護與更新等工作，以最專業、最先進的算法結構保證大數據分析的可靠性。銀行分行也要充分聯合大數據計算結果與總行信息，總行需要構建數據庫，對各分行的經濟預測和金融統計結果進行分類管理，讓大數據系統能夠在銀行各個分支中有序布局［3］。

（二）建設與應用數據點模型

在大數據技術的支持下，銀行可以利用數據點模型實現財務信息、資產流動數據、利率統計數據的高效分析，為銀行的經營決策、業務開展等提供有價值的參照依據。在應用數據點模型開展經濟預測和金融統計的過程中，銀行要保證數據收集、數據分類、數據統計、數據處理的規范性，通過可拓展商業報告語言建設在網頁上輸入輸出數據的標記語言。

在數據倉庫，要以數據點模型為中心，建設統計數據和元數據間的關系系統，通過模型實現數據的批量收集和轉化，不同規格的數據都可以借助該系統處理，提升銀行經濟預測和金融統計工作的效率、規范性、系統性。經濟預測和金融統計匯總還可以應用多層次的定性信息描述元數據，度量元素中存放的重要數據，而其他的定性信息則以維度形式存在，可以彌補傳統數據分析模型的缺陷，使數據模型具有更高的維度和層次，大大提高數據處理水平。

在應用數據點模型時，銀行要關注不同數據的基本性質和特征，按照經濟預測與金融統計的要求調整數據點模型結構，讓模型結構更具開放性和適用性，滿足不同時期不同環境下的使用需求。完成數據點模型結構的調整工作后，要運用模型模式開展金融數據的收集、整合、處理等工作，可以將數據點模型結構應用到信貸管理系統、會計系統等金融統計系統之中，讓業務屬性通過數據點的方式逐個開展數據統計，提升處理和分析金融數據的規范性。

在經濟預測和金融統計工作中，需要應用大數據技術建立功能更完善的工具箱和資源庫，利用大數據的優勢對經濟金融的發展趨勢和方向作出判斷，為銀行的經營與發展提供助力［4］。

（三）建立數據信息共享平臺

銀行要按照標準化數據庫建設模式建立數據共享平臺，其間可以與其他單位合作，如與互聯網、證券等單位合作，在數據共享平臺與這些單位實現數據信息的高效交互，為銀行的經濟預測提供幫助。銀行可以利用數據共享的方式拓展金融統計數據的獲取渠道，為經濟預測帶來更全面、更充足的數據信息。在數據共享平臺和數據庫的結合方面，應當設立一個統一的數據標準，實現經濟預測和金融統計的結合發展。還可以選擇與金融平臺、網絡平臺合作，運用這些平臺的數據信息收集網絡數據，包括線下業務往來的數據信息。可以應用定期收集、動態收集結合的方式，讓金融數據統計中的數據收集工作更加靈活，為數據共享平臺的運作提供更廣泛的數據支持。

（四）研發與應用數據處理和分析技術

銀行有必要持續推進數據處理和數據分析技術的研究與運用。數據處理與分析方法的改進能夠進一步發揮大數據處理和分析技術的作用，為經濟預測和金融統計提供更有效的支持。銀行應結合多種服務項目對數據處理平臺進行組織優化和布局優化，在數據處理平臺應用基本的數據收集功能，收集與分類銀行的業務往來數據信息，利用更完整的記錄分析和處理數據。還要深入挖掘數據平臺的各類數據信息，挖掘數據信息的價值，根據數據分析結果預測銀行的經濟形勢。銀行可以應用數據處理技術深入分析客戶信息，從而挖掘更多的潛在客戶，利用數據處理和分析手段了解客戶的行為和偏好，讓銀行的金融產品和金融服務更具針對性，實現對金融產品的精準投放。

數據處理是對數據信息進行深度加工，能夠在平臺收集銀行經濟與金融數據，整合分析銀行的動態數據，對內部數據與外部數據進行整合和開發，在數據系統中應用智能分析和各種新模型新算法，數據系統就可以在數據處理這一功能的基礎上拓展智能分析、智能預測等新功能，按照銀行的經濟業務、產品服務等建設經濟數據模型，這有助于增強銀行經濟預測中對風險的預測和評估能力。銀行數據處理與分析技術可以與物聯網技術等其他技術聯合應用，進一步提升銀行的數據管理水平和金融控制水平。

（五）參照數據分析與統計結果建立模型系統

銀行的數據分析及經濟依存模型系統需要關注系統中統計模式、分析模式的優化提升。在數據統計系統與物聯網技術結合的條件下，數據知識庫與數據預測模型可以為銀行經濟預測和金融統計提供更有效的依據。

銀行數據模型需要保證數據統計和預測的準確性，同時還要不斷提升數據信息的真實性和可靠性。銀行可以運用數據模型實現“客戶畫像”，了解客戶的喜好與偏向，分析客戶流失的原因等。銀行數據模型還可以利用互聯網了解客戶對銀行金融產品的使用信息，獲得更真實的金融統計結果，使經濟預測結果更加準確。為進一步增強數據模型的預測和統計效果，可以利用Data技術實現技術融合，了解銀行經濟的基本走向和客戶意向。建立數據模型系統時須關注數據收集與管理的規范性，確保數據模型系統具有動態性、統一性、規范性特征，幫助銀行實現數據分析和數據預測，掌握銀行后續的經濟發展趨勢。數據模型系統可以在統計功能的設定上引進CBRL語言架構，通過這一架構統計銀行的財務數據、債務數據等，通過強化金融統計功能提升數據統計的準確性，利用更準確、更完整的金融數據展開經濟預測，以更精確、更可靠的經濟預測為銀行的發展決策提供必要的支持。

（六）進行數據挖掘和數據安全技術的挖掘

相關性是大數據的基本特性之一，借助這一特性，在分析數據時可以通過各種相關信息挖掘出更多有價值的信息。經濟預測與金融統計都要做好數據挖掘工作，盡可能利用有限的數據信息挖掘更多有價值的信息，讓經濟預測更加準確、金融統計更加全面。銀行要構建對應的數據挖掘體系，研究更多更靈活的數據挖掘方法，分析歷史數據與當前數據，分析數據背后更有價值的信息及數據間的關聯性等，利用大數據技術增強金融數據與客戶信息的統計分析效果。

在經濟預測和金融統計數據系統中，數據信息安全防護尤為重要。大數據時代，信息價值得到了有效開發，信息安全成為一個新的話題。數據化建設要防控數據被竊取、篡改、丟失等風險，將系統安全防護置于與數據化建設同等的地位。數據系統和數據庫建設都要采取相應的安全防護措施，規避銀行重要數據泄露的風險，對核心業務與重要數據進行加密處理，確保銀行數據信息的安全性。安全密鑰與自動備份技術可以很好地解決數據竊取和丟失的問題，規避信息安全風險。在銀行內部，很多部門及人員都可以隨意查看并調用系統數據，數據可能在調用、共享等過程中被竊取、損壞等。因此，數據系統和數據共享平臺要增設安全認證系統與加密系統，并且根據經濟預測和金融統計的保密性、重要性，確定數據管理人員和使用人員的權限，基層人員在訪問系統時，未經允許不能接觸重要的機密信息。也可以應用動態掩碼技術，在系統運行中利用數據脫敏來增強安全性。此外，在數據化建設過程中，還要時刻保障客戶的信息安全，在利用隱私信息時須取得客戶的授權，既要避免客戶信息外泄，又要保障客戶的隱私權。

五、結語

在大數據背景下，數據的價值得到了進一步開發，銀行可以借助大數據技術預測未來市場和分析金融經濟情況，這是銀行改革發展的重要機遇。面對復雜的市場環境和巨大的競爭壓力，銀行須了解大數據技術在經濟預測和金融統計中的作用，利用更靈活、更規范的方法發揮大數據技術的作用，改進數據處理技術和方法，推動銀行和金融行業發展，為其發展帶來更多的可能。