语言

 

中文

 

English

 

CopyRight  © 2017 中科聚信信息技术(北京)有限公司 All Rights Reserved.       京ICP备14046623号-3

行业精华 | 大数据背景下的银行数据价值

来源:
www.scai-global.com
发布时间:
2018/03/22 09:52
【摘要】:
SCAI 知识可让,不容错过的数据之旅

本文来源| 中国电子银行网

作者单位| 中国银行洛阳分行纱厂西路支行    作者| 张扬

 

统计分析在银行的经营中发挥着举足轻重的作用,银行管理水平的提升很大程度上取于内部管理、绩效考核、营销项目、运营风控、优化流程等各项工作能否获得及时、准确、完整、有效的数据支持。大数据时代的到来,对银行业务模式创新和服务体验优化代理新的机遇,也对银行系统、高效的管理和分析数据的能力提出了更高的要求。

 

大数据时代的一个显著特征就是通过恰当的管理和分析,将数据有效的转化为商业价值。海量的数据蕴含着巨大商业价值,多维数据更能有效提升数据价值。具备领先数据分析能力的企业,能够洞悉客户特征,发掘市场规律,基于数据分析和互联网技术彻底改变传统业务的流程和模式,或在新的市场细分中组织构建新的商业模式,以全新的方式创造商业价值。

 

面对行业发展的新趋势以及互联网公司的挑战,商业银行应该对大数据保持清醒的头脑,不冒进,不保守,认清自有数据的优势与不足,构建扎实的数据基础,广泛采集和积累多维度数据,构建强大的数据分析能力,并推动数据在全行范围内的灵活运用,从而释放银行数据应有的价值。

 

互联网用户体验日益完善的今天,用户端的心思似乎被互联网公司猜透了:当我们打开门户网站,关心的热门时事已经聚合在眼前;当我们点击购物网站,心仪已久的商品立即被推送到搜索框下;当我们登陆社交网络,总有久违的好友被网站提醒联系;微博里面关于用户体验的一句抱怨,很可能引起客服的电话关怀和改进承诺。在我们惊叹互联网服务细心、周到的背后,是强大数据应用创造的价值。

 

大数据的基本概念及价值

 

大数据(BIG DATA)指的是所涉及的数据量规模巨大到无法通过人工,在合理时间内达到截取、管理、处理、并整理成为人类所能解读的信息。—— 维基百科

 

在总数据量相同的情况下,与个别分析独立的小型数据集(DATA SET)相比,将各个小型数据集合并后进行分析可得出许多额外的信息和数据关系性,可用来察觉商业趋势、判定研究质量、避免疾病扩散、打击犯罪或测定实时交通路况等。突破传统上以结构化、静态数据和流动数据、对历史数据和实时数据等多形态数据的全面管理和分析,它具有数据量大,类型繁多,处理速度快,价值密度低等特点。

 

大数据的价值

 

互联网的出现,使得客户大多数行为产生了电子化的记录,尽管数据存在的形式各异,却为提升客户分析的完整性、全面性提供了重要数据基础。重视大数据的企业都会不遗余力的追求大数据的多样性和完整性,因为这两个特性,直接影响分析结果,决定了分析结果的商业价值。大数据根据不同行业可以有多种应用,以互联网行业为例,其带来的直接价值在于分析用户线上行为,观察客户特征。

 

一方面,利用产品体验提升、运营效率的提高以及为进一步进行精准营销提供依据;另一方面,不同的企业基于各自数据的特点,创造出前所未有的商业模式,将数据价值转化为商业价值。

 

领先行业的数据应用案例

 

阿里巴巴公司是中国互联网公司依靠大数据分析能力进行业务创新的先进企业,数据是阿里巴巴未来战略的三大支柱之一,其在大数据领域的实践,对银行具有很强的借鉴意义。

 

多维度布局的大数据采集领域

 

在大数据分析的基础层面,为了布局大数据的业务版图,阿里巴巴不仅对集团内部阿里巴巴、淘宝、天猫、支付宝等各模块的数据进行集团层面的整合,更不惜投重金于拥有战略性重要数据的互联网公司,期待通过加强数据合作,丰富大数据维度。2013年4月,阿里巴巴投资5.8亿购入新浪微博约18%的股份,促成了中国互联网行业有史以来最大规模的资本交易,新浪微博所包含的用户社会关系和兴趣爱好,不仅是阿里巴巴有机会掌握潜在客户群特征,也为全新的社会化电子商务模式提供了可能。次月,阿里巴巴投资2.9亿美元收购手机地图服务商高德公司28%的股份,成为第一大股东,并将从移动互联的位置服务和深度生活服务的基础设施搭建架入,在数据建设、地图引擎,云计算、推广和产品开发多层面展开合作。透过社交网络、地图定位等收集的数据,阿里巴巴有效的丰富了大数据体系,为未来移动互联、电子商务从线上到线下等模式的拓展带来了巨大空间。

 

大力构建全结构的大数据分析能力

 

为实现集团层面的数据整合与应用,阿里巴巴建立起强大的全结构化的数据分析平台。在数据源层面,阿里巴巴不仅对B2B、B2C、C2C等主站结构化的核心数据进行处理,同时也采集和分析系统日志以获取用户点击和浏览行为,并采用第三方数据对自有数据无法涵盖的维度进行补充,形成较为完整的数据构成。

 

在加工和处理数据方面,阿里巴巴不仅建立起强大的静态数据分析能力,也搭建了动态数据的分析引擎;不仅基于高性能分布的关系型数据库管理系统(MYSQL)实现对海量数据的挖掘分析,也能利用多维数据库支持等核心数据进行实时计算。

 

在分析结果的提供层面,经过对后端各个数据源进行高密度的整合、概括,并向集团的不同业务模块进行开放和共享,为淘宝的众多数据产品提供实时数据查询服务。

 

商业银行的数据统计分析的建议

银行数据的优势和劣势

 

如果把涉及客户的数据视作一个“数据生态”,那么,银行在这个“数据生态”中的地位是十分重要,无法替代的。首先是由于银行拥有准确的客户签约信息、资产信息、现金流量信息以及支付、消费与投资信息,几乎涵盖了客户的核心价值。其次,银行所有用的客户群体也是数量庞大,覆盖面广,在很多方面又有良好数据基础,不仅可以直接开展数据分析,而且在与外部数据进行关联分析时,会有更多交集,从而产生更多价值。

 

准确的客户签约信息、金融资产信息、金融交易信息,可以帮助银行认清谁是高价值客户,但无法帮助银行了解客户具备怎样的价值,不知道向客户推荐什么样的产品。或许银行可以比较好的了解到客户的投资理财需求,但投资理财相对小众,不能像消费一样影响大所有的人。银行卡消费数据则可以一定程度上帮助银行了解客户偏好,但银行卡数据止步于商户,缺少直接反映客户兴趣的商品消费信息,从而难以挖掘客户的偏好。

 

银行数据信息处理的建议

 

大数据时代需要新的观念,商业银行需要像互联网公司一样重视采集和保存尽可能多维度的数据,扩大数据版图,为未来的数据分析奠定基础。同时,仍要以业务需求为核心,构建企业级的大数据分析能力。

 

一方面,结构化数据仍是银行数据的核心价值所在,而蕴含极高价值的结构化数据还沉睡在银行交易系统的数据库中,尚未得到充分的挖掘和利用。银行应以传统结构化数据为核心,建立包含核心银行系统、银行卡及各种外围产品数据的高级别数据库,通过数据仓库统一全行的产品、渠道、机构、人员的数据标准,提升数据质量,搭建支持不同统计维度和长期数据分析的业务量和收益统计体系,并围绕业务需求搭建灵活高效的客户关系管理体系。

 

另一方面,非结构化数据是未来数据分析的方向,并且其重要性随着银行业务的不断互联网化而逐渐提升。商业银行应从电子商城、门户网站、电子渠道日志起步,围绕业务需求,逐步建立对非结构化数据的存储、统计和分析能力,并将非结构化数据与结构化数据的分析结果有效结合、相互补充,从而产生更高的分析价值。

 

创造开放平台,汇聚众人智慧

 

互联网的开放性,形成了前所未有的创造力。在银行内部管理过程中,随着业务管理的不断精细,各部门对决策支持和市场营销的数据需求增长,已远超过数据统计部门的原始统计方式所能承载的负荷,导致数据需求与统计效率之间的缺口在较长时间内难以弥补。此时,商业银行不妨效仿互联网,以开放的精神对数据管理进行变革。

 

推动数据应用,发挥数据价值

 

在现实工作中,由于受到多方面因素的制约,银行数据在决策支持、精准营销、风险管理和业务创新等方面的作用还未发挥,有必要进一步推动数据在各业务领域的应用,为数据找到有效的应用场景。

 

随着经营管理的不断细化,决策支持数据已得到各级管理者的高度重视,在银行的各条线、各层级的绩效考核和业务管理工作中得到广泛应用。以网点管理为例,网点的业务量、收益、效能等因素紧密联系,综合分析与管理有关的各项因素,形成涵盖业务量、成本、收益、效能、迁移率、人员在内的多位指标。同时,不同类型的网点面临的经营环境千差万别,针对不同类型网点构建模型,将数据分析规律与管理人员经验相结合,为网点管理水平的提升提供重要依据。

 

精准营销是数据应用的另一个领域。目前部分银行启动了分析型客户关系管理系统的建设,如能紧密围绕业务需求开展分析,有望实质性地提升银行的精准营销。同时,按照简单分析规则得出的营销客户清单同样可以对业务发展产生很大效力。

 

银行是经营风险的企业。在传统模式下,银行往往是识别风险和被动规避风险,在数据分析基础上,银行可以更加主动的进行风险管理,推出全新业务模式。而通过对供应链上下游企业数据的采集、分析,银行能够更透彻的了解企业经营风险,为供应链融资和风险管理提供新的手段和工具。

 

密切关系领域发展,共谋数据前景

 

首先紧跟行业数据分析技术的变化,及时调整数据管理方案。银行应加强同领先公司以及大数据咨询公司的交流合作,参照不同的经验,以现有的技术支持,充分调动现有成熟系统的潜力,并在发展过程中利用更为先进和成熟的技术,逐步调整、优化。

 

关注监管政策和法律法规的变化,大数据时代最重要的风险就是客户信息被滥用的风险。作为商业银行,要紧跟监管政策和法律法规的趋势,主动调整管理政策,坚持守法合规采集和使用客户数据。同时要建立适度弹性的风险管理制度,实现数据先分级管理,明确不同级别数据的使用权限和开放方式。

 

最后关注基于数据基础的业务模式的变化。不断追踪数据源的发现,了解哪些企业拥有重点领域的核心数据,可以在数据源的层面构建新的业务接洽模式,制定可行的数据采集策略。同时,积极探索自身的业务模式和盈利方式的变化,凭借大数据的分析能力实现商业银行的业务延伸,切实把自身打造成大数据时代下的新型金融企业。

 

了解,才能更好的打造智能化未来

 

SCAI专注大数据智能分析,以深厚的行业经验、领先的数据分析技术为商业银行、金融机构打造智能化风险管理体系,其精细化管理提供智能决策技术平台,同时在精准营销、内评合规、欺诈侦测与防控等方面为金融机构提供全生命周期的一站式技术解决方案。SCAI 深入金融行业,了解商业银行,方能为其打造长远的智能化未来。

 

如涉及版权,请联系我们

媒体联系

 

电话: +8610 8302 0198

传真: +8610 8302 0197

邮箱: marketing@scai-global.com