大数据技术在金融领域的应用概况
（一）大数据技术的形成与发展
大数据概念形成于2000年左右，表示海量的数据集合。2011年，美国麦肯锡公司在一篇报告中进一步明确，“大数据是指大小超出典型数据库软件工具收集、存储、管理和分析能力的数据集”。随着大数据技术的快速发展，大数据已成为重要的信息资产，世界各国纷纷在大数据领域开展战略布局。美国将“大数据战略”上升为国家意志，认为大数据的战略地位堪比工业时代的石油；欧洲利用大数据技术有效带动了经济增长；我国提出将大数据作为基础性战略资源，全面实施大数据发展行动，建设数字中国。正如麦肯锡公司所说，数据已成为重要的生产因素，人们对于海量数据的挖掘和运用，预示着新一波生产率增长和消费者盈余浪潮的到来。
（二）国外金融行业的大数据应用现状
1.完善客户画像，开展精准营销。客户是商业银行生存的基础，全面了解客户、精准满足客户需求已成为商业银行在竞争中制胜的关键。如，花旗银行根据客户的刷卡时间、地点、购买的商品等信息，分析客户可能感兴趣的商场或餐厅，精准推送优惠信息，并根据反馈不断提升推荐的准确度。西太平洋银行根据客户浏览网页的记录，寻找营销获客机会。如把在网上搜索房屋贷款信息的客户确定为潜在贷款客户，并提供相关贷款信息和服务。
2.实行数据风控，强化风险防范。大数据不仅为银行贷前审查提供了风险识别工具，也为贷后管理提供了风险监测手段。如，富国银行通过分析客户的日常交易数据，从中发现风险信号，为贷后风险防范提供支持，有效控制了不良贷款的发生。花旗银行通过搜集客户的国籍、地址、家庭成员，以及旅游、汇款记录等，来确定这个顾客是否在制裁名单上，从而提高排查的准确度和效率。
3.指导科学定价，助力经营管理。产品定价是商业银行金融交易和市场竞争的核心要素，直接影响银行的盈利空间。利用大数据技术，可以最大程度地减少主观因素对产品定价产生的偏离影响，尽可能还原产品的真实价格。如，摩根大通银行在办理房屋抵押贷款时，根据房屋所在地区及其周边地区房屋的成交数据进行统计分析，测算出被抵押房屋的合理价值。
4.覆盖长尾客户，发掘商业价值。随着大数据等新技术的快速发展，长尾客户的商业价值被快速释放。如，Zest Cash是美国著名的互联网小额贷款公司，其目标客户是信用记录不好或没有信用卡的客户。该公司通过分析客户的各类信息，还原出客户的真实意愿和信用状况。较好满足了由于没有信用记录而无法从银行获得信用卡或贷款的客户的融资需求，并因此获得了丰厚的利润。
（三）国内金融领域的大数据应用现状
1.非银行金融机构。近年来，以电商和第三方为代表的科技类公司凭借平台优势积累数据，快速提升了其在金融领域的经营管理能力。如，蚂蚁金服向通常无法在传统金融渠道获得贷款的长尾客户批量发放小额贷款。该业务利用其电商平台积累的客户信用数据及行为数据，引入网络数据模型等技术，判断客户融资的真实性。京东商城通过建立大数据风控体系，有效遏制了“京东白条”盗刷等问题。
2.传统商业银行。目前，国内商业银行尚处于数据资产化、产业化的起步阶段，对大数据的应用主要集中在产品创新和精准营销等方面。如，工行依托其银行卡客户在POS机消费的数据信息，推出纯信用贷款产品“逸贷”。招商银行通过构建客户流失预警模型，筛选出最可能流失的前20%客户，有针对性地推荐一些高收益理财或采取免费等策略进行维护和挽留，客户流失率明显降低。中信银行注重数据分析处理的时效性与精准度，将大数据技术广泛应用于客群分析、偏好及交易预测、客群推荐等领域，实现了信用卡实时精准营销。
3.互联网银行。互联网银行是近年新兴的纯线上银行，由于没有实体网点，人力资源也非常有限，因此对数据的依赖程度更高。如，微众银行基于腾讯的数据优势，于2015年5月推出无须抵押和担保的小额贷款产品“微粒贷”；至2016年5月，累计发放贷款笔数超500万笔，日均贷款余额500亿元。同时，利用数据风控等技术，把不良率控制在0.4%，低于传统商业银行的平均水平。
传统零售银行业务在大数据时代面临的挑战
传统零售银行业务面临来自第三方机构的全面渗透，处于不自己改变就要被改变的危机境地。但商业银行想要借鉴对手经验，利用大数据等技术重夺竞争优势，仍面临一些困难。
（一）数据基础较为薄弱
当前国内商业银行数据质量普遍不高，主要表现在：一是对客户信息和数据缺乏统一管理，数据入口多、存储分散，缺乏统一的管理和同步机制。二是数据的准确性和完整性不足，垃圾冗余数据量大，数据治理需求迫切。三是对数据的分类、整理和加工能力不足，导致数据分析结果的可用性较低。尤其对非结构化数据的处理能力不强，应用模式单一。四是以大数据驱动的业务经营管理模式，与商业银行传统的管理模式存在较大差异，要引入新模式，需要打破传统，突破固有思维。
（二）数据安全规范亟待明确
目前，对数据的收集、存储、管理和使用均普遍缺乏监督和规范。商业银行对数据安全和合规要求虽已高于很多行业，但仍主要依靠银行的自我管理和自我约束，缺乏系统的安全防控措施和健全的监督管理机制。由于标准模糊，以稳健经营为核心的商业银行通常会担心因操作不当触犯监管和法律底线，或是担心因数据处理不当导致声誉风险或业务风险等，因此国内商业银行对大数据的应用普遍保守，创新不足。
大数据时代零售银行业务的转型机遇
（一）中国金融领域进入强监管时代
金融风险已被提升到中央层面，强监管将成为常态。监管趋严对于非银行金融机构而言压力巨大。如蚂蚁金服日前就曾表示，该公司计划在未来几年进行业务调整，部分原因正是其核心的金融业务（包括支付服务、小额贷款、信用评级、理财业务等）面临越来越大的监管压力。因此，对资金雄厚、制度完备、管理规范的商业银行而言，严监管的大环境为商业银行零售业务重夺优势地位提供了有利窗口。
（二）银行业务具备应用大数据技术的天然优势
根据麦肯锡公司的相关研究显示，金融业在大数据价值潜力指数中排名第一。对商业银行而言，大数据更具商业价值，且已经具备实施大数据的重要基本条件：一是数据优势。银行业拥有海量数据，数据密集度极高，主要包括工资、公积金、贷款、缴费、理财等结构化数据和录音、录像、图片和位置等的非结构化和半结构化数据。二是技术和资金优势。商业银行向来重视科技资源投入，具备较好的信息化基础和科技开发实力。例如，2017年中国银行业的IT投资超过800亿元。
（三）“长尾客群”的金融价值逐渐显现
在传统的金融服务中，零售银行作为金融服务的主要提供者，受资源、成本等因素限制，普遍按照“二八定律”的原则，服务综合价值更高的贵宾客户，导致广大长尾客户的金融需求被长期压抑，未能得到较好地释放和满足。第三方机构正是抓住了这些长尾客群，利用技术优势，不断发掘这一客群的潜在价值，从而赢得竞争主动。随着大数据等技术的快速发展和应用的不断深化，传统零售银行也具备了以低成本、低风险、高效率的方式服务长尾客群的技术基础。
以大数据技术驱动零售银行业务转型的相关建议
为适应经济形势和市场竞争的变化，传统商业银行零售条线纷纷开启了新时代零售业务转型。商业银行应牢牢把握大数据时代的发展机遇，提升战略定位，将大数据技术广泛应用于业务经营、风险控制和运营管理的全流程，将存储的海量数据转化为新的利润来源和推动业务快速发展的新动力。
（一）以大数据技术进一步细化业务经营粒度
1.完善客户画像。一是完善客户画像。通过引入外部数据、加强数据治理等，进一步提高数据质量。丰富客户标签，在以资产规模为标准的客户分类基础上，进一步完善多维数据，建立立体分类体系，以便准确掌握客户所处的各个生命阶段和财富阶段。二是构建客户视图。实现内外部数据的共享和互联互通，建立包括客户基本信息、资产负债信息、消费偏好、社交兴趣等多维度数据的个人客户数据集合。
2.开展精准营销。一是构建数字营销体系。打造数字营销支持系统，连接线上线下渠道，运用大数据和人工智能技术，分析客户资金、交易、行为、位置等信息的变化，完善预测分析模型，发现客户潜在需求，与银行的金融服务和产品进行匹配，并通过最佳的渠道、以客户最易接受的方式、在最适宜的时机，将产品和服务精准地推送给客户，提高营销成功率。二是强化客户价值挖掘。建立基于全生命周期的客户价值评估体系，智能筛选和挖掘高价值潜力客群，通过精准营销和周到服务不断提升客户的活跃度和产品交叉销售率。
3.促进产品创新。一是通过挖掘数据，深入分析各类场景的客户需求，有针对性地创新或优化产品，将产品融入到客户的生活和工作中，将金融服务化于无形。二是创新数据网贷。根据客户数据，进一步完善授信模型，实现线上自动授信、自动审批和自动放款的多样化数据网贷产品。三是创新资产配置和投资顾问服务。通过大数据技术分析客户和投资标的情况，不断优化趋势预测模型，实现覆盖个人全投资领域的智能资产配置和投资顾问服务。
4.加强产品定价。通过大数据分析工具，根据成本、市场、同业等信息测算产品的合理价格，并在合理范围内对不同类型客户采取差异化定价策略，实现成本、收益、获客、市场竞争等多方面因素的平衡。从而最大程度地削减主观因素对定价的影响，导致市场竞争力不足或无法覆盖成本等情况。
（二）以大数据技术进一步完善风险控制体系
1.实行数据风控。构建跨渠道、跨系统、跨条线的数据风控平台，运用大数据技术，全方位分析客户交易行为特征及关联信息，提升对可疑交易与风险主体的智能化识别。针对监管关注点、市场热点与案件高发点，进一步提高对重点场景和业务领域的风险排查能力。
2.强化风险分类管理。将风险管理从产品维度向客户维度转变，通过完善基础数据、建立风险分级模型，确定客户风险等级。根据大数据统计出不同风险等级的客户在办理不同业务时的风险概率，加强对潜在风险的预判和防控。
3.加强合规检查。通过大数据技术对各网点视频监控进行实时分析，及时排查、纠正营业网点的不当销售行为和不符合监管要求的其他情况。进一步强化经营场所的合规经营意识。
（三）以大数据技术进一步优化运营管理模式
1.推进业务流程优化。对交易数据进行分析，找到影响客户操作体验的关键痛点，通过技术手段减少交易的中间环节、录入环节、验证环节等，实现更加智能、流畅、客户体验更好的业务流程和操作。
2.促进渠道管理细化。运用大数据技术，进一步提升对渠道的统筹管理能力。一是加强线下渠道管理。通过分析网点数据，按照网点的业务特点、客群、区域、业务（客户）规模、销售及服务能力、价值贡献、人员、机具等多种维度进行分类分析，加强精细化管理水平。二是加强线上渠道统筹。深入分析各渠道热门交易、活跃客群等特点，有针对性地制定线上渠道协同发展策略。
3.设立大数据实验室。借鉴国外银行经验，设立大数据实验室，统一负责大数据方案的制定、模型设计、数据挖掘、实验推广等。实验室应包括业务、管理、科技、统计、法律等各方面人才。在方案推行前，实验室应提前进行验证，并对项目的风险和收益作出合理评价，确保推出的每一项方案措施都能落地实施。
（来自：农村金融研究）返回搜狐，查看更多
责任编辑：
声明：该文观点仅代表作者本人，搜狐号系信息发布平台，搜狐仅提供信息存储空间服务。