錢曉萍

傳統(tǒng)定義大數(shù)據(jù)“三個V”，即數(shù)量（Volume）、速度（Velocity）和種類（Variety）。不過，對于金融機構(gòu)而言，最關鍵的應當是“第四個V”，即價值（Value），表現(xiàn)在優(yōu)化管理模式、節(jié)省成本、實現(xiàn)商業(yè)價值。

“3V”的定義專注于對數(shù)據(jù)本身的特征描述。只有對數(shù)量級龐大、實時傳輸和處理、格式多樣的全量數(shù)據(jù)通過機器學習等方法加以利用，形成新的洞察，為客戶和銀行創(chuàng)造出商業(yè)價值，并進而推動銀行的商業(yè)和運營模式朝著大數(shù)據(jù)方向進行相應的調(diào)整與變革，促使銀行采取適應型戰(zhàn)略?？焖夙憫袌觯纱诵纬伞暗谒膫€V”，即價值（Value），大數(shù)據(jù)才真正產(chǎn)生。

大數(shù)據(jù)在銀行的應用場景

當前銀行業(yè)發(fā)展正面臨一系列的挑戰(zhàn)與機遇，如何積極應對將決定銀行未來的發(fā)展。在銀行的兩大主要業(yè)務板塊——零售銀行、公司銀行的業(yè)務發(fā)展中，大數(shù)據(jù)的應用潛力尤為可觀。

（一）客戶智能

大數(shù)據(jù)能夠使得銀行更好地了解客戶，進行客戶細分，制定精準營銷及交叉銷售策略，預見客戶流失。提升客戶忠誠度。優(yōu)化交易流程，個性化財富管理咨詢等等，潛力無限。

海外銀行在大數(shù)據(jù)方面已經(jīng)做了有益嘗試，將大數(shù)據(jù)的工作方式內(nèi)嵌到組織當中，不斷獲得新的商業(yè)洞察。例如，花旗銀行通過大數(shù)據(jù)技術進行實時營銷，分析信用卡交易和位置數(shù)據(jù)，為客戶提供更有針對性的精準營銷；摩根士丹利運用Hadoop和Map Reduce，制定產(chǎn)品組合分析解決方案，幫助客戶實現(xiàn)合理投資；美國銀行實施了多個大數(shù)據(jù)項目。旨在更好地了解客戶，從而在年輕客群中的份額不斷提升。

國內(nèi)股份制銀行在大數(shù)據(jù)方面的探索也相當活躍。例如，中信銀行基于銀聯(lián)商務數(shù)據(jù)、公積金繳存數(shù)據(jù)等第三方大數(shù)據(jù)推出了相應的POS貸和在線網(wǎng)絡貸款；招商銀行通過大數(shù)據(jù)分析為客戶畫像，實施數(shù)據(jù)庫營銷；興業(yè)銀行應用數(shù)據(jù)挖掘技術實施精準營銷，推出針對老年人的“安愉人生”營銷活動，大大提高了營銷成功率。

客戶細分是銀行進行業(yè)務營銷的常用手段。傳統(tǒng)的客戶細分方法以收入、年齡、性別等人口統(tǒng)計特征來分隔客戶群。往往不甚理想。而通過數(shù)據(jù)科學的方法來挖據(jù)客戶的email、數(shù)字終端的文本、圖片、音頻、社交媒體數(shù)據(jù)流、網(wǎng)絡搜索、GPS位置和電腦日志等信息，從而認知和定義新的社交群體，獲得新的客戶洞見，形成如“敗家族”、“高爾夫愛好者”、“常旅客”等客戶畫像，提供符合這些新定義群體需求的產(chǎn)品和服務，則能夠降低客戶流失?；阢y行品牌關心服務客戶，基于共同的興趣和在社區(qū)群組里的參與來細分客戶，能夠有效提升客戶的忠誠度。

實時數(shù)據(jù)和相關性分析在客戶的場景式交互體驗中發(fā)揮了巨大作用。因為銀行能據(jù)此及時了解客戶對所提供服務的行為和態(tài)度，所以能夠正向影響客戶的忠誠度。在實時取得交易數(shù)據(jù)后。銀行處理流程應當相對簡單和易于管理。不過將此進一步轉(zhuǎn)換為客戶個性化畫像。從而制定增進情感體驗的營銷方案，仍然是一個挑戰(zhàn)。

客戶會使用各種類型的數(shù)字設備參與到不同的社交活動中。給如此復雜的客戶畫像只有依賴于強大數(shù)據(jù)分析能力。通過更為實時、準確的數(shù)據(jù)分析能力來改進客戶細分，將會要求短期內(nèi)的巨大投入，但是在不久的將來定會給銀行帶來收益。

銀行雖然擅長基于產(chǎn)品級進行數(shù)據(jù)分析。如信用卡、房貸，但是很少能夠從整體上洞悉客戶社會網(wǎng)絡。后者能夠帶來相當大的商業(yè)機會，例如個人客戶就職于某個企業(yè)，同時該企業(yè)也供貨或者從該銀行客戶采購貨物，這就形成一個社會關系網(wǎng)絡。能夠基于此進行整體營銷。不斷發(fā)展的數(shù)據(jù)科學就能夠幫助銀行無縫識別這些關聯(lián)關系。

（二）風險管理

根據(jù)巴塞爾銀行監(jiān)管委員會發(fā)布的239號《Principles for effective risk data aggregation and risk reporting》，要求系統(tǒng)性重要銀行必須優(yōu)先提升其在風險數(shù)據(jù)集市和報告方面的能力。如果不具備這些能力，高級管理層將無法全面、準確地洞悉銀行所面臨的風險。原有數(shù)據(jù)管理方式形成了大量數(shù)據(jù)孤島，會產(chǎn)生監(jiān)管合規(guī)風險。很多銀行依然缺乏全面風險管理所要求的高質(zhì)量的數(shù)據(jù)獲取和聚合流程。因此，銀行越來越迫切地需要成為以信息為中心的企業(yè)。大數(shù)據(jù)技術能夠有效幫助銀行進行全面風險管理，運用在欺詐監(jiān)測、信用評分（ABC卡）、壓力測試等領域。

金融科技公司將大數(shù)據(jù)技術應用于信貸風險控制領域，通過分析客戶在社交網(wǎng)絡、物聯(lián)網(wǎng)上的數(shù)據(jù)，對銀行申貸客戶進行風險評估，并將結(jié)果賣給銀行。在國內(nèi)芝麻評分等征信機構(gòu)已在往這方面嘗試。銀行則將該外部評估結(jié)果與內(nèi)部評估結(jié)果相結(jié)合，從而形成更完善更準確的信用風險評估機制。在貸后管理則是將大數(shù)據(jù)應用于客戶行為評分，俗話說“三分貸、七分管”。好的貸后管理不僅可以提早挽回經(jīng)濟損失，而且也是營銷的好機會。例如，光大銀行推出基于大數(shù)據(jù)技術的風險預警平臺，從而提升風控水平。

針對欺詐頻發(fā)現(xiàn)象，銀行運用大數(shù)據(jù)方法在欺詐監(jiān)測領域做了諸多嘗試。例如，富國銀行運用大數(shù)據(jù)技術來查明資金易手是否采用了客戶慣用操作模式；Zions Bank運用Hadoop平臺分析源自140個不同渠道的信息來開展欺詐分析，能夠在幾分鐘之內(nèi)監(jiān)測到欺詐信息；工商銀行研發(fā)了外部欺詐風險信息系統(tǒng)。通過搭建數(shù)據(jù)專線和內(nèi)存式數(shù)據(jù)庫，收集了來自于工商銀行內(nèi)部、銀行同業(yè)、國家有關部門和國際組織的千萬級風險信息，并嵌入到私人銀行業(yè)務、柜面賬戶匯款和轉(zhuǎn)賬交易業(yè)務、信貸業(yè)務流程中，提供了風險預警支持。

欺詐主要分為兩類，申請欺詐和交易欺詐。反欺詐的實時性能要求很高，需要有一個高性能的解決方案。不管做業(yè)務規(guī)則還是模型分析，反欺詐運用到的技術有模糊匹配、關聯(lián)分析、社會網(wǎng)絡分析SNA。交易欺詐對于信用卡、借記卡、電子銀行有交易類的產(chǎn)品有重大的威脅，各種高科技欺詐手段也層出不窮。針對交易欺詐進行實時監(jiān)控。主要采用的技術手段是神經(jīng)網(wǎng)絡算法（Neural Network，NN）。處理非線性分類問題，利用反向傳遞算法（Back Propagation，BP）對模型進行訓練和參數(shù)調(diào)優(yōu)，最后使用評估集對調(diào)優(yōu)后的模型進行驗證。

反欺詐的解決方案主要包括三個主要組成部分：反欺詐框架、反欺詐技術、系統(tǒng)控制。

反欺詐的框架搭建涉及一系列的處理過程，包括數(shù)據(jù)的采集和集成、規(guī)則制定和提示、工作流程的控制、案件管理等等。

反欺詐的技術通過數(shù)據(jù)挖掘，制定業(yè)務規(guī)則，實施異常檢驗。在第一時間給審批人員提示。通過建模的方式偵查、預測欺詐可能性，以及運用社會網(wǎng)絡分析來防范欺詐發(fā)生。

銀行實施大數(shù)據(jù)項目的關鍵要素

為了保持競爭優(yōu)勢，銀行需要積極識別和應用推動其業(yè)務發(fā)展的大數(shù)據(jù)趨勢和技術。這將會給銀行帶來變革性的改變。但是能夠很好地掌握分析自有數(shù)據(jù)、有效攻克大數(shù)據(jù)難關的銀行還不多。以下列舉了銀行實施大數(shù)據(jù)項目的關鍵要素，以供參考。

（一）數(shù)據(jù)收集、儲存與整合層面

隨著銀行IT基礎架構(gòu)不斷演進和數(shù)字化發(fā)展，銀行大數(shù)據(jù)的收集、儲存和整合存在著如下問題：一是存在大量數(shù)據(jù)孤島，全行缺乏統(tǒng)一的數(shù)據(jù)視圖，企業(yè)級的報告、決策、客戶服務、業(yè)績優(yōu)化不可避免地受到了影響；二是新的數(shù)據(jù)信息、新的數(shù)據(jù)處理方式、新的數(shù)據(jù)語義和結(jié)構(gòu)，以及新的IT系統(tǒng)，使得整合不同數(shù)據(jù)源的工作非常繁瑣，增加了從中挖掘有用信息的復雜性；三是數(shù)據(jù)質(zhì)量、精確性、協(xié)調(diào)性也越來越成為一個顯著問題。

銀行的業(yè)務及運營團隊不得不面臨著上述這種復雜的環(huán)境，因此構(gòu)建的大數(shù)據(jù)收集、儲存和整合層應當有以下幾個特點：支持跨多元化的平臺（包括傳統(tǒng)和大數(shù)據(jù)平臺），可以跨平臺做數(shù)據(jù)描述、數(shù)據(jù)質(zhì)量檢測、聯(lián)調(diào)、異常檢測；處理數(shù)據(jù)的速度相當快；能夠解析各種數(shù)據(jù)格式而無需轉(zhuǎn)換；隨著底層的大數(shù)據(jù)平臺，具有可擴展性；與銀行現(xiàn)有的基礎系統(tǒng)能夠無縫整合。這就需要應用結(jié)構(gòu)化+非結(jié)構(gòu)化的數(shù)據(jù)集成技術，運用分布式存儲與計算，以及流計算、內(nèi)存計算等方式降低成本并提高計算速度，進而去噪聲將數(shù)據(jù)轉(zhuǎn)換為信息，完成關系型和非關系型信息的有效整合。支持日志、多媒體等數(shù)據(jù)儲存和整合。

（二）數(shù)據(jù)挖掘分析與數(shù)據(jù)人才層面

大數(shù)據(jù)的技術核心是數(shù)據(jù)科學。運用數(shù)據(jù)挖掘技術和人工智能方法，包括機器學習、深度學習等技術，對整合好的信息進行分解、提煉，從中找出有價值的信息內(nèi)容。將數(shù)據(jù)進行可視化操作可以從中發(fā)現(xiàn)商業(yè)洞察，為商業(yè)決策提供指導。

但是數(shù)據(jù)大爆炸帶來了太多的數(shù)據(jù)。以致于銀行使用傳統(tǒng)的數(shù)據(jù)展示方法已無法有效地將大數(shù)據(jù)進行可視化。因此大數(shù)據(jù)解決方案產(chǎn)生了又一分支“高級數(shù)據(jù)可視化”，一種商業(yè)分析和智能的新方法。例如運用SASViya可視化工具，屆時銀行的非數(shù)據(jù)專家也能夠讀懂大量、復雜的數(shù)據(jù)集。從而做出基于數(shù)據(jù)驅(qū)動的商業(yè)分析決策。人工智能也能夠有助于數(shù)據(jù)可視化分析，有選擇地、智能地應用新型高級數(shù)據(jù)相關分析和可視化工具，同時與大學等科研機構(gòu)合作，能夠為銀行的品牌建設提供新的機遇。

數(shù)據(jù)本身不會自己解釋自己，因此還需要善于“跨界”的復合型人才——數(shù)據(jù)分析師。關于數(shù)據(jù)分析師的能力主要有四大塊：業(yè)務、分析、數(shù)據(jù)、軟技能。第一懂業(yè)務，懂業(yè)務流程、發(fā)展目標，明白當前遇到的問題、制約因素有執(zhí)行約束條件，具備推動力，能夠把分析的洞察轉(zhuǎn)化為業(yè)務的前瞻性建議，跟利益相關人進行溝通，推動業(yè)務的變革和創(chuàng)新；第二會分析，練內(nèi)功，懂算法的原理和工具。形成橋梁的作用。能夠把業(yè)務問題轉(zhuǎn)化成分析的目標，能夠制定分析的計劃，能夠選擇合適的技術，能夠以讓業(yè)務人員理解的方式解讀分析結(jié)果，觀點鮮明。邏輯清晰。第三具備數(shù)據(jù)操控能力，至少會用SQL，會做數(shù)據(jù)的清理和整合；第四軟技能。包含溝通、協(xié)作，對數(shù)據(jù)分析的熱愛。

（三）機制保障和轉(zhuǎn)變思維

制約大數(shù)據(jù)在銀行發(fā)展的關鍵因素在于管理層面，而非技術層面。需要在銀行內(nèi)部形成兩大機制：一是引入“試錯機制”，針對一個關聯(lián)去發(fā)現(xiàn)是真正的商機還是噪音，只有通過“小步快跑”。快速嘗試才能知道。組織內(nèi)部要合理“容錯”，對于呈現(xiàn)出商業(yè)價值的發(fā)現(xiàn)要快速推廣；二是形成兼容性高的團隊，將業(yè)務與技術人才共同組成聯(lián)合團隊，不斷培養(yǎng)人才，解決“業(yè)務”與“技術”溝通協(xié)調(diào)問題。

大數(shù)據(jù)的應用對于銀行而言，更為深刻的是對根深蒂固的傳統(tǒng)理念的挑戰(zhàn)。因此必須將大數(shù)據(jù)提高到戰(zhàn)略層面。將數(shù)據(jù)作為戰(zhàn)略資產(chǎn)的高度進行管理，從企業(yè)級水平來積極管理數(shù)據(jù)，從而發(fā)揮數(shù)據(jù)的內(nèi)在價值。只有那些勇于并善于擁抱變革的機構(gòu)才能最終在大數(shù)據(jù)時代勝出。