<menuitem id="bnags"></menuitem>

    <ins id="bnags"><video id="bnags"></video></ins><mark id="bnags"></mark>
  • <ins id="bnags"></ins>

      <tr id="bnags"><small id="bnags"></small></tr>

    1. 首頁 大數據百科正文

      銀行大數據應用解讀以及發展分析

      ????銀行大數據應用解讀以及發展分析

        大數據現在發展迅速,滲透到各行各業中,銀行也不例外。下面我們收集了銀行的大數據發展、應用、案例等相關資料,希望對大家有所幫助。

        對銀行大數據應用的一點思考

        在《大數據時代》廣為流行之時,就拜讀了該書。當時的第一感覺是,大數據時代是對傳統統計學的一大挑戰,因為大數據的分析無需取樣,直接避開了傳統統計學的一大前提,也就避免了因樣本取樣本身帶來的誤差。得益于當前發達的網絡技術和計算機性能,大數據時代的數據分析是全量的數據分析。我想,這也是該書為什么一經推出就如此火熱并迅速推廣至各行各業的原因。梳理一下近期的思路,談一談自己對大數據于銀行業務的一點思考。

        一、銀行擁有得天獨厚的大數據優勢

        看完書后的很長一段時間,我都在思索大數據的思維和方法如何運用在工作中。因為自己每天都在與大量的數據、各類的報表、不同的系統打交道,深感銀行數據的全面、多樣與深不可測。網上銀行、手機銀行、財富管理、信用卡平臺等系統內的客戶交易數據,核心系統、信貸系統、客戶關系維護系統、計價系統等客戶的基礎信息,這些是多少外部咨詢公司可望而不可及的數據。如此豐富的信息,如果只是讓她們停留在數據階段,真是太可惜了。雖然,我已經通過不斷提升excel的操作水平來簡化和分析數據,但深感其用途遠遠不應該只是每日通報而已。如何科學利用這些數據,并以此來推動工作開展,是自己一直在思索但總有點心有余而力不足的問題。銀行的大數據,內容龐大,超出一般人的數據處理能力;大數據于銀行,是新的競爭領域,是新的思路也是新的挑戰,理應是新的工作重點。

        二、銀行大數據應用的主要方面

        銀行歸根到底是金融服務業,產品的研發、服務的開展無疑都是為了吸引和留住客戶,提升綜合競爭力,而數據則是服務好客戶的前提和保障。就自己淺顯理解,我覺得大數據可在如下幾個方面促進業務開展。

        一是區域化管理。不可否認,大到國家、省份、地市,小到不同城區、不同社區、不同單位,文化差異和生活習慣是有所不同的。我們所轄的網點分布在不同的地方,如何因地制宜地推出適合當地居民的產品和政策,必須對不同片區、不同社區、不同商圈的客戶進行統計分析,分析區域之間客戶存在的工作、消費、生活習慣差異,尋求區域內部客戶之間存在的工作、消費、生活習慣共性,以提供有針對性的營銷計劃,根據地域優勢來分配主要的業務經辦行,打造專業的隊伍服務特定的人群,促成資源的合理配置。

        二是差別化服務。從IT藍圖上線起,我們中行就提出了經營模式從“以產品為中心”向“以客戶為中心”的轉變,服務模式從“標準化服務”向“個性化服務”的轉變,這些轉變落實到具體工作中,就是服務形態和方法的轉變。通過我行自身的各種渠道、各類系統整合客戶信息,已經形成了一個基本的數據庫,這個數據庫里包含了客戶的工作、家庭、賬戶、聯系信息等客觀數據,如果能通過借助外部平臺,引入客戶喜好、情緒等主觀因素,則可以更加精準地判斷客戶的態度立場、情感傾向等,進而可以相應地分析可向客戶推薦的產品、服務、定價政策,既能迎合客戶的需求,又能提高營銷的效率和效益,真正實現“精準化營銷”。

        三是風險管控。這是目前為止,我的日常工作中做得最多的。對于風險控制我們多數時候是被動的,到了貸款出現逾期才意識到借款人資金、信用出現了問題,對于這類現象首先追究的是客戶經理的貸后管理工作不到位。但很多逾期的貸款客戶在其資金鏈斷裂前,其經營實體和抵押物情況等是沒有太多變化的,為了盡早地發現問題,現在的貸后管理,不能僅僅局限于上門回訪,而應通過系統監控和數據分析加強預警防控能力,及時地發現客戶的資金異動,以便采取及時有效的措施防范風險。隨著信用卡的普及,信用卡的消費和還款情況一定程度上反映了持卡人的資金實力,通過分析貸款客戶的信用卡使用情況及時發現潛在風險,盡早開展貸后催收和訴訟工作,避免逾期后再催收的措手不及。

        三、銀行大數據運用可采取的措施

        有了數據,如何運用數據才是更加具有挑戰性的工作。對于如何運用大數據,我覺得首先要豐富數據采集渠道,拓寬數據來源,我們掌握的客戶信息多為金融信息,數據準確可靠,但缺乏客戶行為方面的信息,可依托互聯網、電商、微博微信等社交平臺充實數據資源,以更加全面了解客戶的真實需求;其次要加強內部數據的整合運用,雖然目前我們的數據多,但是數據較分散,各自為政,缺乏交叉運用,各部門各條線應加強數據的資源共享;最后是要建立和培養一支專門的數據分析隊伍,整合各專業領域的員工,負責數據的采集、簡化、分析和應用。在保護客戶隱私的前提下,還可以委托專門的數據處理公司開發專門的程序,以利于更加方便快捷地開展各項工作。

        下面我們通過實例來看看大數據在銀行的具體應用。

        漫談大數據在銀行的七個業務潛在應用

      漫談大數據在銀行的七個業務潛在應用

        文:張越|波士頓咨詢董事經理

        筆者專注于服務金融行業的客戶,并就互聯網金融和“大數據”進行了深入研究。在研究中,筆者既感受到了“大數據”中所蘊藏的海量機會,同時也體會到了許多傳統金融機構的舉步維艱。本文將分享一些海外金融機構試水大數據的實踐,并嘗試走到現象的背后去理解金融機構在駕馭“大數據”的過程中遭遇艱難的原因。

        一、怎樣理解大數據?

      怎樣理解大數據?

        首先澄清我們如何定義“大數據”。在國內,這個概念已經被很廣泛的應用,但大家對它的理解各異。波士頓咨詢認為,成就大數據的不僅是傳統定義中的三個“V”(Volume–量,Velocity–速度, Variety–多樣性),而是“價值”,當人們從海量數據中能夠汲取價值,并借助其推動商業模式發生內嵌式變革時,具備“3V”特點的數據才成為了“大數據”。

        波士頓咨詢就“大數據”專題成立了全球的虛擬事業部,匯聚了包括數據科學家、行業專家、資深咨詢顧問在內的50 余名專家,支持遍布于全球各個行業的“大數據”相關項目。這些行業都是波士頓咨詢的主要服務對象,包括金融、醫療、制藥、消費品、工業品、能源等。本文將將著重討論“大數據”在金融領域的應用。

      “大數據”在金融領域的應用

        金融行業的數據強度為上述各個行業之首。大數據理念在銀行業十分流行,但其潛在價值尚未得到充分的開發和利用。以銀行為例,每創造100 萬美元的收入,一家銀行平均產出約820GB 的數據。銀行目前只用到一小部分與客戶相關的數據,主要包括:

        交易數據

        客戶提供的數據(出生日期、地址、婚姻狀況等)

        評分數據

        渠道使用數據

        還有許多可以利用的數據,有助銀行提升業務價值:

        移動銀行業務用戶的定位數據

        社交媒體互動信息

        網站互動信息(交易前)

        交易數據,用于推測客戶的行為

        往上搜索行為

        社交網絡

        其他

        我們的調研顯示,真正能夠在傳統銀行中得到應用的數據占比約為34%。

      我們的調研顯示,真正能夠在傳統銀行中得到應用的數據占比約為34%

        “大數據”無疑在金融領域有廣泛的應用空間。仍舊以銀行為例,波士頓咨詢在銀行的七大主要領域中發現了64 項潛在應用,遍布于零售業務、公司業務、資本市場業務、交易銀行業務、資產管理業務、財富管理業務和風險管理。這64 個應用源自我們的項目經驗,就是說,他們或多或少都已經被某些金融機構進行了嘗試,其價值已經得到了初步的證實。

        從海外金融機構應用“大數據”的整體情況來看,我們的經驗是,有1/3 處在普及和理解大數據概念階段,1/3 處在試點階段,另外有約1/3 的金融機構已經諳熟于“大數據”的應用,正在按部就班地提升能力,并將“大數據”所要求的工作機制嵌入商業模式與運營模式中,進行了嵌入式變革階段??傮w而言,大數據在金融行業的應用還有很長的路要走。

        二、海外金融機構大數據應用舉例

        接下來分享幾個我們與海外金融機構合作應用大數據的實際案例。

      接下來分享幾個我們與海外金融機構合作應用大數據的實際案例

        1. 某澳大利亞大型銀行應用“大數據”分析為自己的小微企業客戶提供了一項免費的增值服務,以提高客戶粘性。在這項服務里,銀行為這些客戶免費提供它們自己的客戶和競爭對手分析:客戶的財富結構,購買偏好,與競爭對手客戶結構的差異等。而分析的基礎數據來自于該銀行零售業務中的個人支付數據。由于銀行掌握的數據海量而精準,這樣的分析就比一般的市場分析機構的成果更富有洞察。此項服務不僅為該銀行提高了存量客戶的粘性,也成為它們吸引新客戶的一個重要工具。

        2. 某海外大型銀行通過“大數據”分析為自己的企業客戶提供營銷支持。例如,他們為自己一個賣手機的零售商客戶分析了其客戶在購買手機前后的其他購買行為。發現客戶在購買之前出現頻率最高的地方是交通樞紐,而購買之后則最可能出現在食品雜貨店里。這樣的分析幫助手機零售商明確定義了營銷的最佳地點,從而優化了客戶的營銷資源配置。

        3. 某海外銀行通過“大數據”分析優化了自己的客戶細分。傳統銀行做客戶細分的主要維度是年齡、性別、職業、財富水平等?;谶@樣的細分做營銷和產品設計容易“誤傷一片”,會浪費不少的資源。在“大數據”分析的幫助下,銀行做客戶細分的思路開闊了很多,而且細分對于行動的指導性也越來越強。這家銀行按照一個客戶使用產品的“廣度”(即產品的數量)和“深度”(即使用產品的頻率)進行細分。這樣的細分幫助該銀行發現了一些從前沒有注意到的機會。例如,細分中發現了一類“臨界點”客戶,即很有可能換銀行的客戶?;跀祿治鲞€發現,客戶換銀行一個重要原因是因為自己的朋友們都在使用目標銀行。于是,穩住這些客戶的一個手段就是營銷他的朋友圈。

        此外,該銀行還發現了一個占比不大(約7%)但很有意思的客群,姑且稱之為“敗家族”。這類客群的財富水平不高,達不到銀行的貴賓門檻,所以常常被銀行忽略。但是,這類客戶有個特點,就是交易行為非?;钴S。他們的消費習慣能夠為銀行帶來可觀的價值。這個案例可以帶來兩個啟示:第一,“大數據”發現的未必是“大機會”,即單個機會的價值未必很高,而是“大量機會”,即不斷找出新的洞察,而充分實現大量機會就可以獲得“大價值”。第二,“大數據”往往并沒有給金融機構帶來翻天覆地的改變,但它可以為金融機構帶來新的視角??蛻艏毞质墙鹑跈C構一直在做的事,但是,“大數據”可以幫助金融機構深化、細化自己的認識,找出以往被忽略的價值點。

        4. “大數據”幫助金融機構發現指導行動、創造價值的關聯關系。例如,某西班牙大型銀行就客戶的興趣愛好和其金融行為進行“大數據”分析時發現,高爾夫球愛好者為銀行創造的價值最高,而足球愛好者的忠誠度最高。這樣的分析不僅可以指導銀行進行精準營銷,也能夠幫助銀行進行更加有目的的數據收集。

        5. “大數據”在零售銀行業務中的應用十分引人注目。但其實,“大數據”在公司銀行業務中同樣可以大顯身手。某加拿大銀行對于自己的醫藥零售商客群做了一個分析。該銀行首先將這些客戶按照銷售額分成八類,進而計算每個藥店為銀行帶來的收入。分析發現,在同一類中,客戶每百萬銷售額所產生的銀行收入之間的落差可高達17 倍。這家銀行意識到,特征類似的中小客戶給銀行帶來的價值卻可以差異巨大。于是,這家銀行為每一類客戶找到了“標桿”,即對于銀行貢獻居中的客戶,并分析其金融產品的配置情況。然后,這家銀行比對每個客戶與自己的“標桿”之間的差距,并用這些差距來指導客戶經理進營銷。而且,客戶經理還可以與客戶分享這些比對結果,幫助他們認識到自己與同業相比在金融方面的潛在需求。這樣的分析既提高了營銷的有效性,也為客戶帶來了金融服務之外的增值。

        6. “大數據”能夠幫助金融機構提升風控能力。Bankinter 是西班牙的一家精品銀行,他的單體客戶利潤往往比規模領先的大型同業高上幾倍。該銀行專注于中高端客群,并高度注重技術的應用。Bankinter應用亞馬遜的云服務,借助“大數據”分析進行行業發展模擬以支持對于公司客戶的風險控制。公司客戶的信貸風險除了與企業自己的狀況有關之外,還會極大地受到行業發展的影響。但是,行業模擬在過去的技術條件下并不能廣泛應用?!按髷祿睒O大地提高了這種分析的可行性。以前,這家銀行做一個行業的宏觀模擬分析,一次運算平均耗時可達23 個小時,而現在,同樣的分析只用20分鐘左右。

        7. “大數據”催生了風險控制領域的創新創業。美國一家創業公司應用電梯數據和黃頁數據幫助銀行進行風險預警。電梯運行過程中一直會有數據留痕,例如在某棟樓的每一層停了多少次等。而黃頁是公開信息,某棟樓的某一層是哪家公司可以很容易查到。匹配這些數據就可以得出某家公司每天電梯??康拇螖?。該公司的“大數據”分析發現,如果某家公司的電梯數據突然發生異常變化,可能代表該公司出現了經營變化。電梯??看螖诞惓p少可能意味著員工的減少或者客戶拜訪次數的減少,無論如何,這樣的信號應該引起銀行的及時關注。將這樣的預警信號植入貸后管理流程無疑會比單純進行每季度或每年的貸后檢查要更有針對性。

        Scor!是一家依托社交數據幫助銀行進行個人信貸風險評估的“大數據”公司。銀行將申請貸款的客戶情況報給Scor!并向其購買評估結果。Scor!的評估結果被植入信貸審批流程,作為銀行內評估的補充。這樣的合作正在幫助客戶提升審貸速度和準確性。

        8. “大數據”助力銀行優化貸中和貸后管理。以Wells Fargo(富國銀行)為例,他們應用“大數據”分析識別客戶的異常行為作為風險提示信號。分析的數據基礎是銀行自己的海量的交易數據,即個人的支付數據、企業的交易數據等。在貸后管理中,“大數據”分析正在幫助銀行優化催收管理。通過量化分析我們發現,近三成的失敗催收源于聯系不到借款人。而“大數據”分析能夠幫助銀行提升聯系借款人的成功率。

        上述案例只是金融機構應用“大數據”潛在可能性的“一斑”。海量的機會仍然有待開發。但我們觀察到,相比技術的蓬勃發展,金融機構對于大數據的實際應用仍然差強人意。原因究竟在哪里?波士頓咨詢對海外20 多家金融機構做了調研。

        研究的目的是找出:第一,從數據到價值的過程是什么?

        第二,哪里是瓶頸?

        結果顯示,從數據到價值的過程包括七個步驟:數據收集、獲得數據擁有者的許可和信任、儲存和處理技術、數據科學/ 算法、協調、洞察、嵌入式變革。

      從數據到價值的過程包括七個步驟

        而在這七步中有兩個關鍵瓶頸:

        一是獲得數據擁有者的許可和信任,即是否能夠把數據整合并用起來;

        二是協調,即金融機構內部部門之間的協調問題。

        例如,很多銀行面臨的問題是整合、打通散落在各個部門的數據,零售、對公、信用卡等。而在“協調”方面,金融機構常常要面對業務與技術溝通不暢的問題,數據難以轉化為生產力。突破這些瓶頸的關鍵在于管理層面,而非技術?!按髷祿敝趥鹘y金融機構,我們認為更大的意義在于它推動嵌入式變革的能力。

      制約大數據發展的兩個瓶頸

        “大數據”時代要求試錯、應變的機制,跨界復合型人才,開放靈敏的觸角體系,這些都會挑戰傳統金融機構慣常的管理實踐。這樣的改變不僅對于汲取“大數據”的價值意義非凡,也是傳統金融機構在以“互聯網金融”為符號的變革時代里求生存、求發展的關鍵。

      ????

        了解完大數據的在銀行中應用后,我們來看看專家是如如看待大數據時代下銀行的發展。

        銀行掘金大數據時代

        面對大數據,銀行業的喜與憂

        記者:近十年來,中國銀行業的改革發展取得了令世界矚目的成就。就大數據而言,某種程度上說,金融業一直是基于之上運轉的,請問,金融業在大數據時代,是否更應該有著天然的競爭優勢?這些競爭優勢目前是否得到了發揮,還有哪些問題?

        楊兵兵:實際上,相對于其他行業而言,金融行業在大數據方面確實有著先天的優勢,因為金融行業特別是銀行業的數據系統建設歷史是最長的,其應用歷史也是最長的。例如,最早的主機等的采購都來自金融行業,特別是銀行業。(楊兵兵:中國光大銀行職工代表監事。資料來自于互聯網)

        所以,從時間的長度來說,其積累的歷史是比較長的, 而從業務寬度來講,也是比較寬的??梢哉f,以上這些方面是金融行業的一個特點,而且銀行手中還掌握著賬戶基礎及往來信息。

        其實,賬戶是一個很關鍵的東西,是金融牌照的基礎資源。圍繞著賬戶,我們能知道資金的進出、支付等信息,并且還形成了把銀行內體系與銀行外體系連接在一起的一個關鍵點。所以,圍繞著賬戶會產生大量的數據,也使得銀行業的數據更加豐富。從數據方面而言,這是銀行業的一個優勢。

        不過,在數據積累和應用方面,當前的銀行也面臨著一些問題。

        第一,隨著客戶的交易行為越來越線上化,以及第三方支付與店商的合作,使得銀行對客戶的交易行為的了解反而在減少。尤其是第三方支付,對銀行了解客戶的交易行為有一定的屏蔽。

        第二,銀行自身已經有了很多數據,但是基于多種原因,銀行對這些數據的開發和利用還不是很充分。假如你成為某個銀行客戶的時間超過十年,現在如果想了解十年來自己的資產變化情況、收入變化情況等,按理來說這是很簡單的一本賬,但是現在要很快提取一個客戶十年的歷史數據,還真不是每家銀行都能做得到的事情。

        在這方面,很多銀行還存在很大障礙。其實,往前推十年,很多銀行的核心系統都進行過升級,升級前后的數據是否能夠聯系在一起、有沒有做過這種聯系,使得客戶提取歷史數據更加容易,可能都存在疑問。實際上,如果在銀行核心系統的升級換代過程中存在斷點,其客戶數據就不再連續。

        如果客戶數據中間存在這種斷點,會妨礙其對相關數據的應用。另外,銀行系統在原來建設的時候產生的若干信息孤島也會影響對數據的使用。第三,在大數據的應用上,如果對數據結構及定義的理解不到位的話,數據應用單位對其也很難準確把握的。面對第三方支付,

        銀行業要“固本培元”

        記者:日新月異的大數據時代,尤其是互聯網金融的快速發展,第三方支付的崛起,是否給銀行業也帶來了一定的沖擊,具體體現在哪些方面?銀行業應如何來面對這些沖擊?

        楊兵兵:我覺得,第三方支付真正給銀行帶來的沖擊實際上是在告訴銀行:一方面,有些業務,銀行原來沒有看上的,實際上是潛在價值更高的;另一方面,“技術是生產力”不是一句空話。具體來說,有一段時期銀行對于結算業務、支付業務重視不夠,認為這些業務比較繁瑣,利潤又很薄,特別是早期的網購,需要擔保支付,當時銀行要介入這種擔保支付是有風險的,所以沒有做,而支付寶等其他機構卻把這項業務做起來了,并且做大了,反過來也印證了這項業務是很有價值的。

        另外,“技術是生產力”,無論是第三方支付公司,還是互聯網金融公司,我們會發現它們最大的投入就是技術的投入,這會讓它們快速地成長和改變。在銀行業,技術也在逐漸地變成生產力,而在早期,技術更多的是作為一個生產工具??梢哉f,第三方支付公司和互聯網金融公司使得銀行再次審視一下自身,哪些業務還需要再次撿起來。例如,支付業務、結算業務本來就是銀行的一些基礎業務,所以銀行當前面臨的這些沖擊也是正常的,這是銀行自身忽視原本的一些基礎業務所帶來的后果,下一步銀行要做的就是固本培元。

        銀行“固本培元”是有基礎的,因為銀行經營的時間比較長,有比較好的客戶基礎,也有很好的信用基礎。這三方面都是銀行的長項,關鍵在于銀行如何把這些長項應用到自己變得薄弱的地方。

      大數據,將打開銀行收益空間

        大數據,將打開銀行收益空間

        記者:你曾提到,隨著對大數據綜合運用能力的不斷提高,未來銀行作為一臺“精密儀器”也會變得越來越“聰明”。那么,請你再詳細談談,大數據將在哪些方面對銀行產生影響?

        楊兵兵:在運營上,假如銀行的這些數據可以被綜合的分析和應用,對銀行的運營管理就會產生很大的影響。

        比如,運用大數據,銀行就可以比較清楚地知道在哪個時段會出現交易量的高峰和低谷,哪個產品帶來的是交易量的高峰。假如這些可以準確預測的話,那么銀行就可以更游刃有余地調配人力,在交易高峰時可多投入一些人力來滿足大家的需要,在低谷時可以把人員降下來,讓大家多出去跑跑營銷。

        具體來說,對于一個擁有10 名員工的銀行網點,原來根本不敢讓員工出去跑營銷,因為不知道什么時候會出現客戶需求高峰,所有員工都得原地待命。實際上,一周七天,并不是天天都忙,其實這里面是有規律的。假如運用數據分析后找到了這種規律,那么就會把整個銀行的運營水平提高到一個平均的高度,當所有網點都達到平均的水平之后,那么全行的生產力一下子就提升起來了。

        在營銷上,假如能夠捕捉和了解到客戶的即時需求,并有針對性地提供相關產品,就會達到事半功倍的效果。其實,做營銷最難的是客戶沒有需求時而要去拼命挖掘他的需求,最好的是當客戶有某種想法時就把解決方案擺在他的面前。

        當然,要達到最好的營銷效果,就需要能捕捉到客戶有需求的時點,并且能調出來相關的產品,這些都是建立在對客戶信息數據分析的基礎上,而通過人工來完成是不太現實的。

        目前,銀行能夠記錄客戶在銀行網站的哪一部分停留的時間比較長,意味著其對某項業務可能有想法,但是其最終并沒有購買某項業務或者開立相關賬戶,反映出客戶可能存在某些顧慮,這時銀行可以反過來搜索客戶在網站上的運行軌跡,并進行分析,當客戶下次再來時就可以送上一些新的解決方案。

        另外,當另一個客戶也出現類似情況時,銀行就可以向其推送新的解決方案,這樣就使得銀行運營的精密度提高了,并最終降低成本,如營銷成本、管理成本和運營成本等,進而也就打開了銀行收益的空間。

        數據應用,需先打通“豎井”

        記者:有分析認為,在亞太地區,中國金融機構在大數據方面的發展較為領先,但同時也面臨著一些技術和管理上的障礙。那么,據您分析,在不斷發揮大數據“能量”的過程中,還有哪些障礙需要去突破?

        楊兵兵:其實,當整個社會的數據能被充分應用的時候,一定會改變對民生的服務,以及促進政府職能的轉變?,F在,關鍵的問題是怎么讓整個社會的數據更好地應用起來。每個職能單位,如某部門,它對應的全國數據標準是否都是統一的,如果都是統一定義的,那么它所管轄的各個省市的對應的部門發生的數據都是可分析、對比并計量的。如果這些數據標準不能統一,那么這些數據就沒有辦法使用。

        可以說,每個職能單位或者行業都能形成一個數據“豎井”。假如全國有二十個大的行業,那么就會形成二十個數據“豎井”,而這些“豎井”之間的數據又怎么能夠交換起來呢?

        當然,現在的身份證是一個很好的統一標準。其實,在美國,數據標準的形成已經給我們很多啟示。美國個人都有一個唯一的社保編碼,各行各業都以此為標準,這就讓數據有了統一的標準。

        而在國內,各行各業都有自己的數據標準,數據交互使用的難度可想而知。

        當前,人民銀行已要求銀行業把所有個人賬戶都填上完整的身份證信息,這就意味著在整個銀行體系中個人的信息數據是統一的,那么這些信息就有用了。當然,這只是在銀行這個行業“豎井”里的數據被統一了,但是與其他“豎井”里的數據是否可以交換使用呢?目前來看,數據要實現橫向使用還有很長一段路要走。如果“豎井”不打通、數據標準不統一的話,那么這些數據是無法綜合使用的。

        另外,如果在數據的標準上全國能夠統一的話,而且在每次使用時都調用統一的數據,而不是各自去想各自的數據標準的話,我們就會發現社會的數據都是可被分析的。例如,光大銀行有一個數據字典,實際上就相當于一個統一的標準,假如某新成立的部門要建立一個新系統,以前可能要設計數據的標準,現在不需要了,只需要調用數據字典里的標準就行了。

        在國內,大數據的標準有一個逐漸統一的過程,首先需要把各個部門、行業非電子化的信息變成各類電子化的信息,并通過大數據的分析技術,把結構化、非機構化的數據變成可分析的數據,再往下,要想使可分析的數據得到更廣闊的應用,就需要把標準這個事情提上議事日程。其實,推動整體數據標準的統一是對整個社會很有意義的。不過,這不是一蹴而就的事情,統一標準的周期可能會比較漫長,因為各行業都有自己的系統、自己的標準,并已經形成了多年的數據,統一數據的成本很高,由誰來承擔,都是需要綜合考慮的。

        對銀行業來說,數據是一個資產,是銀行的一個資產,也是個人的一個資產,都是很重要的。整個社會數據的逐步開放,需要國家去推動,以及法律體系的完善,同時需要擁有數據的企業愿意用開放的心態、開放的商業模式在互聯網上和更多的機構進行合作。

        大數據,將提升客戶的體驗

        記者:作為個人金融消費者來說,在關注大數據給銀行帶來變革的同時,更關注自己能在這些變革中享受到哪些便利。據我們了解,光大銀行在云繳費方面進行了大膽創新,并且還在3 月底啟動了便民繳費白皮書調研。那么,請您詳細談談,在繳費方面,民眾能獲得哪些便利?

        楊兵兵:其實,繳費是一項傳統業務,以前是通過柜臺進行水電煤氣等方面的繳費,后來又通過網銀和手機銀行來繳費。繳費本身沒有特別的地方,光大銀行的云繳費是通過開放的理念,對傳統業務加上互聯網翅膀之后的再定義。

        例如,以前,如果光大銀行談下來一個城市的水費代收業務,只有光大銀行的客戶通過光大銀行的網點、手機銀行或網銀才能去完成繳費。

        現在,如果談下來一個城市的水費代收業務,那么相當于光大銀行擁有了代理這個城市繳水費的“牌照”,要讓繳水費變得更加容易,需要銀行線下網點的觸及和客戶的觸及更容易才行,而光大銀行的網點、手機銀行和網銀都有一定的盲點,即只對自己的客戶服務。

        所以,要解決這個問題,我們就通過技術的手段把“牌照”輸出給愿意代理這項業務的機構,輸出越多意味著銀行的觸角就越廣,也意味著能聯系到客戶的地方越多,客戶也就越方便,無論是線上還是線下。

        另外,不管是持有哪家銀行卡的客戶,都可以到光大銀行網站的繳費終端(瑤瑤繳費)上完成繳費。

        目前,云繳費平臺集中了電、水、燃氣等460 余項繳費業務,通過與光大銀行自有渠道以及合作商戶渠道的對接,打通了線上、線下、PC 端、手機端、POS、柜面等多種繳費渠道,全面滿足用戶各種繳費方式,解決了用戶繳費難、排隊久等問題。

      ?

        最后我們來看看大數據給銀行的指示作用。

      大數據給銀行畫了一張怎樣的藍圖?

        大數據給銀行畫了一張怎樣的藍圖?

        比爾·蓋茨曾說:“世界需要的是銀行服務而不是銀行本身?!?/p>

        在“互聯網+”時代,攪動銀行業的互聯網,除了帶來互金業務,還帶來了以大數據、云計算為核心為新工具。而這些工具,無疑正在顛覆銀行的面貌和模式。

        比爾·蓋茨所言得到了印證,不過,銀行也早已意識到了銀行服務的永恒性,積極轉型,正在進行的“三轉型”——經營模式從“以產品為中心”向“以客戶為中心”轉型,營銷模式從“粗放營銷”向“精準營銷”轉型,服務模式從“標準化服務”向“個性化服務”轉型,可以說,每一項都與大數據息息相關。

        圍繞“大數據”的課題,重慶銀行目前正在打造自己的“大數據金融實驗室”,并且拉來了具有大數據專業技術背景的數聯銘品,以及具有豐富集團資源和多元化場景資源的知名上市公司成都三泰控股集團股份有限公司,構建起“互聯網+金融+大數據”的合作模式,試圖挖掘大數據更深層次的價值。

        大數據給銀行畫了一張怎樣的藍圖?大數據是銀行業務開展的發動機

        大數據對于商業銀行的重要性已經不言而喻。作為現代金融信用創造的基石,大數據成了傳統銀行與新興互聯網金融更加重視的寶藏。

        然而,大數據在國內的發展其實只是處在初始階段,以前不可搜集的信息變成“可搜集”、且搜集的成本大大降低的階段,還不能做到完善而真實、甚至能夠作為一套可供獨立分析數據模型的程度。

        以互金公司為例,單純的依靠互聯網信息去構建一個比較完整的、作為機構判斷和決策的公司有點不靠譜,這也是為什么P2P公司既不能有效解決融資成本,又不斷曝出違規和跑路事件的原因。

        而對于傳統銀行與互聯網公司而言,都希望借助大數據創新更多業務,從而滿足客戶的更多需求。然而,由于兩者的“出身”和成長環境,以及由此所養成的“性格”差異,所以,必須要去尋找第三方、第四方數據去進行補充和匹配,才能夠進一步判斷這些大數據的準確性,因此相互合作補充成為一大趨勢。

        從這個角度看,對于大數據建設而言,重慶銀行、數聯銘品及三泰控股三者形成的“鐵三角”關系,使得數據鏈條更穩固,也更可持續。

        首先看重慶銀行方面。其實與線上數據相比,銀行手中掌握的信息相對更全面和準確。銀行出于監管,法律與保護客戶利益的需要,保存客戶大量的交易流水,并通過客戶對本行持有產品的使用、信貸情況、投資理財表現,對客戶更了解。而且,銀行既有數據和客戶通常具有高價值的金融屬性,因此可以看出,重慶銀行在三人關系中,可以提供高質量的數據。

        再看數聯銘品,其是行業領先的大數據金融風險管理專家,擁有強大的數據科學家團隊和金融科專家團隊,更有基于大數據的風險管理應用研發能力。與淘寶、天貓累積用戶數據不同,數聯銘品是企業數據方面的專家,他們正在全面打造創新型小微信用風險大數據評估云平臺,而這也與重慶銀行關注小微企業的方向不謀而合。

        而合作的第三方三泰控股,則帶來了更為安全的軟硬件。三泰控股長期致力于為銀行客戶提供專業的金融自助設備、金融安防服務、金融服務外包和軟件技術開發集成服務。

        三方在大數據方面都各有優勢。對于重慶銀行而言,組建這樣的團隊,對其開展和創新業務提供強有力的支持。

        大數據戰略實施要有立足點

        都在講利用大數據,尤其是新興的互聯網金融機構,把大數據當成了創業創新的故事主角。然而只有極少數公司已形成清晰穩定的盈利模式,并具有長期可持續發展能力。與此相反,一批又一批表現亮眼、獲得若干輪融資的應用軟件最終無疾而終,還有大量正在存續的公司,尚處在賠本賺吆喝找投資者接盤的狀態。

        為什么會如此?原因其實很簡單,這些企業被束縛在了大數據的硬幣兩面——數據大,也意味著利用起來難度更大,一些企業犯了胡子眉毛一把抓的毛病,對其無從下手。

        而從當前的經驗看,場景化或許是輸出大數據寶藏的通道。一如三泰控股在“鐵三角”關系中,不僅是安全衛士的角色,緣由是其積極布局社區服務平臺,成功打造了“速遞易”、“金惠家”、“金保盟”等社區流量入口,初步形成社區商業大數據生態體系,構建了豐富的商業場景和特色化的社區生態雛形。

        這或許是重慶銀行及其合作方更為看重的資產。重慶銀行及其合作方已經把搭建“社區生活金融服務平臺”作為主攻方向,而在這方面,會將以三泰控股已布局的社區為原點,圍繞社區多元化的生活消費需求布設交易場景,比如線上商品推廣銷售、線上醫療問診、線下快遞物流等,嵌入重慶銀行在支付、繳費、理財、消費貸款、金融資訊等方面的金融服務資源,結合數聯銘品的大數據分析應用能力,構建和運營集生活服務與金融服務為一體的社區O2O服務平臺。

        此外,在普惠金融的理念驅動下,三家合作方將建立“家庭消費金融服務品牌”作為下一步的工作重點。這一業務,也將應用大數據分析金融消費者的行為特征,研究以家庭為單位的消費群體,嘗試家庭數字畫像,構建家庭信用體系并探索在消費信貸領域的應用,逐步完善構建服務于家庭的綜合化金融服務方案。

        大數據是個寶,懂得它的人才能享受到,或許你已經收到大數據發出的邀請了!

      ?

        以上就是本文關于銀行大數據的全部內容,如果你覺得意猶未盡,請閱讀下面的幾篇文章。

      ????相關閱讀

      ????銀行業大數據環境下的個人消費金融研究

      ????亞信數據王大超:大數據助力銀行貸后風險管控

      ????王浩:國家開發銀行大數據實踐經驗分享

      ????傳統銀行的轉型實戰:看工商銀行如何利用大數據洞察客戶心聲

      ????干貨分享丨百分點銀行大數據應用解決方案解

      責任編輯:陳卓陽

      分享:
      延伸閱讀
        數博故事
        貴州

        貴州大數據產業政策

        貴州大數據產業動態

        貴州大數據企業

        更多
        大數據概念_大數據分析_大數據應用_大數據百科專題
        企業
        更多
        两个人的房间在线观看完整版